We cite as we communicate: A communication model for the citation process
Victor V. Kryssanov, Evgeny L. Kuleshov, Frank J. Rinaldo, Hitoshi Ogawa
备注：
12 pages, 4 figures in the new version. A preprint originally completed in March, 2007; new version with a slightly expanded discussion and new figures added
Building on ideas from linguistics, psychology, and social sciences about the possible mechanisms of human decision-making, we propose a novel theoretical framework for the citation analysis. Given the existing trend to investigate citation statistics in the context of various forms of power and Zipfian laws, we show that the popular models of citation have poor predictive ability and can hardly provide for an adequate explanation of the observed behavior of the empirical data. An alternative model is then derived, using the apparatus of statistical mechanics. The model is applied to approximate the citation frequencies of scientific articles from two large collections, and it demonstrates a predictive potential much superior to the one of any of the citation models known to the authors from the literature. Some analytical properties of the developed model are discussed, and conclusions are drawn. Directions for future work are also given at the paper's end.
ChatGPT cites the most-cited articles and journals, relying solely on Google Scholar's citation counts. As a result, AI may amplify the Matthew Effect in environmental science
Charles University（查理大学）；OpenAI, Inc（OpenAI公司）
本研究通过让 ChatGPT 撰写环境科学子学科综述并分析其参考文献，发现其仅依赖 Google Scholar 引用次数而倾向引用高被引、较早且发表于顶级期刊的文献，从而可能加剧科学引用中的马太效应。
Edited Volumes, Monographs, and Book Chapters in the Book Citation Index (BKCI) and Science Citation Index (SCI, SoSCI, A&HCI)
2011年，路透社推出图书引文索引（BKCI）作为科学引文索引（SCI）的一部分。Web of Science第5版的界面使用户能够搜索“书籍”和“书籍章节”作为新类别。然而，书籍和书籍章节总是被引用的参考文献，自2005年以来，书籍章节已被列入数据库。我们探索这两个类别与BKCI和SCI，并在姐妹社会科学（SoSCI）和艺术与人文（A&HCI）数据库。编辑卷中的书籍章节可以被高度引用。书籍包含许多引用参考，但相对较少被引用。这可能是因为书籍的流通速度比期刊文章慢。在科学计量学上，可以区分“书籍”中的专著和编辑卷。专著在引用影响方面可能被低估，或者使用出版绩效指标被高估，因为单个章节在文章，评论和/或书籍章节方面分别被视为贡献。
The negative effects of citing with a national orientation in terms of recognition: national and international citations in natural-sciences papers from Germany, the Netherlands, and the UK
Does it Matter Which Citation Tool is Used to Compare the h-index of a Group of Highly Cited Researchers?
由引文索引（Scopus，Google Scholar和Web of Science）检索的h指数用于衡量科学家的科学表现和研究影响力研究，基于科学家的出版物和引文数量。它也很容易获得，可用于科学家的业绩衡量和招聘决定。本研究的目的是调查这三个引文数据库，即Scopus，Google Scholar和Web of Science基于一组高被引研究人员（诺贝尔奖获得者科学家）的h指数的输出和结果之间的差异。本研究采立意抽样方法收集资料。结果表明，Scopus、Google scholar和Web of Science 3个数据库的h指数存在显著性差异，其中Google scholar h指数大于其他2个数据库的h指数。研究还表明，基于Google Scholar和Scopus的h指数之间存在显著的正相关关系。Scopus、Google Scholar和Web of Science的引文索引对科学家h指数的评价有一定的参考价值，但也存在一定的局限性。
The decline in the concentration of citations, 1900-2007
本文对最近的研究（Evans，2008）提出了挑战，该研究报告称，随着文章和期刊的在线可用性，被引用的科学文献的集中度会增加。本文使用汤森路透的Web of Science，分析了1900年至2005年期间发表的论文的引用集中度（两年和五年的引用窗口）的变化。使用三种集中度指标：至少收到一次引用的论文百分比（引用论文）;需要占引用的20%，50%和80%的论文百分比;以及Herfindahl-Hirschman指数。这些措施用于四大学科：自然科学和工程，医学领域，社会科学和人文科学。所有这些措施收敛，并表明，与埃文斯的报告相反，引文的分散实际上是增加的。
Analyzing data citation practices using the Data Citation Index
我们提出了一个分析的数据引用实践的基础上，数据引用索引从汤森路透。该数据库于2012年启动，旨在将数据集和数据研究与从其他引文索引收到的引文联系起来。DCI从Web of Science索引的论文中收集研究数据的引用。它依赖于数据储存库提供的信息，因为在许多情况下，数据引用做法不一致或不存在。这项研究的结果表明，在大多数研究领域，数据引用的做法是远远不够的。研究人员引用数据的方式存在一些差异：在科学和工程以及技术领域，数据集被引用最多，而在社会科学和艺术以及人文科学领域，数据研究发挥了更大的作用。总共有88.1%的记录没有被引用，但一些存储库显示出非常低的未引用率。尽管数据引用在大多数领域都很少见，但它们在晶体学和基因组学等学科中得到了扩展。最后，我们强调DCI可以发挥的作用，鼓励一致的，标准化的研究数据的引用;一个角色，将提高其价值的一种手段，从数据汇集到出版的研究过程。
On the causes of subject-specific citation rates in Web of Science
在文献计量学中众所周知，每篇论文的平均引用次数在不同学科之间存在很大差异。不同的引用文化（特别是每篇论文的平均引用次数不同，因此被引用的概率不同）被广泛认为是这种差异的原因。基于1990年，1995年，2000年，2005年和2010年发表的所有Web of Science（WoS）记录，我们证明了几乎所有学科在其论文的附录中显示出相似的参考文献数量。我们的研究结果表明，平均引用率的影响更大的程度上的论文（引用作为参考）被列入WoS作为链接的数据库记录。例如，人文学科相对较低的引用率根本不是每篇论文平均引用数量较低的结果，而是由引用WoS涵盖的核心期刊上发表的论文的链接引用比例较低造成的。
Which cities' paper output and citation impact are above expectation in information science? Some improvements of our previous mapping approaches
Bornmann和Leydesdorff（出版中）提出了基于Web of Science数据的方法，以确定高引用论文发表频率高于预期的城市的特定领域的卓越性。在产出方面表现最好的是作者所在的城市，他们发表的高引用论文数量在统计上明显高于这些城市的预期。利用1989年至2009年在信息科学中发表的论文，对Bornmann和Leydesdorff（出版中）的方法进行了改进，并介绍了一种基于指标I3的替代映射方法。I3指标由Leydesdorff和Bornmann提出（出版中）。
Interdisciplinarity as Diversity in Citation Patterns among Journals: Rao-Stirling Diversity, Relative Variety, and the Gini coefficient
定义和测量的问题继续限制跨学科测量的共识。使用Rao-Stirling（RS）多样性有时会产生异常结果。我们认为，这些意想不到的结果可能与使用“双概念多样性”，结合“品种”和“平衡”的定义（事前）。我们建议将RS多样性修改为一个新的指标（DIV），它独立地操作多样性，平衡性和差异性，然后将它们事后结合起来。“平衡”可以用基尼系数来衡量。我们将DIV应用于科学引文索引和社会科学引文索引的期刊引文报告2016年所涵盖的11，487种期刊的汇总引文模式作为经验领域，更详细地说，应用于被引用和引用方向上分配到Web of Science类别“信息科学和图书馆学”的85种期刊的引文模式。我们比较的指标的结果，并表明，DIV提供了改进的结果，在区分跨学科的知识整合（引用）与知识扩散（引用）。新的分集指标和RS分集度量不同的特征。在网上提供了一个衡量多样性的各种运作情况（在任何数据矩阵中）的例行程序。
