The Use of Thematic Analysis Methods in Scientometric Systems

Main Article Content

Abstract

Modern scientometric systems and citation systems use various mechanisms of thematic search and thematic filtering of information. In most cases, a full-text approach is used for thematic analysis of articles and journals, which has a number of limitations. The use of algorithms based on graph analysis, both independently and in conjunction with full-text algorithms, eliminates these limitations and improves the completeness and accuracy of subject search. The algorithm developed by the authors and presented in this work uses the co-authorship graph to analyze the thematic proximity of journals. The algorithm is insensitive to the language of the journal and selects similar journals in different languages, which is difficult to implement for algorithms based on the analysis of full-text information. The algorithm was tested in the scientometric system IAS ISTINA. In the interface developed for these purposes, the user can select one journal that is close to him on the subject, and the system will automatically generate a selection of journals that may be of interest to the user both in terms of studying the materials available in them and in terms of publishing his own articles. In the future, the developed algorithm can be adapted to search for similar conferences, collections of publications and scientific projects. The presence of such a tool will increase the publication activity of young employees, increase the citation rate of articles and the citation rate between journals. The results of the algorithm for determining thematic proximity between journals, collections, conferences and scientific projects can also be used to build rules in models of differentiating access to data based on domain ontologies.

Article Details

References

1. Акоев М.А., Маркусова В.А., Москалева О.В., Писляков В.В. Руководство по наукометрии: индикаторы развития науки и технологии. Екатеринбург: Издательство Уральского университета, 2014. 248 c.
2. Орлов А.И. Наукометрия и управление научной деятельностью // Управление большими системами. Специальный выпуск 44: Наукометрия и экспертиза в управлении наукой. Институт проблем управления им. В.А. Трапезникова РАН. 2013. С. 538–568.
3. Бричковский В.В. Наукометрический анализ в информационном обеспечении инновационной деятельности // В мире науки. 2017. № 8(174). С. 64–67.
4. Афонин С.А., Козицын А.С., Шачнев Д.А. Программные механизмы агрегации данных, основанные на онтологическом представлении структуры реляционной базы наукометрических данных // Программная инженерия. 2016. Т. 7, №9. С. 408–413.
5. Afonin S. Ontology models for access control systems // Proc. of the 3rd International Conference Russian-Pacific Conference on Computer Technology and Applications (RPC). 2018. P. 1–6.
6. Сервис подбора журнала WoS. URL: http://mjl.clarivate.com/home
7. Классификатор РНФ. URL: http://www.rscf.ru/node
8. Классификатор РФФИ. URL: http://www.rfbr.ru/rffi/ru/contest_documents
9. Классификатор МПК. URL: http://www.fips.ru
10. Классификатор ОКС. URL: http://classinform.ru/oks.html
11. Классификатор MSC. URL: http://www.ams.org/msc/
12. Классификатор JEL. URL: http://www.aeaweb.org/journal/jel_class_system.html
13. Проект по сопоставлению классификаторов Scopus и OECD. URL: http://report03.metrics.ekt.gr/en/appendixIII
14. Проект по сопоставлению классификаторов ВИНИТИ. URL: http://scs.viniti.ru/ MapService/mapform.aspx
15. Проект Times Higher Education. URL: http://www.timeshighereducation.com
16. Индекс World University Rankings. URL: http://gtmarket.ru/ratings/the-world-university-rankings/info
17. Проект QS World University Rankings. URL: http://www.topuniversities.com
18. Кинчарова А.В. Методология мировых рейтингов университетов: анализ и критика // Университетское управление: практика и анализ. 2014. № 2. С. 70–80.
19. Данные проекта ИСТИНА. URL: http://istina.msu.ru/statistics/activity/
20. Статистика организации в проекте ИСТИНА. URL: http://istina.msu.ru/ statistics/organization/214524/dynamic
21. Краснов Ф.В. Сравнительный анализ коллекций научных журналов // Труды СПИИРАН. 2019. Т. 18. С. 767–793.
22. Поиск по ключевым словам в системе РИНЦ. URL: https://www.elibrary.ru/ querybox.asp
23. Афонин С.А., Лунев К.В. Выявление тематических направлений в коллекции наборов ключевых слов // Программная инженерия. 2015. № 2. С. 29–39.
24. Vasenin Valery, Lunev Kirill, Afonin Sergey, and Shachnev Dmitry. Methods for intelligent data analysis based on keywords and implicit relations: The case of "ISTINA" data analysis system. In Proc. of the International Conference Actual Problems of Systems and Software Engineering (APSSE 2019), IEEE Conference Proceedings, P. 151–155, United States, 2019.
25. Козицын А.С., Афонин С.А. Разрешение неоднозначностей при определении авторов публикации с использование графов соавторства в больших коллекциях библиографических данных // Программная инженерия. 2017. Т. 8, № 12. С. 556–562.
26. Козицын А.С., Афонин С.А. Нахождение скрытых зависимостей между объектами на основе анализа больших массивов библиографических данных // In Proc. of the International Conference Actual Problems of Systems and Software Engineering (APSSE 2019), IEEE Conference Proceedings. 2019. P. 320–328.