Please wait a minute...
Advanced Search
现代图书情报技术  2005, Vol. 21 Issue (4): 58-62     https://doi.org/10.11925/infotech.1003-3513.2005.04.15
  网络资源与建设 本期目录 | 过刊浏览 | 高级检索 |
期刊论文被引用及其Web全文下载的文献计量分析
万锦堃   花平寰   孙秀坤
(清华大学中国学术期刊(光盘版)电子杂志社 北京 100084)
Bibliometrics Analysis on Cited Frequency and Downloaded Frequency of Journal Papers
Wan Jinkun   Hua Pinghuan   Sun Xiukun
(Publishing House of Chinese Academic Journals(CD) of Tsinghua University, Beijing 100084,China)
全文: PDF (0 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

运用《中国学术期刊综合引证报告》及《中国学术期刊全文数据库Web下载统计报告》的文献计量数据分析了期刊论文网上下载频次的年代分布和被引用频次的年代分布,对比了它们的峰值(百分数)和峰值与统计年的年限差,得到“去年发表的论文被下载多,前年发表的论文被引用多,当年发表的论文下载频次与被引频次的比值高”这一规律性认识。研究了文献的网上下载频次分布和被引用频次的分布,对比了它们的集中系数。鉴于文献网上下载指标的排序与被引用指标的排序并不完全一致,建议将它们都作为独立指标在综合评价中予以适当考虑。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 网络文献下载频次被引频次评价    
Abstract

Bibliometrics data of Chinese Academic Journal Comprehensive Citation Report and Chinese Academic Journal Webometrics Reports are applied to the analysis on the time distribution of downloaded frequency and the time distribution of cited frequency. The  peak-values (percent) of the distribution curves and the the ratio of the downloaded frequency and cited frequency  are analyzed. The conclusion obtained is: the papers published in the last year are downloaded more than that published in other years, the papers published in the year before last year are cited more than that published in other years, the ratio of the downloaded frequency and cited frequency of papers published in current year is higher than that published in other years. The distribution curves of downloaded frequency and cited frequency of papers are studied, concentration coefficients are compared with each other. It is proposed that the downloaded indicators should be considered sufficiently as the cited indicators in the comprehensive evaluation system, owing to they are not consistent with each other in all cases.

Key wordsWeb    Papers    Downloaded frequency    Cited frequency    Evaluation
收稿日期: 2004-11-08      出版日期: 2005-04-25
ZTFLH: 

G350

 
通讯作者: 万锦堃     E-mail: gfhs@enki.net
作者简介: 万锦堃,花平寰,孙秀坤
引用本文:   
万锦堃,花平寰,孙秀坤. 期刊论文被引用及其Web全文下载的文献计量分析[J]. 现代图书情报技术, 2005, 21(4): 58-62.
Wan Jinkun,Hua Pinghuan,Sun Xiukun. Bibliometrics Analysis on Cited Frequency and Downloaded Frequency of Journal Papers. New Technology of Library and Information Service, 2005, 21(4): 58-62.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2005.04.15      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2005/V21/I4/58

1科学技术部办公厅.科学技术部、教育部、中国科学院、中国工程院、国家自然科学基金委员会文件:关于改进科学技术评价工作(国科发基字[2003]142号).2003
2中国学术期刊综合引证报告.北京:清华大学中国学术期刊(光盘版)电子杂志社,2003
3中国学术期刊网络计量测试报告.北京:清华大学中国学术期刊(光盘版)电子杂志社,2004
4张玉华,潘云涛,马峥.科技论文评估方法研究. 编辑学报,2004,16(4):243-244
5戴龙基,蔡蓉华.中文核心期刊要目总览.2004年版.北京:北京大学出版社,2004
6王崇德.也谈“影响因子”与学术刊物的评价.情报资料工作,1998(2):12-15
7Thomson Corporation. Hot Papers.http://www.in-cites.com/ESI_Product_Info/1-HotPapers.htm(Accessed Oct.8,2004)
8Bradford S C. Sources of Information on Specific Subjects.Engineering,   1934(3550):85-86
9邱均平,段宇锋,陈敬全等.我国文献计量学发展的回顾与展望.科学学研究,2003(2):143-148

[1] 赵旸, 张智雄, 刘欢, 丁良萍. 基于BERT模型的中文医学文献分类研究*[J]. 数据分析与知识发现, 2020, 4(8): 41-49.
[2] 沈喆, 王毅, 姚毅凡, 成颖. 面向学术文献的作者名消歧方法研究综述*[J]. 数据分析与知识发现, 2020, 4(8): 15-27.
[3] 席运江, 杜蝶蝶, 廖晓, 仉学红. 基于超网络的企业微博用户聚类研究及特征分析*[J]. 数据分析与知识发现, 2020, 4(8): 107-118.
[4] 盛嘉祺, 许鑫. 融合主题相似度与合著网络的学者标签扩展方法研究*[J]. 数据分析与知识发现, 2020, 4(8): 75-85.
[5] 邱尔丽,何鸿魏,易成岐,李慧颖. 基于字符级CNN技术的公共政策网民支持度研究 *[J]. 数据分析与知识发现, 2020, 4(7): 28-37.
[6] 王思迪,胡广伟,杨巳煜,施云. 基于文本分类的政府网站信箱自动转递方法研究*[J]. 数据分析与知识发现, 2020, 4(6): 51-59.
[7] 蔡永明,刘璐,王科唯. 网络虚拟学习社区重要用户与核心主题联合分析*[J]. 数据分析与知识发现, 2020, 4(6): 69-79.
[8] 刘伟江,魏海,运天鹤. 基于卷积神经网络的客户信用评估模型研究*[J]. 数据分析与知识发现, 2020, 4(6): 80-90.
[9] 王末,崔运鹏,陈丽,李欢. 基于深度学习的学术论文语步结构分类方法研究*[J]. 数据分析与知识发现, 2020, 4(6): 60-68.
[10] 姜霖,张麒麟. 基于引文细粒度情感量化的学术评价研究*[J]. 数据分析与知识发现, 2020, 4(6): 129-138.
[11] 于丰畅,陆伟. 一种学术文献图表位置标注数据集构建方法[J]. 数据分析与知识发现, 2020, 4(6): 35-42.
[12] 张毅,杨奕,邓雯. 网络在线信任影响因素研究综述*[J]. 数据分析与知识发现, 2020, 4(5): 15-26.
[13] 李文政,顾益军,闫红丽. 基于网络贝叶斯信息准则算法的社区数量预测研究*[J]. 数据分析与知识发现, 2020, 4(4): 72-82.
[14] 闫春,刘璐. 基于改进SOM神经网络模型与RFM模型的非寿险客户细分研究*[J]. 数据分析与知识发现, 2020, 4(4): 83-90.
[15] 苏传东,黄孝喜,王荣波,谌志群,毛君钰,朱嘉莹,潘宇豪. 基于词嵌入融合和循环神经网络的中英文隐喻识别*[J]. 数据分析与知识发现, 2020, 4(4): 91-99.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn