Применение метода «Exploratory Data Analysis» в библиометрии: на примере научных журналов из «Белого списка»
https://doi.org/10.33186/1027-3689-2025-11-182-202
Аннотация
Уровень научного журнала – ключевой показатель в современной национальной системе оценки результативности исследований. Категорирование научных журналов – одна из основных задач библиометрии, постоянный рост объёма данных об изданиях и публикациях требует эффективного анализа соответствия между декларируемыми и наблюдаемыми паттернами категорирования. Цель статьи заключается в апробации исследовательского анализа данных (Exploratory Data Analysis, EDA) для изучения распределения научных журналов по уровням в «Белом списке» и выявления статистических закономерностей, связывающих уровень издания с его индексацией в наукометрических базах данных (БД). Объект исследования – открытые данные о научных журналах из «Белого списка». В работе применён статистический подход к анализу данных об изданиях, реализованный в цифровой среде Google Colaboratory с использованием библиотек для EDA (Pandas, Matplotlib, Seaborn) на языке программирования Python. Результаты позволили провести количественный анализ соответствия эмпирических данных правилам категорирования изданий «Белого списка» и выявить различия в паттернах индексации журналов разных уровней. Практическая значимость заключается в интеграции цифровых технологий EDA в библиометрический инструментарий, что открывает возможности для верификации систем категорирования и развития методов библиометрии в условиях цифровизации науки.
Об авторе
Н. А. Моисеева
Омский государственный технический университет
Россия
Россия
Моисеева Наталья Александровна – канд. пед. наук, доцент кафедры «Прикладная математика и фундаментальная информатика»
Омск
Список литературы
1. Котляров И. Д. Проблемы функционирования российской системы научных публикаций и пути их решения // Образование и наука. Известия УрО РАО. 2011. № 1 (80). С. 92–101.
2. Сюнтюренко О. В., Гиляревский Р. С. Использование методов наукометрии и сопоставительного анализа данных для управления научными исследованиями по тематическим направлениям // Научно-техническая информация. Сер. 2. 2016. № 12. С. 1–12.
3. Медведева О. О., Дьяченко Е. Л. Белые списки журналов: международный опыт составления и роль в управлении наукой [Презентация]. 9-я Международная научнопрактическая конференция «Научное издание международного уровня: мировые тенденции и национальные приоритеты», г. Москва; 24–27 мая 2021 г. URL: https://rassep.ru/academy/biblioteka/106130/ (дата обращения: 11.11.2025).
4. Patwardhan B., Nagarkar Sh., Gadre Sh., Lakhotia S., Katoch V., Moher D. A Critical Analysis of the ‘UGC-Approved List of Journals’ // Current science. 2018; 114 (6): 1299–1303. DOI 10.18520/cs/v114/i06/1299-1303.
5. Singh J. Indian LIS Journal: Current Status and Scenario as seen through UGC CARE List in the year 2019-2020. 2023. DOI 10.1729/Journal.36020.
6. Кочетков Д. М. Белый список российских журналов: вопросы, ждущие ответа // Научный редактор и издатель. 2022. Т. 7, № 2. С. 185–190.
7. Горелкин В. А. Регламентация издания научных журналов в России: проблемы и предложения // Научный редактор и издатель. 2022. Т. 7, № S1. С. 6–15.
8. Полилова Т. А. Рейтинги библиографической базы и «белые списки» // Электронные библиотеки. 2022. Т. 25, № 6. С. 640–670.
9. «Белый список» журналов на веб-сайте Российского центра научной информации. URL: https://journalrank.rcsi.science/ru (дата обращения: 11.11.2025).
10. Скиен С. Наука о данных: учебный курс / пер. с англ. Санкт-Петербург : ООО «Диалектика», 2020. 544 с.
11. Дэви С. Основы Data Science и Big Data. Python и наука о данных. Санкт-Петербург : Питер, 2017. 336 с.
12. Баканова Н. Б. Анализ данных публикационной активности для исследования направлений научного сотрудничества организации // Научные и технические библиотеки. 2024. № 11. С. 31–47.
13. Баканова Н. Б. Многокритериальная оценка публикационной результативности научных подразделений организации // Искусственный интеллект и принятие решений. 2022. № 3. С. 88–95. DOI 10.14357/20718594220307.
14. Захарова С. С. Библиометрическая аналитика в результатах научных разработок // НТИ-2022. Научная информация в современном мире: глобальные вызовы и приоритеты экономики. Москва : Всероссийский институт научной и технической информации РАН, 2022. С. 430–433. DOI 10.36535/2022-9785945770829-74.
15. Pessin V., Vilker L., Yamane L., Siman R. Smart bibliometrics: an integrated method of science mapping and bibliometric analysis. Scientometrics. 2022. No. 127. DOI 10.1007/s11192-022-04406-6.
16. Maliha H. A Review on Bibliometric Application Software. Sci. Lett. 2023. No. 1. DOI 10.58968/sl.v1i1.458.
17. Moral-Muñoz J. A., Herrera-Viedma E., Santisteban-Espejo A., Cobo M. J. Software tools for conducting bibliometric analysis in science: An up-to-date review. El profesional de la información. 2020. v. 29, No. 1, e290103. DOI 10.3145/epi.2020.ene.03.
18. Pessin V., Vilker L., Yamane L., Siman R. Smart bibliometrics: an integrated method of science mapping and bibliometric analysis. Scientometrics. 2022. No. 127. DOI 10.1007/s11192-022-04406-6.
19. Tan C. N.-L., Fauzi M. The bibliometric overview of research on healthcare information systems using big data analytics. International Journal of Data Science and Big Data Analytics. 2023. No. 3. Pp. 45–57. DOI 10.51483/IJDSBDA.3.1.2023.45-57.
20. Rivest M., Vignola-Gagné E., Archambault É. Article-level classification of scientific publications: A comparison of deep learning, direct citation and bibliographic coupling. PLOS ONE. 2021. No. 16. e0251493. DOI 10.1371/journal.pone.0251493.
21. Rao A. S., Vardhan B. V., Shaik H. Role of Exploratory Data Analysis in Data Science. Proc. 6th Int. Conf. Commun. Electron. Syst. ICCES 2021. 2021. No. 7. Pp. 1457–1461. DOI 10.1109/ICCES51350.2021.9488986.
22. Практическая статистика для специалистов Data Science / пер. с англ. П. Брюс, Э. Брюс, П. Гедек. 2-е изд., перераб. и доп. Санкт-Петербург : БХВ-Петербург, 2021. 352 с.
23. МакКинни У. Python и анализ данных: Первичная обработка данных с применением Pandas, NumPy и Jupiter / пер. с англ. А. А. Слинкина. 3-е изд. Москва : МК Пресс, 2023. 536 с.
24. Simangunsong J., Simanjuntak M., Simanjuntak N. Mental disorder classification with exploratory data analysis (EDA). Journal of Intelligent Decision Support System (IDSS). 2024. No. 7. Pp. 210–217. DOI 10.35335/idss.v7i3.252.
25. Karunia R., Hidayati N. Analisis Data dan Visualisasi Pola Ancaman Siber Global (2015– 2024) menggunakan Exploratory Data Analysis (EDA). Dinamik. 2025. No. 30. Pp. 203–211. DOI: 10.35315/dinamik.v30i2.10136.
Рецензия
Для цитирования:
Моисеева Н.А. Применение метода «Exploratory Data Analysis» в библиометрии: на примере научных журналов из «Белого списка». Научные и технические библиотеки. 2025;1(11):182-202. https://doi.org/10.33186/1027-3689-2025-11-182-202
For citation:
Moiseeva N.A. Application of Exploratory Data Analysis in bibliometrics: A case study of scientific journals on the “White List”. Scientific and Technical Libraries. 2025;1(11):182-202. (In Russ.) https://doi.org/10.33186/1027-3689-2025-11-182-202
Просмотров:
19
Послать статью по эл. почте 