HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

高被引论文的在线使用与分享研究——基于ALMs的实证分析

作者:匡登辉高被引论文在线使用mendeleyciteulike分享figshare

摘要:【目的】以SCI高被引论文为实证分析对象,通过分析论文的引用频次与在线使用、分享的相关性及表现,验证Altmetrics指标在揭示优质文献方面的有效性。【方法】通过匹配DOI,将高被引论文的引文数据与ALMs组合,对论文的引用频次与在线使用、分享数据进行Spearman相关性检验,并对PLOS系列期刊的在线使用与分享情况逐一分析。【结果】研究表明:引用次数与论文的在线分享Figshare呈弱正相关(r=0.081,P=0.01);与CiteULike标引量呈中度相关(r=0.252,P=0.01);与Mendeley使用量的相关性最大(r=0.376,P=0.01)。部分期刊的Mendeley使用量在一定程度上揭示了高影响力文献。【局限】只针对特定学科PLOS系列期刊,因此数据的全面性存在一定的欠缺,得出的结论能否推而广之,有待于进一步研究。【结论】论文的高被引与其对应的在线使用与分享的相关度不高,显示出在线使用(Mendeley,CiteULike)与分享(Figshare)的数据在揭示高影响力文献方面存在一定的不足。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

数据分析与知识发现

《数据分析与知识发现》(CN:10-1478/G2)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《数据分析与知识发现》内容定位于广泛吸纳计算机科学、数据科学、情报科学以及数字科研、数字教育和数字文化等领域的技术与方法,研究数据驱动的语义计算、内容分析、数据挖掘、知识发现、智能管理和决策支持等方面的技术、方法、系统以及支撑设施、政策与机制等,尤其是聚焦从海量、异构、分布、动态、甚至富媒体数据中挖掘和发现知识以支持研究、管理和决...

杂志详情