Resumen
Los indicadores de citación pueden medir el impacto o la utilidad de resultados de investigación de un artículo científico, sin embargo, este uso puede ser controversial. Factores intrínsecos y extrínsecos influencian la citación de un artículo, sin mencionar que el comportamiento en las citaciones puede variar entre áreas temáticas, lo cual dificulta las comparaciones entre artículos y disciplinas. Entender que el contexto puede afectar un análisis de citas es esencial para interpretar adecuadamente los indicadores. Por esta razón, buscan reconocerse los factores que inciden en la citación de los artículos de las revistas biomédicas colombianas indexadas en Scopus a través del uso de algoritmos de Machine Learning. Con los algoritmos ‘Gradient Boosting Classifier’ y ‘Light Gradient Boosting Machine’ identificamos características de importancia como el índice h del primer y el último autor, acceso abierto, número de autores, palabras clave del artículo, además del número de páginas. Estas características fueron relevantes para el área de interés y pueden brindar un contexto para futuros análisis, considerando que lo relevante de un artículo no debería ser cuántas citaciones atrae, sino si este ayuda a llenar vacíos en el conocimiento.
Citas
Aksnes, Dag, Liv Langfeldt y Paul Wouters. 2019. “Citations, Citation Indicators, and Research Quality: An Overview of Basic Concepts and Theories”. SAGE Open 9 (1): 1-17. https://doi.org/10.1177/2158244019829575
Alohali, Yousef, Mahmoud Samir Fayed, Tamer Mesallam, Yassin Abdelsamad, Fida Almuhawas y Abdulrahman Hagr. 2022. “A Machine Learning Model to Predict Citation Counts of Scientific Papers in Otology Field”. BioMed Research International 2022: 1-12. https://doi.org/10.1155/2022/2239152
Anderson, Caleb, Kenneth Nugent y Christopher Peterson. 2021. “Academic Journal Retractions and the COVID-19 Pandemic”. Journal of Primary Care & Community Health 12: 1-6 https://doi.org/10.1177/21501327211015592
Aphinyanaphongs, Yindalon, Alexander Statnikov y Constantin Aliferis. 2006. “A Comparison of Citation Metrics to Machine Learning Filters for the Identification of High Quality MEDLINE Documents”. Journal of the American Medical Informatics Association 13 (4): 446-55. https://doi.org/10.1197/jamia.M2031
Arrizabalaga, Olatz, David Otaegui, Itziar Vergara, Julio Arrizabalaga y Eva Méndez. 2020. “Open Access of COVID-19-Related Publications in the First Quarter of 2020: A Preliminary Study Based in PubMed”. F1000Research 9 (649): 1-34. https://doi.org/10.12688/f1000research.24136.2
Basson, Isabel, Jaco Blanckenberg y Heidi Prozesky. 2021. “Do Open Access Journal Articles Experience a Citation Advantage? Results and Methodological Reflections of an Application of Multiple Measures to an Analysis by WoS Subject Areas”. Scientometrics 126 (1): 459-84. https://doi.org/10.1007/s11192-020-03734-9
Bordons, María, Javier Aparicio y Rodrigo Costas. 2013. “Heterogeneity of Collaboration and Its Relationship with Research Impact in a Biomedical Field.” Scientometrics 96 (2): 443-66. https://doi.org/10.1007/s11192-012-0890-7
Cáceres Castellanos, Gustavo. 2014. “La Importancia de publicar los resultados de investigación”. Revista Facultad de Ingeniería 23 (37): 7-8. https://www.redalyc.org/articulo.oa?id=413937008001
Crespo, Juan, Yungrong Li y Javier Ruiz-Castillo. 2012. “Differences in Citation Impact across Scientific Fields”. Working Papers Economic Series 12 (6): 1-32. https://e-archivo.uc3m.es/bitstream/handle/10016/14771/we1206.pdf?sequence=1
Crespo, Juan, Yungrong Li y Javier Ruiz-Castillo. 2013. “The Measurement of the Effect on Citation Inequality of Differences in Citation Practices across Scientific Fields”. PLOS ONE 8 (3): 1-9. https://doi.org/10.1371/journal.pone.0058727
Cronin, Blaise, y Lokman Meho. 2006. “Using the H-index to Rank Influential Information Scientists”. Journal of the American Society for Information Science and Technolog y 57 (9): 1275-78. https://doi.org/10.1002/asi.20354
Datos Abiertos Colombia. 2022. “Revistas Indexadas, Índice Nacional Publindex 2017 - 2022”. Ciencia, Tecnología e Innovación. 28 de noviembre de 2022. https://www.datos.gov.co/Ciencia-Tecnolog-a-e-Innovaci-n/Revistas-Indexadas-ndice-Nacional-Publindex-2017-2/fsjb-9cah
Figg, William, Lara Dunn, David Liewehr, Seth Steinberg, Paul Thurman, Carl Barrett y Julian Birkinshaw. 2006. “Scientific Collaboration Results in Higher Citation Rates of Published Articles”. Pharmacotherapy: The Journal of Human Pharmacolog y and Drug Therapy 26 (6): 759-67. https://doi.org/10.1592/phco.26.6.759
Fu, Lawrence, y Constantin Aliferis. 2010. “Using Content-Based and Bibliometric Features for Machine Learning Models to Predict Citation Counts in the Biomedical Literature”. Scientometrics 85 (1): 257-70. https://doi.org/10.1007/s11192-010-0160-5
Grover, Varun, Roopa Raman y Adam Stubblefield. 2014. “What Affects Citation Counts in MIS Research Articles? An Empirical Investigation”. Communications of the Association for Information Systems 34: 1435-56. https://doi.org/10.17705/1CAIS.03474
Harzing, Anne-Wil. 2007. Publish or Perish. V. 8. Windows. https://harzing.com/resources/publish-or-perish
He, Zi-Lin. 2009. “International Collaboration Does Not Have Greater Epistemic Authority”. Journal of the American Society for Information Science and Technolog y 60 (10): 2151-64. https://doi.org/10.1002/asi.21150
Iqbal, Sehrish, Saeed-Ul Hassan, Naif Radi Aljohani, Salem Alelyani, Raheel Nawaz y Lutz Bornmann. 2021. “A Decade of In-Text Citation Analysis Based on Natural Language Processing and Machine Learning Techniques: An Overview of Empirical Studies”. Scientometrics 126: 6551-99. https://doi.org/10.1007/s11192-021-04055-1
Langham-Putrow, Allison, Caitlin Bakker y Amy Riegelman. 2021. “Is the Open Access Citation Advantage Real? A Systematic Review of the Citation of Open Access and Subscription-Based Articles”. PLOS ONE 16 (6): 1-20. https://doi.org/10.1371/journal.pone.0253129
Martínez-Plumed, Fernando, Lidia Contreras-Ochando, Cesar Ferri, José Hernández-Orallo, Meelis Kull, Nicolas Lachiche, María José Ramírez-Quintana y Peter Flach. 2021. “CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories”. IEEE Transactions on Knowledge and Data Engineering 33 (8): 3048-61. https://doi.org/10.1109/TKDE.2019.2962680
Martinovich, Viviana. 2020. “Indicadores de citación y relevancia científica: genealogía de una representación”. Dados. Revista de Ciências Sociais 63 (2): 2-29. https://doi.org/10.1590/001152582020218
Merton, Robert King. 1988. “The Matthew Effect in Science, II: Cumulative Advantage and the Symbolism of Intellectual Property”. Isis 79 (4): 606-23. https://www.jstor.org/stable/234750
Mingers, John, y Loet Leydesdorff. 2015. “A Review of Theory and Practice in Scientometrics.” European Journal of Operational Research 246 (1): 1-19. https://doi.org/10.1016/j.ejor.2015.04.002
Moez, Ali. 2020. PyCaret: An Open Source, Low-Code Machine Learning Library in Python. V. 1.0.0. https://www.pycaret.org
Navarrete, Luz, y Claudia Pérez. 2019. “Revistas biomédicas: desarrollo y evolución”. Revista Médica Clínica Las Condes 30 (3): 219-25. https://doi.org/10.1016/j.rmclc.2019.04.002
Onodera, Natsuo, y Fuyuki Yoshikane. 2015. “Factors Affecting Citation Rates of Research Articles”. Journal of the Association for Information Science and Technolog y 66 (4): 739-64. https://doi.org/10.1002/asi.23209
Pedregosa, Fabian, Gaël Varoquaux, Alexandre Gramfort, Vincent Michel, Bertrand Thirion, Olivier Grisel, Mathieu Blondel, Peter Prettenhofer, Ron Weiss y Vincent Dubourg. 2011. “Scikit-Learn: Machine Learning in Python”. The Journal of Machine Learning Research 12: 2825-30. https://www.jmlr.org/papers/volume12/pedregosa11a/pedregosa11a.pdf
Piwowar, Heather, Jason Priem, Vincent Larivière, Juan Pablo Alperin, Lisa Matthias, Bree Norlander, Ashley Farley, Jevin West y Stefanie Haustein. 2020. “The State of OA: A Large-Scale Analysis of the Prevalence and Impact of Open Access Articles”. PeerJ 6: 1-23. https://doi.org/10.7717/peerj.4375
Pradhan, Dinesh, Joyita Chakraborty y Subrata Nandi. 2019. “Applications of Machine Learning in Analysis of Citation Network”. En Proceedings of the ACM India Joint International Conference on Data Science and Management of Data, 330-33. https://doi.org/10.1145/3297001.3297053
Repiso, Rafael, Alicia Moreno-Delgado e Ignacio Aguaded. 2021. “Factors Affecting the Frequency of Citation of an Article”. Iberoamerican Journal of Science Measurement and Communication 1 (1): 1-6. https://doi.org/10.47909/ijsmc.08
Ronda-Pupo, Guillermo Armando, Nelson Fernández-Vergara, Rodrigo Alda-Varas, Fernando Aurelio Álvarez-Castillo, Carlos Molina y Walter Sergio Terrazas-Núñes. 2022. “Evaluación del desempeño investigativo del Sistema Universitario Chileno 2006-2020”. Investigación Bibliotecológica: archivonomía, bibliotecología e información 36 (91): 109-23. https://doi.org/10.22201/iibi.24488321xe.2022.91.58505
Rose, Michael, y John Kitchin. 2019. “Pybliometrics: Scriptable Bibliometrics Using a Python Interface to Scopus”. SoftwareX 10: 100263. https://doi.org/10.1016/j.softx.2019.100263
Stephan, Paula, Reinhilde Veugelers y Jian Wang. 2017. “Reviewers Are Blinkered by Bibliometrics”. Nature 544: 411-12. https://doi.org/10.1038/544411a
Su, Zhongqi. 2020. “Prediction of Future Citation Count with Machine Learning and Neural Network”. En 2020 Asia-Pacific Conference on Image Processing, Electronics and Computers (IPEC), 101-4. IEEE. https://doi.org/10.1109/IPEC49694.2020.9114959
The pandas development team. 2023. “pandas-dev/pandas: Pandas (v2.1.1)”. Zenodo, 20 de septiembre de 2023. https://doi.org/10.5281/zenodo.8364959
Los autores:
- Deben remitir a Investigación Bibliotecológica: archivonomía, bibliotecología e información la Carta de autorización para la publicación de artículos.
- pueden usar su obra para compartir con la comunidad científica en los ámbitos siguientes:
- Apoyo a la docencia.
- Realizar conferencias.
- Autoarchivo en repositorios académicos.
- Difundir en redes académicas.
- Difundir en blogs y sitios personales del autor.
Ello será posible siempre y cuando se respeten las condiciones de uso de los contenidos de la revista, según la licencia Creative Commons:Atribución – No comercial – Sin Derivar 4.0.
Política de autoarchivo
En el caso de la publicación de la obra como autoarchivo, los autores deben cumplir con los aspectos siguientes:
a) Reconocer el derecho de autor a la RIB.
b) Establecer un enlace con la versión original de la contribución a la página de la revista donde se encuentre el artículo.
c) Difundir la versión definitiva publicada en la revista.
Licencia de los contenidos
La revista Investigación Bibliotecológica: archivonomía, bibliotecología e información permite el acceso y uso de sus contenidos según la licencia Creative Commons: Atribución – No comercial – Sin Derivar 4.0.
Ello implica que los contenidos sólo pueden ser leídos y compartidos siempre que se reconozca y se cite la autoría de la obra. No se puede usar la obra para fines comerciales ni modificarla.
Deslinde de responsabilidades
La RIB no se hace responsable en caso de que el autor haya incurrido en fraude o plagio científico, tampoco de los criterios reflejados por los autores. De igual forma, no es responsable por los servicios ofrecidos por terceros a partir de los enlaces electrónicos disponibles en los artículos de los autores.
En apoyo a ello, la RIB pone a disposición las responsabilidades que el autor debe cumplir en el proceso de publicación en la revista Investigación Bibliotecológica: archivonomía, bibliotecología e información en el enlace siguiente: Responsabilidades del autor.
En caso de migrar los contenidos del sitio oficial de la RIB, con implicaciones de cambio de IP o dominio, el director o editor de la revista informará a los autores sobre ello.