ESI数据库使用指南 根据南京师范大学图书馆相关课件改编

Presentation on theme: "ESI数据库使用指南 根据南京师范大学图书馆相关课件改编"— Presentation transcript:

1 ESI数据库使用指南 根据南京师范大学图书馆相关课件改编

2 提纲 ESI数据库主页面 Research Fronts了解研究前沿 Most Cited Papers高被引论文
Citation Rankings-浏览各种排名 Baselines为引文统计数据提供比较分析的依据

3 ESI数据库主页面

4 Research Fronts了解研究前沿

5 研究前沿分析 研究前沿是一组高被引论文，是通过聚类分析而定义的核心论文。
研究前沿采用独特的视角来审视学科领域：用以了解新的突破可能出现的领域以及科学家之间的非正式交流的关系 学科分类精确到学科或者期刊，而不是具体到单篇文章 通过测量高被引论文之间的相关度而形成聚类。测度的方式是一对被统计论文的共被引次数。聚类的形成是通过按照特定的共引基线将论文分组而定义的 聚类的命名基于半自动化的词频处理过程而形成。

6 通过共引链接标识研究前沿 1 2 3 citation citing paper co-cited papers
This is how we define co-citation between a pair of papers. An individual citation is not an isolated event, but is embedded in a list of other cited references. We can use this fact to analyze the pattern of what is cited jointly, that is, how often cited works co-occur. When this co-occurrence is frequent, the association of ideas it represents reflects a group consensus. This slide is a schematic representation of how two papers become highly co-cited starting with one co-citation and moving to three. co-cited papers

7 共引论文 co-citation citation 160 co-citations 374 citations 313 citations
0.47 =160/(313*374)^.5 Chen J, et al, Solution properties of single-walled Carbon nanotubes Science, 1998 Liu J, et al, Fullerene pipes Science,1998 As an example, consider two well known nanoscience papers, one by Liu et al from Smalley’s lab at Rice University and one by Chen et al from Haddon’s group at the University of Kentucky. Each is cited over 300 times, but they are co-cited 160 times indicating a strong association. This slide also shows the formula we use to normalize the co-citation relationship.

8 聚类的构成 attractive forces on A G A E A C C E D C F G E F A A F F F D D I
We can then use these patterns of association to perform a cluster analysis which is a process of aggregation of papers linked by co-citations. The cluster analysis gathers together the links that share common papers. For example, a link A-C is merged with a link C-E to form A-C-E and so on. Once the network of connected documents is formed, a map or visualization of each cluster can be created. Each co-citation link is modeled as an attractive force, and, in addition, there is a repulsive force among all objects. As an example, I have selected a large research front on carbon nanotubes from the 2003 period. Here we find the link between the Liu and Chen papers discussed previously. On the ESI web site we have an interview with Professor Richard Smalley of Rice University, the most cited author on this map. I I E C H H nanotube map ESI Interview with R. Smalley

9 按照学科浏览列表或者查找聚类中所涉及的词或词组

10 浏览核心论文每个聚类的引文统计信息 自体骨髓干细胞;冠状动脉内骨髓源性祖细胞，人类心脏干细胞，成年心脏干细胞，心肌干细胞

11 链接至相关研究的热点论文列表 点击超链接了解作者、机构、期刊排名情况 通过浏览图形了解引用趋势

12 打开Web of Science查看论文详细信息

13 核心论文年代趋势图

14 Most Cited Papers高被引论文

15 聚焦高被引论文 高被引文献 Highly Cited Papers: 列出在22个学科里被引次数最高的文献. 排序列表按照论文被引用次数的高低排在前 1% 的论文而给出 Hot Papers: 在最近两年里发表的论文中,按照最近两个月里某个学科领域中被引用次数进入前1 ‰ 的论文而给出

16 浏览十年以来高影响力的论文

17 按照学科领域查看高被引论文

18 生物与生化研究领域近十年进入全球前1%的高被引论文

19 生物与生化研究领域近两年的热点论文

20 善用Science Watch

21 Science Watch 每周跟踪免费网络资源中的热点、新涌现的论文和研究前沿，从而进行科学评价和分析
提供了选定研究领域的通讯快报、引文分析与注解信息 包括访谈、以第一人称撰写的评论，以及科学家、期刊、机构和国家/地区的概要信息 ……

22

23 Citation Rankings-浏览各种排名

24 Essential Science Indicators
4 种引文排序: 将近10年的记录按照总被引次数按照如下字段进行排序: Scientists (取排名前1%) Institutions (取排名前1%) Journals (取排名前50%) Countries/Territories (取排名前50%)

25 各学科进入全球排名前1%的机构 或各机构进入全球排名前1%的学科
中国科学院排名如何？

26 中国科学院进入全球排名前1%的学科

27 按照总被引频次排序，中国科学院在化学领域全球排名第1
可以按照篇均被引重新进行排序，此处略过

28 中国科学院的高影响力论文

29 中国科学院的高影响力论文

30 中国科学院的高影响力论文趋势图

31 中国科学院高影响力论文趋势图

32 分别查看某机构的热点论文和高被引论文

33 Baselines为引文统计数据提供比较分析的依据

34 Baselines提供3个比较分析的标尺

35 Baselines 衡量研究绩效的基准, 帮助理解引文统计的标尺
Average Citation Rates: 平均引文率按照10年间各年进行统计,表示各学科中每年发表论文的篇均被引次数. Percentiles: 每年发表的论文达到某个百分点基准应被引用的次数 Field Rankings: 显示某个学科中的论文总数和引文总数.

36 按照每一学科和年限比较引文平均数的大小

37 利用百分比了解一篇研究论文的被引情况在该学科中所处的位置

38 浏览学科排名可了解每个学科总体的统计数据和趋势

39 Thank You!