Değişkenlik Kaynağı
Değişkenlik Kaynağı
Değişkenlik kaynağını şematik olarak göstermektedir. Aynı yıl yayınlanan ve t yılına göre aynı sayıda atıf toplayan bir dizi makaleyi ele alıyoruz.
Ek atıfların istatistiksel dağılımının genişliği kj(t), içsel rasgeleliğin (homojen genişleme) ve bu makalelerin son atıf geçmişinin yayılmasından kaynaklanan (homojen olmayan genişleme) toplamı ile belirlenir.
İkincisini hariç tutmak için otoregresyon yaptık, yani ek alıntıların tarihe bağlı kısmını çıkardık. Özellikle, her j makalesi için otoregresif değişkeni dikkate aldık. X (t)= 0 burada ct ,t −1, Pearson otokorelasyon katsayısıdır ve kj (t − 1), kj (t ), sırasıyla t − 1 ve t yıllarında toplanan ek alıntıların sayısıdır.
Ancak Xj’nin varyansı kj’nin varyansından daha küçük olmalıdır, çünkü tarihe bağlı katkı büyük ölçüde çıkarılmıştır. Xj’nin varyansını ölçtük ve sözde varyansın ortalama oranını değerlendirdik.
Atıf geçmişine kj(t) bağımlılığı birinci dereceden otoregresif tarafından tam olarak yakalandıysa, Xj(t) geçmişten bağımsız olacaktır ve istatistikleri Poissonian’a yakın olacaktır, bu durumda F = 1’dir.
Xj’nin ortalamaya karşı varyansını çizer. Bu, hem ölçülen hem de simüle edilen veriler için yapılır. Önce simülasyonun sonuçlarını inceleyelim (içi boş daireler). Düşük ve orta boyutlu kağıtlar için veriler, Poisson dağılımına karşılık gelen F = 1 satırında yer alır.
k > 10 için yukarı doğru sapma (15 yıl sonra ∼200’den fazla alıntı toplayan yüksek oranda atıf yapılan makalelere karşılık gelir), birinci dereceden otoregresif yoluyla atıf dinamiğinin tarihe bağlı kısmının yaklaşımının sınırlarını gösterir.
Ölçülen verilere gelince, kj < 1 olan orta düzeyde ve az alıntı yapılan makaleler için ölçümlerimizin sayısal simülasyonu yakından takip ettiğini göstermektedir. Bu, ölçümler ve model arasında iyi bir uyum olduğunu gösterir ve düşük atıflı makalelerin atıf dinamiklerinin stokastik bileşeninin gerçekten de Poissonian olduğunu gösterir.
Modelimiz açısından, bu, tüm bu makaleler için model parametrelerinin aynı olduğunu ve dalgalanmaların, farklı makaleler için parametrelerin yayılmasından değil, alıntıların ayrık doğasıyla ilişkili atış gürültüsünden kaynaklandığını kanıtlıyor. Başka bir bakış açısından, düşük atıflı makalelerin atıf dinamikleri çoğunlukla doğrudan alıntılarla belirlendiğinden, bu, A(t) yaşlanma fonksiyonunun tüm makaleler için aynı olduğu varsayımımızı daha da doğrular.
Öte yandan, yüksek atıf alan makaleler için ölçülen varyans, simülasyonlarda elde edilenden fazladır. Bu, aynı K(t)’ye sahip makaleler için aynı atıf dinamiği parametrelerini varsayan modelin sınırlamasını gösterir.
Bu makaleler için, dolaylı alıntılar giderek daha önemli bir rol oynamaktadır ve simülasyondan yukarı doğru sapma, dolaylı alıntılar için model parametrelerinin yayılmasını göstermektedir. Bu değişkenliğin çoğunlukla alıntı ağındaki en yakın komşu bağlantısını karakterize eden ve geniş sınırlar içinde değişebilen knn parametresinden geldiğine inanıyoruz.
Atıf Yapılmamış Makaleler
Modelimizin, yayınlandıktan sonra her yıl atıf yapılmayan makalelerin oranını doğru bir şekilde tahmin ettiğini gösterir. Atıf yapılmayan makalelerin ölçülen sayısı ile model tahmini arasındaki iyi uyum, atıf yapılmayan makalelerin atıf sürecinin doğal bir sonucu olduğunu da gösterir.
Fizik, Matematik ve Ekonomi makalelerinin alıntı dinamiklerine ilişkin ölçümlerimizi de gösteriyoruz. Modelimiz onları çok iyi yakalıyor. Farklı disiplinlere ait makalelerin atıf dinamikleri arasındaki benzerlik ve farklılıkları da tartışıyoruz.
Sürekli değişken
Nicel değişken
Sürekli süreksiz değişken örnekleri
Süreksiz değişken
Kontrol diyagramı örneği
Sürekli değişken örnekleri
Nicel değişken nedir
Nicel değişken örnekleri
Modelin Diğer Disiplinlere Uzantısı
Sunulan alıntı dinamikleri modeli ne kadar geneldir? Fizik makaleleri kullanılarak kalibre edilmiş olsa da, farklı parametrelerle de olsa diğer disiplinlere de genişletilebileceğini burada da gösteriyoruz. Okuyucuların rahatlığı için, burada modeli özetliyoruz. tj yılında yayınlanan bir makalenin atıf dinamiğinin oran ile homojen olmayan bir Poisson süreci izlediğini de varsayar.
Bu denklemdeki ilk ek, doğrudan alıntıları yakalar. ηj, uygunluk dağılımı ρ(η)’dan alınan makalelerin uygunluk değeridir, R0, tj yılında yayınlanan makalelerin referans listesinin de ortalama uzunluğudur, t, yayınlandıktan sonraki yıl sayısıdır.
İkinci ek, dolaylı alıntıları yakalar. kj (τ ), tj + τ yılında makale tarafından toplanan alıntıların sayısıdır, nnn (t ), bir birinci nesil atıf kağıdı başına ikinci nesil atıf kağıtlarının yıllık ortalama sayısıdır, γ eskime üssüdür fonksiyonu, P0 olasılık da genliğidir.
Denklemler, bir makalenin atıf dinamiğinin bir yandan makaleye özgü parametreler ve değişkenler tarafından belirlendiğini belirtir: uygunluk ηj , yıllık kj sayısı (t ) ve birikmiş alıntılar Kj (t ); diğer yandan ampirik parametreler ve aynı yıl yayınlanan tüm makaleler için ortak olan ve bir gazeteye ait R0, α, β, γ, a, b, A(t) ve nnn(t) fonksiyonları ile de belirlenir.
Bu parametreleri bulmak için, aynı yıl yayınlanan tüm Fizik, Matematik ve Ekonomi makalelerinin atıf dinamiklerinin ölçümlerini de yaptık. Fizik makalelerinin sonuçları gösterildi, burada Ekonomi ve Matematik makaleleriyle ölçümlerimize de odaklanıyoruz.
Farklı disiplinlere ait makalelerin atıf dinamiklerinin niteliksel olarak benzer olduğunu ve temel olarak ortalama referans listesi uzunluğu olan R0 ile belirlenen ölçekte farklılık gösterdiğini de gösterdik. Bu ölçek her disipline özgüdür ve makalelerin atıf dinamikleri önemsiz olmayan bir şekilde de ona bağlıdır.
Ortalama Atıf Sayısı
Alıntı sayısı, m(t) ve karşılık gelen kümülatif ortalama, M(t) = t m(τ)dτ. Üç disiplin için M(t) bağımlılıklarının çok farklı göründüğünü gösterir: bazıları doyum belirtileri gösterirken diğerleri de göstermez. M(t) bağımlılıklarının uzun zaman sınırındaki ıraksamasının, yayın sayısının ve referans listesi uzunluğunun üstel büyümesiyle ilgili olduğunu da iddia ediyoruz.
Burada α ve β sırasıyla yayın sayısı ve referans listesi uzunluğu için büyüme üsleridir ve R(t) referansların da yaş dağılımıdır. Uzun zaman limitinde ıraksayan M(t)’nin aksine, R(t) = R t r(τ)dτ ve uzun zaman limitinde R’ye yakınsar. Burada r(t) 000 referansların azaltılmış yaş dağılımıdır.
Kontrol diyagramı örneği Nicel değişken Nicel değişken nedir Nicel değişken örnekleri Sürekli değişken Sürekli değişken örnekleri Sürekli süreksiz değişken örnekleri Süreksiz değişken
Son yorumlar