{"id":12276,"date":"2023-05-23T14:41:01","date_gmt":"2023-05-23T11:41:01","guid":{"rendered":"https:\/\/bestessayhomework.com\/tr\/?p=12276"},"modified":"2023-05-23T14:41:01","modified_gmt":"2023-05-23T11:41:01","slug":"makalelerin-dinamikleri","status":"publish","type":"post","link":"https:\/\/bestessayhomework.com\/tr\/makalelerin-dinamikleri\/","title":{"rendered":"Makalelerin Dinamikleri"},"content":{"rendered":"

Makalelerin Dinamikleri<\/span><\/strong><\/h3>\n

Bilimsel makalelerin al\u0131nt\u0131 davran\u0131\u015f\u0131n\u0131 tahmin etmeye olan ilgi, dergi etki fakt\u00f6r\u00fcn\u00fc tahmin etme ihtiyac\u0131, \u00e7\u0131\u011f\u0131r a\u00e7an makalelerin erken belirlenmesi, kariyer hususlar\u0131 vb. taraf\u0131ndan motive edilir.<\/span><\/p>\n

Tahmin genellikle prensip olarak bir makalenin at\u0131f kariyerini belirleyebilen a priori ve a posteriori fakt\u00f6rlere dayan\u0131r. \u00d6nceki fakt\u00f6rler yay\u0131n an\u0131nda belirlenir ve bunlar konu, ba\u015fl\u0131k, yazar\u0131n \u00f6nceki kayd\u0131 ve itibar yeri (dergi), referans listesinin uzunlu\u011fu ve bile\u015fimi, makalenin stili vb.<\/span><\/p>\n

Bu yakla\u015f\u0131m\u0131n zorlu\u011fu, yenilik, orijinallik, \u00f6nem, sonu\u00e7lar\u0131n g\u00fcncelli\u011fi vb. gibi en \u00f6nemli niteliklerin niteliksel olmas\u0131 ve nicelle\u015ftirilmesinin zor olmas\u0131d\u0131r. Bir makalenin yenili\u011fini, referanslar\u0131n\u0131n \u00e7e\u015fitlili\u011fi (atipik kombinasyonlar\u0131n s\u0131kl\u0131\u011f\u0131) arac\u0131l\u0131\u011f\u0131yla karakterize etmeyi ba\u015faran bu t\u00fcr nicelemenin parlak bir \u00f6rne\u011fidir.<\/span><\/p>\n

A posteriori fakt\u00f6rler, makale yay\u0131nland\u0131ktan k\u0131sa bir s\u00fcre sonra geli\u015fir ve bunlar aras\u0131nda “etki fakt\u00f6r\u00fc” (yay\u0131nland\u0131ktan sonraki k\u0131sa bir s\u00fcre i\u00e7indeki al\u0131nt\u0131lar\u0131n say\u0131s\u0131 ve makalenin kendi toplulu\u011funda i\u015fgal etti\u011fi yer) yer al\u0131r. Bu fakt\u00f6rlere dayal\u0131 olarak bir makalenin at\u0131f kariyerini tahmin etmek i\u00e7in birbirini tamamlayan iki yakla\u015f\u0131m vard\u0131r.<\/span><\/p>\n

Bilgisayar bilimcileri daha \u00e7ok a priori fakt\u00f6rlere odaklan\u0131r. At\u0131f kariyeri uzun s\u00fcredir geli\u015fmekte olan geni\u015f bir makale setini al\u0131p e\u011fitim i\u00e7in kullan\u0131rlar, yani bu fakt\u00f6rler ile bir makalenin uzun s\u00fcre i\u00e7inde at\u0131f say\u0131s\u0131 aras\u0131ndaki korelasyonu \u00f6l\u00e7erler. Ard\u0131ndan, fakt\u00f6rler \u00f6nem derecelerine g\u00f6re s\u0131ralan\u0131r ve makine \u00f6\u011frenmesi ile tahmin modeli olu\u015fturulur.<\/span><\/p>\n

Genel fikir birli\u011fi, tahmine dayal\u0131 algoritman\u0131n birka\u00e7 fakt\u00f6r veya bunlar\u0131n kombinasyonunu kullanmas\u0131 gerekti\u011fi, ancak bu fakt\u00f6rlerin farkl\u0131 disiplinler i\u00e7in g\u00f6reli a\u011f\u0131rl\u0131\u011f\u0131n\u0131n de\u011fi\u015febilece\u011fi y\u00f6n\u00fcndedir. Do\u011frusal korelasyonlar\u0131n t\u00fcm hikayeyi anlatmad\u0131\u011f\u0131 ve buna benzer \u015fekilde tahmin algoritmas\u0131n\u0131n do\u011frusal olmayan daha iyi olaca\u011f\u0131 da fark edildi.<\/span><\/p>\n

Tahmine dayal\u0131 algoritma do\u011fruland\u0131\u011f\u0131nda a\u015fa\u011f\u0131daki gibi \u00e7al\u0131\u015f\u0131r. Yeni bir makale i\u00e7in, ilgili t\u00fcm fakt\u00f6rler belirlenir ve bir tahmin olu\u015fturulur. Tahminin sonucu, \u00f6nceden belirlenmi\u015f bir s\u00fcre sonra bir makalenin at\u0131f say\u0131s\u0131d\u0131r. Bu tahmin olas\u0131l\u0131ksal olmas\u0131na ra\u011fmen, tahmin edilebilirlik marjlar\u0131 hi\u00e7bir zaman d\u00fczg\u00fcn bir \u015fekilde \u00e7al\u0131\u015f\u0131lmad\u0131.<\/span><\/p>\n

Do\u011fa bilimleri ge\u00e7mi\u015fi olan ara\u015ft\u0131rmac\u0131lar\u0131n yakla\u015f\u0131m\u0131 farkl\u0131d\u0131r. Bir makalenin yak\u0131n ge\u00e7mi\u015fteki at\u0131f tarihi gibi sonradan gelen fakt\u00f6rlere daha \u00e7ok odaklan\u0131rlar. At\u0131f s\u00fcrecinin \u00f6nceden belirlenmi\u015f bir \u015femas\u0131na dayanan ampirik at\u0131f dinamikleri modelleri olu\u015ftururlar, yani yeni bir makalenin yazar\u0131n\u0131n \u00f6nceki \u00e7al\u0131\u015fmalardan al\u0131nt\u0131 yapt\u0131\u011f\u0131nda benimsedi\u011fi belirli bir stratejiyi varsayarlar.<\/span><\/p>\n

Bu model, bir makalenin at\u0131f ge\u00e7mi\u015fine ve birka\u00e7 makaleye \u00f6zg\u00fc parametreye dayal\u0131 olarak bir makalenin gelecekteki at\u0131f davran\u0131\u015f\u0131n\u0131 tahmin eder; bunlar\u0131n en \u00f6nemlisi, yaln\u0131zca makalenin at\u0131f kariyeri 2 y\u0131ld\u0131r geli\u015ftikten sonra g\u00fcvenilir bir \u015fekilde tahmin edilebilen gizli bir parametre olan uygunluktur.<\/span><\/p>\n

\n

D\u00fcnyan\u0131n en \u00e7ok Okunan makaleleri<\/span>
\nBilimsel<\/a> makale<\/span>
\nBilimsel makale PDF<\/span>
\nAcademia makale<\/span>
\nBilimsel makale oku<\/span>
\n\u00d6rnek makale<\/span>
\nAkademik Tarihi makaleler<\/span>
\nGoogle Akademik makale<\/span><\/p>\n

\n

Model olu\u015fturuldu\u011funda ve do\u011fruland\u0131\u011f\u0131nda, tahmin a\u015fa\u011f\u0131daki gibi ger\u00e7ekle\u015ftirilir. Biri yeni bir makale al\u0131r ve ilk at\u0131f ge\u00e7mi\u015fini inceleyerek, uygunluk ve di\u011fer spesifik parametrelerin olas\u0131l\u0131ksal bir tahminini yapar.<\/span><\/p>\n

Bu t\u00fcr bir tahmin yap\u0131ld\u0131ktan ve kar\u015f\u0131l\u0131k gelen parametreler at\u0131f dinamikleri modeline yerle\u015ftirildikten sonra, bu makalenin uzun zaman s\u0131n\u0131r\u0131 i\u00e7indeki at\u0131f say\u0131s\u0131n\u0131 tahmin eder. Bu yakla\u015f\u0131m en eksiksiz \u015fekilde Wang-Song-Barabasi modelinde somutla\u015ft\u0131r\u0131lm\u0131\u015ft\u0131r.<\/span><\/p>\n

Bibliyometrik analiz hem apriori hem de a posteriori fakt\u00f6rleri dikkate al\u0131r. Bu alandaki ara\u015ft\u0131rmac\u0131lar, bir makalenin erken at\u0131f ge\u00e7mi\u015finin, gelecekteki ba\u015far\u0131s\u0131n\u0131n iyi bir g\u00f6stergesi oldu\u011funu uzun zamand\u0131r kabul etmi\u015flerdir. \u00d6te yandan, yay\u0131nland\u0131ktan \u00e7ok sonra pop\u00fclerlik kazanmaya ba\u015flayan gazeteler, uyuyan g\u00fczellere ilk dikkat \u00e7eken onlar oldu.<\/span><\/p>\n

Bir\u00e7ok \u00f6nemli makale, hi\u00e7bir al\u0131nt\u0131 dinami\u011fi modelinin tahmin edemeyece\u011fi uyuyan g\u00fczel davran\u0131\u015f\u0131n\u0131 sergiledi. Bu nedenle, bu t\u00fcr makalelerin varl\u0131\u011f\u0131, bir makalenin gelecekteki at\u0131f say\u0131s\u0131n\u0131n tahminine bir s\u0131n\u0131r koyar. \u00d6te yandan, pek \u00e7ok ara\u015ft\u0131rmac\u0131 i\u00e7in bilimi e\u011flenceli k\u0131lan da bu zay\u0131f \u00f6ng\u00f6r\u00fclebilirliktir.<\/span><\/p>\n

Geli\u015ftirilen stokastik al\u0131nt\u0131 dinamikleri modelimizi kullan\u0131yoruz. 3 bir makalenin gelecekteki at\u0131f kariyerini tahmin etmek gerekir. Modelimiz birka\u00e7 ampirik parametre i\u00e7erir, bunlardan baz\u0131lar\u0131 t\u00fcm disiplinde ortakt\u0131r, makalenin t\u00fcm bireysel nitelikleri ise tek bir parametrede toplanm\u0131\u015ft\u0131r.<\/span><\/p>\n

\u0130lk hedefimiz, belirli bir uygunlu\u011fa sahip bir makalenin at\u0131f kariyerinin tahmin edilebilirli\u011finin s\u0131n\u0131rlar\u0131n\u0131 ke\u015ffetmektir; tahminin belirsizli\u011fi, at\u0131f s\u00fcrecinin i\u00e7sel stokastikli\u011fi ile ili\u015fkilidir. \u0130kinci hedefimiz, uygunluk bile\u015fenlerini \u00f6l\u00e7mektir, \u00f6zellikle, sonu\u00e7lar\u0131n g\u00fcncelli\u011fi gibi bir makalenin bu niteli\u011finin nas\u0131l \u00f6l\u00e7\u00fclebilece\u011fini g\u00f6steriyoruz.<\/span><\/p>\n

At\u0131f S\u00fcrecinin Olas\u0131l\u0131ksal Karakteri ve Gelecekteki At\u0131flar\u0131n Tahmin Edilebilirli\u011fi A\u00e7\u0131s\u0131ndan Etkileri<\/span><\/strong><\/h4>\n

At\u0131f s\u00fcreci stokastiktir, stokastiklik gelecekteki at\u0131flar\u0131n tahmin edilebilirli\u011fine s\u0131n\u0131rlar getirir. Dahas\u0131, g\u00f6sterdi\u011fimiz gibi, bir makalenin al\u0131nt\u0131 dinami\u011fi, ge\u00e7mi\u015f dalgalanmalar\u0131n g\u00fc\u00e7lendirildi\u011fi kendi kendini uyaran (Hawkes) bir s\u00fcreci takip eder.<\/span><\/p>\n

Ge\u00e7mi\u015f dalgalanmalar ve gelecekteki al\u0131nt\u0131lar aras\u0131ndaki olumlu geri bildirim, bir makalenin al\u0131nt\u0131 davran\u0131\u015f\u0131n\u0131n uzun vadeli tahmini g\u00f6revini neredeyse bo\u015funa hale getirir ve tahmine dayal\u0131 algoritmalar\u0131 2-3 y\u0131l aral\u0131\u011f\u0131yla s\u0131n\u0131rlar. A\u015fa\u011f\u0131da, bunu \u00f6l\u00e7\u00fcmlerle a\u00e7\u0131klayaca\u011f\u0131z.<\/span><\/p>\n

Bir makalenin ilk at\u0131f ge\u00e7mi\u015fine dayal\u0131 olarak at\u0131f say\u0131s\u0131n\u0131n tahmin edilebilirli\u011finin s\u0131n\u0131rlar\u0131n\u0131 ke\u015ffetmek i\u00e7in, 1984’te yay\u0131nlanan ve yay\u0131nland\u0131ktan sonraki ilk 2-3 y\u0131l boyunca belirli say\u0131da al\u0131nt\u0131 toplayan t\u00fcm Fizik makalelerini inceledik.<\/span><\/p>\n

\u00d6rnek olarak, 1984\u20131986 y\u0131llar\u0131 aras\u0131nda 30\u201331 al\u0131nt\u0131 toplayan makale dizisi i\u00e7in al\u0131nt\u0131 dinamiklerini g\u00f6r\u00fcnt\u00fcler. Bu 89 makale son derece homojen bir diziyi temsil etse de (ayn\u0131 disiplin, ayn\u0131 yay\u0131n y\u0131l\u0131, neredeyse ayn\u0131 at\u0131f tarih\u00e7esi), at\u0131f y\u00f6r\u00fcngelerindeki farkl\u0131l\u0131k dikkat \u00e7ekicidir.<\/span><\/p>\n

Makaleleri yay\u0131nland\u0131ktan 25 y\u0131l sonra al\u0131nan al\u0131nt\u0131 say\u0131s\u0131na g\u00f6re s\u0131ralad\u0131k.\u00a0<\/span>D\u00f6rt makale de asl\u0131nda ayn\u0131 y\u0131l i\u00e7inde ayn\u0131 dergilerde yay\u0131nland\u0131 ve ayn\u0131 at\u0131f tarih\u00e7esine sahipler. Eski iki makale, tipik at\u0131f dinamiklerine sahip \u00f6nemli eserlerdir. Son iki makale, olduk\u00e7a farkl\u0131 al\u0131nt\u0131 dinamikleri sergiliyor ve sonuncusu bir ka\u00e7ak. Bu, kapsaml\u0131 bir \u015fekilde incelenen at\u0131f klasiklerinin son derece bireysel at\u0131f dinamiklerinin bir ba\u015fka kan\u0131t\u0131d\u0131r.<\/span><\/p>\n

\n\n
<\/div>\n\n<\/div>\n \n