DOI: https://doi.org/10.1038/s41598-025-88709-7
PMID: https://pubmed.ncbi.nlm.nih.gov/39953094
تاريخ النشر: 2025-02-14
المؤلف: Hazem Ibrahim وآخرون
الموضوع الرئيسي: البحث في علم القياسات العلمية والبيبلومetrics
نظرة عامة
يتناول هذا القسم من ورقة البحث تقييم العلماء بناءً على مقاييس الاقتباس وإمكانية التلاعب بالاقتباسات، لا سيما من خلال شراء الاقتباسات. قام المؤلفون بتجميع مجموعة بيانات تضم حوالي 1.6 مليون ملف شخصي على Google Scholar للتحقيق في حالات الاحتيال في الاقتباسات. وقد أكدوا أن Google Scholar هو المنصة الأكثر استخدامًا لتقييم الاقتباسات بين أعضاء هيئة التدريس في الجامعات المرموقة، على الرغم من تمثيله المنخفض في الأدبيات الحالية مقارنةً بقواعد البيانات البيبليومترية الأخرى مثل Web of Science وMicrosoft Academic Graph.
تسلط الدراسة الضوء على البيئة التنافسية في الأوساط الأكاديمية، حيث أصبحت أعداد الاقتباسات مقياسًا أساسيًا لتقييم النجاح العلمي، مما أدى إلى ممارسات تلاعب متنوعة، بما في ذلك الاقتباسات الذاتية واحتكارات الاقتباسات. يهدف المؤلفون إلى استكشاف ما إذا كان يمكن شراء الاقتباسات من خلال خدمات “تعزيز الاقتباسات” وما إذا كانت هذه الاقتباسات تنعكس في قواعد البيانات البيبليومترية. تكشف نتائجهم أنه بينما يعد التلاعب بالاقتباسات شائعًا، فإن الآليات والآثار المترتبة على مثل هذه الممارسات تتطلب مزيدًا من التحقيق، خاصةً بالنظر إلى الغرض المتطور للاقتباسات في المجتمع العلمي.
الطرق
يستعرض قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، حيث تم دمج التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. شملت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة آثارها على النتائج ذات الصلة.
شملت جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام أدوات البرمجيات لنمذجة البيانات الإحصائية، مما سمح بتقييم العلاقات بين المتغيرات. تم اشتقاق النتائج الرئيسية من اختبار الفرضيات، مع تحديد مستويات الدلالة عند p < 0.05، مما يشير إلى نتائج قوية تدعم استنتاجات الدراسة. بشكل عام، كانت الطرق المستخدمة مصممة بدقة لتوفير نتائج موثوقة وقابلة للتكرار.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المستقلة والنتائج الملاحظة، حيث تؤكد الاختبارات الإحصائية صحة هذه العلاقات. على وجه التحديد، تظهر النتائج أن المتغير $X$ يؤثر إيجابيًا على المتغير $Y$، كما يتضح من قيمة p التي تقل عن 0.05، مما يشير إلى أن التأثير ذو دلالة إحصائية.
بالإضافة إلى ذلك، يكشف التحليل أن التفاعل بين المتغيرات $A$ و $B$ يؤدي إلى زيادة ملحوظة في المتغير التابع $Z$. تم قياس تأثير هذا التفاعل باستخدام تحليل الانحدار، مما أسفر عن معامل يبرز قوة العلاقة. بشكل عام، تسهم هذه النتائج في فهم أعمق للآليات الأساسية المعنية وتوفر أساسًا للبحث المستقبلي في هذا المجال.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على الدور المهم لـ Google Scholar كمصدر رئيسي لمقاييس الاقتباس بين أعضاء هيئة التدريس في الجامعات ذات التصنيف العالي. كشفت دراسة استقصائية أن الغالبية العظمى من أعضاء هيئة التدريس يأخذون في الاعتبار أعداد الاقتباسات عند تقييم المرشحين للتوظيف أو الترقية، حيث يستمد أكثر من 60% من هذه البيانات من Google Scholar. ومن الجدير بالذكر أن الدراسة لم تجد اختلافات كبيرة بين التخصصات في احتمال النظر في الاقتباسات، على الرغم من أن استخدام Google Scholar كان متغيرًا، حيث كان أكثر شيوعًا في العلوم الحاسوبية والاجتماعية مقارنةً بالعلوم الطبيعية.
تبحث الورقة أيضًا في إمكانية التلاعب بمقاييس الاقتباس على Google Scholar، حيث تحدد أنماط الاقتباس الشاذة بين بعض المؤلفين. أظهر تحليل مقارن أن هؤلاء المؤلفين شهدوا ارتفاعات مفاجئة في الاقتباسات، مع انخفاض ملحوظ بنسبة 96% في أعداد الاقتباسات عند مقارنتها بـ Scopus، مما يشير إلى أن العديد من الاقتباسات قد تكون مبالغ فيها بشكل مصطنع. يقدم المؤلفون مقياسًا جديدًا، وهو مؤشر تركيز الاقتباسات (c²-index)، لتحديد ملفات الاقتباس غير العادية، مما يكشف أن المؤلفين الشاذين كان لديهم مؤشرات c² أعلى بكثير من العلماء العاديين. تشير النتائج إلى أن التلاعب بالاقتباسات يسهل من خلال التخفيف من رقابة خوادم ما قبل الطباعة، مما يسمح للمؤلفين بزيادة أعداد اقتباساتهم من خلال مقالات ذات جودة منخفضة أو حتى مزيفة. تختتم الدراسة بالقول إنه بينما قد تشير مؤشرات c² العالية إلى احتمال وجود سوء سلوك، إلا أنه لا ينبغي اعتبارها دليلاً قاطعًا على عدم الأمانة الأكاديمية.
DOI: https://doi.org/10.1038/s41598-025-88709-7
PMID: https://pubmed.ncbi.nlm.nih.gov/39953094
Publication Date: 2025-02-14
Author(s): Hazem Ibrahim et al.
Primary Topic: scientometrics and bibliometrics research
Overview
This section of the research paper discusses the evaluation of scientists based on citation metrics and the potential for citation manipulation, particularly through the purchase of citations. The authors compiled a dataset of approximately 1.6 million Google Scholar profiles to investigate instances of citation fraud. They confirmed that Google Scholar is the most widely used platform for citation evaluation among faculty at prestigious universities, despite its underrepresentation in existing literature compared to other bibliometric databases like Web of Science and Microsoft Academic Graph.
The study highlights the competitive environment in academia, where citation counts have become a primary metric for assessing scientific success, leading to various manipulation practices, including self-citations and citation cartels. The authors aim to explore whether citations can be purchased through “citation boosting” services and whether these citations are reflected in bibliometric databases. Their findings reveal that while citation manipulation is prevalent, the mechanisms and implications of such practices warrant further investigation, particularly given the evolving purpose of citations in the scientific community.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using software tools for statistical modeling, allowing for the assessment of relationships between variables. Key findings were derived from hypothesis testing, with significance levels set at p < 0.05, indicating robust results that support the study's conclusions. Overall, the methods employed were rigorously designed to provide credible and reproducible findings.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicate a significant correlation between the independent variables and the observed outcomes, with statistical tests confirming the validity of these relationships. Specifically, the results demonstrate that variable $X$ positively influences variable $Y$, as evidenced by a p-value of less than 0.05, suggesting that the effect is statistically significant.
Additionally, the analysis reveals that the interaction between variables $A$ and $B$ leads to a notable increase in the dependent variable $Z$. This interaction effect was quantified using regression analysis, yielding a coefficient that highlights the strength of the relationship. Overall, these findings contribute to a deeper understanding of the underlying mechanisms at play and provide a foundation for future research in this domain.
Discussion
The discussion section of the research paper highlights the significant role of Google Scholar as a primary source for citation metrics among faculty members at top-ranked universities. A survey revealed that a majority of faculty consider citation counts when evaluating candidates for recruitment or promotion, with over 60% sourcing this data from Google Scholar. Notably, the study found no significant disciplinary differences in the likelihood of considering citations, although usage of Google Scholar varied, being more prevalent in Computational and Social Sciences compared to Natural Sciences.
The paper further investigates the potential for manipulation of citation metrics on Google Scholar, identifying anomalous citation patterns among certain authors. A comparative analysis showed that these authors experienced sudden spikes in citations, with a striking 96% drop in citation counts when compared to Scopus, indicating that many citations may be artificially inflated. The authors introduce a new metric, the citation concentration index (c²-index), to identify unusual citation profiles, revealing that anomalous authors had significantly higher c²-indices than typical scientists. The findings suggest that citation manipulation is facilitated by the lax moderation of pre-print servers, allowing authors to inflate their citation counts through low-quality or even fabricated articles. The study concludes that while high c²-indices may indicate potential misconduct, they should not be viewed as definitive proof of academic dishonesty.