Главная Новости

Публикации Web of Science

Опубликовано: 22.04.2021

публикации Web of Science

Python и R давно стали стандартом для Data Science. Суть их противостояния в том, что оба языка прекрасно подходят для работы со статистикой. В то время как Python характеризуется понятным синтаксисом и большим количеством библиотек, язык R разрабатывался целенаправленно для специалистов по статистике, а посему оснащён качественной визуализацией данных, на сайте публикации Web of Science. Особняком стоит SQL — потому что, если данные уже лежат в таблицах, то это скорее везение, чем повод для расстройств, — и Scala — в основном благодаря тому, что на ней написан популярнейший фреймворк распределённой обработки данных Spark.

Чтобы провести первичный анализ данных и принять решение о дальнейшей судьбе фичи, достаточно средств одного только SQL и командной строки, ведь data science — это, в первую очередь, не про библиотеки с броскими названиями, а про подход. Тем не менее, такой минимализм имеет свой предел (а новичка вообще может отпугнуть), и в какой-то момент всё же придётся обратиться к более продвинутым инструментам исследования.

В этой статье мы вместе со SkillFactory разобрали для вас преимущества и недостатки R и Python в качестве первых языков в карьере data scientist’а. Разработчикам, желающим добавить строчку с полезным навыком в резюме, тоже будет интересно.

Источниками данных для исследований в области наукометрии в большинстве случаев служат индексы цитирования - базы данных, содержащие библиографическую информацию о научных публикациях и о цитировании публикаций. Попробуем сравнить два крупнейших международных индекса - Web of Science и Scopus, подробнее тут публикации Web of Science.  

Индексы цитирования можно разделить на три основные группы:

1. По конкретным областям знаний — тематические библиографические базы данных, например,  PubMed (биомедицина), Chemical Abstract Service (химия), DBLP (компьютерные науки), MathSciNet (математика) и множество других. Далеко не все тематические библиографические базы данных можно считать индексами цитирования — многие из них не содержат необходимых взаимосвязей между публикациями.

2. Национальные: политематические библиографические базы данных, с информацией о публикациях авторов из конкретных стран или ряда стран, обладающих исторически тесными научными связями. К этому типу индексов относятся Российский индекс научного цитирования (РИНЦ), Chinese Science Citation Index, Citation Database for Japanese Papers и другие.  

3. Политематические международные —  базы данных Web of Science и Scopus SciVerse. Первая была создана в 1961 году Юджином Гарфильдом в Институте научной информации США, а позднее приобретена корпорацией Thomson Reuters. В 2004 издательский дом Elsevier создает базу данных Scopus, тем самым нарушив монополию Web Of Science на этом рынке. Elsevier поставил перед собой задачу создать крупнейшую международную библиографическую базу данных научной информации. За восемь лет Scopus смог обогнать своего конкурента по количеству индексируемых научных журналов.

Как дополнение, в базе данных может быть также представлен и полный текст работы, но он не является обязательным для индексов цитирования.

На сегодняшний день в базе данных Scopus содержится информация из 31 234 рецензируемых научных журналов, в то время как в Web of Science — 19 538 (см. илл. вверху). Из этих двух массивов 15 189 журналов индексируются в обеих базах данных, что составляет примерно три четверти массива Web of Science и половину массива Scopus. Если же отобрать только журналы, имеющие статус “Активные” (т.е. журналы, которые на данный момент индексируются в базе, в отличие от журналов, имеющих статус “Неактивные”, которые индексировались когда-либо), то мы получим другую картину (рис. 2).

uk

Python і R давно стали стандартом для Data Science. Суть їх протистояння в тому, що обидві мови прекрасно підходять для роботи зі статистикою. У той час як Python характеризується зрозумілим синтаксисом і великою кількістю бібліотек, мова R розроблявся цілеспрямовано для фахівців за статистикою, а тому оснащений якісною візуалізацією даних, на сайті публікації Web of Science. Окремо стоїть SQL - тому що, якщо дані вже лежать в таблицях, то це швидше за везіння, ніж привід для розладів, - і Scala - в основному завдяки тому, що на ній написано популярний фреймворк розподіленої обробки даних Spark.

Щоб провести первинний аналіз даних і прийняти рішення про подальшу долю фичи, достатньо коштів одного тільки SQL і командного рядка, адже data science - це, в першу чергу, не про бібліотеки з помітними назвами, а про підхід. Проте, такий мінімалізм має свою межу (а новачка взагалі може відлякати), і в якийсь момент все ж таки доведеться звернутися до більш просунутим інструментів дослідження.

В цій статті ми разом зі SkillFactory розібрали для вас переваги і недоліки R і Python в якості перших мов в кар'єрі data scientist'а. Розробникам, які бажають додати рядок з корисним навичкою в резюме, теж буде цікаво.

Джерелами даних для досліджень в області наукометрии в більшості випадків служать індекси цитування - бази даних, що містять бібліографічну інформацію про наукові публікації і про цитування публікацій. Спробуємо порівняти два найбільших міжнародних індексу - Web of Science і Scopus, докладніше тут публікації Web of Science.

Індекси цитування можна розділити на три основні групи:

1. За конкретним галузям знань - тематичні бібліографічні бази даних, наприклад, PubMed (біомедицина), Chemical Abstract Service (хімія), DBLP (комп'ютерні науки), MathSciNet (математика) і безліч інших. Далеко не всі тематичні бібліографічні бази даних можна вважати індексами цитування - багато хто з них не містять необхідних взаємозв'язків між публікаціями.

2. Національні: політематичної бібліографічні бази даних, з інформацією про публікації авторів з конкретних країн або ряду країн, що володіють історично тісними науковими зв'язками. До цього типу індексів відносяться Російський індекс наукового цитування (РИНЦ), Chinese Science Citation Index, Citation Database for Japanese Papers та інші.

3. Політематичної міжнародні - бази даних Web of Science і Scopus SciVerse. Перша була створена в 1961 році Юджином Гарфільд в Інституті наукової інформації США, а пізніше придбана корпорацією Thomson Reuters. У 2004 видавничий дім Elsevier створює базу даних Scopus, тим самим порушивши монополію Web Of Science на цьому ринку. Elsevier поставив перед собою завдання створити найбільшу міжнародну бібліографічну базу даних наукової інформації. За вісім років Scopus зміг обігнати свого конкурента за кількістю індексованих наукових журналів.

Як доповнення, в базі даних може бути також представлений і повний текст роботи, але він не є обов'язковим для індексів цитування.

На сьогоднішній день в базі даних Scopus містить інформацію из 31 234 рецензованих наукових журналів, в той час як в Web of Science - 19 538 (див. Іл. Вгорі). З цих двох масивів 15 189 журналів індексуються в обох базах даних, що становить приблизно три чверті масиву Web of Science і половину масиву Scopus. Якщо ж відібрати тільки журнали, які мають статус "Активні" (тобто журнали, які на даний момент індексуються в базі, на відміну від журналів, що мають статус "Неактивні", які індексувалися коли-небудь), то ми отримаємо іншу картину ( рис. 2).

видео публикации Web of Science | видеo пyбликaции Web of Science



Kay Derdiyashenko
04.05.2021 в 05:01
В последнее время он активно участвует в формировании знаний, навыков и компетенций ученых во время тренингов по написанию статей или использованию инструментов, полезных в работе ученых.

Вы можете найти его на сайте: piotrsiuda.com, он является автором блога: piotrsiuda.pl.

Раздолянский Нурбол Витальевич
03.05.2021 в 11:01
Д-р Петр Сиуда - социолог, доцент кафедры социологии Университета Казимира Вельки в Быдгоще. С научной точки зрения он любит исследовать секреты новых форм участия в культуре, а также занимается методами исследования в социальных науках, медиаобразовании и социологии Интернета. Он уже написал несколько книг: «Религия и Интернет» (2010), Kultura prosumpcji (2012) или Japonalizacja (2014); Кроме того, он координировал ряд исследовательских проектов, финансируемых за счет грантов Министерства культуры и национального наследия.
Тамонькин Берик Сергеевич
02.05.2021 в 17:01
Публикация - и все чаще публикации в авторитетных, узнаваемых журналах и издательствах - становится или не становится исследователем. Написание научных статей требует решения многих задач. От выбора типа научной публикации и журнала, критериев рецензирования и адаптации к требованиям, до инструментов для улучшения статей - потому что они являются основным направлением публикации. Письмо и научное издательство очень редко преподают в колледжах - немногие счастливчики имеют возможность получить эти знания в своей среде. Эта книга предназначена для остальных.
Valyushka Metnova
01.05.2021 в 23:01
Авторы в доступной форме рассказывают, как писать научные статьи и другие академические работы и как их публиковать - в том числе в самых престижных журналах. Они проводят читателя на всех этапах создания текстов: от предложения темы научным журналам, через процесс написания, адаптации текста к редакционным требованиям, до написания связанных заметок. Они прекрасно понимают, что если мы хотим, чтобы наш текст был замечен и использовался, мы должны организовать нашу работу. Студенты и преподаватели изучают практическую сторону написания статей, полезные инструменты, типы научных текстов и способы их построения. Одна из глав посвящена написанию заявки на грант. Все это представлено авторами не только теоретически, но и на практике. Авторы предлагают множество упражнений, которые позволят читателю тренировать свои навыки.
Тан Виталиевна
01.05.2021 в 05:01
Что, как и зачем писать и публиковать? Как улучшить свои письменные навыки? Какие критерии обзора? Как заполнить заявку на грант? На эти и многие другие вопросы отвечают два ученых, практикующих в двух разных дисциплинах: д-р Петр Сиуда, социолог из Университета Казимира Вельки в Быдгоще, проводящий семинары по эффективному научному изданию, и д-р. Петр Васильчик с физического факультета Варшавского университета, автор популярной книги Научные доклады. Практическое руководство для студентов, аспирантов и не только (PWN, 2017).
Угга Салохина
30.04.2021 в 11:01
Чтобы сузить результаты, вы также можете ввести искомую фразу в кавычки - тогда поисковая система вернет один конкретный искомый объект.
Sino Romanovich, Нерехта (Россия)
29.04.2021 в 17:01
Чтобы отфильтровать результаты поиска, установите флажок рядом с вышеупомянутыми параметрами поиска, а затем нажмите кнопку ФИЛЬТР . Только вызов этой команды сузит результаты поиска в соответствии с выбранными фильтрами.

Все комментарии