آيا اشتراك دانش در شبكه علمي ريسرچ گيت شاخص هاي بهره وري پژوهشگران را افزايش مي دهد؟ مطالعه موردي فيزيك دانان برتر جهان

Does Knowledge Sharing in ReseachGate Scientific Network Increase Researchers’ Productivity Indicators?: Case Study of Top World Physicists

هدف هدف پژوهش حاضر بررسي تاثير به اشتراك گذاري دانش بر شاخص هاي بهره وري پژوهشگران مي باشد. در همين راستا قدرت پيش بيني شاخص هاي بهره وري پژوهشگران در نظام گوگل اسكالر از طريق سنجه هاي شبكه علمي ريسرچ گيت (امتياز آرجي، سنجه تاثير، مشاهده و بارگيري) مورد بررسي قرار گرفته است. روش شناسي: اين پژوهش از نظر هدف، بنيادي و از لحاظ نحوه گردآوري داده ها، از نوع توصيفي با رويكرد وب سنجي است. جامعه مورد مطالعه اين پژوهش، نويسندگان پراستنادترين مقالات حوزه فيزيك و علوم فضايي نمايه شده در پايگاه اسكوپوس در بازه زماني 2005-2014 بوده است كه در شبكه اجتماعي ريسرچ گيت عضو بوده و همچنين در گوگل اسكالر نيز داراي پروفايل بوده اند. 200 مقاله اول به لحاظ استناد به عنوان نمونه انتخاب شدند. از آزمون همبستگي و رگرسيون چندگانه استفاده شد. يافته ها يافته ها نشان دادند كه از بين سنجه هاي ريسرچ گيت، سنجه بارگيري با شاخص هرش رابطه مثبت و معني دار دارد و مدل رگرسيون آن نيز معنادار است. متغير بارگيري توانايي پيش بيني شاخص اچ پژوهشگران را دارد. اين در حالي است كه مدل رگرسيون براي شاخصi10 معني دار نيست و هيچ يك از متغيرهاي پيش بين، توانايي پيش بيني اين شاخص را ندارند. نتيجه گيري با افزايش به اشتراك گذاري دانش توسط پژوهشگران در شبكه هاي اجتماعي علمي از جمله شبكه علمي ريسرچ گيت، احتمال نماياني و بالطبع بارگيري آثار علمي آنان افزايش مي يابد. بارگيري و مطالعه آثار علمي پژوهشگران مي تواند به استفاده از آن اثر و درنتيجه افزايش شاخص هاي بهره وري محققان منتهي شود.

Purpose The predictive power of researchers' productivity indicators in the Google Scholar has been investigated through metrics of the ResearchGate . Methodology This study is original in terms of objective and data gathering. The study adopted a descriptive method with webometrics approach. The population of this study consisted of authors of the most cited articles in the physics and space sciences field that were indexed in Scopus during 2005-2014. The authors were members of ResearchGate and had profiles in google scholar. The first 200 articles based on citation were selected as the sample. The data was analyzed using correlation and multiple regression. Findings The results showed that download had a significant positive relation with H-index so that the regression model was significant. Download variable had the ability to predict researchers’ H-index. However, the regression model for i10 was not significant and none of the predictor variables had the ability to predict i10. Conclusion Greater knowledge sharing by researchers through ResearchGate may increase the probability of visibility, hence an increase in download counts. Downloading and studying the scientific works of researchers can lead to the use of that work and thus increase productivity indicators of the researchers.