科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】研究高质量期刊中论文的Altmetrics指标的相关特性,包括与被引次数相关性、学科差异性、分项指标的贡献度等,对比分析与已有基于全论文数据集分析结果的差异性,为正确理解和使用Altmetrics指标提供借鉴。【方法】选取Nature Index的68种高质量期刊为数据源,利用机器学习方法对论文进行学科分类,采用Spearman相关性分析方法,分析Altmetrics与被引次数之间的相关性及在各个学科中的差别,以及Altmetrics各分项指标的贡献度,并利用ROC曲线评估Altmetrics识别高被引论文的有效性。【结果】Altmetrics与被引次数的相关性存在学科差异;高质量期刊中,论文的Altmetrics分值与被引次数间的相关性增强;News、Blog、Twitter对Altmetrics得分的贡献度增大;Altmetrics有助于识别高被引论文。【局限】所选数据集覆盖年限较短,未进一步根据学科特点扩展数据集。【结论】对比以往全数据集的研究结果,Altmetrics在高质量期刊中的表现具有独特性,Altmetrics与被引次数之间具有强相关性。
- 出版日期2018
- 单位中国科学院大学; 中国科学院科技战略咨询研究院; 中国科学院文献情报中心
