A data-driven comparative analysis on citation intents across scientific disciplines.

چکیده اصلی

The goal of this paper is to conduct a first comparative analysis on citation intents across multiple scientific disciplines. To this end, we conducted a data-driven investigation into the characteristics of citation intents utilizing a large-scale dataset of 17,717 academic papers and 2,345,674 citation contexts from 21 Web of Science subject categories. We analyzed five key characteristics: i) inter-category distribution of citation intents, ii) average number of citation intents per article, iii) age distribution of citation intents, iv) similarity of the age distributions of citation intent, and v) predictability of the number of citation intents. We found out that there are significant differences in all five characteristics across different research disciplines. Specifically, Philosophy, Sociology, Area, and History prioritize Background and Motivation intents while exhibiting minimal engagement with Uses and Extends. Conversely, Computer Science AI represents a unique case, characterized by a dominant prevalence of Uses and Extends intents alongside the least frequent use of background-oriented citations. Furthermore, the age distributions of citation intents exhibit the lowest similarity in Area, and History. In terms of predictability, Biotechnology and Plant Science exhibit the highest correlation levels in citation intent counts, whereas Sociology, Philosophy, and History yield the lowest correlation coefficients. Our comparative analysis not only uncovers cross-disciplinary variations and establishes a standardized framework for the comparative analysis of citation intents, but also has applications in advancing the normalization of scholarly indicators, facilitating trend detection, and supporting curriculum design for specific scientific disciplines.

ترجمه فارسی چکیده

هدف این مقاله انجام اولین تحلیل مقایسه‌ای هدف‌های ارجاع در چندین رشته علمی است. برای این کار، تحقیقی مبتنی بر داده‌ها بر ویژگی‌های هدف‌های ارجاع با استفاده از مجموعه داده‌ای بزرگ شامل ۱۷،۷۱۷ مقاله و ۲،۳۴۵،۶۷۴ زمینه ارجاع از ۲۱ دسته موضوعی وب‌آرشیو انجام شد. پنج ویژگی کلیدی شامل توزیع بین‌دسته‌ای، میانگین تعداد هدف‌ها، توزیع سنی، شباهت توزیع‌های سنی و پیش‌بینی تعداد هدف‌ها تحلیل شد. تفاوت‌های معناداری در تمام ویژگی‌ها بین رشته‌های مختلف یافت شد. فلسفه، جامعه‌شناسی، مطالعات منطقه‌ای و تاریخ اولویت با هدف‌های پس‌زمینه و انگیزه را دارند و در استفاده از هدف‌های کاربرد و گسترش مشارکت کمتری دارند. در مقابل، هوش مصنوعی در علوم کامپیوتر یک مورد منحصر به فرد است که با غالبیت هدف‌های کاربرد و گسترش همراه با کمترین استفاده از ارجاعات متمرکز بر پس‌زمینه مشخص می‌شود. توزیع سنی هدف‌های ارجاع در مطالعات منطقه‌ای و تاریخ کمترین شباهت را دارد. از نظر پیش‌بینی‌پذیری، بیوتکنولوژی و علوم گیاهی بالاترین همبستگی را دارند، در حالی که جامعه‌شناسی، فلسفه و تاریخ کمترین ضرایب همبستگی را ارائه می‌دهند.

متن کامل اصلی