[论文解读] Can Scientific Journals be Classified in terms of Aggregated Journal-Journal Citation Relations using the Journal Citation Reports?

Loet Leydesdorff|ArXiv.org|Nov 17, 2009

scientometrics and bibliometrics research参考文献 31被引用 4

一句话总结

本文研究了是否可以利用《期刊引用报告》（JCR）中汇总的期刊-期刊引用关系对科学期刊进行分类。通过将主成分分析（PCA）应用于引用矩阵，该研究得出反映期刊在潜在引用维度中位置的因子得分，表明基于PCA的分类能够揭示结构模式——尤其在生物化学期刊中表现明显——但旋转操作引入了模型依赖性，限制了分类的明确性。

ABSTRACT

The aggregated citation relations among journals included in the Science Citation Index provide us with a huge matrix which can be analyzed in various ways. Using principal component analysis or factor analysis, the factor scores can be used as indicators of the position of the cited journals in the citing dimensions of the database. Unrotated factor scores are exact, and the extraction of principal components can be made stepwise since the principal components are independent. Rotation may be needed for the designation, but in the rotated solution a model is assumed. This assumption can be legitimated on pragmatic or theoretical grounds. Since the resulting outcomes remain sensitive to the assumptions in the model, an unambiguous classification is no longer possible in this case. However, the factor-analytic solutions allow us to test classifications against the structures contained in the database. This will be demonstrated for the delineation of a set of biochemistry journals.

研究动机与目标

• 探索是否可以基于《期刊引用报告》（JCR）中汇总的引用关系，对科学期刊进行系统性分类。
• 评估在大规模引用矩阵上使用主成分分析（PCA）和因子分析等多变量统计技术的可行性。
• 评估所得分类是否反映学术交流网络中的有意义结构模式。
• 测试在不同模型假设下（特别是因子分析中的旋转）分类结果的稳健性。
• 通过生物化学期刊的案例研究，展示该方法的适用性。

提出的方法

• 从科学引文索引（Science Citation Index）中的汇总期刊-期刊引用数据构建大型引用矩阵。
• 应用主成分分析（PCA）以提取代表潜在引用结构的正交维度。
• 使用未旋转的因子得分作为期刊在引用空间中位置的精确指标，利用主成分之间的独立性。
• 对因子解应用旋转以提高可解释性，尽管这会引入模型假设。
• 采用逐步提取主成分的方法，以确保各维度的稳定性和独立性。
• 通过与JCR数据库的实际结构进行比较，检验分类结果的有效性。

实验结果

研究问题

• RQ1 是否可以仅基于《期刊引用报告》（JCR）中汇总的引用关系，对科学期刊进行有意义的分类？
• RQ2 主成分分析结果在多大程度上揭示了期刊引用网络中的连贯结构模式？
• RQ3 模型假设（特别是因子分析中的旋转）如何影响期刊分类的可靠性和可解释性？
• RQ4 该PCA分类方法是否可通过对JCR数据库实际结构的对比来验证？
• RQ5 当通过旋转引入模型假设时，此类分类存在哪些局限性？

主要发现

• 主成分分析（PCA）成功地从期刊引用矩阵中提取出独立且可解释的维度，使期刊在引用空间中的位置得以定位。
• 未旋转的因子得分提供了无模型假设干扰的精确且稳定的期刊位置指标。
• 旋转虽增强了可解释性，但引入了模型依赖性，降低了分类的明确性。
• 该方法在生物化学期刊的案例研究中表现出结构一致性，揭示了有意义的引用模式。
• 分类结果对模型假设仍保持敏感，尤其在旋转解中，限制了明确的分类能力。
• 该方法允许将所提出的分类与JCR数据库中的经验数据结构进行测试和验证。