Мохначева, Юлия Валерьевна. Классификация публикаций по типам документов в Web of Science и Scopus: сходства, различия и их значение при анализе публикационной активности / Ю. В. Мохначева // Управление наукой: теория и практика. - 2022. - Т. 4, № 3. - С. 154-170 Кл.слова (ненормированные): ПУБЛИКАЦИОННАЯ АКТИВНОСТЬ -- WEB OF SCIENCE -- ТИПЫ ДОКУМЕНТОВ -- SCOPUS -- ОШИБКИ БАЗ ДАННЫХ -- УЧЁТ ПУБЛИКАЦИЙ РАЗЛИЧНЫХ ТИПОВ Аннотация: В статье представлены сравнительные данные, касающиеся типов одних и тех же публикаций в двух ведущих мировых научно-информационных системах - Web of Science и Scopus - и у поставщиков первичной информации. В работе показаны существенные различия в типизации документовна выборке из 4338 наиболее активно цитируемых работ с российским участием различных типов за период 2010-2020 гг. В статье показано, что тип публикации - критерий далеко не очевидный: одной и той же работе может быть присвоен разный тип в зависимости от источника информации.Выявленные несоответствия информации из различных источников дают основания для определённого скепсиса в корректности постановки задач при анализе публикационной активности, касающегося учёта публикаций только определённых типов. Результаты проведённого исследования позволяют утверждать, что в случае необходимости учёта публикаций только определённых типов, сведения о типах документов необходимо сверять с исходными (первичными) сведениями у поставщиков первичной информации. |
Гуськов, Андрей Евгеньевич. Вызовы для развития наукометрических исследований / А. Е. Гуськов, Я. Л. Шрайберг // Научные и технические библиотеки. - 2023. - № 2. - С. 37-58 Рубрики: НАУКА. НАУКОВЕДЕНИЕ Кл.слова (ненормированные): НАУКОМЕТРИЯ -- БИБЛИОМЕТРИЯ -- WEB OF SCIENCE -- SCOPUS -- DOI -- ORCID -- КЛАССИФИКАЦИЯ -- МЕТАДАННЫЕ Аннотация: В статье рассматриваются основные вызовы - сложные проблемы, препятствующие развитию наукометрических исследований и научных коммуникаций. Для их решения требуются большие усилия и профессиональная смелость. В первую очередь, к таким вызовам относятся необходимость открытого доступа к наукометрическим данным, а также повышение их качества и полноты, включая сведения об авторах, аффилиациях, цитированиях и иную метаинформацию. Обоснована необходимость массового применения технологий идентификации научно-информационных объектов (публикаций, исследователей, организаций, проектов и др.), что позволит значительно снизить количество библиографических ошибок. При проектировании наукометрических изысканий границы объектов исследований и инструменты анализа должны определяться их целями, а не ограничениями библиометрических баз данных. Одним из ключевых инструментов является классификация научных публикаций. Его развитие обусловлено появлением новых и низким качеством существующих в библиометрических базах данных классификаторов, их различиями, а также изменчивостью структуры науки. Наконец, необходимо строго следить за корректностью применения методов наукометрического анализа и интерпретации его результатов, особенно при оценке научной результативности. Преодоление этих вызовов позволит реализовать эффективный мониторинг научной деятельности, который будет основываться уже не на формах ежегодного статистического наблюдения, а на процедурах оперативного сбора, обработки и анализа потоков научной информации. Такой переход позволит значительно улучшить характеристики мониторинга, расширить спектр решаемых задач, выявлять системные изменения в сфере исследований, своевременно реагировать на дисбалансы в её развитии и увеличить эффективность решений, принимаемых в управлении научной деятельностью. |
Мельникова, Е. В. Потребности наукометрии и возможности современного машинного обучения как области искусственного интеллекта / Е. В. Мельникова // Научно-техническая информация. Серия 1: Организация и методика информационной работы . - 2023. - № 5. - С. 7-14 Кл.слова (ненормированные): НАУКОМЕТРИЯ -- БИБЛИОМЕТРИЯ -- НАУКОМЕТРИЧЕСКИЕ ПОКАЗАТЕЛИ -- ГЛУБОКОЕ ОБУЧЕНИЕ -- ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ -- БОЛЬШИЕ ДАННЫЕ -- КЛАССИФИКАЦИЯ -- WEB OF SCIENCE -- SCOPUS -- ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- МАШИННОЕ ОБУЧЕНИЕ Аннотация: Представлена общая характеристика современной наукометрии, ее основных задач и методов исследования. Рассмотрены вопросы применения алгоритмов обычного машинного и глубокого обучения как инструментов искусственного интеллекта в тематической классификации научной литературы. Изложены проблемы и ограничения в классификации литературы по разделам науки в системах индексации и цитирования научной информации. Приводится конкретный пример приложения глубокого обучения для постатейной тематической классификации, разработанного учеными ОАЭ и Иордании на базе сверточных нейронных сетей. Подчеркнуто значение приложений и моделей глубокого обучения для создания корректных классификаций научной литературы, соответствующих реалиям развития науки и способных на этой основе обеспечить повышение точности вычисления наукометрических показателей. |
Калачихин, П. А. Прогнозирование развития научных направлений на основании анализа конфликтов между областями знаний / П. А. Калачихин // Научно-техническая информация. Сер. 2. Информационные процессы и системы. - 2022. - № 2. - С. 1-8 Кл.слова (ненормированные): КОНФЛИКТ ЗНАНИЙ -- КОНФЛИКТНАЯ СИТУАЦИЯ -- НАУЧНЫЙ КОНФЛИКТ -- ПРОГНОЗИРОВАНИЕ НАУЧНЫХ НАПРАВЛЕНИЙ Аннотация: Систематизированы общие представления о структуре и видах конфликтов. Типология научных конфликтов дополнена понятием конфликта между областями знания. Выполнена классификация конфликтных ситуаций в науке по линии демаркации между этими областями. Указана взаимосвязь способов завершения конфликтов и конфликтных ситуаций между областями знания. Разработана методика прогнозирования исходов конфликтов знаний, основанная на эвристиках. Использована кортежная нотация для записи формата структур данных на входе и выходе процедуры прогнозирования. |
Классификация научных журналов с опорой на индексы цитирования // Научные и технические библиотеки. - 2024. - № 5. - С. 56-70 Кл.слова (ненормированные): научные журналы -- академические журналы -- классификация журналов -- индексы научных журналов -- развитие журналов -- WEB OF SCIENCE -- SCIEXPANDED -- SSCI -- AH&CI -- ESCI -- SCOPUS -- PUBMED MEDLINE Аннотация: Научные журналы можно классифицировать по самым разным критериям. Классификация научных журналов до сих пор является предметом споров между экспертами. Многочисленные предложения не внесли ясности в этот вопрос. Цель данного исследования – выработать чёткие критерии классификации научных журналов. При этом автор готов принять критику предлагаемых им решений. Сделана попытка классифицировать научные журналы с опорой на библиографические базы данных, в которые эти журналы включены. Используя различные базы данных и литературу, автор привносит собственные соображения и предлагает свою интерпретацию проблемы. Научные журналы р азбиты п о ч етырём г руппам: 1 . Ж урналы, в ключённые в индексы цитирования БД Clarivate Analytics Web of Science Database, такие как SCIExpanded, SSCI, AHCI. 2. Журналы, включённые в индекс цитирования ESCI (являющийся частью Web of Science), SCImago Scopus и PubMed Medline. 3. Журналы, включённые в другие международные или национальные/региональные индексы. 4. Журналы, не включённые ни в один из индексов. Представленные в статье индексы дают понимание о влиянии журнала. Результаты исследования представляют собой более чёткие, ясные и поддающиеся измерению критерии классификации научных журналов. |