[論文レビュー] A Reproducible Journal Classification and Global Map of Science Based on Aggregated Journal-Journal Citation Relations.

Loet Leydesdorff, Lutz Bornmann+1 more|arXiv (Cornell University)|Apr 10, 2016

Advanced Text Analysis Techniques被引用数 3

ひとこと要約

本稿は、サイエンス・キャイトエーション・インデックスおよびソーシャル・サイエンス・キャイトエーション・インデックスに収録された11,149冊の学術雑誌からの集約的ジャーナル・ジャーナル間被引用データに基づき、再現可能で主観的でないジャーナル分類システムを提案する。VOSviewerおよびPajekを用いて階層的で木構造的な分類を生成し、科学分野の安定的かつ再現可能な地図を九つの上位分野で得た。その中には、社会科学研究分野がLISおよびSTSに詳細に分解された形で含まれており、時間経過に伴う科学分野の客観的比較を可能にする。

ABSTRACT

A number of journal classification systems have been developed in bibliometrics since the launch of the Citation Indices by the Institute of Scientific Information (ISI) in the 1960s. The best known system is the so-called Web-of-Science Subject Categories (WCs). Each system has its own advantages and disadvantages. Using the Journal Citation Reports 2014 of the Science Citation Index and the Social Science Citation Index (n of journals = 11,149), we examine the options for developing an unambiguous classification of the journals into subject categories on the basis of aggregated journal-journal citation data. Combining routines in VOSviewer and Pajek, a tree-like classification is developed which can be reproduced unambiguously. At each level one can generate a map of science for all the journals subsumed under the category. Nine major fields are distinguished at the top level, with the social sciences as a single field (n of journals = 3,131). In this study, further decomposition of the social sciences is pursued for the sake of example with a focus on journals in information science (LIS) and science studies (STS). The classification improves alternative options by removing subjective judgement and avoiding the problem of randomness in the seed number that has made algorithmic solutions hitherto irreproducible. A non-subjective map and classification can provide a baseline for measuring the effectiveness of policy interventions. Maps can be compared between years, and change in the (social) sciences can be indicated.

研究の動機と目的

• 既存の方法がしばしば恣意的またはランダムな初期値依存の手法であることに起因する限界を克服するため、引用データに基づく再現可能で主観的でないジャーナル分類システムの開発。
• 集約的ジャーナル・ジャーナル間引用関係を用いて、安定的で階層的なジャーナルの分類を実現する。
• 再現可能で時間経過に伴って比較可能な科学のグローバルマップを生成し、政策効果の測定のための基準となる。
• 引用ベースのクラスタリングを用いて、社会科学研究分野をLISやSTSのような分野に分解可能であることを示す。
• ランダムな初期値選択による不確実性を回避するため、決定論的でデータ駆動のルーチンを用いることで、アルゴリズム的分類における主観的判断やランダム性を排除する。

提案手法

• サイエンス・キャイトエーション・インデックスおよびソーシャル・サイエンス・キャイトエーション・インデックスのジャーナル・キャイト・レポート2014から、11,149冊のジャーナルのジャーナル・ジャーナル間引用データを集約する。
• Pajekを用いてネットワーク解析技術を適用し、ジャーナル間の密集した引用クラスタを同定する。
• VOSviewerを用いて引用クラスタの階層的構造を可視化・精緻化し、木構造的な分類に変換する。
• ランダムな初期値選択を回避する決定論的クラスタリングルーチンを実装し、再現性を確保する。
• LISやSTSのようなサブフィールドを含む、九つの上位分野を持つ多段階分類を構築する。
• 各分類レベルで科学マップを生成し、科学的分野の構造を可視化する。

実験結果

リサーチクエスチョン

• RQ1 集約的ジャーナル・ジャーナル間引用データを用いて、再現可能で主観的でないジャーナル分類を構築できるか？
• RQ2 引用ベースのクラスタリングをどのように構造化すれば、主観的入力なしに安定的で階層的なジャーナル分類が得られるか？
• RQ3 社会科学研究分野をLISやSTSのようなサブフィールドに、引用データを用いて意味的に分解できる範囲はどの程度か？
• RQ4 この分類システムは、時間経過に伴う科学分野の変化を測定するための基準として機能できるか？
• RQ5 この手法は、初期値依存性によるランダム性に悩まされる既存のアルゴリズム的分類手法に比べて、どのように改善されるか？

主な発見

• 提案手法は、11,149冊のジャーナルを九つの主要分野に再現可能で決定論的に分類し、そのうちの一つが社会科学研究分野（3,131冊のジャーナル）を含む。
• 分類プロセスは、社会科学研究分野をLISやSTSのようなサブフィールドに成功裏に分解し、本手法の細分化能と適用可能性を示している。
• ランダムな初期値選択を回避することで、従来のアルゴリズム的分類手法に共通する再現不能性の問題を解消した。
• 得られた分類は、各階層的レベルで安定的かつ繰り返し可能な科学マップの生成を可能にし、縦断的比較を可能にする。
• 本手法は、科学分野の変化を評価する非主観的基準を提供し、時間経過に伴う政策効果の評価を可能にする。
• VOSviewerとPajekの統合により、強固なクラスタリングと明確な科学マップの可視化が実現された。