به کارگیری معیارهای تحلیل شبکه‌های اجتماعی در ارزیابی‌های کتاب‌سنجی

دانش شناسی

مقاله 6، دوره 7، شماره 25، شهریور 1393، صفحه 81-88   

نوع مقاله: پژوهشی

نویسندگان

نجمه سالمی^{* 1}؛ غلامرضا فدایی²؛ فریده عصاره³

¹دکتری علم اطلاعات و دانش شناسی، دانشگاه شهید بهشتی

²استاد علم اطلاعات و دانش شناسی، دانشگاه تهران

³استاد 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

تحلیل شبکه اجتماعی؛ علم‌سنجی؛ مرکزیت

مراجع

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.