Ubicación de revistas científicas en cuartiles según SJR
Predicción a partir de estadística multivariante
Resumo
O sistema quartil para a classificação de periódicos científicos é analisado, através da classificação estatística multivariada, usando dados do site oficial Scopus em 2019. Uma amostra de 5740 registros foi retirada e quatro indicadores foram extraídos (CiteScore, Citation Percentage, SJR e Percentile), além do quartil de localização (Q). O comportamento dos indicadores foi analisado utilizando estatísticas descritivas por quartil, além da classificação por Análise Discriminatória e Redes Neurais Artificiais. O quartil com maior dispersão de indicadores foi o Q1 e o quartil com os indicadores mais homogêneos foi o Q4. A Análise Discriminatória mostrou 97,82% dos quartis corretamente classificados e 97,23% com ANN. Há periódicos que não se ajustam ao quartil onde é encontrado, de acordo com as estatísticas multivariadas. Foi observado que o fator mais influente na classificação é o Percentil e não os indicadores de impacto.
Downloads
Metrics
Referências
ALEIXANDRE-BENAVENT, R.; VALDERRAMA-ZURIÁN, J.C. y GONZÁLEZ-ALCAIDE, G. El factor de impacto de las revistas científicas: limitaciones e indicadores alternativos. El profesional de la información, 2007, vol. 16, n° 1, p. 4-11. Disponible en: http://doi.org/10.3145/epi.2007.jan.01.
BELTRÁN, O.A. Factor de Impacto. Revista Colombiana de Gastroenterología, 2006, vol. 21, n° 1, p. 57-61. Disponible en: <http://www.scielo.org.co/pdf/rcg/v21n1/v21n1a09.pdf> [Consulta: 11 de septiembre de 2020]
BELTER, C. Bibliometric indicators: opportunities and limits. Journal of the Medical Library Association, 2015, vol. 103, n° 4, p. 219-221. Disponible en: https://dx.doi.org/10.3163/1536-5050.103.4.014.
CAMPANARIO, J.M. Journals that Rise from the Fourth Quartile to the First Quartile in Six Years or Less: Mechanisms of Change and the Role of Journal Self-Citations. Publications, 2018, vol. 6, n° 47, p. 1-15. Disponible en: https://dx.doi.org/10.3390/publications6040047.
ENNAS, G. y DI GUARDO, M.C. Features of top-rated gold open access journals: An analysis of the scopus database. Journal of Informetrics, 2015, vol. 9, n° 1, p. 79-89. Disponible en: https://doi.org/10.1016/j.joi.2014.11.007.
GANDHI, N.; PETKAR, O. y ARMSTRONG, L.J. Rice crop yield prediction using artificial neural networks. En 2016 IEEE Technological Innovations in ICT for Agriculture and Rural Development (TIAR), 2016, Chennai, India (p. 105-110). Disponible en: https://doi.org/10.1109/TIAR.2016.7801222.
GARCÍA, P. y SANCHO, J. Estimación de densidad de probabilidad mediante ventanas de Parzen. En Jornadas de introducción a la investigación de la UPCT. 2010. Disponible en: <https://dialnet.unirioja.es/servlet/articulo?codigo=3709476> [Consulta: 14 de septiembre de 2020]
GARFIELD, E. The History and Meaning of the Journal Impact Factor. JAMA, 2006, vol. 295, n° 1, p. 90-93. Disponible en: http://doi.org/10.1001/jama.295.1.90.
GESTAL, M. Introducción a las redes neuronales [en línea]. 2013. Disponible en: <https://www.researchgate.net/publication/242099672> [Consulta: 24 de septiembre de 2020]
GÓMEZ-NÚÑEZ, A.J. et al. Optimizing SCImago Journal & Country Rank classification by community detection. Journal of Informetrics, 2014, vol. 8, n° 2, p. 369-383. Disponible en: https://doi.org/10.1016/j.joi.2014.01.011.
GRECH, V. y RIZK, D. Increasing importance of research metrics: Journal Impact Factor and h-index. International Urogynecology Journal, 2018, vol. 29, p. 619-620. Disponible en: https://doi.org/10.1007/s00192-018-3604-8.
HOPKINS, W. A New View of Statistics [en línea]. 2014. Disponible en: <https://complementarytraining.net/wp-content/uploads/2013/10/Will-Hopkins-A-New-View-of-Statistics.pdf> [Consulta: 25 de septiembre de 2020]
LINS, A.J.C.C. et al. Using artificial neural networks to select the parameters for the prognostic of mild cognitive impairment and dementia in elderly individuals. Computer Methods and Programs in Biomedicine, 2017, vol. 152, p. 93-104. Disponible en: https://doi.org/10.1016/j.cmpb.2017.09.013.
MEHDI, Z.; ALI, M.; ABOLGHASEM, K.R. y FARAMARZ, D.A. Classification of environmental geochemical data using discriminant analysis and neural network in carbonate-sulfide waste dumps of lead and zinc mines. Iranian Journal of Mining Engineering (IRJME), 2019, vol. 14, n° 44, p. 12-25. Disponible en: <https://www.sid.ir/en/journal/ViewPaper.aspx?ID=727041> [Consulta: 18 de septiembre de 2020]
MEYERHOLZ, D.K. y FLAHERTY, H.A. The Evolving Significance and Future Relevance of the Impact Factor. Veterinary Pathology, 2017, vol. 54, n° 4, p. 721-722. Disponible en: https://doi.org/10.1177/0300985817690209.
MIRÓ, Ò. y BURBANO, P. El factor de impacto, el índice h et al. indicadores bibliométricos. Anales del Sistema Sanitario de Navarra, 2013, vol. 36, n° 3, p. 371-377. Disponible en: http://dx.doi.org/10.4321/S1137-66272013000300001.
MURES, M.J.; GARCÍA, A. y VALLEJO, M.E. Aplicación del análisis discriminante y Regresión Logística en el estudio de la morosidad en las entidades financieras. Comparación de resultados. Pecvnia, 2005, vol. 1, p. 75-199.
NATURE EDITORIAL. Time to remodel the journal impact factor. Nature, 2016, vol. 535. Disponible en: https://doi.org/10.1038/535466a.
ORBAY, K.; MIRANDA, R. y ORBAY, M. Building Journal Impact Factor Quartile into the Assessment of Academic Performance: A Case Study. Participatory Educational Research (PER), 2020, vol. 7, n° 2, p. 1-13. Disponible en: http://dx.doi.org/10.17275/per.20.26.7.2.
RAHAYU, W.; SANTI, V.M. y PUTRI, B.S. Classification of diabetes events using discriminant analysis. En Journal of Physics: Conference Series 1402, 077102. 2019. Disponible en: https://dx.doi.org/10.1088/1742-6596/1402/7/077102.
RODRÍGUEZ, R.; SOCORRO, A. y ESPINOZA, C. Análisis de Scimago Journal & Country Rank, utilidad para el desarrollo bibliométrico en la Universidad Metropolitana del Ecuador. Revista Publicando, 2019, vol. 6, n° 21, p. 58-68.
SHARMA, M. et al. Journal Impact Factor: Its Use, Significance and Limitations. World Journal of Nuclear Medicine, 2014, vol. 13, n° 2, p. 146. Disponible en: http://doi.org/10.4103/1450-1147.139151.
SILVA, E.G. et al. Cotton genotypes selection through artificial neural networks. Genetics and Molecular Research, 2017, vol. 16, n° 3, gmr16039798. Disponible en: http://dx.doi.org/10.4238/gmr16039798.
VASEN, F. y LUJANO, I. Sistemas nacionales de clasificación de revistas científicas en América Latina: tendencias recientes e implicaciones para la evaluación académica en ciencias sociales. Revista mexicana de ciencias políticas y sociales, 2017, vol. 62, n° 231, p. 199-228. Disponible en: <http://www.scielo.org.mx/pdf/rmcps/v62n231/0185-1918-rmcps-62-231-00199.pdf> [Consulta: 30 de septiembre de 2020]
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
Las obras que se publican en esta revista están sujetas a los siguientes términos:
1. El Servicio de Publicaciones de la Universidad de Murcia (Editum) conserva los derechos patrimoniales ('copyright') de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia de uso.
2. Las obras se publican en la edición electrónica de la revista bajo la licencia Creative Commons Atribución Internacional CC BY 4.0. Se puede copiar y redistribuir el material en cualquier medio o formato y remezclar, transformar y crear a partir del material para cualquier finalidad, incluso comercial.
