Метод ранжирования научных публикаций по степени их важности

Как известно, научные публикации играют большую роль в обмене информацией между учеными. Сегодня объемы научной информации в виде публикаций и исследовательских данных увеличиваются лавинообразно, чему способствуют технологический прогресс и активная цифровизация всех сфер деятельности. Поэтому исследователям нужны инструменты и методы, которые помогают эффективно отбирать, анализировать и систематизировать научную информацию. Одновременно возникает необходимость в разработке новых подходов к оценке степени важности научных публикаций.

Представлен подход к оценке научных публикаций, базирующийся на анализе сетей цитирования и позволяющий глубже и наглядней изучить взаимосвязи между публикациями и оценить степень их важности в рамках конкретной рассматриваемой тематики. Этот подход реализован на примере публикаций сотрудников Института информационных технологий и интеллектуальных систем Казанского (Приволжского) федерального университета и позволил получить ряд результатов, свидетельствующих о перспективах его использования. Результаты проведенных экспериментов получены на основе данных о цитировании, извлеченных из открытой базы научной литературы OpenAlex (https://openalex.org/).

1. Saleh M., Esa Y., Onuorah N., Mohamed A.A. Optimal microgrids placement in electric distribution systems using complex network framework // 2017 IEEE 6th Int. Conf. on Renewable Energy Research and Applications (ICRERA). San Diego, CA: IEEE, 2017. P. 1036–1040. https://doi.org/10.1109/ICRERA.2017.8191215.

2. Habibi I. Emamian E.S., Abdi A. Quantitative analysis of intracellular communication and signaling errors in signaling networks // BMC Syst. Biol. 2014. V. 8, No 1. Art. 89. https://doi.org/10.1186/s12918-014-0089-z.

3. Sindbæk S.M. Networks and nodal points: The emergence of towns in early Viking Age Scandinavia // Antiquity. 2007, V. 81, No 311. P. 119–132. https://doi.org/10.1017/S0003598X00094886.

4. Paradowski M.B., Cierpich-Koziel A., Chen C.-C., Ochab J.K. How output outweighs input and interlocutors matter for study-abroad SLA: Computational social network analysis of learner interactions // Mod. Lang. J. 2022. V. 106, No 4. P. 694–725. https://doi.org/10.1111/modl.12811.

5. Sunkersing D., Martin F.C., Sullivan P., Bell D. Care and support networks of community-dwelling frail individuals in North West London: A comparison of patient and healthcare workers’ perceptions // BMC Geriatr. 2022. V. 22, No 1. Art. 953. https://doi.org/10.1186/s12877-022-03561-y.

6. Paradowski M.B., Jeli´nska M. The predictors of L2 grit and their complex interactions in online foreign language learning: Motivation, self-directed learning, autonomy, curiosity, and language mindsets // Comput. Assisted Lang. Learn. 2023. V. 37, No 8. P. 2320–2358. https://doi.org/10.1080/09588221.2023.2192762.

7. Saberi M., Khosrowabadi R., Khatibi A., Misic B., Jafari G. Topological impact of negative links on the stability of resting-state brain network // Sci. Rep. 2021. V. 11, No 1. Art. 2176. https://doi.org/10.1038/s41598-021-81767-7.

8. Печников А.А. Пилотная модель сети научных журналов России: анализ на основе графа пересечений // Учен. зап. Казан. ун-та. Сер. Физ.-матем. науки. 2025. Т. 167, кн. 2. С. 311–328. https://doi.org/10.26907/2541-7746.2025.2.311-328.

9. Бредихин С.В., Ляпунов В.М., Щербакова Н.Г. Структура сети цитирования научных журналов // Пробл. информ. 2017. № 2. С. 38–52.

10. Gross P.L.K., Gross E.M. College libraries and chemical education // Science. 1927. V. 66, No 1713. P. 385–389. https://doi.org/10.1126/science.66.1713.385.

11. de Solla Price D.J. Networks of scientific papers: The pattern of bibliographic references indicates the nature of the scientific research front // Science. 1965. V. 149, No 3683. P. 510–515. https://doi.org/10.1126/science.149.3683.510.

12. Small H. Co-citation in the scientific literature: A new measure of the relationship between two documents // J. Am. Soc. Inf. Sci. 1973. V. 24, No 4. P. 265–269. https://doi.org/10.1002/asi.4630240406.

13. Маркусова В.А. Введение. К 50-летию Science Citation Index: История и развитие наукометрии // Руководство по наукометрии: индикаторы развития науки и технологии / М.А. Акоев [и др.]. Екатеринбург: Изд-во Уральск. ун-та, 2014. С. 14–48.

14. Luke D.A. A User’s Guide to Network Analysis in R. Ser.: Use R! Cham: Springer, 2015. xii, 238 р. https://doi.org/10.1007/978-3-319-23883-8.

15. Ольгина И.Г. Методы математического моделирования сетей цитирования для комплектования фонда научных библиотек // Вестн. технолог. ун-та. 2019. Т. 22, № 6. С. 123–127.

16. Щербакова Н.Г. Меры центральности в сетях // Пробл. информ. 2015. № 2. С. 18–30.

17. Бредихин С.В., Ляпунов В.М., Щербакова Н.Г., Юргенсон А.Н. Параметры «центральности» узлов сети цитирования научных статей // Пробл. информ. 2016. № 1. С. 39–57.

18. Щербакова Н.Г. Аксиоматика центральности в комплексных сетях // Пробл. информ. 2015. № 3. С. 3–14.

19. Ольгина И.Г., Пронин И.В., Абдрахманов А.Н. Построение графовых моделей сети цитирования научных публикаций // Сист. упр., информ. техн. и матем. моделир.: Матер. II Всеросс. науч.-практ. конф. с международн. участ. В 2-х т. Омск, 19–20 мая 2020 г. / Отв. редактор В.Н. Задорожный. Т. I. Омск: Омск. гос. техн. ун-т, 2020. С. 118–125.

20. Свидетельство о государственной регистрации программы для ЭВМ № 2020615709 Российская Федерация. Программный комплекс LinkAnalyzer 1.0 для сбора и анализа информации о цитировании научных публикаций: № 2020614572: заявл. 21.05.2020: опубл. (зарег.) 29.05.2020 / И.Г. Ольгина, А.Н. Абдрахманов; заявитель Омск. гос. техн. ун-т. 1 с.

21. Свидетельство о государственной регистрации программы для ЭВМ № 2021661693 Российская Федерация. Генератор списка источников информации в сетях цитирования: № 2021660969: заявл. 14.07.2021: опубл. (зарег.) 14.07.2021 / И.Г. Ольгина, Д.С. Осипов; заявитель Омск. гос. техн. ун-т. 1 с.

22. OpenAlex. URL: https://openalex.org/.

23. Электронный ресурс: OpenAlex. URL: https://library.fa.ru/resource.asp?id=931.

24. Институт информационных технологий и интеллектуальных систем. URL: https://kpfu.ru/itis.