همبستگی میان شاخص‌های اثرگذاری پژوهشی: تحلیل عاملی شاخص‌های دگرسنجی و استناد

هدف: بررسی اشتراک ساختاری دگرسنجه‌ها و استناد، درک و شناسایی سنجه‌های مشابه و ابعاد مختلف اثرگذاری آنها، و دسته‌بندی تجربی انواع دگرسنجه‌ها از طریق تفسیر و ترکیب منطقی شاخص‌ها.روش‌شناسی: نمونه‌ای هدفمند از مقالات مجلات زیرمجموعه کتابخانه عمومی علم (پلاس) منتشرشده در سال‌های 2010 تا 2012 به‌روش تحلیل استنادی مطالعه و از روش تحلیل عاملی برای شناسایی اشتراک ساختاری میان سنجه‌های مختلف و دسته‌بندی آنها استفاده شد.یافته‌ها: نتایج تحلیل عاملی به استخراج مدلی متشکل از 3 گروه عاملی منجر شد که درمجموع، قادر به پیش‌بینی حدود 53 درصد از واریانس متغیر مکنون، یعنی «تاثیر بروندادهای پژوهشی» است. به‌نظر می‌رسد مدل تجربی به‌دست‌آمده با مدل نظری پیشنهادی «جانپینگ و هوکیانگ» انطباق دارد. نتایج نشان می‌دهد نوع تاثیر، گستره، و عمق آن در سه گروه شناسایی‌شده، متفاوت است. گروه نخست، «تاثیر در سطح دریافت»، گسترده‌ترین و در عین حال، کم‌عمق‌ترین تاثیر را نشان می‌دهد. این سطح را بیشتر می‌توان سطح «مصرف» نامید که لزوماً به «استفاده» منجر نمی‌شود. در نقطه‌ای دیگر از این پیوستار تاثیر، سطح «تاثیر در سطح رسانه‌های اجتماعی» قرار دارد که بعد از مصرف، سطحی بالاتر از تعامل با متن را بازنمون می‌کند. این سطح به‌لحاظ گستره افراد، محدودتر؛ اما به‌لحاظ عمق تاثیر، قوی‌تر از سطح پیشین است. در قطب دیگر این پیوستار، «تاثیر در سطح کاربرد» قرار دارد که پس از مطالعه و تعامل عمیق‌تر با متن و گزینش آگاهانه آن روی می‌دهد.نتیجه‌گیری: یافته‌های پژوهش نشان‌دهنده توانمندی دگرسنجه‌ها در سنجش انواع اثرگذاری در گستره و عمق‌های متفاوت است. این نتایج می‌تواند از طریق شناسایی سرشت تاثیراتی که شاخص‌ها بازنمایی می‌کنند، شناخت روابط میان آنها، و غلبه بر تعدد و آشفتگی آنها در افزایش دقت ارزیابی پژوهش موثر واقع شود.

Structural Similarities between Research Impact Indicators: Factor Analysis of Citation and Altmetric Indicators

Purpose: By investigating the structural similarities between altmetric and citation indicators through factor analysis, the present study attempts to identify similar indicators and experimentally group them based on their impact dimensions.Methodolgoy: Applying a citation analysis method, it concentrates on a purposive sample consisted of papers published in PLoS journals during 20102012.Findings: The results of the factor analysis led to identification of a model consisted of 3 factors explaining 53 percent of the variance of the latent variable, i.e. “the impact of research outputs”. The experimental model seems to adhere to the theoretical model proposed by Junping & Houqiang (2015). According to the yielded model, the factors differ in terms of the kind, extent and depth of the impacts they explain. The first factor, called “impact at perception level”, implies the widest, though the most superficial, impact. The “perception level” can be considered as the “consumption” level that does not necessarily lead to “usage”. At another point of the impact continuum, there exists “impact at social media level” that is relatively higher in terms of the interaction between users and texts. The level is relatively more limited in terms of the quantity of users, but deeper in terms of the impact the related indicators may have. At the other extreme, one may find “the impact at usage level”, that is achieved after reading the texts, deeply interacting with and selecting them purposely.Conclusion: The finding indicates the power of altmetrics in measuring different types of impact with different extents and depths. It helps understanding the nature of the impacts the indicators may represent and thereby help recognizing the association between the indicators and overcoming their multiplicity and chaos.