从文献的载文量或主题词的被引频次可以获得一个学术领域兴起与发展的详细信息。本文首次尝试将Ye模型引入主题词被引频次以及相对应的发文量增长规律的研究中,探索主题词被引频次以及相对应的载文量对时间的响应关系。利用Web of Scie...从文献的载文量或主题词的被引频次可以获得一个学术领域兴起与发展的详细信息。本文首次尝试将Ye模型引入主题词被引频次以及相对应的发文量增长规律的研究中,探索主题词被引频次以及相对应的载文量对时间的响应关系。利用Web of Science数据库检索期刊Physical Review D (IF=4.56)之1985—1990年、1991—1996年、2000—2005年和2006—2011年4个时段的载文量和被引频次以及主题词"石墨烯(graphene)"在2005年、2008年和2010年3个时段的载文量和被引频次,并用Ye模型分段拟合这些数据。结果表明,Ye模型可以很好地拟合该期刊4个时段文献的被引频次对时间的响应曲线,得到的引文峰值和最大引文年限与观测值高度符合。此外还发现随着该期刊发文量和文献被引频次的增加,最大引文年限越来越小;负指数模型不能很好地拟合该期刊1985—1990年和1991—1996年2个时段文献被引频次随时间增加而下降这段响应曲线,但可以较好地拟合2000—2005年和2006—2011年2个时段文献被引频次对时间的响应曲线。用逻辑斯蒂模型拟合该期刊4个时段文献被引频次对时间响应曲线的上升部分时发现,由该模型得到的引文峰值低于观测值。同时Ye模型还可以非常好地拟合主题词"石墨烯(graphene)"在2005年、2008年和2010年3个时段的被引频次对时间的响应曲线,并且发现最大引文年限越来越小这种变化趋势,而由逻辑斯蒂模型拟合得到的响应曲线与观测值之间存在较大的差异。展开更多
文摘从文献的载文量或主题词的被引频次可以获得一个学术领域兴起与发展的详细信息。本文首次尝试将Ye模型引入主题词被引频次以及相对应的发文量增长规律的研究中,探索主题词被引频次以及相对应的载文量对时间的响应关系。利用Web of Science数据库检索期刊Physical Review D (IF=4.56)之1985—1990年、1991—1996年、2000—2005年和2006—2011年4个时段的载文量和被引频次以及主题词"石墨烯(graphene)"在2005年、2008年和2010年3个时段的载文量和被引频次,并用Ye模型分段拟合这些数据。结果表明,Ye模型可以很好地拟合该期刊4个时段文献的被引频次对时间的响应曲线,得到的引文峰值和最大引文年限与观测值高度符合。此外还发现随着该期刊发文量和文献被引频次的增加,最大引文年限越来越小;负指数模型不能很好地拟合该期刊1985—1990年和1991—1996年2个时段文献被引频次随时间增加而下降这段响应曲线,但可以较好地拟合2000—2005年和2006—2011年2个时段文献被引频次对时间的响应曲线。用逻辑斯蒂模型拟合该期刊4个时段文献被引频次对时间响应曲线的上升部分时发现,由该模型得到的引文峰值低于观测值。同时Ye模型还可以非常好地拟合主题词"石墨烯(graphene)"在2005年、2008年和2010年3个时段的被引频次对时间的响应曲线,并且发现最大引文年限越来越小这种变化趋势,而由逻辑斯蒂模型拟合得到的响应曲线与观测值之间存在较大的差异。
