تحلیل توییت مقاله‌های علمی در توییتر

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه علم اطلاعات و دانش‌شناسی، دانشگاه اصفهان

2 دانشجوی دکترای علم اطلاعات و دانش‌شناسی، دانشگاه الزهرا

3 دانشجوی کارشناسی ارشد علم اطلاعات و دانش‌شناسی، دانشگاه شهید بهشتی

چکیده

هدف: تحلیل حدود 45 میلیون توییت مقاله‌های علمی به‌عنوان نمونه‌ای از قابلیت‌های آلتمتریکس برای تحلیل کلان‌داده‌ها در محیط وب اجتماعی.
روش‌شناسی: با روش توصیفی و با استفاده از شاخص‌های آلتمتریک، تمامی 322,828,44 توییت و بازتوییت مربوط به بیش از 000,764,6 مقاله علمی ثبت‌شده تا زمان گردآوری داده‌ها در پایگاه آلتمتریک اکسپلورر مطالعه شد.
یافته‌ها: 8/78% به‌اشتراک‌گذاری برون‌دادهای علمی در رسانه‌های اجتماعی متعلق به توییتر بوده است. مطالعه زمانی توییت مقاله‌های علمی نشان داد روند به‌اشتراک‌گذاری مقاله‌های علمی در توییتر به‌میزان چشمگیری رو به افزایش بوده است. بیشترین تعداد توییت مقاله‌های علمی به‌ترتیب مربوط به کاربرانی از امریکا، انگلستان، و استرالیا بوده است. همچنین، برون‌دادهای پژوهشی منتشرشده در مجله‌های علوم پزشکی و علوم میان‌رشته‌ای به‌میزان گسترده‌تری توییت شده‌اند.
نتیجه‌گیری: توییتر مهم‌ترین رسانه اجتماعی است که پژوهشگران برای به‌اشتراک‌گذاری برون‌دادهای پژوهشی خود از آن در سطح بین‌المللی استفاده می‌کنند و قابلیت‌های فراوانی برای مطالعه اثرگذاری اجتماعی پژوهش دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Tweets of Scholarly Papers on Twitter

نویسندگان [English]

  • M.A. Erfanmanesh 1
  • E. Hosseini 2
  • S. Habibi 3
1 Assistant Professor, Knowledge & Information Science, University of Isfahan
2 PhD Student, Knowledge & Information Science, Alzahra University
3 MA Student, Knowledge & Information Science, Shahid Behehsti University
چکیده [English]

Purpose: A considerable amount of scholarly articles are disseminated on Twitter. The current research aims to analyze the dissemination of around 45 million tweets of scientific papers as a sample of altmetric capabilities in big data analysis on social web.
Methodology: The current study is an applied research in terms of objectives while it is a descriptive and survey in terms of data analysis and conducted using altmetric indicators. Research sample consisted of all 44,828,322 tweets and retweets of more than 676,400 papers obtained from Altmetric Explorer at the time of data collection in November 2017.
Findings: Results of the study revealed that %78.8 of all mentions of scientific papers in social web were on Twitter. Temporal investigation of tweets showed a considerable increase in the number of scientific papers which have been shared on Twitter during the time under consideration. The highest share of tweets and the most number of tweeters were found to be from the United States, The UK and Australia. Moreover, research output published in medical science as well as multidisciplinary sciences journals were tweeted more frequently than other research areas.
Conclusion: Twitter has been identified as the most important social media platform and altmetric source for sharing of research output. It has a large potential to measure the social impact of scientific output.

کلیدواژه‌ها [English]

  • Altmetrics
  • Twitter
  • Tweets
عرفان‌منش، محمدامین (1395). حضور مقاله‌های ایرانی علم اطلاعات و کتابداری در رسانه‌های اجتماعی: مطالعه آلتمتریک. پژوهشنامه پردازش و مدیریت اطلاعات، 32 (2)، 349-373.

Andersen, J. P., & Haustein, S. (2015). Influence of study type on Twitter activity for medical research papers. Retrieved November 1, 2017, from https://arxiv.org/ftp/arxiv/papers/1507/1507.00154.pdf
Bar-Ilan, J., Haustein, S., Peters, I., Priem, J., Shema, H., & Terliesner, J. (2012). Beyond citations: Scholars’ visibility on the social web. Retrieved November 1, 2017, from https://arxiv.org/ftp/arxiv/papers/1205/1205.5611.pdf
Barthel, S., Tonnies, S., Kohncke, B., Siehndel, P. & Balke, W.T. (2015). What does Twitter measure? Influence of diverse user groups in altmetrics. In Proceedings of the 15th ACM/IEEE-CE joint conference on digital libraries, June 21-25, (pp. 119–128). Retrieved November 2, 2017, from https://dl.acm.org/citation.cfm?id=2756406.2756913
Bik, H. M., & Goldstein, M. C. (2013). An introduction to social media for scientists. PLoS Biology, 11 (4), e1001535. Retrieved November 1, 2017, from https://doi.org/10.1371/journal.pbio.1001535
Bornmann, L. (2014). Validity of altmetrics data for measuring societal impact: A study using data from Altmetric and F1000Prime. Journal of Informetrics, 8 (4), 935-950.
Costas, R., Zahedi, Z., & Wouters, P. (2015). Do “altmetrics” correlate with citations? Extensive comparison of altmetric indicators with citations from a multidisciplinary perspective. Journal of the Association for Information Science & Technology, 66 (10), 2003-2019.
Darling, E. S., Shiffman, D., Côté, I. M., & Drew, J. A. (2013). The role of Twitter in the life cycle of a scientific publication. Retrieved November 1, 2017, from https://arxiv.org/ftp/arxiv/ papers/1305/1305.0435.pdf
Elagib, S. B., Najeeb, A. R., Hashim, A. H., & Olanrewaju, R. F. (2014). Big data analysis solutions using MapReduce framework. In International Conference on Computer and Communication Engineering (ICCCE), 23-25 September, (pp. 127-130). Retrieved November 3, 2017, from https://ieeexplore.ieee.org/document/7031617/
Erfanmanesh, M., & Alperin, J. P. (2017, September). Twitter Audiences Overlap in Informetrics Research. Paper presented at Altmetrics17. The dependencies of altmetrics, Toronto, Canada.
Eysenbach, G. (2011). Can tweets predict citations? Metrics of social impact based on Twitter and correlation with traditional metrics of scientific impact. Journal of Medical Internet Research, 13 (4), e123.
Hammarfelt, B. (2014). Using altmetrics for assessing research impact in the humanities. Scientometrics, 101 (2), 1419-1430.
Haustein, S., Bowman, T. D., Holmberg, K., Peters, I., & Larivière, V. (2014). Astrophysicists on Twitter: An in-depth analysis of tweeting and scientific publication behavior. Aslib Journal of Information Management, 66 (3), 279–296.
Haustein, S. & Costas, R. (2015). Determining Twitter audiences: Geolocation and number of followers. Retrieved November 1, 2017, from http://altmetrics.org/altmetrics15/haustein/
Holmberg, K. J. (2015). Altmetrics for information professionals: Past, present and future. Chandos Publishing. Retrieved November 5, 2017, from https://www.elsevier.com/books/altmetrics-for-information-professionals/holmberg/978-0-08-100273-5
Holmberg, K., & Thelwall, M. (2014). Disciplinary differences in Twitter scholarly communication. Scientometrics, 101 (2), 1027–1042.
Maleki, A. (2014). Twitter users in science tweets linking to articles: the case of web of science articles with Iranian authors. In SIGMET workshop METRICS 2014. Seattle, WA: American Society for Information Science and Technology. Retrieved September 17, 2018, from http://www.asis.org/SIG/SIGMET/data/uploads/sigmet2014/maleki.pdf
Ortega, J. L. (2016). To be or not to be on Twitter, and its relationship with the tweeting and citation of research papers. Scientometrics, 109 (2), 1353-1364.
Priem, J., Taraborelli, D., Groth, P., & Neylon, C. (2010). Altmetrics: a manifesto. Retrieved November 1, 2017, from http://altmetrics.org/manifesto/
Sagiroglu, S., & Sinanc, D. (2013). Big data: a review. In International Conference on Collaboration Technologies and Systems (CTS), May 20-24, (pp. 42-47). Retrieved November 3, 2017, from https://ieeexplore.ieee.org/document/6567202/
Sayce, D. (2016). Number of tweets per day? Retrieved November 1, 2017, from https://www.dsayce.com/social-media/tweets-day/
Tenopir, C., Volentine, R., & King, D. W. (2013). Social media and scholarly reading. Online Information Review, 37 (2), 193-216.
Thelwall, M., Haustein, S., Larivière, V., & Sugimoto, C. R. (2013). Do altmetrics work? Twitter and ten other social web services. PloS One, 8 (5), e64841.
Vainio, J., & Holmberg, K. (2017). Highly tweeted science articles: Who tweets them? An analysis of Twitter user profile descriptions. Scientometrics, 112 (1), 345-366.
Zahedi, Z., Costas, R., & Wouters, P. (2014). How well developed are altmetrics? A cross-disciplinary analysis of the presence of “alternative metrics” in scientific publications. Scientometrics, 101 (2), 1491-1513.
Zhang, J., Yang, X., & Appelbaum, D. (2015). Toward effective big data analysis in continuous auditing. Accounting Horizons, 29 (2), 469-476.