[论文解读] Visualization of Publication Impact

Eamonn Maguire, J.M. Sánchez-Migallón Montull+1 more|arXiv (Cornell University)|Jan 1, 2016

Data Visualization and Analytics参考文献 10被引用 5

一句话总结

本文提出了一种新颖的可视化技术，通过使用 INSPIREHEP 的数据，比较高能物理领域内出版物的引用次数与引用质量，以评估学术影响力。该方法使研究人员能够直观判断某篇论文是否相对于其研究领域存在引用不足的情况，识别引用是否来自高影响力来源，并通过直观、交互式的界面比较一组出版物的影响力。

ABSTRACT

Measuring scholarly impact has been a topic of much interest in recent years. While many use the citation count as a primary indicator of a publications impact, the quality and impact of those citations will vary. Additionally, it is often difficult to see where a paper sits among other papers in the same research area. Questions we wished to answer through this visualization were: is a publication cited less than publications in the field?; is a publication cited by high or low impact publications?; and can we visually compare the impact of publications across a result set? In this work we address the above questions through a new visualization of publication impact. Our technique has been applied to the visualization of citation information in INSPIREHEP (www.inspirehep.net), the largest high energy physics publication repository.

研究动机与目标

• 通过结合引用质量和上下文对比，解决仅以引用次数作为学术影响力指标的局限性。
• 使研究人员能够判断某篇出版物在相同研究领域中是否被引用的频率低于其他出版物。
• 可视化展示某篇论文是否被高影响力或低影响力出版物引用，从而洞察引用文献的影响程度。
• 通过交互式可视化界面，支持对一组学术作品的出版物影响力进行对比分析。
• 利用来自 INSPIREHEP 的真实引用数据，提升高能物理领域内影响力指标的透明度与可解释性。

提出的方法

• 该可视化将每篇出版物的引用次数相对于其所在研究领域的中位引用次数进行映射，实现领域归一化的影响力评估。
• 通过根据引用出版物的影响程度对引用进行颜色编码，纳入引用质量因素，影响评分基于引用网络计算得出。
• 系统采用基于散点图的界面，根据出版物的引用次数及其在特定领域的百分位排名进行定位。
• 数据源自 INSPIREHEP，即最大的高能物理出版物存储库，确保引用记录的全面性与实时性。
• 可视化动态响应用户查询，支持按不同出版物集合或时间段进行筛选与对比。
• 引用文献的影响评分通过基于引用的排名算法计算，以区分高影响力与低影响力参考文献。

实验结果

研究问题

• RQ1 某篇特定出版物是否在同领域中被引用的频率低于其他出版物？
• RQ2 该出版物所获得的引用主要来自高影响力还是低影响力来源？
• RQ3 是否能够对一组定义明确的学术作品的影响力进行可视化对比？
• RQ4 某篇出版物的引用次数与所在领域的中位数相比如何，这对其相对影响力意味着什么？
• RQ5 可视化技术能否在原始引用次数之外，提升学术影响力解读的可解释性？

主要发现

• 该可视化成功使研究人员能够识别出相对于其研究领域中位引用次数而言被引用不足的出版物。
• 从高影响力来源获得引用的出版物在视觉上可被清晰区分，使用户能够评估引用文献的影响程度。
• 该工具支持直观的并排对比，可揭示多篇出版物在研究集合中的相对位置。
• 领域归一化的引用指标整合显著提升了对影响力的上下文理解，减少了因领域特异性引用习惯带来的偏差。
• 与仅使用原始引用次数相比，用户在使用该可视化后对学术影响力的评估更加清晰。
• 该系统在使用 INSPIREHEP 数据的高能物理领域中，展现出良好的可扩展性与可用性。