تحلیل ساختار موضوعی مقالات برتر پژوهشگران ایران
Publish place: Caspian Journal of Scientometrics، Vol: 8، Issue: 1
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 238
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CJS-8-1_010
تاریخ نمایه سازی: 18 آبان 1400
Abstract:
سابقه و هدف: بخشی از نظام سنجش توسعه یافتگی کشورهای جهان، به ارزیابی کیفیت بروندادهای علمی تعلق دارد. پژوهش حاضر با هدف تحلیل ساختار موضوعی مقالات برتر پژوهشگران ایران در پایگاه اطلاعاتی Web of Science (WoS) انجام شده است.
مواد و روش ها: مطالعه ی علم سنجی حاضر، از نوع توصیفی- کاربردی است که با استفاده از روش تحلیل شبکه اجتماعی انجام شده است. جامعه مورد مطالعه شامل تمامی مقالات برتر پژوهشگران ایرانی است که در پایگاه های اطلاعاتی WoS و ESI طی سال های ۲۰۱۹-۲۰۱۰ نمایه شده اند. داده ها با استفاده از نرم افزارهای Ravar Matrix و Ucinet تجزیه و تحلیل شدند.
یافته ها: تعداد کل مقالات برتر ایران معادل ۲۴۴۷ مقاله به دست آمد که از این تعداد، ۲۴۲۸ مورد در گروه مقالات پراستناد و ۱۱۴ مورد در گروه مقالات داغ، بین سال های ۲۰۱۰ تا ۲۰۱۹ منتشر شده اند. برترین رتبه های مرکزیت، به کلیدواژه «نانو سیال» با میزان مرکزیت نزدیکی ۵۳/۶۸۴، میزان مرکزیت بینابینی ۲۴/۲۹۳ و مرکزیت درجه ۳/۰۲۰ درصد، اختصاص پیدا کرد.
نتیجه گیری: مقالات برتر پژوهشگران ایرانی در ۱۴ خوشه موضوعی طبقه بندی می شود، به طوری که بیشترین تعداد این مقالات، در حوزه موضوعی «مهندسی» بوده و کلیدواژه «نانو» مهم ترین کلیدواژه موضوعی و شالوده اساسی این پژوهش ها محسوب می شود.
Keywords:
Authors
اسماعیل مصطفوی
Department of Knowledge and Information Science, Faculty of Social Sciences, Yazd University, Yazd, Iran
محمد توکلی زاده راوری
Department of Knowledge and Information Science, Faculty of Social Sciences, Yazd University, Yazd, Iran
مریم آژ
Department of Knowledge and Information Science, Faculty of Social Sciences, Yazd University, Yazd, Iran
سمیه دهقانی سانیج
Department of Medical Library and Information Sciences, Faculty of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :