{"id":12281,"date":"2023-05-28T13:51:46","date_gmt":"2023-05-28T10:51:46","guid":{"rendered":"https:\/\/bestessayhomework.com\/tr\/?p=12281"},"modified":"2023-05-28T13:51:46","modified_gmt":"2023-05-28T10:51:46","slug":"sonuclarin-zamanliligi","status":"publish","type":"post","link":"https:\/\/bestessayhomework.com\/tr\/sonuclarin-zamanliligi\/","title":{"rendered":"Sonu\u00e7lar\u0131n Zamanl\u0131l\u0131\u011f\u0131"},"content":{"rendered":"

Sonu\u00e7lar\u0131n Zamanl\u0131l\u0131\u011f\u0131<\/span><\/strong><\/h3>\n

Edit\u00f6r ve hakemlerin g\u00f6nderilen yaz\u0131lar\u0131 de\u011ferlendirirken kulland\u0131klar\u0131 \u00f6nemli kriterlerden biri de sonu\u00e7lar\u0131n g\u00fcncelli\u011fidir. Bu kriter, s\u0131cak bir konuyu ele alan makaleleri ay\u0131r\u0131r. Bizim deyimimizle, s\u0131cak konuya odaklanan makale, olgun ara\u015ft\u0131rma y\u00f6n\u00fcne ait makaleye k\u0131yasla uygunlu\u011fu art\u0131rd\u0131. Uygunlu\u011fa kar\u015f\u0131l\u0131k gelen katk\u0131y\u0131 nas\u0131l \u00f6l\u00e7ebiliriz?<\/span><\/p>\n

Diyelim ki t0 y\u0131l\u0131nda bir veya daha fazla \u00e7\u0131\u011f\u0131r a\u00e7\u0131c\u0131 makale yay\u0131nland\u0131 ve ard\u0131ndan bir dizi m\u00fcteakip geli\u015fme geldi. Bu, yeni bir alan\u0131n (s\u0131cak konu) do\u011fdu\u011fu anlam\u0131na gelir. Bu yeni alandaki yay\u0131nlar\u0131n say\u0131s\u0131 h\u0131zla artmaya ba\u015flar ve sonra doyuma ula\u015f\u0131r.<\/span><\/p>\n

G\u00f6sterdi\u011fimiz gibi, yazarlar at\u0131f yapma al\u0131\u015fkanl\u0131klar\u0131nda muhafazakarlar ve referans listelerinin uzunlu\u011fu ve ya\u015f bile\u015fimi a\u015fa\u011f\u0131 yukar\u0131 ayn\u0131 kal\u0131yor. \u00d6zellikle ayn\u0131 y\u0131l yay\u0131nlanan makaleler referans listesinin ~%2\u20133’\u00fcn\u00fc, bir y\u0131l \u00f6nce yay\u0131nlanan makaleler ~%8\u201310’unu, 2 y\u0131l \u00f6nce yay\u0131nlanan makaleler de ~8\u201310’unu olu\u015fturmaktad\u0131r.<\/span><\/p>\n

Bu nedenle, yeni bir konunun ba\u015flang\u0131c\u0131ndan \u00e7ok sonra yay\u0131nlanan makalelerin referanslar\u0131n\u0131 se\u00e7me konusunda b\u00fcy\u00fck bir se\u00e7ene\u011fi varken, yeni bir konunun ba\u015flang\u0131c\u0131ndan k\u0131sa bir s\u00fcre sonra yay\u0131nlanan makalelerin referans listelerini doldurmak i\u00e7in \u00e7ok s\u0131n\u0131rl\u0131 bir se\u00e7ene\u011fi vard\u0131r ve t\u00fcm\u00fc makaleleri se\u00e7er. ba\u015flang\u0131c\u0131na yak\u0131n yay\u0131nland\u0131. B\u00f6ylece yeni bir alan\u0131n do\u011fu\u015fundan k\u0131sa bir s\u00fcre sonra yay\u0131nlanan makaleler, yani zaman\u0131nda makaleler, art\u0131r\u0131lm\u0131\u015f at\u0131f say\u0131s\u0131na (art\u0131r\u0131lm\u0131\u015f uygunluk) sahip olacakt\u0131r.<\/span><\/p>\n

Bu d\u00fc\u015f\u00fcnceleri niceliksel terimlere d\u00f6kmek i\u00e7in, t0 zaman\u0131nda ortaya \u00e7\u0131kan yeni bir alan\u0131 ele al\u0131yoruz. Bu alandaki y\u0131ll\u0131k yay\u0131n say\u0131s\u0131n\u0131 N (t0 + t ) ile g\u00f6steriyoruz. Denklem 3.20, bu alanda t0 + t y\u0131l\u0131nda yay\u0131nlanan makalenin m\u00fcteakip \u00fc\u00e7 y\u0131l boyunca toplad\u0131\u011f\u0131 ortalama do\u011frudan al\u0131nt\u0131 say\u0131s\u0131n\u0131 verir.<\/span><\/p>\n

Burada \u03b7, t0 + t y\u0131l\u0131nda yay\u0131nlanan makalelerin yeni alandaki ortalama uygunlu\u011fu, R0, t0 y\u0131l\u0131nda yay\u0131nlanan makalelerin ortalama referans listesi uzunlu\u011fu, A \u0303(\u03c4) at\u0131flar i\u00e7in ya\u015flanma fonksiyonudur. Ayr\u0131ca A \u0303(\u03c4) = A(\u03c4)e(\u03b1+\u03b2)\u03c4 oldu\u011funa dikkat edin, burada A(\u03c4) referanslar i\u00e7in eskitme fonksiyonudur. Referans-al\u0131nt\u0131 ikili\u011fi, t0 + t y\u0131l\u0131nda yay\u0131nlanan makaleler i\u00e7in ortalama uygunlu\u011fu verir.<\/span><\/p>\n

Bu d\u00fc\u015f\u00fcnceleri \u00f6rnekler. S\u0131cak bir konunun genellikle\u00a0aniden ortaya \u00e7\u0131kar ve bir al\u0131nt\u0131 ve yay\u0131n patlamas\u0131yla tan\u0131mlanabilir. Bu kitab\u0131n yazar\u0131n\u0131n ki\u015fisel deneyime sahip oldu\u011fu bu alanlardan baz\u0131lar\u0131yla, iyi tan\u0131mlanm\u0131\u015f ba\u015flang\u0131\u00e7 t0 ile Fizikte bu t\u00fcr birka\u00e7 ara\u015ft\u0131rma alan\u0131 se\u00e7tik.<\/span><\/p>\n

Web of Science’\u0131 kullanarak, bu konular\u0131n her birine ait t0 + t y\u0131llar\u0131nda yay\u0131nlanm\u0131\u015f t\u00fcm makaleleri bulduk. Her t i\u00e7in, y\u0131ll\u0131k makale say\u0131s\u0131n\u0131 ve yay\u0131nland\u0131ktan sonraki ilk 3 y\u0131l boyunca toplad\u0131klar\u0131 al\u0131nt\u0131 say\u0131s\u0131n\u0131n istatistiksel da\u011f\u0131l\u0131m\u0131n\u0131 \u00f6l\u00e7t\u00fck. Daha sonra bu da\u011f\u0131l\u0131mlar\u0131n ortalamas\u0131n\u0131 ve geni\u015fli\u011fini belirledik.<\/span><\/p>\n

\n

Denetim kan\u0131tlar\u0131 Nelerdir<\/span>
\ne-laboratuvar sonu\u00e7 g\u00f6r\u00fcnt\u00fcleme<\/span>
\nt.c. no ile tahlil sonucu sorgulama<\/span>
\nKayseri Laboratuvar Sonu\u00e7lar\u0131<\/span>
\nlaboratuvar sonu\u00e7lar\u0131 t.c. ile \u0131sparta<\/span>
\nMHRS tahlil sonu\u00e7lar\u0131<\/span>
\nDenetim<\/a> kan\u0131t\u0131n\u0131n yeterlili\u011fi<\/span>
\nDenetim kan\u0131tlar\u0131n\u0131n say\u0131s\u0131n\u0131 etkileyen unsurlar<\/span><\/p>\n

\n

Kullanarak, da\u011f\u0131l\u0131m\u0131n ortalamas\u0131na ba\u011fl\u0131 olarak, t0 + t y\u0131l\u0131nda yay\u0131nlanan her konudaki makalelerin ortalama uygunlu\u011funu bulduk. \u00d6te yandan, bu uygunlu\u011fu kullanarak tahmin ettik. Denklem’e dayal\u0131 model tahmininin oldu\u011funu g\u00f6sterir. 7.2, \u00f6l\u00e7\u00fcmlerimizi m\u00fckemmel bir \u015fekilde yakalar. (Buradaki uygunluk, ortalama referans listesi uzunlu\u011fu olan R0 fakt\u00f6r\u00fc ile tan\u0131tt\u0131\u011f\u0131m\u0131z de\u011ferden farkl\u0131d\u0131r.)<\/span><\/p>\n

Yeni konu ortaya \u00e7\u0131kt\u0131ktan k\u0131sa bir s\u00fcre sonra yay\u0131nlanan herhangi bir makalenin iyi bir avantaja sahip oldu\u011funu ima eder ve bu, tan\u0131t\u0131lan “ilk hamle avantaj\u0131n\u0131” nicelle\u015ftirir.<\/span><\/p>\n

Ancak bu, s\u0131cak bir konunun ba\u015flang\u0131c\u0131ndan \u00e7ok sonra yay\u0131nlanan makalelerin alt\u0131n\u0131 \u00e7izmeye mahkum oldu\u011fu anlam\u0131na gelmez. Asl\u0131nda, yaln\u0131zca her y\u0131l i\u00e7in uygunluk da\u011f\u0131l\u0131m\u0131n\u0131n ortalamas\u0131n\u0131 g\u00f6sterir. Ger\u00e7ek uygunluk da\u011f\u0131l\u0131m\u0131 \u00e7ok geni\u015ftir ve geni\u015fli\u011fi ortalama ile kar\u015f\u0131la\u015ft\u0131r\u0131labilir. Bu nedenle, g\u00fcndemdeki bir konunun ba\u015flang\u0131c\u0131ndan sonraki her an, uygunlu\u011fu ortalaman\u0131n olduk\u00e7a \u00fczerinde olan bir\u00e7ok makale de vard\u0131r.<\/span><\/p>\n

Bu, stokastik al\u0131nt\u0131 dinamikleri modelimizin, makalelerin al\u0131nt\u0131 y\u00f6r\u00fcngesini tahmin etmek i\u00e7in bir temel olabilece\u011fini g\u00f6sterdik. Bu model, geli\u015ftirilen fizikten ilham alan tahmin modeli ile de kar\u015f\u0131la\u015ft\u0131r\u0131lacakt\u0131r.<\/span><\/p>\n

Bu modele dayal\u0131 bir yaz\u0131l\u0131m paketi geli\u015ftirdi ve bunun ge\u00e7erli bir tahmin arac\u0131 oldu\u011funu g\u00f6sterdi. Bu model ka\u011f\u0131da \u00f6zg\u00fc \u00fc\u00e7 parametre i\u00e7erir: uygunluk \u03b7, yak\u0131nl\u0131k \u03bc ve \u03c3 . Bu parametreleri belirlemek i\u00e7in, bir makalenin ilk at\u0131f y\u00f6r\u00fcngesini \u00f6l\u00e7mek gerekir, 2-3 y\u0131l yeterli de\u011fildir. Bir tahmin arac\u0131 olarak, bu model en \u00e7ok at\u0131f yap\u0131lan makaleler i\u00e7in de \u00e7al\u0131\u015f\u0131r.<\/span><\/p>\n

Bu deterministik model, bir makalenin at\u0131f y\u00f6r\u00fcngesini tahmin etse de, tahminin olas\u0131l\u0131k s\u0131n\u0131rlar\u0131n\u0131 belirleyemez. Aksine, olas\u0131l\u0131k modelimiz yaln\u0131zca ka\u011f\u0131da \u00f6zg\u00fc bir parametre i\u00e7erir – uygunluk, gelecekteki al\u0131nt\u0131 say\u0131s\u0131n\u0131n olas\u0131l\u0131k marjlar\u0131n\u0131 sa\u011flar. Bununla birlikte, modelimiz s\u0131radan makalelerle daha iyi \u00e7al\u0131\u015f\u0131r ve y\u00fcksek at\u0131f alan makalelerin at\u0131f y\u00f6r\u00fcngelerini de iyi tahmin etmez.<\/span><\/p>\n

Olas\u0131 uygulamalar\u0131 nelerdir? Modelimizin 5 y\u0131ll\u0131k dergi etki fakt\u00f6r\u00fcn\u00fc tahmin etmek i\u00e7in kullan\u0131labilece\u011fine inan\u0131yoruz. Bir dergide ayn\u0131 y\u0131lda yay\u0131nlanan makaleler a\u015fa\u011f\u0131 yukar\u0131 homojen makale dizisini temsil eder, dolay\u0131s\u0131yla bu k\u00fcme i\u00e7in ortalama at\u0131f say\u0131s\u0131n\u0131 tahmin etmek, tek bir makalenin at\u0131f y\u00f6r\u00fcngesini tahmin etmekten daha g\u00fcvenilirdir. \u00d6te yandan, modelimiz bu t\u00fcr bir tahminin olas\u0131l\u0131ksal marjlar\u0131n\u0131 da verebilir.<\/span><\/p>\n

Ba\u015fka bir uygulama, \u00e7\u0131\u011f\u0131r a\u00e7an ka\u011f\u0131tlar\u0131n erken tan\u0131mlanmas\u0131 olabilir. \u015eimdiye kadar bu, makalelerin referans listesinin \u00e7e\u015fitlili\u011fi ve ya\u015f yap\u0131s\u0131, makale i\u00e7eri\u011finin \u00e7e\u015fitlili\u011fi ve disiplinleraras\u0131l\u0131\u011f\u0131 analiz edilerek veya uyuyan g\u00fczellere kar\u015f\u0131l\u0131k gelen atipik al\u0131nt\u0131 y\u00f6r\u00fcngesinin tan\u0131mlanmas\u0131 yoluyla da yap\u0131ld\u0131.<\/span><\/p>\n

\u00d6nemli bir soru, b\u00f6yle bir y\u00fckselen y\u0131ld\u0131z\u0131 ne kadar s\u00fcrede tan\u0131mlayabiliriz? A\u00e7\u0131k\u00e7as\u0131, makale (veya patent), ayn\u0131 y\u0131l ve ayn\u0131 dergide yay\u0131nlanan normal makaleden beklenenden daha fazla al\u0131nt\u0131 al\u0131rsa, bu bir \u00e7\u0131\u011f\u0131r a\u00e7an makale olmaya da adayd\u0131r.<\/span><\/p>\n

\u00d6te yandan, ola\u011fan al\u0131nt\u0131 y\u00f6r\u00fcngesinden sapma tesad\u00fcfi olabilir. Modelimiz, \u015fans eseri olup olmad\u0131\u011f\u0131na karar vermek i\u00e7in geli\u015fmi\u015f al\u0131nt\u0131 say\u0131s\u0131n\u0131n olas\u0131l\u0131\u011f\u0131n\u0131 da tahmin edebilir.<\/span><\/p>\n

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