融合K值算法与三指标的神经科学领域“睡美人”论文识别及影响因素探析

[目的/意义]从不同学科领域识别出"睡美人"论文并在科学界中广泛传播与使用,能够极大程度实现此类科技成果的科学价值,促进科学领域的发展与进步。[方法/过程]综合运用K值算法、三指标法和文献被引延迟指数,从神经科学领域1990-2010年发表的905 418篇论文中识别出"睡美人"论文,并对"睡美人"论文的期刊分布、论文篇幅、作者数量和睡眠特征等影响因素进行计量分析。[结果/结论]实证结果显示:(1)融合K值算法与三指标法能够从神经科学领域90余万篇论文中识别出26篇"睡美人"论文,识别准确率较高;(2)文献被引延迟指数方法识别出的"睡美人"论文数量较多,达到65篇,识别准确率略低,然而该方法的计算效率较高;(3)两类方法识别出的26篇共同"睡美人"论文的睡眠深度范围为0.11~1.63次,睡眠时长相对较短,平均时长为9.88年。此外,除总被引频次外,神经科学领域"睡美人"论文形成的影响因素与期刊影响因子、论文作者数量和篇幅等特征均不显著相关。