http://www.ras.ru/digest/showdnews.aspx?id=029c5da1-f6be-4593-ba76-2e41281c0447&print=1© 2024 Российская академия наук
- Недавно в базе данных Scopus появился новый библиометрический показатель CiteScore. Зачем он нужен?
Марат Фатхуллин: - В декабре прошлого года мы представили целое семейство библиометрических показателей (метрик), которые уже используются в базе данных Scopus. В ответ на запрос научного сообщества, которому необходимы “прозрачные” наукометрические индикаторы, мы добавили группу легко рассчитывающихся показателей, охватывающих весь массив БД Scopus. Эти метрики доступны на сайте journalmetrics.scopus.com, где каждый исследователь может проверить их расчет. Метрики CiteScore позволяют оценивать цитирование более 22 тысяч научных периодических изданий (среди них не только рецензируемые журналы, но также книжные серии, материалы конференций, отраслевые издания) в 330 дисциплинах.
- Как происходит расчет? Чем отличается CiteScore от других существовавших до этого индикаторов?
Марат Фатхуллин: - Показатель CiteScore - это соотношение числа ссылок, полученных журналом в определенном году, к количеству статей этого журнала, опубликованных в предыдущие три года. Трехлетний период используем для того, чтобы учитывать относительно свежие статьи и вместе с тем иметь возможность наблюдать изменения в цитируемости издания. Кроме того, период публикации, используемый при расчете метрики в такой мультидисциплинарной базе данных, как Scopus, должен обеспечивать релевантное отображение показателей во всех предметных областях, от более “медленных” (как, например, математика) до стремительно развивающихся (биохимия и молекулярная биология).
Прозрачность метрики CiteScore определена возможностью в любой момент проверить расчет показателя на основании актуальной информации о цитировании, совпадающей с той, что видна пользователям БД Scopus. Таким образом, методика расчета CiteScore полностью избавлена от сложных алгоритмов и непрозрачных условий, что позволяет с легкостью повторить и верифицировать расчет.
- Вы упомянули о появлении целого “семейства” новых метрик. Хотелось бы подробностей.
Марат Фатхуллин: - Вместе со статичным (обновляющимся раз в год) показателем CiteScore пользователям доступна также динамичная метрика CiteScore Tracker, которая рассчитывается таким же образом, что и CiteScore, но на основании данных текущего года. CiteScore Tracker обновляется раз в месяц и отражает актуальную цитируемость издания. Еще одна новинка - метрика CiteScore Percentile, которая сравнивает метрику CiteScore серийного издания с CiteScore других изданий в той же области знаний. Кроме этого теперь доступны показатели Document Count (количество документов) и Citation Count (количество цитирований), которые связаны с метрикой CiteScore и относятся к Snowball Metrics. Они используются организациями, активно занимающимися исследованиями, и являются важной составляющей при проведении сравнительного анализа с другими организациями.
- Как метрики CiteScore уживаются с группой уже существующих библиометрических журнальных индикаторов (SNIP, SJR)?
Марат Фатхуллин: - Существует два “золотых правила” использования метрик для наукометрического анализа: прежде всего количественные показатели должны обязательно использоваться вместе с качественными показателями, такими как рецензирование или экспертная оценка, и наоборот. Ни количественные, ни качественные показатели не должны использоваться самостоятельно. Второе правило относится к количественным показателям: всегда нужно рассматривать более одной метрики, в этом - гарантия объективности. Идеальная ситуация - использование “корзины метрик” с различными характеристиками, из которой выбираются показатели, уместные для анализа каждой ситуации. Традиционные метрики цитирования, предоставляемые Scopus, включают SNIP (Source Normalized Impact per Paper - импакт-фактор, нормализованный по источнику) и SJR (SCImago Journal Rank - журнальный рейтинг SCImago). Они остаются важной частью “корзины метрик” Scopus. Однако отзывы пользователей свидетельствовали о том, что им не хватало простой метрики цитирования, которую можно было бы самостоятельно проверить и использовать вместе с более сложными SNIP и SJR. С введением CiteScore Scopus предоставляет такую возможность.
Следует отметить, что “корзина метрик” не ограничивается журнальными показателями и содержит индикаторы, которые рассчитываются для отдельных статей, отдельных исследователей и организаций. Совместно с научным сообществом Elsevier продолжит работу над расширением “корзины метрик” и критериями их использования.
Так, недавнее приобретение компанией Elsevier ведущего поставщика альтметрик Plum Analytics позволит добавить новые метрики использования публикаций. Plum Analytics собирает информацию из десятков академических источников, СМИ и социальных сетей, что позволяет получать своевременные, обширные и полные данные об интересе к публикации не только со стороны научного сообщества, но также индустрии и общества. В дальнейшем метрики Plum Analytics будут интегрированы в решения компании Elsevier - Mendeley, Scopus, ScienceDirect, SciVal и Pure, будут использоваться на сайтах журналов и партнерских научных обществ. Мы убеждены, что представленные метрики откроют новые возможности для анализа мировой науки.
- Доктор Грин, совсем недавно вы посетили несколько российских научно-исследовательских организаций и в ходе семинаров, посвященных текущему состоянию и перспективам развития научных метрик, представили Snowball Metrics - проект, который уже упомянул ваш коллега. В чем его суть?
Джон Грин: - Этот проект зародился в 2010 году в Великобритании в результате совместной работы восьми университетов, активно занимающихся научными исследованиями (на эти восемь университетов приходится практически половина всех исследований в Соединенном Королевстве). Его целью была выработка единых критериев и показателей для сравнения организаций, что является важной задачей управления научно-исследовательскими организациями. Использование согласованных метрик обеспечило бы корректность проведения сравнительного анализа. Параметры Snowball Metrics рассчитываются на основании широкого набора данных, как собственных, так и предоставляемых сторонними организациям, но что самое важное - метрики универсальны и могут быть использованы для сравнения, вне зависимости от выбранного источника данных.
Мы выступаем за более широкое использование метрик в качестве дополнения к экспертной оценке. Однако для этого необходимо решить ряд вопросов, связанных с методом расчета этих показателей, корректностью их сравнения, сбором и отображением данных. Метрики должны соответствовать предметной дисциплине и иметь проверенный и согласованный алгоритм расчета, что мы и воплотили в Snowball Metrics.
Показатели Snowball Metrics были созданы для всего спектра научно-исследовательской деятельности, и они доступны бесплатно.
- Насколько они применимы в российских реалиях? Какие сложности могут возникнуть при их использовании?
Джон Грин: - Россия делает многое, чтобы продемонстрировать миру свои научные достижения и уровень компетенций. Для этого необходимо непрерывно улучшать свои показатели - не только внешние, какими являются позиции в рейтингах, но и внутренние, связанные с развитием научно-исследовательской экосистемы на национальном и институциональном уровнях, эффективностью финансирования науки.
Большой задачей для российского научного сообщества является выработка согласованных метрик, рассчитанных на основании надежных данных. Этот процесс занимает много времени и требует значительных ресурсов. Однако на примере Великобритании вы можете видеть, что, несмотря на большие трудозатраты, создание четких метрик и определение источников данных для их расчета приводят к повышению эффективности всего научно-исследовательского процесса. Дополнительная трудность связана с тем, что в России существует значительная часть исследований, результаты которых опубликованы на русском языке и не индексируются в большинстве международных баз данных. Рассмотрение и учет столь значительной части локального научного контента являются очень важной задачей, решить ее можно при условии четкого определения специализированных метрик.