引文波峰的量化与分布探究

引文是科学知识的重要连接,引文波峰反映了引文扩散过程中最具影响力的阶段。本文希望借助引文波峰分布情况来深入了解科学引文的动态扩散过程。首先明确引文波峰的定义,并构建详细的量化方法,对美国物理学会的期刊文献进行波峰识别,根据识别的波峰总结出六种引文曲线类型,最后基于文献的波峰数量、波峰位置、波峰间隔等特征探究波峰分布差异。发现大部分文献有且只有一个波峰,同时也存在两个或多个波峰的情况。文献一般在发表后初期到达首次波峰与最高峰(主要是发表后0~5 年、第1~2 年最为突出)。首次波峰的位置分布与最高峰位置分布显著正相关,高被引文献更易在发表初期达到首次波峰。

引文动态如何变化:文献内容特征的作用研究

文献的被引情况受文献内部特征和外部环境的影响,外部环境往往难于把握,本文主要探究了文献内容特征对其被引表现的影响。引文波峰是文献被引过程中极大化的时刻,能够刻画文献动态被引特点,因此,除了传统的总被引次数外,本文还纳入引文波峰来衡量文献的被引表现,探究文献内容特征对引文波峰的影响。研究方法采用了回归分析方法,研究数据集为PubMed的生物医学文献,探究文献质量、创新类型和内容多样性三个新颖的内容特征,对被引表现(总被引次数、波峰数量、波峰到达时间、波峰高度)的贡献。其中文献质量利用同行评议数据库Faculty Opinions(F1000)的得分来衡量,创新类型依赖F1000中专家给予的标签,内容多样性用MeSH主题词的种类数和相似性来表示。研究结果表明,不同的文献特征在被引上具有不同的表现,文献获得的总被引次数受文献质量、文献创新类型和文献内容多样性的影响;波峰数量受文献内容多样性的影响,内容越丰富越可能获取较多的波峰;波峰到达时间与文献质量和内容多样性有关;波峰高度受文献质量的影响,文献质量越高,逐年被引数量变化更为平稳。

国际生物医学大数据研究可视化分析

以WOS数据库为数据源,全面采集生物医学大数据相关文献,以CiteSpace和VOSViewer软件绘制科学知识图谱,对当前生物医学大数据研究力量、研究热点及演进趋势进行分析。