[論文レビュー] A two-sided academic landscape: portrait of highly-cited documents in Google Scholar (1950-2013)

Alberto Martín‐Martín, Enrique Orduña‐Malea+2 more|arXiv (Cornell University)|Jul 11, 2016

scientometrics and bibliometrics research参考文献 46被引用数 3

ひとこと要約

本研究は、1950年から2013年までのGoogleスカラーにおける年間トップ1,000件の引用回数を記録した文書を分析し、その種別、言語、利用可能性、バージョンを特定した。高引用文書は主に英語の学術雑誌論文および書籍であり、オンラインPDFでの利用可能性が高く、伝統的なデータベースよりも非雑誌資料を広くカバーするGoogleスカラーの特性により、学術的文脈をより包括的に捉えていることが明らかになった。

ABSTRACT

The main objective of this paper is to identify the set of highly-cited documents in Google Scholar and to define their core characteristics (document types, language, free availability, source providers, and number of versions), under the hypothesis that the wide coverage of this search engine may provide a different portrait about this document set respect to that offered by the traditional bibliographic databases. To do this, a query per year was carried out from 1950 to 2013 identifying the top 1,000 documents retrieved from Google Scholar and obtaining a final sample of 64,000 documents, of which 40% provided a free full-text link. The results obtained show that the average highly-cited document is a journal article or a book (62% of the top 1% most cited documents of the sample), written in English (92.5% of all documents) and available online in PDF format (86.0% of all documents). Yet, the existence of errors especially when detecting duplicates and linking cites properly must be pointed out. The fact of managing with highly cited papers, however, minimizes the effects of these limitations. Given the high presence of books, and to a lesser extend of other document types (such as proceedings or reports), the research concludes that Google Scholar data offer an original and different vision of the most influential academic documents (measured from the perspective of their citation count), a set composed not only by strictly scientific material (journal articles) but academic in its broad sense

研究の動機と目的

• Googleスカラーにおける64年間にわたる高引用文書のセットを特定・特徴づけること。
• 伝統的な文献データベースにおける高引用文書の構成と比較すること。
• 書籍、会議 proceedings、報告書などの非雑誌文書種別が学術的影響に果たす役割を評価すること。
• 特に無料PDFを含む全文バージョンの利用可能性とアクセス可能性を評価すること。
• 重複検出や引用リンクの誤りといったインデクシングの制限が、高引用文書の分析に与える影響を検証すること。

提案手法

• 1950年から2013年までの毎年、Googleスカラーで上位1,000件の引用回数を記録した文書を抽出するクエリを実施した。
• 重複除去および品質フィルタリングを経て、最終的なデータセットは64,000件の固有文書で構成された。
• 文書の特徴として、種別（例：学術雑誌論文、書籍、会議論文）、言語、無料全文リンクの有無、出典元プロバイダー、バージョン数を抽出した。
• 文書種別の分布、言語の頻度、デジタル利用可能性の分析に統計的手法を適用した。
• Googleスカラーの引用インデクシングの信頼性を評価するため、重複検出および引用リンクの正確性を検証した。
• 研究結果を伝統的な文献データベースと比較し、高引用文書の表現における差異を明らかにした。

実験結果

リサーチクエスチョン

• RQ1 Googleスカラーにおける高引用文書の主な種別は、伝統的なデータベースと比較してどのように異なるか？
• RQ2 Googleスカラーにおける最も引用回数の多い文書の言語的・形式的分布（例：英語、PDF）はどのようになっているか？
• RQ3 Googleスカラーにおける高引用文書のうち、無料全文バージョンがどれほど広く利用可能になっているか？
• RQ4 書籍や報告書などの非雑誌文書が、引用回数という指標に基づく学術的影響にどれほど貢献しているか？
• RQ5 Googleスカラーにおけるインデクシングの誤り（例：重複検出、引用リンクの誤り）が、高引用文書の特定の信頼性に与える影響はどの程度か？

主な発見

• サンプル内の上位1％の高引用文書の62％が学術雑誌論文または書籍であり、学術的影響においてその優位性が顕著に表れている。
• すべての高引用文書の92.5％が英語で発行されており、高影響力の学術的業績における言語的優位性が強調される。
• 86.0％の文書がPDF形式で提供されており、Googleスカラーによるデジタルアクセス性の高さが裏付けられている。
• サンプルに含まれる64,000件の文書の40％が無料全文リンクを提供しており、顕著なオープンアクセスの可用性が示された。
• 書籍やその他の非雑誌文書種別（例：会議 proceedings、技術報告書）は、伝統的な引用データベースと比較して著しく過剰に代表されている。
• 重複検出や引用リンクの誤りといったインデクシングの誤りが存在するが、文書の引用回数が非常に高いことから、これらの制限が全体の分析結果に与える影響は限定的であった。