نوع مقاله : مقاله پژوهشی

نویسندگان

• سیده سعیده میرحق جو لنگرودی ¹
• فرشید دانش ²
• فاطمه علی نژاد ³

¹ گروه مدیریت اطلاعات، مؤسسه استنادی و پایش علم و فناوری جهان اسلام (ISC)، شیراز،

² گروه مدیریت اطلاعات، موسسه استنادی و پایش علم و فناوری جهان اسلام ISC

³ گروه مدیریت اطلاعات، موسسه استنادی علوم و پایش علم و فناوری جهان اسلام

چکیده

هدف: تحلیل رابطه شاخصهای سنتی ارزیابی علم در سطح پژوهشگر و مقاله با ابعاد ساختاری شبکههای استنادی فردمحور مقالات پراستناد پژوهشگران ایرانی علوم رایانه.
روششناسی: مطالعه با رویکرد کاربردی، تحلیلی و روشهای علمسنجی انجام شد. جامعه پژوهش با ادغام فهرست پژوهشگران ایرانی یکدرصد و دودرصد برتر علوم رایانه و حذف موارد تکراری شکل گرفت. در مجموع، ۲۱۹ مقاله پراستناد متعلق به ۴۴ پژوهشگر طی سالهای ۲۰۱۳ تا ۲۰۲۴ بررسی شد. برای هر مقاله شبکه استنادی فردمحور تشکیل و شاخصهای عمق، گستردگی، وابستگی و عدموابستگی در دو سطح مطلق و نسبی محاسبه گردید. رابطه متغیرها با ضریب همبستگی اسپیرمن آزمون شد.
یافتهها: مرتبه علمی و شمار مقالات با هیچیک از شاخصهای ساختاری رابطه معنادار نداشتند. شاخص هیرش فقط با عمق نسبی رابطه مثبت و معنادار داشت. شمار استنادهای مقاله با عمق مطلق، عمق نسبی و وابستگی مطلق رابطه مثبت و معنادار و با گستردگی نسبی رابطه منفی و معنادار نشان داد.
نتیجهگیری: شاخصهای سنتی در نمونه بررسیشده با ابعاد ساختاری شبکههای استنادی فردمحور رابطه یکسانی نداشتند. شمار استنادها برخی ابعاد شبکه را منعکس میکند، اما نمیتواند سازمانیافتگی روابط استنادی را توصیف کند. تحلیل شاخصهای ساختاری میتواند در کنار سنجههای شمارشی، اطلاعاتی درباره الگوهای استنادی فراهم کند؛ این همبستگیها رابطه علّی را اثبات نمیکنند.
ارزش: یافتهها ضرورت توجه همزمان به کمیت استنادها و ساختار ارتباطات استنادی را در ارزیابی علمی برجسته میکنند.
کلیدواژهها: ارزیابی پژوهش؛ شاخصهای کتابسنجی؛ همبستگی اسپیرمن؛ اثرگذاری علمی؛ تحلیل شبکه.

کلیدواژه‌ها

• ارزیابی پژوهش
• شاخصهای کتابسنجی
• همبستگی اسپیرمن
• اثرگذاری علمی
• تحلیل شبکه

موضوعات

• ابعاد جامعه‌شناختی و انسان‌شناختی مطالعات داده، اطلاعات و دانش

عنوان مقاله [English]

The Relationship between Traditional Scientometric Indicators and Author-Centered Citation Networks of Highly Cited Articles by Iranian Computer Science Researchers

نویسندگان [English]

• saeedeh mirhaghjoo ¹
• farshid danesh ²
• fatemeh Alinezhad chamazcoti ³

¹ Department of Information Management, Islamic World Science and Technology Monitoring and Citation Institute (ISC), Shiraz, Iran

² , Department of Information Management, Islamic World Science and Technology Monitoring and Citation Institute (ISC), Shiraz, Iran

³ , Department of Information Management, Islamic World Science and Technology Monitoring and Citation Institute (ISC), Shiraz, Iran

چکیده [English]

Abstract
Objective: This study examined the relationship between conventional research evaluation indicators measured at the researcher and article levels and the structural dimensions of ego-centered citation networks for highly cited papers authored by Iranian computer scientists.
Methods: An applied analytical scientometric design was used. Lists of Iranian researchers ranked among the top one and two percent in computer science were merged and duplicates removed. The analysis covered 219 highly cited papers associated with 44 researchers during 2013–2024. For each focal paper, an ego-centered citation network was constructed. Absolute and relative measures of depth, breadth, dependence, and independence were calculated. Spearman rank correlations were used to evaluate associations.
Findings: Academic rank and publication count were not significantly associated with any structural indicators. The h-index was significantly and positively associated with relative depth. Article citation counts had significant positive correlations with absolute depth, relative depth, and absolute dependence, with coefficients of 0.329, 0.408, and 0.430, respectively.
Conclusion: Conventional indicators and structural dimensions do not describe identical aspects of citation impact. A larger citation count does not necessarily imply corresponding changes in every characteristic of a citation network. Structural analysis can complement traditional indicators by clarifying how citation relationships are organized. As the study is correlational, the findings do not establish causal relationships.
Keywords: Research Evaluation; Bibliometric Indicators; Spearman's Rank Correlation; Scientific Impact; Network Analysis.

کلیدواژه‌ها [English]

• Research Evaluation
• Bibliometric Indicators
• Spearman's Rank Correlation
• Scientific Impact
• Network Analysis