Разработка методики для выявления организаций – лидеров публикационной и патентной активности в России на основе данных Scopus, Web of Science и Derwent

Цель представленного в статье исследования состояла в обосновании методического подхода для выявления организаций – лидеров публикационной и патентной активности на основе первичных машиночитаемых в формате XML данных Scopus, Web of Science и Derwent. В основу положен метод фракционного счёта, т.е. определение веса организации по числу научных статей или выданных патентов пропорционально числу аффилиаций, указанных в них. Методология рейтингования организаций основывалась на опыте построения Лейденского рейтинга (в части применения метода фракционного счёта) и рейтинга Academic Ranking of World Universities (в части расчёта взвешенного показателя на одного исследователя, выбора способа нормирования показателей). Подчёркнуто, что принципиальное отличие предложенной в статье методологии рейтингования организаций от существующих методик состоит в расчёте интегрального показателя по сопоставимым библиометрическим параметрам Scopus и Web of Science. Кроме того, предложен способ построения рейтинга организаций по среднему числу выданных патентов по данным Derwent. Результаты исследования показали, что топы-5 российских организаций – лидеров публикационной активности по данным Scopus и Web of Science в значительной мере пересекаются и относятся к государственному сектору науки и сектору высшего образования. Топ-5 российских организаций – лидеров патентной активности преимущественно состоит из организаций коммерческого сектора науки.

1. Парфенова С. Л. Анализ международных и российских рейтингов научно-исследовательских организаций / С. Л. Парфенова, В. Н. Долгова, К. А. Безроднова, И. В. Михайленко // Науч. и техн. б-ки. – 2019. – № 7. – С. 14–24.

2. Парфенова С. Л. Публикационный ландшафт российской науки / С. Л. Парфенова, Е. Г. Гришакина, Д. В. Золотарев, В. В. Богатов // Наука. Инновации. Образование. – 2017. – № 23. – С. 53–79.

3. Scopus Custom Data [Электронный ресурс] // Elsevier B. V. – 2014. – 08. – URL: https://www.elsevier.com/_data/assets/pdf_file/0009/94878/Scopus-Custom-Data.pdf. – 29.04.2019.

4. Web of Science Raw Data (XML) // Clarivate Analytics : User guide for Web of Science raw data. – 2018. – Dec. 13. – URL: https://clarivate.libguides.com/rawdata. – 29.04.2019.

5. Large Scale Analysis of the Accuracy of the Journal Classification Systems of Web of Science and Scopus / Qi Wang, Ludo Waltman // Journal of Informetrics. – 2016. – May. – Vol. 10. – Iss. 2. – URL: https://arxiv.org/abs/1511.00735. – 29.04.2019.

6. Дмитриев Г. И. Использование методики ранжирования для оценки результативности научной деятельности вузов / Дмитриев Г. И., Законников Е. А., Мейев В. А., Воронов Ю. В. // Дискурс. – 2016. – № 6. – С. 38–45.

7. Дайджест показателей публикационной активности российских исследователей по данным Web of Science/Scopus (декабрь 2018) / Авт.-сост.: Г. В. Трубников, М. Ю. Романовский, И. Е. Ильина, С. Л. Парфенова, В. Н. Долгова и др. – Москва : Буки Веди, 2018. – 56 с. – ISBN 978-5-9909396-9-1.