بررسی دسته بندی های مجله های پایگاه هایWOS ، Scopus و Mathscinet تحت عنوان چارک ها (Richard & Sun)
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 297
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_LIRJ-12-2_007
تاریخ نمایه سازی: 22 آذر 1401
چکیده مقاله:
مقدمه: امروزه استناد نقش مهمی در اعتباردهی به مجلهها و ارزیابی عملکرد آنها دارد، هرقدر استناد به مجلهها توسط مقالهها بیشتر شود، اعتبار آنها افزایش خواهد یافت؛ لذا وجود شاخصی که کارایی بیشتری جهت ارزیابی اعتبار مجلهها داشته باشد، تبدیل به امری ضروری و مهم گردیده است. هدف این پژوهش تهیه روشهای جدید ارزیابی اعتبار مجلههای پایگاههای Scopus، WOS و Mathscinet است.روش شناسی: جهت دستیابی به این هدف، شیوه گردآوری دادهها به صورت استخراج دادههای ثبتی مبنا و رسمی در نظر گرفته شد و با مراجعه به سه پایگاه Scopus، WOS و Mathscinet فهرست مجلات به همراه شاخص رتبه بندی را استخراج نموده و با استفاده از دو روش پارامتری (مبتنی بر توزیع آماری) و ناپارامتری و شاخصهای امتیازدهی مختص هر پایگاه، چارکهای دسته بندی جهت اعتباردهی به مجلهها به دست آمد. با کمک روشهای پیشنهادی، مجلههای آمار و ریاضی بیشتر بررسی شدند.یافته ها: نتایج به دست آمده از این پژوهش نشان میدهد که میتوان با استفاده از روشهای پیشنهادی، مجله های موجود در هر پایگاه را، بهصورت دقیقتر و کاراتر، براساس اعتبار واقعی دسته بندی کرد.نتیجه گیری: روش پارامتری در مقایسه با روش دسته بندی موجود در پایگاه های سه گانه به صورت دقیق تری عمل می کند، زیرا در روش پارامتری به توزیع آماری شاخص رتبه بندی مجلات توجه می شود. لذا روش پارامتری علاوه بر دسته بندی دقیق تر مجلات براساس کیفیت، به پژوهشگران کمک میکند تا بتوانند به صورت صحیح تر، دقیق تر و کاراتر مجله موردنظر را با توجه به دسته کیفی آن انتخاب کنند. همچنین در این پژوهش تلاش شد نوعی دسته بندی برای مجلات ریاضی و آمار ارائه گردد.
کلیدواژه ها:
نویسندگان
مهدی جباری نوقابی
دانشیار گروه آمار، دانشگاه فردوسی مشهد، مشهد، ایران
سیدرضا علویان
کارشناس ارشد آمار اقتصادی و اجتماعی، دانشگاه فردوسی مشهد، مشهد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :