کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6934101 1449490 2018 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Characterizing highly cited method and non-method papers using citation contexts: The role of uncertainty
ترجمه فارسی عنوان
توصیف روش بسیار متداول و مقالات غیرمستقیم با استفاده از زمینه های استناد: نقش عدم اطمینان
ترجمه چکیده
1000 مقاله برتر زیست پزشکی با تعداد استنادها با روش، نوع روش و غیرمستقیم با بررسی محتویات استناد طبقه بندی می شوند. یادگیری ماشین تحت نظارت بر روی داده های متنی برای یک نمونه آموزشی آموزشی از مقالات استفاده می شود که سپس برای طبقه بندی لیست کامل مورد استفاده قرار می گیرد، نشان می دهد که کلمات نشان دهنده ابزار مهم ترین برای طبقه بندی روش ها هستند. تجزیه و تحلیل کلمه بیشتر با استفاده از زبانشناسی کپسول انجام می شود تا کلمات متنی را که مشتمل بر غیر متدهای هستند شناسایی کنند. کلمات کلیدی برای انجام غیرمستقیم نقش مهمی را ایفا می کنند و برای تحلیل بیشتر با رگرسیون لجستیک چندین انتخاب می شوند. متغیرهای دیگر در رگرسیون یک متغیر اجماع بر اساس شباهت های زمینه برای یک مقاله و متغیر دیگری بر اساس این است که آیا نقل قول از روش؟ بخش مقالات با ذکر. دقت پیش بینی ها از رگرسیون لجستیک قابل مقایسه با یادگیری ماشین است. نتایج حاصل از نظر قطعی بودن یا عدم اطمینان درک دانش اساسی تفسیر می شود، یعنی روش ها و خروجی های آنها دارای اطمینان بالایی هستند و عدم اطمینان غیرمستقیم. شواهد نشان می دهد که هجی کردن به طور معکوس با فرکانس استناد ارتباط دارد. پیامدهای این کار برای مطالعه توسعه علم و نقش روش ها و ابزار در تحقیقات زیست پزشکی مورد بحث قرار گرفته است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
The top 1000 biomedical papers by number of citations are classified by method, type of method and non-methods by examination of citation contexts. Supervised machine learning is applied to the context data for a training sample of papers which is then used to classify the full list, revealing that words indicating utility are most important for the classification of methods. Further word analysis is carried out using corpus linguistics to uncover context words that characterize non-methods. Hedging words are found to play an important role for non-methods, and several are selected for further analysis with logistic regression. Other variables in the regression are a consensus variable based on the similarity of contexts for a paper and another variable based on whether citations come from “methods” sections of citing papers. Accuracy of predictions from logistic regression is comparable to machine learning. The results are interpreted in terms of the perceived certainty or uncertainty of the underlying knowledge, that is, methods and their outputs have higher certainty, and non-methods higher uncertainty. Evidence is found that hedging is inversely related to citation frequency. Implications of this work for the study of the development of science and the role of methods and tools in biomedical research are discussed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Informetrics - Volume 12, Issue 2, May 2018, Pages 461-480
نویسندگان
,