به کارگیری معیارهای تحلیل شبکه‌های اجتماعی در ارزیابی‌های کتاب‌سنجی

نوع مقاله: پژوهشی

نویسندگان

1 دکتری علم اطلاعات و دانش شناسی، دانشگاه شهید بهشتی

2 استاد علم اطلاعات و دانش شناسی، دانشگاه تهران

3 استاد علم اطلاعات و دانش شناسی، دانشگاه شهید چمران

چکیده

هدف: پژوهش حاضر با استفاده از شاخص‌های علم­سنجی و تحلیل شبکه­های اجتماعی به مطالعه دانشگاه تهران در تولید علم ایران در یک دوره ده ساله می­پردازد. در این پژوهش از  شاخص مرکزیت شبکه­های اجتماعی در ارزیابی مقالات نمایه شده دانشگاه تهران در نمایه وب آو ساینس استفاده شده است. 
روش پژوهش: این پژوهش از نوع علم سنجی بوده و با استفاده از روش تحلیل هم استنادی و تحلیل شبکه­ ای انجام شده است و جامعه آن کلیه مقالاتی است که حداقل یک مؤلف وابسته به دانشگاه تهران داشته و بین سال‌های 1999 تا 2008 در وب آو ساینس نمایه شده­اند. پس از جست‌وجو در پایگاه وب آو ساینس 4732 عنوان مقاله یافت شد و با در نظر گرفتن آستانه استنادی 900 عنوان مقاله انتخاب شد. رکوردهای بازیابی شده در فرمت متن ساده ذخیره و سپس با استفاده از نرم­افزار سایت اسپیس مورد بررسی قرار گرفت.
یافته­ ها: در مقالات مورد بررسی 29455 منابع مورد استناد اعضای هیأت علمی دانشگاه تهران قرار گرفت بود. که بیش از نیمی از این منابع ، منابع ایرانی می‌باشند. اعمال شاخص مرکزیت نشان می­دهد اگرچه گنجعلی (در حوزه شیمی تجزیه) بالاترین میزان مرکزیت در شبکه هم­استنادی دانشگاه تهران را داراست.  اما سایر منابع با مرکزیت بالا غیر ایرانی هستند.
نتیجه ­گیری: در این پژوهش منابع پر استناد و منابع با مرکزیت و سیگما بالا مشخص شد. یافته­ها نشان داد اگر چه بسامد استنادی می‌توان شاخصی برای نمایانی مقالات باشد. اما مقالاتی که مرکزیت بالاتری نسبت سایر مقالات به دست می­آورند الزاماً پر استنادترین­ مقالات نیستند.

کلیدواژه‌ها


عنوان مقاله [English]

Social Network Analysis in Evaluation of criteria for the use of bibliometric

نویسندگان [English]

  • najmeh salemi 1
  • Gholamreza Fadaei 2
  • Farideh Asareh 3
1 Professor of Information Sciences and Knowledge, Beheshti University
2 Professor of Information Science and Knowledge of Theran University
3 Professor of Information Science and Knowledge, Chamran University
چکیده [English]

Purpose: This survey tries to evaluate the centrality of the scientific network of university of Tehran articles which are indexed in Web of science between 1999-2008.
Methodology: This research uses the social network analysis to reveal scientific map of university of Tehran and find the works with high centrality.  4732 articles were collected from Web of science and 900 articles (with 10 citation thresholds) were analyzed with Citespace.
Findings: The results reveals that Ganjali (chemist) is the central node in Tehran scientific network but other important nodes are not Iranian.
Conclusion: The data shows there are 29455 references in articles and half of them are Iranian. In this work the most cited references with centrality and sigma were recognized. The result shows although citation is important but the most cited reference is not the central one.

کلیدواژه‌ها [English]

  • social network analysis
  • Scientometrics
  • centrality
Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 25 (2), 163-177.

Burt, R. S. (1992). Structural holes: The social structure of competition. Cambridge, Massachusetts: Harvard University Press.

Cheong, F & Corbit, B. (2009). A social network analysis of the co-authorship network of the Australian conference of information science from 1990 to 2006. paper presented in the 17thEuropean conference on information systems, Verona. Italy.

Erfanmanesh, M; Abrisah, A; Asnafi, A. (2014). A Scientometric and Social Network Analysis. Informatiom Processing & Management. 29( 2). In Persian

Erfanmanesh, M; Rohani, V.A; Abrizah,A (2012). Co-authorship network of scientometrics research collaboration.  Malysian journal of library & information science, 17(3), 73-93.

Freeman, L.C. (1979). Centrality in social networks: Conceptual clarification. Social Networks, 1, 215–239.

Hanneman, Robert A. and Mark Riddle.(2005). Introduction to social network methods. Available: http://faculty.ucr.edu/~hanneman/

Kessler, M. M. (1963). Bibliographic coupling between scientific papers. American Documentation, 14: 10-25.

Kleinberg J. (2002). Bursty and hierarchical structure in streams. Proceedings of the 8th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2002:91–101.

Shekofteh, M & Hariri, N. (2014). Scientific Mapping of Medicine Inion Iran Using Subject Co-citation and Social Network Analysis.  Health Management, 16(51). In Persian

Shieli,F; Osareh, F; Farajpahlo, A. (2012). Centrality in co-authorship network in information science journal. Library and Information Science, 2(2). In Persian

Small, H. (1973). Co-citation in the scientific literature: a new measure of the relationship between two documents. Journal of The American Society for Information Science and Technology, 24.

Wasserman, S.; Faust, K. (1994). Social Network Analysis: Methods and Applications (Structural Analysis in the Social Sciences). Cambridge: University Press

Yan, E.; Dig, Y ; Zhu, Q (2010). Mapping library and information science in China: A coauthor ship network analysis. Scientometrics, 83(1), 115-131.