[논문 리뷰] Tracing Digital Footprints to Academic Articles: An Investigation of PeerJ Publication Referral Data

Xianwen Wang, Shenmeng Xu외 1명|arXiv (Cornell University)|2016. 01. 20.

scientometrics and bibliometrics research참고 문헌 19인용 수 5

한 줄 요약

이 연구는 1,432편의 PeerJ 논문에 대한 340만 개의 추천 링크를 분석하여 사용자가 학술 자료로 이동하는 데에 사용하는 디지털 발자국을 맵핑한다. 연구 결과, 방문자의 57퍼센트 이상이 외부 소스에서 유입되며, 구글(구글 색인 포함)이 가장 큰 유입원인으로 나타났고, 그 다음으로 소셜 미디어(Facebook, 트위터, Reddit)와 뉴스/블로그가 이어졌으며, 유사 분야에서는 NCBI와 같은 학술 검색 엔진이 중요한 역할을 한다.

ABSTRACT

In this study, we propose a novel way to explore the patterns of people's visits to academic articles. About 3.4 million links to referral source of visitors of 1432 papers published in the journal of PeerJ are collected and analyzed. We find that at least 57% visits are from external referral sources, among which General Search Engine, Social Network, and News & Blog are the top three categories of referrals. Academic Resource, including academic search engines and academic publishers' sites, is the fourth largest category of referral sources. In addition, our results show that Google contributes significantly the most in directing people to scholarly articles. This encompasses the usage of Google the search engine, Google Scholar the academic search engine, and diverse specific country domains of them. Focusing on similar disciplines to PeerJ's publication scope, NCBI is the academic search engine on which people are the most frequently directed to PeerJ. Correlation analysis and regression analysis indicates that papers with more mentions are expected to have more visitors, and Facebook, Twitter and Reddit are the most commonly used social networking tools that refer people to PeerJ.

연구 동기 및 목표

• PeerJ의 학술 논문으로 유도하는 디지털 트래픽의 원천과 패턴을 이해하기 위해.
• 학술 콘텐츠 확산에 가장 영향력 있는 추천 채널을 특정하기 위해.
• 소셜 미디어, 검색 엔진, 뉴스 플랫폼이 논문 접근을 어떻게 이끄는지 평가하기 위해.
• 논문 언급과 참여도가 논문의 가시성과 트래픽에 미치는 영향을 평가하기 위해.

제안 방법

• 1,432편의 PeerJ 게재 논문에서 유도된 340만 개의 추천 링크 수집.
• 추천 소스를 일반 검색 엔진, 소셜 네트워크, 뉴스 & 블로그, 학술 자원, 기타로 분류.
• 카테고리 간 추천 수와 분포에 대한 정량적 분석.
• 언급 수와 방문자 수 간의 상관관계 및 회귀 분석.
• 검색 엔진 트래픽의 기준으로서 구글과 구글 색인의 사용.
• NCBI를 기준 학술 검색 엔진으로 삼아 유사 분야의 추천 패턴과 비교.

실험 결과

연구 질문

• RQ1 PeerJ 논문에 대한 방문자의 어느 정도 비율이 외부 추천 소스에서 유입되는가?
• RQ2 소셜 미디어, 검색 엔진, 뉴스 등과 같은 추천 카테고리 중에서 트래픽을 이끄는 데 가장 중요한 것은 무엇인가?
• RQ3 구글, 페이스북, 트위터, 레딧과 같은 주요 플랫폼이 논문 추천에 어떻게 기여하는가?
• RQ4 소셜 미디어나 뉴스 플랫폼에서의 언급이 논문 방문자 수 증가와 어느 정도 상관관계가 있는가?
• RQ5 상업용 검색 엔진에 비해 NCBI와 같은 학술 검색 엔진이 PeerJ로의 트래픽을 얼마나 이끌고 있는가?

주요 결과

• PeerJ 논문에 대한 방문자 중 최소 57퍼센트는 외부 추천 소스에서 유입된다.
• 일반 검색 엔진, 특히 구글과 구글 색인이 가장 큰 추천 소스로, 트래픽의 가장 큰 비중을 차지한다.
• 페이스북, 트위터, 레딧과 같은 소셜 네트워크는 두 번째로 흔한 추천 카테고리이며, 논문 트래픽과 강한 상관관계를 보인다.
• 뉴스 및 블로그가 세 번째로 큰 추천 소스로 기록되었으며, 이는 미디어 커버리지가 논문 발견에 측정 가능한 역할을 한다는 것을 시사한다.
• 학술 검색 엔진은 네 번째로 큰 추천 소스로 평가되었으며, 유사 분야에서는 NCBI가 가장 두드러진 플랫폼이다.
• 다양한 플랫폼에서 더 많은 언급을 받은 논문은 통계적으로 더 많은 방문자 수를 확보할 가능성이 높으며, 이는 회귀 분석으로 확인되었다.