وضعیت شاخص های علم سنجی مقالات استناد کننده به تولیدات علمی دانشگاه های علوم پزشکی تیپ یک ایران در پایگاه Web of Science طی سال های ۲۰۱۴-۲۰۱۰: یک مطالعه علم سنجی
محل انتشار: مجله مدیریت اطلاعات سلامت، دوره: 14، شماره: 4
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 248
فایل این مقاله در 7 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_HIM-14-4_008
تاریخ نمایه سازی: 11 شهریور 1402
چکیده مقاله:
مقدمه: استناد، از جمله اصول اساسی تالیفات پژوهشی به شمار می رود. از این رو، محققان و سازمان های متبوع آن ها همواره می کوشند تا به وسیله تمهیداتی، میزان جذب استناد آثار خود و از رهاورد آن نرخ استنادی خود را افزایش دهند. پژوهش حاضر با هدف ارزیابی کیفیت شاخص های علم سنجی مقالات محققان دانشگاه های علوم پزشکی تیپ یک کشور انجام شد.روش بررسی: این پژوهش از نوع توصیفی بود که با رویکرد علم سنجی صورت گرفت و در آن از روش سرشماری استفاده گردید. جامعه مورد بررسی شامل مجموعه مقالات استناد کننده به مقالات محققان دانشگاه های علوم پزشکی تیپ یک ایران در پایگاه Web of Science طی سال های ۲۰۱۰ تا ۲۰۱۴ بود. داده ها با استفاده از فراوانی، درصد و میانگین مورد تجزیه و تحلیل قرار گرفت.یافته ها: طی بازه زمانی سال های ۲۰۱۰ تا ۲۰۱۴، با گذشت زمان، میانگین سرعت استناد به مقالات افزایش یافت و با افزایش تعداد مقالات، میزان استناد به مقالات نیز رشد چشمگیری را نشان داد. هرچند میانگین استناد به ازای هر مقاله پایین بود، اما میزان خوداستنادی در حد قابل قبول بین ۱ تا ۳ درصد گزارش گردید.نتیجه گیری: نتایج مطالعه حاضر می تواند در جهت کاهش موانع عدم رویت پذیری و استناد که مهم ترین عوامل رشد شاخص های علم سنجی مقالات محققان تراز اول علوم پزشکی کشور است، مفید باشد.
کلیدواژه ها:
نویسندگان
محمدرضا علی بیک
مربی، کتابداری و اطلاع رسانی، گروه کتابداری و اطلاع رسانی، دانشکده مدیریت و اطلاع رسانی، دانشگاه علوم پزشکی ایران، تهران، ایران
محمد خراباتی نشین
دانشجوی کارشناسی ارشد، کتابداری و اطلاع رسانی پزشکی، گروه کتابداری و اطلاع رسانی پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، 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 :