Journal intersection graph: definition, modifications and a meaningful example

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Bibliometric networks are defined by the relationships between publications and/or their authors, implemented on the basis of lists of co-authors and bibliographic lists. The mathematical models of such networks, which allow us to explore the communities of scientists and the connections between their works, are the corresponding bibliographic graphs. The paper defines a new type of bibliographic graph, the graph of journal intersections, based on the well–known binary operation of intersection of sets. The sets here are the sets of authors: the author belongs to the set of authors of the journal, if he has publications in this journal. The vertices of the intersection graph are journals, and connections between them arise if the intersections of the corresponding sets of authors are non-empty. Two modifications of the graph of journal intersections are proposed, taking into account the power of a subset of intersections and the similarity of sets of authors determined using the Jacquard coefficient. Data from 20 leading Russian mathematical journals are used as an example of the construction and study of the journal intersection graph and its modifications. As a result of the analysis, some results were obtained (the "closeness" or "openness" of the communities of authors and journals; a high correlation between the PageRank of graph vertices and the SCIENCE INDEX of journals in eLibrary), allowing a slightly different look at traditional approaches to ranking scientific journals used to assess scientific performance. The directions of further experimental and theoretical research are determined.

Авторлар туралы

Andrey Pechnikov

Karelian Research Centre of the RAS

Email: pechnikov@krc.karelia.ru
Petrozavodsk

Әдебиет тізімі

  1. БРЕДИХИН С.В., ЛЯПУНОВ В.М., ЩЕРБАКОВА Н.Г. Библиометрические сети научных статей и журналов. – Новосибирск: ИВМиМГ СО РАН, 2021. – 334 с.
  2. Научная электронная библиотека. [Электронный ре-сурс]. – Режим доступа: https://www.elibrary.ru.
  3. НОВИКОВ Д.А. Померяемся «Хиршами»? (Размышления о наукометрии) // Высшее образование в России. – 2015. – №. 2. – С. 5–13.
  4. О новом рейтинге журналов SCIENCE INDEX. [Элек-тронный ресурс]. – Режим доступа: https://elibrary.ru/projects/science_index/ranking_info.asp.
  5. Список журналов, входящих в базу данных RSCI. [Элек-тронный ресурс]. – Режим доступа: https://elibrary.ru/project_rsci.asp.
  6. An example of how intersecting sets define a graph. [Electronic resource]. – Available at: https://en.wikipedia.org/wiki/File:Intersection_graph.gif.
  7. BRIN S., PAGE L. The anatomy of a large-scale hypertextu-al web search engine // Computer networks and ISDN sys-tems. – 1998. – Vol. 30, Iss. 1–7. – P. 107–117.
  8. DE SOLLA PRICE D.J. Networks of scientific paper // Sci-ence. – 1965. – Vol. 149, Iss. 3683. – P. 510–515.
  9. FORTUNATO S. et al. Science of science // Science. – 2018. – Vol. 359, Iss. 6379. – P. 0185.
  10. HIRSCH J.E. Index for quantifying the results of scientific research of an individual // Proc. of the National Academy of Sciences. – 2005. – Vol. 102, No. 46. – P. 16569–16572.
  11. KAS M., CARLEY K.M., CARLEY L.R. Trends in science networks: understanding structures and statistics of scientific networks // Social Network Analysis and Mining. – 2012. – No. 2. – P. 169–187.
  12. KOSUB S. A note on the triangle inequality for the Jaccard distance // Pattern Recognition Letters. – 2019. – Vol. 120. – P. 36–38.
  13. LEVANDOWSKY M., WINTER D. Distance between sets // Nature. – 1971. – Vol. 234, No. 5323. – P. 34–35.
  14. MALLIAROS F.D., VAZIRGIANNIS M. Clustering and community detection in directed networks: A survey // Phys-ics Reports. – 2013. – Vol. 533, Iss. 4. – P. 95–142.
  15. NEWMAN M.E., GIRVAN M. Finding and evaluating community structure in networks // Physical Review E. – 2004. – Vol. 69(2). – P 026113.
  16. PERIANES-RODRIGUEZ A., WALTMAN L., VAN ECK N.J. Constructing bibliometric networks: A comparison between full and fractional counting // Journal of Informet-rics. – 2016. – Vol. 10, Iss. 4. – P. 1178–1195.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу


Creative Commons License
Бұл мақала лицензия бойынша қол жетімді Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».