林墨分享 http://blog.sciencenet.cn/u/ZJUlijiang 分享以科学家为对象的研究论文

博文

社交媒体上的论文,获得了额外30%的被引次数 精选

已有 4643 次阅读 2017-11-14 09:57 |系统分类:科研笔记

说明:本博客与微信公众号“林墨”同步更新,所有内容均为原创,可授权转载请扫码关注“林墨”公众号。


学术论文在Twitter等社交媒体上的传播,是否能提升其被引次数?一项研究对Web of Science2012年收录的130万篇学术论文进行了调查,结果显示,发表于相同年份、相同期刊的论文,经Twitter转发比不经Twitter转发的论文平均高出30%的被引次数。

编译作者:闵超 / 南京大学                原文作者:Fei Shu& Stefanie Haustein

素材来源:ASIST2017                      图文编辑:李江 / 浙江大学



注:图片来源于Altmetric.com

在刚刚结束的第80届国际信息科学与技术协会年会上,加拿大麦吉尔大学的Fei Shu和蒙特利尔大学的Stefanie Haustein两位学者报告了他们的一项最新的Altmetrics研究。

Altmetrics2010年作为传统引文指标的补充方案被正式提出。与文献计量学中的引用数量等传统指标不同的是,Altmetrics关注的是学术活动在社交媒体等网络平台上产生的学术影响。尽管不少研究显示引文数量与各类社交媒体指标之间只存在较弱的相关性,但是这项研究表明:将学术论文分享到社交媒体上,对论文的影响力而言并不是一件坏事。

社交媒体上的学术信息

研究选取了Web of Science核心集上2012年的全年数据,共计检索到1,339,279篇论文。这些论文截止到2015年的被引次数被用来衡量它们的影响力,即引用时间窗口为3年。作者使用了altmetrics.com网站的本地数据(提供截止到20156月的推特信息)。由于论文被转推的情况绝大多数都发生在论文发表的数天之内,几年之后才被转推的情况非常少见,因此可以认为选择的推特时间窗口是足够长的。由此,可以利用论文的唯一识别标识DOI来追踪在推特上的转发情况。在1,131,358篇有DOI的论文中,247,621篇(22%)被推特转发过(以下简称推特论文),883,737篇(78%)没有被推特转发(以下简称非推特论文)。

社交媒体上论文的引文优势

将相同期刊上的推特论文与非推特论文比较,可以发现前者比后者平均多30%的被引次数。为了验证这一结论的可靠性,作者分别使用了五种不同的阈值来选择待研究的期刊,即逐渐增加所选期刊中包含的推特论文与非推特论文的数量。结果表明,在所有不同阈值的情况下,推特论文均比非推特论文平均多出30%左右的被引次数。

2012年的推特论文和非推特论文数量均大于10的期刊中,79.8%的期刊显示推特论文具有引文优势,20.2%的期刊显示非推特论文具有引文优势。如果将期刊论文数量的阈值提高到100,推特论文则在超过90%的期刊中具有引文优势,并且这一优势在40%的期刊中处于20%-50%之间。

不同学科之间的差异

13个学科领域中,绝大多数学科显示推特论文比非推特论文吸引到更多的被引次数。推特论文比非推特论文拥有更多被引次数的比例从化学的68.5%增加到心理学的84.2%。类似的结果在9个学科中同样十分显著,而在化学、工程与技术、人文、数学等学科中则稍有欠缺。

不同国家之间的差异

选取的论文数据来自204个国家和地区,美国(317,935),中国(163,635),英国(89,756),德国(85,846),日本(67,215),法国(59,657),加拿大(52,058),意大利(48,569),西班牙(45,602)和韩国(44,910)等国家的论文位居前十。美国学者也贡献了最多的推特论文(100,016),英国次之(30,748),德国第三(21,565)。而推特论文比例最高的前四个国家则是荷兰(35.6%),英国(34.3%),瑞士(32.0%)以及美国(31.5%)

如果考虑每个国家中推特论文具有引文优势的期刊比例,数据也十分有趣。在所考察的15个国家中,从中国的21.4%一直到瑞士的63.2%14个的比例超过30%

这样研究显示,在绝大多数的期刊中,推特论文比非推特论文获得更多的被引次数。被转推的论文在所有科学领域均具有引文优势,只不过不同学科的数据不尽相同。当然,这并不能说明论文在社交媒体上的可见度与其引文数量存在着因果关系。



Shu,F., & Haustein, S. (2017). On the citationadvantage of tweeted papers atthe journal level. Proceedings of the Associationfor Information Science andTechnology, 54(1), 366-372.


点赞替代引用:社交媒体数据能走多远?

不使用社交媒体的科学家不是好老师




http://blog.sciencenet.cn/blog-1792012-1085162.html

上一篇:『林墨』来了——武汉大学文华学术沙龙活动纪实
下一篇:物以类聚,人以龄分
收藏 分享 举报

5 杨正瓴 强涛 黄永义 赵克勤 王启云

该博文允许注册用户评论 请点击登录 评论 (3 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2017-11-23 19:37

Powered by ScienceNet.cn

Copyright © 2007-2017 中国科学报社

返回顶部