Bibliographic database analysis: citation graphs and indirect indicators

Abstract

Ένας μεγάλος αριθμός επιστημονικών δημοσιεύσεων γίνεται διαθέσιμος καθημερινά σε ακαδημαϊκούς και ερευνητές ανά τον κόσμο. Οι ερευνητές, συμμετέχουν σε αυτό το τόσο ενεργό επιστημονικό περιβάλλον όχι μόνο δημοσιεύοντας την προσωπική τους έρευνα, αλλά και αναζητώντας πληροφορίες και ερευνητικές πηγές που παρουσιάζουν την έρευνα άλλων διακεκριμένων επιστημόνων. Σε αυτήν ακριβώς την διαδικασία της αναζήτησης και διάχυσης της επιστημονικής πληροφορίας είναι που το πεδίο της Ανάλυσης βιβλιογραφικών αναφορών μπορεί να βοηθήσει σημαντικά το έργο των ερευνητών. Οι διάφορες τεχνικές, δείκτες και προσεγγίσεις που ορίζει, επιτρέπουν στους επιστήμονες/ερευνητές να εντοπίζουν δημοσιεύσεις ιδιαίτερης σημασίας, να ακολουθούν το έργο άλλων διακεκριμένων επιστημόνων, ακόμα και να εντοπίζουν δημοσιεύσεις που έθεσαν τα θεμέλια για την ανάπτυξη νέων ερευνητικών περιοχών. Στην ψηφιακή εποχή που ζούμε αυτό σημαίνει ότι τα πανεπιστήμια καθώς και άλλοι φορείς που συμμετέχουν στη διαδικασία της δημοσίευσης της επιστημονικής έρευνας, χρειάζεται να αποθηκεύουν έναν μεγάλο όγκο δεδομένων σε βάσεις βιβλιογραφικών αναφορών. Τα δεδομένα που αποθηκεύονται σε αυτές τις βάσεις αφορούν τις δημοσιεύσεις αυτές καθεαυτές, τους συγγραφείς τους καθώς και τα περιοδικά/συνέδρια ή άλλους φορείς στους οποίους πραγματοποιήθηκαν αυτές οι δημοσιεύσεις. Κάποιες βάσεις βιβλιογραφικών αναφορών αποθηκεύουν τα δημοσιευμένα κείμενα και ευρετηριάζουν διάφορα πεδία συμπεριλαμβανομένων και των λέξεων κλειδιών που ορίζονται από τις δημοσιεύσεις, διευκολύνοντας με αυτόν τον τρόπο την αναζήτηση των δημοσιεύσεων. Ένα πρόσθετο χαρακτηριστικό των δημοσιεύσεων είναι ότι συνδέονται, εφόσον η τρέχουσα επιστημονική έρευνα βασίζεται σε προηγούμενη έρευνα που πραγματοποίησαν είτε οι ίδιοι οι συγγραφείς είτε άλλοι ερευνητές στο εν λόγω επιστημονικό πεδίο. Επομένως τα δεδομένα που αποθηκεύονται στις βάσεις βιβλιογραφικών αναφορών μπορούν να εκφραστούν με την μορφή Γράφων, οι οποίοι, όπως θα δούμε στη συνέχεια αυτής της διατριβής, εκφράζουν τις συνδέσεις ανάμεσα στις διάφορες επιστημονικές οντότητες (δημοσιεύσεις, συγγραφείς, περιοδικά). Η παρούσα διδακτορική διατριβή εξετάζει τις διάφορες επιστημονικές οντότητες που συμμετέχουν στην διαδικασία της δημοσίευσης μιας επιστημονικής έρευνας σε μια προσπάθεια να κατηγοριοποιήσει τους διάφορους δείκτες που ήδη χρησιμοποιούνται για τον εντοπισμό διακεκριμένων δημοσιεύσεων, συγγραφέων και περιοδικών. Στην συνέχεια εξετάζει τους Γράφους βιβλιογραφικών αναφορών καθώς και την χρήση τους στο πεδίο της Ανάλυσης βιβλιογραφικών αναφορών. Παρουσιάζει και εξετάζει σε βάθος την έννοια των Παράγωγων Γράφων καθώς και των αλγορίθμων που ορίζουν τα βήματα με τα οποία αυτοί οι γράφοι μπορούν να παρασκευαστούν ξεκινώντας από τις βασικές πληροφορίες που περιλαμβάνονται στον Γράφο Αναφορών-Δημοσιεύσεων. Στην συνέχεια παρουσιάζονται οι διάφοροι τρόποι ορισμού των γενεών βιβλιογραφικών αναφορών, οι οποίοι αναλύονται λεπτομερώς προκειμένου να καταλήξουμε στον προτεινόμενο ορισμό. Τέλος, με βάση τον επιλεγμένο ορισμό, ορίζουμε τους προτεινόμενους βιβλιογραφικούς δείκτες για την αξιολόγηση δημοσιεύσεων και συγγραφέων, οι οποίοι εν συνεχεία συγκρίνονται με άλλους, υπάρχοντες δείκτες χρησιμοποιώντας τα δεδομένα από δύο γνωστές βιβλιογραφικές βάσεις δεδομένων, ονόματι CiteSeerx και DBLP.

Scientific publications with new advances in a vast number of scientific fields are being published and made available to researchers around the world daily. In such an active scientific environment it has become very important for researchers to not only be able to publish their work but to also understand and explore the research performed by other influential scientists. This process of discovery and dissemination of knowledge is one of the areas where Citation Analysis can be of great use. The different techniques, metrics and approaches defined by Citation Analysis allow scientists to identify publications of particular interest, follow the published research of influential scientists and even identify publications that have set the grounds for new research fields. In our digital era this means that institutions and publishing bodies have a need to store large sets of information in bibliographic databases. The databases hold information about the publications, their respected authors and publishing bodies. Some bibliographic databases also hold the actual published manuscripts and index the publications based on a number of different factors including the list of provided keywords. Publications are also connected, as they always rely to some extend on previously published research performed by the same or other researchers. Therefore the data stored in these bibliographic databases can be expressed in the form of Graphs, and as we will see later in this dissertation, these Citation graphs can express the relationships that are formed between the different research entities (i.e. publications, authors and publishing bodies). This dissertation examines the different research entities that participate in the publication process of scientific research in an attempt to classify the existing indicators used to identify influential publications, researchers and publishing bodies. It proceeds by examining the use of Citation Graphs in Citation Analysis and describes in detail the concept of Derived Graphs and the algorithms that can be used to produce them, which constitute part of the contribution of this study. We continue by studying the different definitions of generations of citation and critically evaluate them in order to select the definition that is later used in the set of proposed paper and author indicators. Finally a list of well known indicators is examined and compared against the proposed indicators using the data provided by two well known bibliographic databases, namely CiteSeerx and DBLP.