Feb, 2012

科学界如何对新提交的预印本作出反应：文章下载量、Twitter 提及和引用

PDF
TL;DR分析了在线响应预印本的方法，通过研究三种响应形式 ——arXiv.org 上的下载，Twitter 上的提及，学术记录中的早期引用，发现 Twitter 和 arXiv 下载是不同的时间模式，并且它们与引用之间存在关联。
发现论文，激发创造
  • 计算机科学 arXiv 上的预印本有多少被实际打印了，以及为什么

    计算机科学领域的预印本在 arXiv 上发布后，通过引入基于语义的映射方法（使用了 BERT），我们发现所调研的预印本中的 66％发表时标题未变且 11％具有改变标题和其他修改。进一步的比较研究揭示了在计算机科学领域中，被发表的预印本具有充分的修订、多个作者、详细的摘要和导言、广泛且权威的参考文献以及可用的源代码。

    Aug, 2023

  • arXiv.org 在计算机科学界的流行度

    本文探讨了计算机科学领域论文的电子出版方面的实践，研究发现使用 arXiv.org 网站来发布电子版论文的人数增长迅速，各学科领域在使用该网站进行论文发布方面存在较大的差异，同时也讨论了该方法对同行评议的影响。

    Oct, 2017

  • 论 ArXiv 作为数据集的应用

    本文介绍了 arXiv，它收集了来自物理学、数学和计算机科学等科学领域的 150 万篇预先印刷的文章，并提供了一个管道，标准化和简化 arXiv 的公开可用数据。该管道被用来提取和分析一个拥有 670 万边的引文图和一个包含 110 亿字的全文研究文章语料库。作者呈现了一些基线分类结果并推动了更加令人兴奋的生成图模型的应用。

    Apr, 2019

  • 估计提前上传 arXiv 对论文被接受的因果效应

    研究了在同行评审前发布预印本的影响，使用因果推断的方法分析 ICLR 会议（2018-2022）的数据，发现早期发布预印本可能对论文的接受率有少许影响，但该影响不受作者引用次数和机构排名这些因素的影响。

    Jun, 2023

  • 早期网站使用统计数据作为后续引文影响的预测因子

    本研究分析了短期网络使用情况对中期引证影响的预测作用，以文章引用计数、Web 阅读次数及 e-print 论文库为研究对象。

    Mar, 2005

  • 通过推特情感预测研究的科学研究公众反应

    本研究旨在预测推特用户在社交媒体上对科学出版物的情感表达，并研究有哪些研究文章特征有助于这种预测。通过识别社交媒体上的研究文章情感，科学家可以评估其研究文章的新的社会影响。

    Sep, 2022

  • 量化在线长期研究兴趣

    该研究利用机器学习模型分析了多个社交媒体平台上文章被在线分享的持续时间，以预测研究文章的长期在线兴趣。研究发现，旧的文章主要与经济和工业相关，而最近发表的文章则最多在研究平台和社交媒体平台方面被提及。

    Sep, 2022

  • 推特化生医学：对生物医学文献中推文和引用进行分析

    本文探讨了社交媒体平台，特别是 Twitter 在衡量研究成果影响力方面的应用，基于 1.4 百万生物医学领域的 PubMed 和 Web of Science 收录的文章进行分析，发现推文量和引用量相关性较低，提出了一种基于文章覆盖度和推文与引用相关性的新型科研影响力评价框架。

    Aug, 2013

  • 推特对引用的影响：揭示社交媒体影响者对人工智能研究可见性的影响

    通过研究社交媒体影响者在提高机器学习研究可视性方面的作用，本文探讨了社交媒体对论文引用次数的影响。研究发现，得到这些影响者认可的论文的引用次数显著增加，中位数引用次数比对照组高 2-3 倍。此外，研究还探讨了受关注作者的地理、性别和机构多样性。这些发现突显了社交媒体在学术交流中的扩大影响，并强调了当今数字学术环境中不断发展的生态系统的重要性。

    Jan, 2024

  • 推断期刊对引用的因果效应

    比较预印本和已发表论文的引用情况，推断高影响期刊对引用量的因果效应。发现高影响期刊不仅选择引用量更高的文章，同时还提高文章的引用率。研究表明，即使不考虑影响因子，期刊在研究评估中的影响仍然存在，对研究评估实践的改变具有重要影响。

    Dec, 2019