A tudományos és kutatási publikációkban az Altmetrics egy nem hagyományos bibliometria [ 2] , amelyet alternatívaként [3] vagy kiegészítéseként [4 ] kínálnak a hagyományosabb idézési mérőszámokhoz, mint például az impakt faktor és a h - index [5] .
Az altmetria kifejezést 2010-ben javasolták [1] az akkori cikkek szintjének felmérésére szolgáló nem hagyományos módszerek [6] általánosításaként, és gyökerei a hashtagban #altmetrics gyökereznek . Bár az altmetria fogalmát gyakran tekintik cikkek értékelésére szolgáló mérőszámnak, ugyanakkor az altmetria alkalmazható emberekre, folyóiratokra, könyvekre, adatkészletekre, prezentációkra, videókra, forráskód-tárolókra, weboldalakra stb.
Az Altmetrics nyílt API-kat használ több platformon, hogy nyílt szkriptek és algoritmusok segítségével gyűjtsön adatokat. Az altmetrikák kezdetben nem vették figyelembe az idézetek számát [7] , hanem online kutatások segítségével értékelték a tudósok befolyását, közösségi hálózatok, online média, online referenciamenedzserek stb. adatai alapján [8] [9] . Az Altmetrik segítségével: tanulmányok szűrése [1] és kutatók értékelése, pályázatok kiválasztása [10] [11] , a közelmúltban megjelent cikkek rangsorolása az akadémiai adatbázisok és keresőmotorok listáján [12] .
A web 2.0 elindítása megváltoztatta azt a módot, ahogyan az akadémiai közösségen belül vagy kívül keresünk publikációkat, de új módszereket is kínált a munka tudományos hatásának „tágabb értelemben” történő mérésére. A hagyományos mérőszámok továbbra is jelentősek, de nem biztos, hogy elegendőek az új munka mérésére, különösen a szakértői értékelésen kívül [1] .
Az olyan projektek, mint az ImpactStory [13] [14] és különböző cégek, köztük az Altmetric [13] [15] és a Plum Analytics [13] [16] [17] [18] számolják az altmetriát. Számos kiadó kezdett ilyen információkkal szolgálni az olvasóknak, köztük a BioMed Central , a Public Library of Science (PLOS) [19] [20] , a Frontiers [21] , a Nature Publishing Group [22] és az Elsevier [23] [24] .
2008-ban a Medical Internet Research elkezdte szisztematikusan gyűjteni a tweeteket a papírjairól [25] . 2009 márciusától a Public Research Library minden cikkre vonatkozóan cikkszintű mérőszámokat is bevezetett [19] [20] [26] . A szponzorok érdeklődést mutattak az alternatív mérőszámok iránt [27] , köztük a UK Medical Research Council [28] is . Altmetriákat alkalmaztak az alkalmazásokban a kutatók előrehaladásának áttekintésére. [29] Emellett több egyetem, köztük a Pittsburgh Egyetem is kísérletezik intézményi szintű altmetriával [29] .
A cikk felső kvantilisekbe kerülésének nehézsége azonban nyilvánvalóan nem elegendő [30] , ami az altmetriás források hiányával magyarázható, amelyek a legtöbb dolgozat esetében kiegyensúlyozott képet adnának a hatásról.
A munka relatív hatásának meghatározásában fontos egy olyan szolgáltatás, amely altmetriai statisztikákat számol, és jelentős tudásbázist igényel. Az alábbi táblázat a szolgáltatásaik által lefedett állások számát mutatja (2016-ban):
| Weboldal | Művek száma | Keleti |
|---|---|---|
| Plum Analytics | ~ 29,7 millió | [31] |
| Altmetric.com | > 5 millió | [32] |
| ImpactStory | ~ 1 millió | [33] |
Az Altmetriák a mérőszámok nagyon széles csoportját jelentik, amelyek egy papír vagy munka hatásának különböző részeit rögzítik. Az altmetrikák osztályozását az ImpactStory javasolta 2012 szeptemberében [34] , és a Public Library of Sciences nagyon hasonló osztályozást használ: [35]
Az egyik első alternatív mérőszám, amelyet használtak, az oldalmegtekintések száma volt. Hagyományosan a szerző nagy előfizetésű folyóiratban szeretne publikálni, így sokan hozzáférhetnek a kutatáshoz. A webes technológiák bevezetésével lehetővé vált, hogy ténylegesen megszámoljuk, milyen gyakran tekintenek meg egy cikket. Általában a kiadók számolják a HTML- és PDF-megtekintések számát. A BMJ már 2004-ben közzétette lapjainak nézettségi számát, amelyről kiderült, hogy némileg összefügg az idézetekkel [37] .
A munka tárgyalása a cikk lehetséges hatását tükröző mérőszámnak tekinthető. A mutató kiszámításának tipikus adatforrásai a Facebook , a Google+ , a Twitter , a Science Blogs és a Wikipédia oldalak.
Egyes kutatók a közösségi médiában való említést idézeteknek tekintik. Például a közösségi média platformokon található idézetek két kategóriába sorolhatók: belső és külső. Például az előbbi a retweeteket, az utóbbi a külső dokumentumokra mutató hivatkozásokat tartalmazó tweeteket jelenti [38] . Az elsődleges tudományos irodalom említései, kedvelései és idézései közötti összefüggést tanulmányozták, és a legjobb esetben is kevés összefüggést találtak, például a PubMed cikkei esetében [4] . 2008-ban a Journal of Medical Internet Research elkezdett véleményeket és tweeteket publikálni . Ezek a "tweetek" jó indikátornak bizonyultak az idézett cikkekre vonatkozóan, ami arra késztette a szerzőt, hogy javasoljon egy "Twimpact faktort", amely a megjelenés első hét napjában kapott tweetek száma, valamint a Twindex, amely a százalékos érték. a cikk Twimpact faktor rangjának [25] . Ha azonban valaki megvalósítja a Twimpact faktor használatát, a tanulmányok azt mutatják, hogy a pontszámok meglehetősen tárgyspecifikusak, és ennek eredményeként a Twimpact faktorokat össze kell hasonlítani az azonos témakörben megjelent cikkek között [25] . Bár a szakirodalom korábbi tanulmányai összefüggést mutattak ki a tweetek és az idézetek között, ez nem ok-okozati összefüggés. Ezen a ponton nem világos, hogy a magasabb idézetek a Twitteren és más platformokon keresztüli fokozott médiafigyelem eredménye-e, vagy egyszerűen a cikk minőségét tükrözik [25] .
A legújabb kutatások, amelyeket az egyén szintjén végeztek, nem pedig a cikk szintjén, támogatja a Twitter és a közösségi média platformok használatát a megtérülés növelésére [39] . Az eredmények azt mutatják, hogy azoknak a kutatóknak, akiknek munkáját tweetelték, szignifikánsan magasabb a h-indexük , mint azoknak a kutatóknak, akiknek a munkáját nem tweetelték. A tanulmány kiemeli a vitaalapú platformok, például a Twitter használatának szerepét a hagyományos hatásmérők értékének növelésében.
A Twitteren és más szálakon kívül a blogírás hatékony platformnak bizonyult az irodalom megvitatására. Különféle platformok vannak, amelyek nyomon követik, hogy milyen cikkekről írnak blogot. Az Altmetric.com ezeket az információkat használja a mutatók kiszámításához, míg más eszközök egyszerűen csak arról számolnak be, hogy hol zajlik a vita, például a ResearchBlogging és a Chemical blogtér.
A platformok akár formális rangsorolási módszert is biztosíthatnak, vagy más dokumentumokat ajánlhatnak, például az F1000Prime-ot [40] .
Hasznos megszámolni azt is, hogy egy oldalt hányszor mentettek el vagy vettek fel könyvjelzővel. Úgy gondolják, hogy az emberek általában olyan oldalakhoz választanak könyvjelzőket, amelyek nagyon relevánsak saját munkájuk szempontjából, és ennek eredményeként a könyvjelzők további mutatói lehetnek egy adott tanulmány hatásának. Az ilyen információk szolgáltatói közé tartoznak a speciális közösségi könyvjelző szolgáltatások , például a CiteULike és a Mendeley .
Az említett kategória szűkebb meghatározás, mint a vita. A tudományos irodalomban található hivatkozásokon alapuló hagyományos mérőszámok mellett, mint például a Google Scholar , Crossref , PubMed Central és Scopus , az altmetrikák másodlagos tudásforrásokban található hivatkozásokat is használnak. Például az ImpactStory megszámolja, hogy a Wikipédia hányszor hivatkozott egy cikkre [41] . A Plum Analytics mérőszámokat is biztosít különféle tudományos publikációkhoz [42] a kutatás termelékenységének nyomon követése érdekében. A PLOS az interakciós információk hasznosítására is használható eszköz [42] .
Némi vita folyik az altmetrikák megbízhatóságáról és konzisztenciájáról [43] , és aktívan vitatják az altmetrikák értelmezését is.
Az altmetria támogatói úgy vélik, hogy sok mérőszám kezdetben figyelmet vagy elkötelezettséget mutat, és nem a tudományra gyakorolt hatást. [35] Még az idézeten alapuló mérőszámok sem jelzik, hogy a magas pontszám pozitív hatást jelent-e a tudományra. Vagyis az idézett dokumentummal összeegyeztethetetlen dokumentumokat is idéznek – ezzel a problémával például a Citation Ontology Project foglalkozik [44] .
Az altmetria jobban értelmezhető részletes kontextus és minőségi adatok megadásával. Például annak értékeléséhez, hogy a tudományos munka milyen tudományos hozzájárulást jelent a politikai döntéshozatalhoz altmetrikák segítségével, bizonyítékként kvalitatív adatokat kell szolgáltatni, például, hogy ki idéz [45] , és milyen mértékben relevánsak az online hivatkozások a politikaalkotás szempontjából [46] .
Tekintettel a hagyományos mérőszámok és az altmetrikák viszonylag alacsony korrelációjára, az altmetrika nagyobb valószínűséggel méri a tudós kumulatív/komplex hatását. Az Altmetrics kényelmes eszközöket biztosít a kutatók és intézmények értékeléséhez, munkájuk hatásának nyomon követésére és a félreértelmezések elkerülésére [4] .
A mérőszámok hasznossága a tudományos hozzájárulások értékelésében vitatható [47] [48] . A kutatások kimutatták, hogy az online zaj felerősítheti a tájékoztatás egyéb formáinak a kutatók tudományos hatására gyakorolt hatását. A Twitteren emlegetett tudósok újságírókkal és nem tudósokkal kommunikálnak, ami felfújt h-index-becslésekhez vezet, míg egy nem tudós csoport, amely közvetlenül és kizárólag ugyanazon értékelés kutatásával foglalkozott, kudarcot vallott [39] . Az Altmetrics kiterjeszti az akadémiai befolyás mérését a gyors elterjedtség, a szélesebb közönség és a változatos kutatási eredmények visszaszorítása érdekében. Ezen túlmenően a közösség egyértelmű igényt mutat: a finanszírozók mérhető eredményeket követelnek kiadásaik hatásától, például a nyilvánosság részvételétől.
Vannak azonban olyan korlátozások, amelyek a műszaki problémák és a szisztematikus tervezési torzítás miatt befolyásolják a hasznosságot, például az adatok minősége, heterogenitása és specifikus függőségek. [47] Technikai kérdéseket tekintve az adatok hiányosak lehetnek, mert nehéz online kutatási eredményeket gyűjteni közvetlen hivatkozások (pl. videók) nélkül, és nehéz azonosítani egyetlen kutatási dolgozat különböző változatait.
Ami a szisztematikus torzítást illeti, csakúgy, mint más mérőszámok esetében, az altmetrikák hajlamosak önhivatkozásra, játékokra és egyéb mechanizmusokra, amelyek növelik a látszólagos hatást. Az Altmetriák játékosak lehetnek, például kedvelések és említések vásárolhatók [49] . Az altmetriát nehezebb lehet szabványosítani, mint az idézeteket. Az egyik példa a papírral kapcsolatos tweetek száma, ahol a szám nagyon változhat attól függően, hogy a tweeteket hogyan gyűjtik [50] . Ráadásul az internetes népszerűség nem feltétlenül esik egybe a tudományos értékekkel. Egyes népszerű online hivatkozások távolról sem érhetik el a további tudományos felfedezéseket, míg egyes nagy tudományos értékű elméleti vagy kisebbségorientált kutatások elszigeteltek az interneten [25] . Például a 2011-ben Twitteren közzétett biomedicinával kapcsolatos legnépszerűbb cikkek furcsa vagy vicces tartalommal, potenciális egészségügyi alkalmazásokkal és katasztrófával kapcsolatosak [4] .
A később publikált cikkek alt mérőszáma magasabb lehet a közösségi háló növekedése miatt, mivel a cikkeket a legtöbb esetben megemlítik, amikor megjelennek [51] . Ennek eredményeként nem biztos, hogy igazságos összehasonlítani a cikkek altmetriai pontszámait, ha azokat nem egy időben tették közzé. A kutatók egy tesztet dolgoztak ki a használati torzítás elkerülésére, összehasonlítva a cikkek mérőszámait két közvetlenül előtte és után megjelent cikkel [51] .
Ne feledje, hogy a mutatók csak egy eredményei a kutatás megosztásának és felhasználásának nyomon követésének. Az altmetriát körültekintően kell értelmezni az elfogultság leküzdése érdekében. Még informatívabb, mint annak ismerete, hogy egy cikkre milyen gyakran hivatkoznak, és mely cikkek hivatkoznak rá. Ez az információ lehetővé teszi a kutatóknak, hogy lássák, munkájuk milyen hatással van a területre (vagy nem). A mérőszám-szolgáltatók általában hozzáférést biztosítanak azokhoz az információkhoz is, amelyekből a mérőszámokat kiszámították. Például a Web of Science megmutatja, hogy mely cikkekre hivatkoznak, az ImpactStory megmutatja, hogy mely Wikipédia-oldalak hivatkoznak egy cikkre, a CitedIn pedig azt, hogy mely adatbázisok kinyerték ki az adatokat a cikkből [52] .
Egy másik probléma az altmetrikákkal vagy bármilyen mérőszámmal kapcsolatban, hogy az egyetemek vagy intézmények hogyan használják a mérőszámokat alkalmazottaik rangsorolására, amikor előléptetési vagy finanszírozási döntéseket hoznak [53] , és a célnak az elkötelezettség mérésére kell korlátozódnia [54] .
Általánosságban elmondható, hogy az online kutatások eredményei nagyon rosszak, és a különböző tudományágak között változnak [25] [4] . Ez a jelenség megfelelhet a közösségi hálózatok tudósok körében történő használatának. A felmérések azt mutatták, hogy válaszadóik csaknem fele kétértelműen viszonyult a közösségi médiának az akadémiai befolyásra gyakorolt hatására, és soha nem állította a közösségi médiával kapcsolatos kutatási munkáit [55] . Idővel az altmetria konzisztens megközelítését minden tudományágban és intézményben valószínűleg elfogadják.
A konkrét felhasználási esetek és jellemzők a bibliometria kutatásának aktív területét képezik , amely nagyon szükséges adatokat szolgáltat magának az altmetria hatásának mérésére. A Public Science Library altmetriák gyűjteményével [56] rendelkezik , és mind az Information Standards Quarterly , mind az Aslib Journal of Information Management a közelmúltban különleges számokat adott ki az altmetrikáról [57] [58] . Az altmetrikával részletesen foglalkozó tanulmányok sorozata 2015 végén jelent meg [59] [60] [61] .
Vannak más tanulmányok is, amelyek egyetlen altmetria érvényességét vizsgálják [4] [25] , és összehasonlítják a platformokat [51] . A kutatók az altmetria és a hagyományos idézetek közötti összefüggést vizsgálják az érvényesség mértékeként. Azt sugallják, hogy a pozitív és szignifikáns korreláció az altmetria pontosságát jelzi a tudományos hatás mérésére idézetek formájában [51] . Az alacsony korreláció (kevesebb, mint 0,30 [4] ) arra enged következtetni, hogy az altmetria további szerepet játszik a tudósokra gyakorolt hatás mérésében. Továbbra is tisztázatlan azonban, hogy mely altmetriák a legértékesebbek, és a két mérőszám közötti korreláció melyik foka van erősebb hatással a mérésre. Emellett maga az érvényességi teszt is bizonyos technikai kihívásokkal néz szembe. Például az adatgyűjtés replikációja nem lehetséges a gyorsan változó adatszolgáltatói algoritmusok miatt. [62]