رویکردی موضوع‌محور به مدل پیش‌بینی استناد از طریق سنجه‌های وبی در نظام‌های مندلی، فیگ‌شر، پلاس و اسکوپوس

هدف: مطالعه تطبیقی مدل پیش‌بینی استناد از طریق سنجه‌های جایگزین وبی (رویت، ذخیره و دانلود، خوانندگان) در حوزه‌های علوم بهداشت و درمان، علوم زیستی، علوم فیزیکی، علوم انسانی و علوم اجتماعی هدف پژوهش حاضر است. روش‌شناسی: پژوهش حاضر از نوع علم‌سنجی است که با روش تحلیل استنادی و تحلیل داده‌های وبی انجام شده است. نمونه‌گیری به روش تصادفی و طبقه‌ای انجام شده است. نمونه مورد بررسی 2000 مقاله از 4 حوزه موضوعی بوده است که شاخص‌های آنها از نظام‌های مندلی، فیگ‌شر، پلاس و اسکوپوس استخراج شده است و به روش رگرسیون چندگانه مورد تحلیل قرار گرفته است. یافته‌ها: نشان می‌دهد که به‌طور کلی در هر چهار حوزه موضوعی، سنجه‌های جایگزین قدرت پیش‌بینی شاخص استناد را دارند؛ منتهی قدرت پیش‌بینی این سنجه‌ها برحسب حوزه موضوعی و نوع سنجه‌های مورد بررسی متفاوت است و طیف وسیعی از همبستگی منفی تا مثبت را شامل می‌شود. نتیجه‌گیری: تفاوت بین مدل رگرسیون پیش‌بینی استناد از طریق سنجه‌های جایگزین در حوزه‌های موضوعی مختلف بیانگر تفاوت‌های میان‌رشته‌ای و الگوهای متفاوت حاکم بر رشته‌های مختلف در سنجه‌های جایگزین است که عدم مقایسه بین‌رشته‌ای در ارزیابی‌ها نیازمند توجه می‌باشد. همچنین در حوزه‌هایی که الگوی پیش‌بینی قوی مشاهده می‌شود، سنجه‌های جایگزین می‌توانند به‌طور مستقل و به‌عنوان پیش‌بین زودهنگام استناد مورد استفاده قرار گیرند و در حوزه‌هایی که الگوی پیش‌بینی قوی در خصوص آنها وجود ندارد، این‌گونه به نظر می‌رسد که هر دسته از شاخص‌ها ابعاد متفاوتی از ارزیابی را اندازه‌گیری می‌کنند که لزوم به‌کارگیری سنجه‌های وبی و استنادی را در کنار هم خاطرنشان می‌سازد.

A SubjectOriented Approach to Citation Prediction Model Through Web Metrics in Mendeley, Figshare, PLOS, Scopus systems

Purpose:A comparative study of citation prediction model through web altmetrics (visibility, save and download, readers) in the fields of health science, life science, physical science, humanities and social science is the aim of this study. Methodology: The present study is a scientometric study that has been done with the method of citation analysis and web data analysis.   Sampling was done by random and stratified method. The Sample size was 2000 articles from 4 subject areas, the indicators of which were  extracted from Mendelian, Figshare, PlOS and Scopus systems and analyzed by Multiple Regression Analysis method. Findings: The results showed that in four subject areas, web measures act as a predictor of citation indicator and there is a significant correlation between them. The extent of this correlation and predictive power depends on the subject area and covers a range of negative to positive correlations. Conclustion: The difference between regression model of citation     prediction through web altmetrics in the variety of fields indicates the distinction among subject areas and their patterns in web metrics which should take in to account for assessments to avoid interdisciplinary    comparisons.  In the areas with powerful prediction model, web metrics can use separately and as an early predictor of citation. In other areas with weak prediction model, it is suggested that both metrics are applied for the best result.