PL EN


2020 | 58 | 1(115) | 76-98
Article title

Wybrane metody prognozowania tempa rozwoju dyscyplin naukowych (indeks citing half-life, metoda regresji nieliniowej, linearyzowanej i wielomianowej drugiego stopnia)

Title variants
EN
Selected Methods of Forecasting the Rate of Scientific Disciplines Development (Citing Half-Life Index, Nonlinear Regression Method, Linearized Regression Method and Second-Degree Polynomial Regression)
Languages of publication
PL EN
Abstracts
PL
Cel/Teza: Dokonano przeglądu oraz porównano wybrane statystyczne metody prognozowania tempa ewolucji dyscyplin naukowych. Materiał empiryczny badania stanowiły cytowania uzyskane przez publikacje należące do wybranych dyscyplin. Jednocześnie zaakcentowano problem warunków możliwości uogólnienia wyników badań prób losowych na szerszą populację generalną dokumentów. Koncepcja/Metody badań: Na przykładzie danych empirycznych, na które złożyło się prawie 25 tys. cytowań, zademonstrowano metodę tworzenia przedziałów ufności dla indeksu citing half-life oraz metody ukierunkowane na uogólnienie i prognozę zidentyfikowanych w badaniu trendów. Były to: metoda regresji nieliniowej, metoda regresji linearyzowanej i metoda regresji wielomianowej drugiego stopnia. Wyniki i wnioski: Problemy, jakie napotkały metody regresyjne, to fakt niespełniania przez nie określonych warunków Gaussa-Markova. Dla przeanalizowanych danych wykluczyło to zastosowanie podstawowych form modeli regresji jako narzędzi prognostycznych. Wymagane są korekty lub wykorzystanie innego rodzaju modeli, co stanowi perspektywę dalszych badań. Oryginalność/Wartość poznawcza: W artykule zestawiono metody ilościowe, które nie są powszechnie stosowane w celu ewaluacji tempa rozwoju nauki. Zademonstrowano ich potencjał i użyteczność w tym względzie oraz zaznaczono potrzebę dalszego ich doskonalenia i testowania metod bardziej wyrafinowanych.
EN
Purpose/Thesis: The study presents an overview and a comparison of several selected statistical methods basing on citations obtained from publications belonging to the selected disciplines. Furthermore, the study analyzed the requirements for and obstacles to generalizing quantitative results yielded on the basis on the random samples. Approach/Methods: On the basis of the data set comprising of almost 25 thousands of citations, the authors have shown a method of establishing confidence intervals for the citing half-life indexes; then the data was subjected to a statistical study using nonlinear regression method, linearized regression method, and a second-degree polynomial regression. Results and conclusions: The central difficulty of applying these methods was their failure to fulfill some of the Gauss-Markov conditions. It is necessary to correct the models applied, or to make use of statistical techniques of a different kind, which suggests future research directions. Originality/Value: The originality of the presented overview lies in the novel juxtaposition of the quantitative methods, which, although well-known, are not commonly used to forecast the rate of the development of scientific disciplines The study highlighted their potential and expected usefulness in this regard, as well as the need of further improvement or testing other, more sophisticated methods.
Year
Volume
58
Issue
Pages
76-98
Physical description
Dates
received
2020-01-18
revised
2020-02-22
accepted
2020-04-18
Contributors
References
  • Aczel, A. D. (2007). Statystyka w zarządzaniu: pełny wykład. Warszawa: PWN.Agarwal, B. L. (2009). Basic Statistics. New Delhi: New Age International.Allen, M. P. (1997). Understanding Regression Analysis. New York: Plenum Press, https://doi.org/10.1007/b102242Andersen, E. B., Jensen, N. E., Kousgaard, N. (1987). Statistics for Economics, Business Administration, and the Social Sciences. Berlin: Springer, https://doi.org/10.1007/978–3-642–95528-0Benoit, K. (2011). Linear Regression Models with Logarithmic Transformations [online]. London School of Economics, [19.11.2019], https://kenbenoit.net/assets/courses/ME104/logmodels2.pdfBensman, S. J. (2000). Probability Distributions in Library and Information Science: A Historical and Practicioner Viewpoint. Journal of the American Society for Information Science, 51(9), 816–833, https://doi.org/10.1002/(SICI)1097-4571(2000)51:9<816::AID-ASI50>3.0.CO;2-6Berk, K. N., Carey, P. (2010). Data Analysis with Microsoft Excel. Updated for Office 2007 . Boston: Brooks/Cole: Cengage Learning.Bingham, N., Fry, J. (2010). Regression: Linear Models in Statistics. New York, London: Springer, https://doi.org/10.1007/978-1-84882-969-5Borgman, Ch. L., Furner, J. (2002). Scholarly Communication and Bibliometrics. Annual Review of Information Science & Technology, 36(1), 3–72, https://doi.org/10.1002/aris.1440360102Bucevska, V. (2011). Heteroscedasticity. In: M. Lovric (ed.). International Encyclopedia of Statistical Science (630–633). Berlin: Heidelberg: Springer, https://doi.org/10.1007/978-3-642-04898-2_628Burton, R. E., Kebler, R. W. (1960). The ‘Half-Life’ of Some Scientific and Technical Literatures. American Documentation, 11(1), 18–22, https://doi.org/10.1002/asi.5090110105Carlberg, C. (2012). Analiza statystyczna. Microsoft Excel 2010 PL. Gliwice: Helion.Christensen, R. (2011). Plane Answers to Complex Questions: The Theory of Linear Models . New York: Springer, https://doi.org/10.1007/978-1-4419-9816-3Crown, W. H. (1998). Statistical Models for the Social and Behavioral Sciences: Multiple Regression and Limited-dependent Variable Models. Westport, Conn.: Praeger.Dowdy, S., Wearden, S., Chilko, D. (2004). Statistics for Research. Hoboken, New Jersey: John Wiley & Sons, Inc.Dunn, O. J., Clark, V. (1987). Applied Statistics: Analysis of Variance and Regression. New York: Chichester [etc.]: John Wiley and Sons.Finkelstein, M. O., Levin, B. (2001). Statistics for Lawyers. New York: Springer, https://doi.org/10.1007/b97319Freud, R. J., Littell, R. C. (2000). SAS System for Regression. Cary (North Carolina): SAS Institute.Haefner, J. W. (2012). Modeling Biological Systems: Principles and Applications. Dordrecht: Springer Science & Business Media, https://doi.org/10.1007/b106568Haynes, R. M. (1982). Environmental Science Methods. London: New York: Chapman and Hall.Huitema, B. E. (2011). The Analysis of Covariance and Alternatives: Statistical Methods for Experiments, Quasi-experiments, and Single-case Studies. Hoboken, NJ: Wiley & Sons, https://doi.org/10.1002/9781118067475Jarić, I., Knežević-Jarić, J., Lenhardt, M. (2014). Relative Age of References as a Tool to Identify Emerging Research Fields With an Application to the Field of Ecology and Environmental Sciences. Scientometrics, 100(2), 519–529, https://doi.org/10.1007/s11192-014-1268-9Krzysztofiak, M., Luszniewicz, A. (1976). Statystyka. Warszawa: Polskie Wydaw. Ekonomiczne.Larocque, D., Randles, R. (2008). Confidence Intervals for a Discrete Population Median. American Statistician, 62(1), 32–39, https://doi.org/10.1198/000313008X269738McClave, J. T., Benson, G. (1988). Statistics for Business and Economics. San Francisco: Dellen Pub. Co., London: Collier Macmillan.McPherson, G. (2001). Applying and Interpreting Statistics: A Comprehensive Guide. New York: Springer, https://doi.org/10.1007/978-1-4757-3435-5Montgomery, D. C., Jennings, Ch., Kulahci, M. (2008). Forecasting and Time Series Analysis. New York: Wiley.Oktaba, W. (1980). Metody statystyki matematycznej w doświadczalnictwie. Warszawa: PWN.Opaliński, Ł. (2013). Wybrane aspekty metodologii badań cyklu życiowego publikacji naukowych. Przegląd Biblioteczny, 81(2), 152–171.Opaliński, Ł. (2017a). Bibliometryczna metodologia prognozowania i oceny rozwoju dyscyplin naukowych. Analiza piśmiennictwa. Część I. Publikacje pionierskie, metoda powiązań bibliograficznych, metoda współcytowań i metoda współwystępowania specjalistycznej terminologii naukowej. Zagadnienia Informacji Naukowej – Studia Informacyjne, 55(1), 34–65.Opaliński, Ł. (2017b). Bibliometryczna metodologia prognozowania i oceny rozwoju dyscyplin naukowych. Analiza piśmiennictwa. Część 2. Badania porównawcze, hybrydowe, statystyczne, analizy dokumentów patentowych, ścieżek rozwoju dyscyplin oraz pozostałe oryginalne podejścia metodologiczne. Zagadnienia Informacji Naukowej – Studia Informacyjne, 55(2), 73–105.Opaliński, Ł., Jaromin, M. (2017). Zastosowanie statystycznej analizy szeregów czasowych do krótkoterminowego prognozowania rozwoju dyscyplin naukowych. Zagadnienia Informacji Naukowej – Studia Informacyjne, 55(2), 106–125.Opaliński, Ł., Jaromin, M., Wikiera, J. (2015). Problem stabilności zachowań naukowców w zakresie cytowań w kontekście metodologii badań starzenia się publikacji naukowych i możliwość jego ujęcia ilościowego. Zagadnienia Informacji Naukowej – Studia Informacyjne, 53(2), 65–83.Ott, L., Longnecker, M. (2010). An Introduction to Statistical Methods and Data Analysis. Belmont, CA: Brooks/Cole: Cengage Learning.Rawlings, J. O., Pantula, S. G., Dickey, D. A. (1998) Applied Regression Analysis: A Research Tool. Berlin: Springer, https://doi.org/10.1007/b98890Ross, S. M. (2009). Introduction to Probability and Statistics for Engineers and Scientists. Amsterdam: Elsevier Academic Press, https://doi.org/10.1016/B978-0-12-370483-2.X0001-XRousseau, R. (2006). Timelines in Citation Research. Journal of the American Society for Information Science and Technology, 57(10), 1404–1405, https://doi.org/10.1002/asi.20397Sachs, L. (1984). Applied Statistics: A Handbook of Techniques. Berlin: Springer, https://doi.org/10.1007/978-1-4612-5246-7Sen, B. K. (1999). Symbols and Formulas for a Few Bibliometric Concepts. Journal of Documentation, 55(3), 325–334, https://doi.org/10.1108/EUM0000000007149Sen, A., Srivastava, M. (1990). Regression Analysis: Theory, Methods, and Applications. Berlin: Heidelberg: Springer, https://doi.org/10.1007/978-1-4612-4470-7Shapiro, F. R. (1992). Origins of Bibliometrics, Citation Indexing, and Citation Analysis: The Neglected Legal Literature. Journal of the American Society for Information Science, 43(5), 337–339, https://doi.org/10.1002/(SICI)1097-4571(199206)43:5<337::AID-ASI2>3.0.CO;2-TSheskin, D. J. (2007). Handbook of Parametric and Nonparametric Statistical Procedures. Fourth Edition. Boca Raton: London: New York: Chapman & Hall/CRC, Taylor & Francis Group.Snarska, A. (2011). Statystyka, ekonometria, prognozowanie: ćwiczenia z Excelem 2007. Warszawa: Wydaw. Placet.Sobczyk, M. (2008). Prognozowanie. Teoria, przykłady, zadania. Warszawa: Wydaw. Placet.Sobczyk, M. (2015). Statystyka. Warszawa: PWN.Sosińska-Kalata, B., Roszkowski, M. (2016). Organizacja informacji i wiedzy. W: W. Babik (red.). Nauka o informacji (305–357). Warszawa: Wydaw. SBP.Stefaniak, B., Skalska-Zlat, M., Cisek, S. (2016). Metody badań w nauce o informacji. W: W. Babik (red.). Nauka o informacji (89–122). Warszawa: Wydaw. SBP.Stoodley, K. D. C., Lewis, T., Stainton, C. L. S. (1980). Applied Statistical Techniques. Chichester: Ellis Horwood.Taylor, J. R. (2011). Wstęp do analizy błędu pomiarowego. Warszawa: PWN.Thode, H. C. (2002). Testing for Normality. New York: Marcel Dekker.Thode, H. C. (2011). Normality Tests. In: M. Lovric (ed .). International Encyclopedia of Statistical Science (1000–1002). Berlin: Heidelberg: Springer, https://doi.org/10.1007/978-3-642-04898-2_423Vaughan, L. (2003). Statistical Methods for the Information Professional: A Practical, Painless Approach to Understanding, Using, and Interpreting Statistics. Medford, New Yersey: Information Today, Inc.Vinkler, P. (1996). Relationships Between the Rate of Scientific Development and Citations. The Chance for Citedness Model. Scientometrics, 35(3), 375–386, https://doi.org/10.1007/BF02016908Wetherill, G. B. (1981). Intermediate Statistical Methods. London: New York: Springer Netherlands, https://doi.org/10.1007/978-94-009-5836-4Winston, W. L. (2014). Microsoft Excel 2013: analiza i modelowanie danych biznesowych. Warszawa: APN Promise.
Document Type
Publication order reference
YADDA identifier
bwmeta1.element.desklight-2d61468f-ef13-47cf-86c0-7d6a56d5a8c4
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.