به کارگیری معیارهای تحلیل شبکه‌های اجتماعی در ارزیابی‌های کتاب‌سنجی
الموضوعات : دانش شناسینجمه سالمی 1 , غلامرضا فدایی 2 , فریده عصاره 3
1 - دکتری علم اطلاعات و دانش شناسی، دانشگاه شهید بهشتی
2 - استاد علم اطلاعات و دانش شناسی، دانشگاه تهران
3 - استاد علم اطلاعات و دانش شناسی، دانشگاه شهید چمران
الکلمات المفتاحية: علم‌سنجی, تحلیل شبکه اجتماعی, مرکزیت,
ملخص المقالة :
هدف: پژوهش حاضر با استفاده از شاخص‌های علم سنجی و تحلیل شبکه های اجتماعی به مطالعه دانشگاه تهران در تولید علم ایران در یک دوره ده ساله می پردازد. در این پژوهش از شاخص مرکزیت شبکه های 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 شده اند. 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 نرم افزار 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 می دهد اگرچه گنجعلی (در حوزه شیمی تجزیه) بالاترین میزان مرکزیت در شبکه هم استنادی 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. یافته ها نشان داد اگر چه بسامد استنادی می‌توان شاخصی برای نمایانی مقالات باشد. اما مقالاتی که مرکزیت بالاتری نسبت سایر مقالات به دست می آورند الزاماً پر استنادترین مقالات نیستند.
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.
