科学中的卓越网络：基于贝叶斯多层逻辑回归(BMLR)用于识别成功合作机构的Web应用
数字图书馆
2016-01-13 v4 物理与社会
应用统计
摘要
在本研究中，我们展示了一个可通过 www.excellence-networks.net 访问的应用，它代表了全球科学机构的网络。该应用基于2007年至2011年间发表的论文（文章、综述和会议论文）。它使用（网络）数据，即 SCImago 机构排名所基于的数据（来自 Elsevier 的 Scopus 数据）。使用这些数据，通过统计模型（贝叶斯多层逻辑回归，BMLR）为若干 Scopus 学科领域估计了机构网络。在单一学科领域内，我们调查并可视化了一个机构（参考机构）总体上合作的成功程度（与该学科领域中所有其他机构相比），以及参考机构与哪些其他机构（网络机构）合作尤其成功。统计估计的“最佳论文率”被用作评估机构合作成功的指标。这给出了机构高被引论文的比例，通常被视为文献计量学中衡量影响力的指标。
引用
@article{arxiv.1508.03950,
title = {Excellence networks in science: A Web-based application based on Bayesian multilevel logistic regression (BMLR) for the identification of institutions collaborating successfully},
author = {Lutz Bornmann and Moritz Stefaner and Felix de Moya Anegon and Ruediger Mutz},
journal= {arXiv preprint arXiv:1508.03950},
year = {2016}
}
备注
accepted for publication in the Journal of Informetrics