Құжаттардағы сілтемелерді талдау: жиілік, үлгілер және графиктер

Кіріспе

Құжаттардағы цитаталардың жиілігін, үлгілерін және графиктерін зерттеу.

Цитаталарды талдау – құжаттардағы цитаталардың жиілігін, үлгілерін және графиктерін зерттеу болып табылады. Ол цитаталардың бағытталған графигін – бір құжаттан екінші құжатқа жасалған сілтемелерді – пайдаланып, құжаттардың қасиеттерін ашады. Типик мақсат – жинақтағы ең маңызды құжаттарды анықтау. Классикалық мысал – академиялық мақалалар мен кітаптар арасындағы цитаталар. Тағы бір мысал ретінде, сот судьялары өз шешімдерін бұрынғы істердегі шешімдерге сілтеме жасау арқылы негіздейді (құқықтық контекстте цитаталар талдауын қараңыз). Одан әрі мысал ретінде патенттерді келтіруге болады, оларда ағымдағы өтінімге қатысты бұрынғы патенттерге сілтемелер болады, яғни алдыңғы технологиялық деңгей көрсетіледі. Патенттік деректерді цифрландыру және есептеу қуатының артуы инновациялық ерекшеліктерді өлшеу, білім ағындарын із кесу және инновациялық желілерді картаға түсіру үшін осы цитаталық деректерді пайдаланатын тәжірибелік қауымдастыққа алып келді. Құжаттар цитаталардан басқа да көптеген ерекшеліктермен байланысты болуы мүмкін, мысалы авторлар, баспагерлер, журналдар және олардың мәтіндері. Құжаттар жинағын жүйелі түрде талдау библиометрия деп аталады, ал цитаталар талдауы осы саланың маңызды бөлігі болып табылады. Мысалы, библиографиялық байланыс және бірлескен цитаталар – цитаталар талдауына негізделген байланыс өлшемдері (ортақ цитаталар немесе сілтемелер). Құжаттар жинағындағы цитаталарды Дерек Дж. де Солла Прайс 1965 жылғы «Ғылыми мақалалар желілері» мақаласында көрсеткендей, цитаталық граф түрінде де бейнелеуге болады. Бұл цитаталар талдауы әлеуметтік желілерді талдау және желілік ғылымның элементтерін пайдаланады дегенді білдіреді. Автоматтандырылған цитаталық индекстеудің алғашқы мысалы CiteSeer болды, ол академиялық мақалалар арасындағы цитаталар үшін қолданылды, ал Web of Science – бұл академиялық кітаптар мен мақалалардан гөрі кең ауқымды ақпарат көздерін қамтитын қазіргі заманғы жүйенің мысалы. Бүгінде автоматтандырылған цитаталық индекстеу цитаталар талдау зерттеулерінің сипатын өзгертті, миллиондаған цитаталарды үлкен үлгілерді және білімді табу үшін талдауға мүмкіндік берді. Цитаталар талдау құралдарын цитаталық индекстердегі деректерге негізделген ғалымдардың әсерін бағалау үшін пайдалануға болады. Мысалдарға Web of Science және Scopus сияқты меншік деректерге негізделген жазылымдық құралдар, сондай-ақ Filippo Menczer және оның командасы жасаған Scholarometer сияқты ашық деректерге негізделген тегін құралдар жатады. Бұл құралдардың қолданылу салалары кең: сарапшы рецензенттерді анықтаудан бастап, ғылыми еңбектерді және гранттарды қарауға дейін, академиялық жетістіктерді бағалау, лауазымдық өсу және тағайындау шешімдерін қолдау үшін ашық деректерді ұсыну. Шешікті ресурстар үшін бәсекелестік цитаталарды арттыру үшін этикалық емес мінез-құлыққа әкелуі мүмкін. Цитаталар үлгілеріне әсер ететін басқа факторларды ескермей, әртүрлі ғылыми мақалалардың әсерін салыстыру үшін цитаталар талдауын түсініксіз пайдалану тәжірибесіне көп сын айтылды. Осы сынның бірі «салалық тәуелді факторларға» назар аударады, яғни цитата жасау практикасы ғылымның бір саласынан екіншісіне, тіпті бір ғылым саласының ішіндегі зерттеу салалары арасында да өзгеше болады.

Citation analysis is the examination of the frequency, patterns, and graphs of citations in documents. It uses the directed graph of citations — links from one document to another document — to reveal properties of the documents. A typical aim would be to identify the most important documents in a collection. A classic example is that of the citations between academic articles and books. For another example, judges of law support their judgements by referring back to judgements made in earlier cases (see citation analysis in a legal context). An additional example is provided by patents which contain prior art, citation of earlier patents relevant to the current claim. The digitization of patent data and increasing computing power have led to a community of practice that uses these citation data to measure innovation attributes, trace knowledge flows, and map innovation networks. Documents can be associated with many other features in addition to citations, such as authors, publishers, journals as well as their actual texts. The general analysis of collections of documents is known as bibliometrics and citation analysis is a key part of that field. For example, bibliographic coupling and co citation are association measures based on citation analysis (shared citations or shared references). The citations in a collection of documents can also be represented in forms such as a citation graph, as pointed out by Derek J. de Solla Price in his 1965 article "Networks of Scientific Papers". This means that citation analysis draws on aspects of social network analysis and network science. An early example of automated citation indexing was CiteSeer, which was used for citations between academic papers, while Web of Science is an example of a modern system which includes more than just academic books and articles reflecting a wider range of information sources. Today, automated citation indexing has changed the nature of citation analysis research, allowing millions of citations to be analyzed for large scale patterns and knowledge discovery. Citation analysis tools can be used to compute various impact measures for scholars based on data from citation indices. Examples include subscription based tools based on proprietary data, such as Web of Science and Scopus, and free tools based on open data, such as Scholarometer by Filippo Menczer and his team. These have various applications, from the identification of expert referees to review papers and grant proposals, to providing transparent data in support of academic merit review, tenure, and promotion decisions. This competition for limited resources may lead to ethically questionable behavior to increase citations. A great deal of criticism has been made of the practice of naively using citation analyses to compare the impact of different scholarly articles without taking into account other factors which may affect citation patterns. Among these criticisms, a recurrent one focuses on "field dependent factors", which refers to the fact that citation practices vary from one area of science to another, and even between fields of research within a discipline.

Шолу

Цитата индекстері бастапқыда ақпаратты іздеу үшін жасалған болса да, қазір библиометрия және зерттеулерді бағалауға қатысты басқа да зерттеулерде жиі қолданылады. Цитаталар деректері танымал журналның әсер ету факторының негізі болып табылады. Цитаталарды талдау туралы көптеген әдебиеттер бар, олар кейде Василий Налимов тапқан «scientometrics» терминімен немесе нақтырақ айтқанда «библиометрия» деп аталады. Бұл сала 1900 жылдан бергі дереккөз әдебиеттерін қамтитын «Science Citation Index» пайда болғаннан кейін дамыды. Бұл саладағы жетекші журналдар – «Scientometrics», «Informetrics» және «Ақпарат ғылымы мен технология қауымдастығының журналы». ASIST сонымен қатар ASIST платформасында «SIGMETRICS» деп аталатын электрондық пошта тізімін ұстап тұрады. Бұл әдіс көптеген университеттерде «Web of Science» және «Scopus» ақылы деректер базаларының кеңінен таралуымен, сондай-ақ «CiteBase», «CiteSeerX», «Google Scholar» және бұрынғы «Windows Live Academic» (қазір кеңейтілген мүмкіндіктермен «Microsoft Academic» ретінде қолжетімді) сияқты тегін, жалпы қолжетімді цитата құралдарының арқасында қайта жандануда. Цитаталарды талдау әдістеріне сапалық, сандық және есептеу тәсілдері жатады. Мұндай ғылыми зерттеулердің негізгі бағыттары – өнімділікті салыстыру, институттардың зерттеу рейтингтерін жасау, факультет өнімділігі мен академиялық дәреже алу стандарттарын белгілеу, ең жақсы ғылыми мақалалардың ықпалын бағалау, ғылым немесе технология саласының даму жолын анықтау және зерттеу нәтижелері бойынша ең үздік авторлар мен институттардың профильдерін жасау. Құқықтық цитаталарды талдау – құқықтық құжаттарды талдаудың бір түрі, ол құжаттар арасындағы және бір құжаттың ішіндегі ережелердің байланысын зерттеу арқылы нормативтік сәйкестік құжаттарын түсінуді жеңілдетуге көмектеседі. Құқықтық цитаталар талдауы нормативтік құжаттан алынған цитаталар графигін пайдаланады, ол үлкен деректерді талдаудағы технологиялық инновацияларды қолданатын процестерді толықтыруға мүмкіндік береді.

While citation indexes were originally designed for information retrieval, they are increasingly used for bibliometrics and other studies involving research evaluation. Citation data is also the basis of the popular journal impact factor. There is a large body of literature on citation analysis, sometimes called scientometrics, a term invented by Vasily Nalimov, or more specifically bibliometrics. The field blossomed with the advent of the Science Citation Index, which now covers source literature from 1900 on. The leading journals of the field are Scientometrics, Informetrics, and the Journal of the Association for Information Science and Technology. ASIST also hosts an electronic mailing list called SIGMETRICS at ASIST. This method is undergoing a resurgence based on the wide dissemination of the Web of Science and Scopus subscription databases in many universities, and the universally available free citation tools such as CiteBase, CiteSeerX, Google Scholar, and the former Windows Live Academic (now available with extra features as Microsoft Academic). Methods of citation analysis research include qualitative, quantitative and computational approaches. The main foci of such scientometric studies have included productivity comparisons, institutional research rankings, journal rankings establishing faculty productivity and tenure standards, assessing the influence of top scholarly articles, tracing the development trajectory of a science or technology field, and developing profiles of top authors and institutions in terms of research performance. Legal citation analysis is a citation analysis technique for analyzing legal documents to facilitate the understanding of the inter related regulatory compliance documents by the exploration the citations that connect provisions to other provisions within the same document or between different documents. Legal citation analysis uses a citation graph extracted from a regulatory document, which could supplement E discovery a process that leverages on technological innovations in big data analytics.

Тарих

1965 жылы Дерек Дж. де Солла Прайс ғылыми цитаталар индексінің (ҒЦИ) өзіндік байланыстыру ерекшелігін «Ғылыми мақалалардың желілері» деп сипаттады. 1972 жылы. CD-ROM нұсқасының пайда болуымен байланыстыру одан да жеңілдеді және қатысты жазбаларды табу үшін библиографиялық байланыстыруды пайдалануға мүмкіндік берді. 1973 жылы Генри Смолл өзінің классикалық «Қо-цитаталық талдау» еңбегін жариялады, ол өзін-өзі ұйымдастыратын жіктеу жүйесіне айналды, осы арқылы құжаттарды кластерлеу тәжірибелері жүргізілді және кейіннен «Ғылым атласы», ал одан кейін «Зерттеу шолулары» атты еңбектер жарық көрді. Әлемдік цитаталар желісінің табиғи топологиялық және графикалық ерекшеліктерін 1965 жылы Ральф Гарнер (Дрексель университеті) сипаттады. Журналдарды санатқа бөлу үшін цитаталар санын пайдалану тәсілі тоғызыншы ғасырдың басында қолданылған, бірақ ғылыми журналдар үшін осы сандарды жүйелі түрде өлшеуді ғылыми ақпарат институтында Юджин Гарфилд бастады, ол сондай-ақ авторлар мен мақалаларды санатқа бөлу үшін осы сандарды пайдалануды дамытты. 1965 жылы ол Ирвинг Шермен бірлесіп, Нобель сыйлығының иегерлері орташа есеппен бес есе көп мақала жариялағанын, ал олардың еңбектеріне орташа есептен 30-50 есе көп сілтеме жасалғанын көрсетіп, цитаталар жиілігі мен бедел арасындағы байланысты анықтады. Гарфилд Нобель және басқа да сыйлықтар туралы жазған көптеген мақалаларында осы құбылысты баяндады. Әдеттегі жиынтық көрсеткіш – әсер ету факторы, ол журналға жасалған соңғы екі жылдағы цитаталардың саны, сол жылдары жарияланған мақалалардың санына бөлінген. Ол дұрыс және бұрыс мақсаттар үшін кеңінен қолданылады, әсіресе авторлар мен мақалаларды санатқа бөлу үшін осы көрсеткішті ғана пайдалану өте даулы. 1964 жылы ДНҚ тарихын жазуда цитаталық талдауды қолдану туралы алғашқы зерттеуде Гарфилд пен Шер ғылыми тақырыптар тарихындағы ең маңызды қадамдардың топологиялық карталарын, тарихнамаларды жасау мүмкіндігін көрсетті. Бұл жұмысты кейіннен Е. Гарфилд, Ресей ғылым академиясының Теңіз биологиясы институтының А. И. Пудовкин және Вашингтон штаты университетінің Оқыту, оқу және технология орталығының В. С. Истомин автоматтандырды, нәтижесінде 2002 жыл шамасында HistCite бағдарламалық құралы құрылды. Автоматты цитаталық индекстеуді 1998 жылы Ли Джайлс, Стив Лоуренс және Курт Боллакер енгізді, бұл кез келген цифрлық академиялық және ғылыми құжаттар үшін цитаталарды автоматты алгоритмдік түрде алуға және топтастыруға мүмкіндік берді. Бұрын цитаталарды алу қолмен жасалса, енді цитаталардың мөлшерін арттырып, кез келген ғылыми және академиялық сала мен құжаттар үшін есептеуге болады, тек ISI сияқты ұйымдар таңдаған құжаттар үшін ғана емес. Бұл қоғамдық және автоматтандырылған цитаталық индекстеудің жаңа жүйелерін құруға әкелді, алғашқысы CiteSeer (қазіргі CiteSeerX), одан кейін компьютерлік ғылым және ақпараттық ғылым саласына бағытталған Cora пайда болды. Кейіннен Google Scholar және Microsoft Academic сияқты кең ауқымды академиялық доменді цитаталау жүйелері пайда болды. Мұндай автономды цитаталық индекстеу цитаталарды алу немесе цитаталарды кластерлеуде әлі де жетілмеген, кейбір мамандардың пікірінше, қателік деңгейі 10% құрайды, бірақ мұқият статистикалық үлгі алу әлі жүргізілмеген. Бұл Энн-Арбор, Милтон-Кейнс және Уолтон-Холл сияқты авторлардың үлкен академиялық еңбектерімен байланысты. ҒЦИ таза бағдарламалық әдістер арқылы автоматты цитаталық индекстеуді құруға уәде береді. Ескі жазбаларда да қателік деңгейі осындай.

In a 1965 paper, Derek J. de Solla Price described the inherent linking characteristic of the SCI as "Networks of Scientific Papers". in 1972. With the advent of the CD ROM edition, linking became even easier and enabled the use of bibliographic coupling for finding related records. In 1973, Henry Small published his classic work on Co Citation analysis which became a self organizing classification system that led to document clustering experiments and eventually an "Atlas of Science" later called "Research Reviews". The inherent topological and graphical nature of the worldwide citation network which is an inherent property of the scientific literature was described by Ralph Garner (Drexel University) in 1965. The use of citation counts to rank journals was a technique used in the early part of the nineteenth century but the systematic ongoing measurement of these counts for scientific journals was initiated by Eugene Garfield at the Institute for Scientific Information who also pioneered the use of these counts to rank authors and papers. In a landmark paper of 1965 he and Irving Sher showed the correlation between citation frequency and eminence in demonstrating that Nobel Prize winners published five times the average number of papers while their work was cited 30 to 50 times the average. In a long series of essays on the Nobel and other prizes Garfield reported this phenomenon. The usual summary measure is known as impact factor, the number of citations to a journal for the previous two years, divided by the number of articles published in those years. It is widely used, both for appropriate and inappropriate purposes—in particular, the use of this measure alone for ranking authors and papers is therefore quite controversial. In an early study in 1964 of the use of Citation Analysis in writing the history of DNA, Garfield and Sher demonstrated the potential for generating historiographs, topological maps of the most important steps in the history of scientific topics. This work was later automated by E. Garfield, A. I. Pudovkin of the Institute of Marine Biology, Russian Academy of Sciences and V. S. Istomin of Center for Teaching, Learning, and Technology, Washington State University and led to the creation of the HistCite software around 2002. Automatic citation indexing was introduced in 1998 by Lee Giles, Steve Lawrence and Kurt Bollacker and enabled automatic algorithmic extraction and grouping of citations for any digital academic and scientific document. Where previous citation extraction was a manual process, citation measures could now scale up and be computed for any scholarly and scientific field and document venue, not just those selected by organizations such as ISI. This led to the creation of new systems for public and automated citation indexing, the first being CiteSeer (now CiteSeerX, soon followed by Cora, which focused primarily on the field of computer science and information science. These were later followed by large scale academic domain citation systems such as the Google Scholar and Microsoft Academic. Such autonomous citation indexing is not yet perfect in citation extraction or citation clustering with an error rate estimated by some at 10% though a careful statistical sampling has yet to be done. This has resulted in such authors as Ann Arbor, Milton Keynes, and Walton Hall being credited with extensive academic output. SCI claims to create automatic citation indexing through purely programmatic methods. Even the older records have a similar magnitude of error.

Құқықтық құжаттардағы цитаталарды талдау

Құқықтық құжаттардағы цитата талдауы – бір құжаттың ішіндегі немесе әртүрлі құжаттар арасындағы өзара байланысты нормативтік сәйкестік құжаттарын түсіну және талдауды жеңілдетуге бағытталған әдіс. Бұл әдіс, ережелерді басқа ережелермен байланыстыратын цитаталарды зерттеу арқылы жүзеге асырылады. Цитация талдауы нормативтік құжаттан алынған цитата графигін пайдаланады, бұл үлкен деректерді талдаудағы технологиялық инновацияларды қолданатын электрондық ашу процесін толықтыруға мүмкіндік береді.

Даулар

Электрондық ресурстардың (электрондық ресурстар) қолжетімділігінің беспрецедентті өсуіне байланысты, қазіргі таңда зерттеліп жатқан мәселелердің бірі – «Менің саламыда электрондық ресурстар қаншалықты жиі сілтемеленеді?» Мысалы, компьютерлік ғылым әдебиетіне онлайн қолжетімділік жоғары цитата деңгейіне алып келеді деген пікірлер бар, бірақ гуманитарлық мақалалар баспа түрінде жарияланбаса, кем нұсқауларға ие болуы мүмкін. Өзін-өзі сілтемелеу: Авторлар жүйемен күресіп, өздерін шамадан тыс сілтемелеу арқылы цитаталарды жинақтап алады деп сынға ұшырады. Мысалы, ер адамдар әйелдерге қарағанда өздерін жиірек сілтемелейтіні анықталды. Сілтемелердің бұзылуы: кері тартылған зерттеулердің немесе жалған зерттеулердің заңды зерттеулерде сілтемеленуі, бірақ зерттеудің дұрыстығына теріс әсер етуі. Бұл баспаға ұмтылыс сияқты әртүрлі факторларға және «хищті» немесе адас шақырушы баспагерлерге байланысты ұятсыз коммерциялық тәжірибелердің аласапыранға ұшуына байланысты, зерттеу сапасы, жалпы алғанда, түрлі қауіптерге тап болады. Сілтемелердегі әділдік және пікірқайшылық: Басқалардың жарияланымдарына сілтеме жасау түпкілікті автордың мансаптық мүмкіндіктеріне көмектеседі және кейбір салалардағы маңызды еңбектерді ерлер, ересек ғалымдар және ақ нәсілді адамдар жариялағандықтан, әлеуметтік әділдікті қолдау мақсатында маргиналды топтардан шыққан адамдардың жарияланымдарын әдейілеп сілтемелеу немесе жариялану алдында сілтемелерді пікірқайшылыққа тексеру туралы шақырулар жасалды.