利用 Dimensions on Google BigQuery 在数秒内生成科研全景大规模网络分析
数字图书馆
2023-01-26 v1 物理与社会
摘要
大型、可程序化访问的文献计量数据库的增长为出版物元数据的复杂分析带来了新机遇。除提供有关作者和机构的丰富信息外，诸如 Dimensions 提供的此类数据库还提供概念信息以及与资助、资助者和专利等实体的链接。然而，数据并非评估学术工作模式的唯一挑战：这些大型数据集可能难以集成，尤其对于不熟悉容纳此类异构信息所需复杂模式的人而言，且最熟悉数据挖掘的人可能在数据可视化方面经验不足。在此，我们提出一个开源 Python 库，可简化访问和绘制 Dimensions on Google BigQuery 数据库子集的过程，并在免费的 Dimensions COVID-19 数据集上演示其用法。我们乐观地认为，该工具将通过简化原本多个复杂技术任务来扩大对此宝贵信息的访问，使更多研究者能够考察研究重点与合作的随时间演变模式。
引用
@article{arxiv.2301.10736,
title = {Generating large-scale network analyses of scientific landscapes in seconds using Dimensions on Google BigQuery},
author = {Michele Pasin and Richard Abdill},
journal= {arXiv preprint arXiv:2301.10736},
year = {2023}
}
备注
International Conference on Science, Technology and Innovation Indicators (STI 2022) Granada September 2022