РУКОВОДСТВО

ПО НАУКОМЕТРИИ:

ИНДИКАТОРЫ РАЗВИТИЯ

НАУКИ И ТЕХНОЛОГИИ

М. А. Акоев, В. А. Маркусова, О. В. Москалева, В. В. Писляков

Издательство Уральского университета

Екатеринбург, 2014

Данное руководство систематизирует знания о наукометрии для читателей, поставивших

перед собой цель разобраться в предмете. Материал, изложенный в книге, должен послу-

жить основой для практического применения методов наукометрии. Подчеркивается необ-

ходимость грамотной и аккуратной трактовки наукометрических индикаторов при принятии

административных решений, распределении грантов, осуществлении кадровой политики.

Руководство предназначено для научных работников, руководителей, сотрудников инфор-

мационных центров и студентов соответствующих специальностей, а также для всех, кто инте-

ресуется вопросами измерения и оценки развития науки и технологии.

DOI 10.15826/B978-5-7996-1352-5.0000

ISBN 978-5-7996-1352-5

УДК 001.1

ББК 72

Р85

УДК 001.1

ББК 72

Р 85

Авторы

Марк Анатольевич Акоев

Валентина Александровна Маркусова

Ольга Васильевна Москалева

Владимир Владимирович Писляков

Редактор

Марк Анатольевич Акоев

Дизайн обложки

Сергей Георгиевич Слюсарев

Руководство по наукометрии: индикаторы развития науки и технологии : [монография] /

М.А. Акоев, В.А. Маркусова, О.В. Москалева, В.В. Писляков ; [под.ред.М.А.Акоева].– Екате-

ринбург : Изд-во Урал. ун-та, 2014. – 250 с.

Вступительное слово

Юджина Гарфилда 8

Preface to the Russian Readers,

by Dr. Eugene Garﬁeld 8

От авторов 10 Preface 10

Об авторах 12 About Authors 12

В. А. Маркусова. Введение.

К50-летию Science Citation Index:

История и развитие наукометрии 14

V. Markusova. Introduction.

50th anniversary of the Science Citation Index:

History and Evolution of Scientometrics 14

1. М. А. Акоев. Наука, технология и общество 49 1. M. Akoev. Science, Technology and Society 49

1.1. Процесс оценивания 52 1.1. Research Evaluation Process 52

1.2. Целеполагание

в научном процессе 56

1.2. Goal-setting in Research and

Development Management 56

1.3. Выделяемые ресурсы 61 1.3. Allocation of Resources 61

1.4. Особенности анализа

количественных данных 66

1.4. Quantitative

Data Analysis 66

1.5. Задержки и артефакты научного

и технологического процессов 69

1.5. Research and Development

Outputs and Data Lags 69

2. В. В. Писляков. Библиометрические

индикаторы в ресурсах Thomson Reuters 75

2. V. Pislyakov. Bibliometric Indicators in the

Thomson Reuters Information Resources 75

2.1. Библиометрические

инструменты. База данных Web

of Science Core Collection

и аналитические надстройки 76

2.1. Bibliometric Instruments.

Web of Science Core

Collection and Analytical Tools

2.2. Индикаторы влиятельности

статей (импакт-индикаторы) 82

2.2. Article

Impact Indicators 82

2.3. Индикаторы относительной

влиятельности статей (относительные,

нормализованные импакт-индикаторы) 89

2.3. Relative Article

Impact Indicators

2.4. Индикаторы «экстремальной»

цитируемости 97

2.4. “Extreme”

Citation Indicators 97

2.5. «Взвешенные» индикаторы.

Собственный фактор (Eigenfactor)

ииндекс влияния статьи (Article Inﬂuence) 100

2.5. “Weighted” Indicators.

Eigenfactor and Article

Inﬂuence Scores 100

2.6. Индекс Хирша (h-index)

и«хирш-подобные» показатели 102

2.6. Hirsch index (h-index) and

Hirsch-type indicators 102

2.7. Показатели хронологического

распределения ссылок 106

2.7. Chronological Distribution

of References 106

СОДЕРЖАНИЕ CONTENTS

3. О. В. Москалева. Научные публикации

как средство коммуникации, анализа

иоценки научной деятельности 110

3. O. Moskaleva. Research Publications

as a Means of Communication, Analysis

and Assessment of Research Activity 110

3.1. История создания ихарактеристики

научных журналов 111

3.1. History and Characteristics

of Scholarly Journals 111

3.2. Базы данных публикаций как

инструменты поиска и анализа 116

3.2. Publication Databases as Search

and Analysis Instruments 116

3.3. Природа цитирования 118 3.3. Nature of Citations 118

3.4. Анализ цитирования 121 3.4. Citation Analysis 121

3.5. Показатели научных журналов 122 3.5. Journal Indicators 122

3.6. Показатели для

ученых и организаций 124

3.6. Scientometric Indicators

for Researchers and Organizations 124

3.7. Классификаторы,

используемые в науке 129

3.7. Scholarly

Publications Classiﬁcation 129

3.8. Важность источника

информации о публикациях для

оценки научной деятельности 141

3.8. Importance

of Publication Data Source

forResearch Evaluation 141

3.9. Особенности публикаций

ицитирования в разных научных областях 144

3.9. Publications and Citations Patterns

in Different Scientiﬁc Disciplines 144

3.10. Способы оценки публикаций,

отличные от анализа цитирования 149

3.10. Publication Activity Evaluation

Methods Beyond Citation Analysis 149

3.11. Возможные подходы

ксравнительному анализу цитирования

публикаций в разных областях знаний 151

3.11. Comparative Citation

Analysis in Different

Scientiﬁc Disciplines 151

3.12. Использование библиометрических

данных при построении рейтингов

вузов и научных организаций 156

3.12. Use of Bibliometric Data

in University and Research

Organizations Ratings 156

4. М. А. Акоев. Картирование науки

и технологии, прогноз развития 164

4. M. Akoev. Mapping Science and Technology,

Forecasting Research and Development 164

4.1. Картирование науки и технологии 164 4.1. Mapping Science and Technology 164

4.2. Прогнозирование

и развитие 178

4.2. Forecasting Research

and Development 178

Статьи Юджина Гарфилда (перевод) 201 Articles by Eugene Garﬁeld 201

1. Ю. Гарфилд. Их ошибки,

наши ошибки и ваши ошибки 201

1. E. Garﬁeld. Errors Theirs,

Ours and Yours 201

2. Ю. Гарфилд. Русские идут!

Часть 1. Сто самых влиятельных

советских ученых 1973–1988.

Часть 2. Пятьдесят самых цитируемых

советских статей за 1973–1988гг.

в Science Citation Index и взгляд на

исследовательские фронты 1988 г. 204

2. E. Garﬁeld. The Russians are Coming.

Part 1. The Red-Hot 100

Soviet Scientists, 1973–1988.

Part 2. The Top 50 Soviet Papers

Most Cited in the 1973–1988

Science Citation Index and

a Look at 1988 Research Fronts 204

3. Ю. Гарфилд. Эволюция

Science Citation Index 227

3. E. Garﬁeld. The Evolution

of the Science Citation Index 227

Список сокращений 239 Abbreviations 239

Предметный указатель 241 Index 241

Именной указатель 246 Persons 246

Реферат 248 Abstract 248

This monograph is a comprehen-

sive review of various methods

and techniques used now in

monitoring and assessing progress

in scholarly research and technolo-

gy. For me, it is fascinating to watch

the development of this kind of re-

search, from scientometrics to we-

bometrics and altmetrics. These new

metrics were started at the Institute

for Scientiﬁc information (ISI). ISI was

launched in 1954 in Philadelphia. In

my many visits to the Soviet Union,

and then to Russia, I was pleasantly

surprised by the interest shown by

Soviet and Russian scientists in ISI

products including Current Contents,

Science Citation Index, Journal Cita-

tion Reports and others. This inter-

est contrasted with the poor avail-

ability of these products– except for

Current Contents. In those days the

Soviet Union had only ten subscrip-

tions to the Science Citation Index.

In 1992 ISI was acquired by Thomson

Reuters. Now the Thomson Reuters

Web of Science – the successor of

the Science Citation Index– is widely

available and easily accessible on the

Web to thousands scientists in Rus-

sia and the neigbouring countries.

Wider use of modern information

resources and tools can help to un-

lock further the great potential of the

Russian science. Thus, this volume,

partly focusing on the possibilities

provided by Web of Science, is quite

timely and welcome.

Scientometric indexes are widely

used in evaluation and promotions

of scholars, grant awarding, and re-

search personnel recruiting. How-

ever, I would like to stress that these

quantitative data should never be

used as a single criterion of the qual-

ity of institutional research and/or in-

dividual researchers. These indexes

can help in developing background

for wise and expert judgment. Un-

informed and uncritical use of the

quantitative data can be quite det-

rimental to the progress of research

and individual careers.

I hope that this book will facili-

tate the difficult task of reasonable

and thoughtful evaluation of the

impact and productivity of scien-

tists and scholars.

Eugene Gareld

Philadelphia, PA. USA

November 13, 2014

ВСТУПИТЕЛЬНОЕ СЛОВО

ЮДЖИНА ГАРФИЛДА

Ю. Гарфилд

DOI 10.15826/B978-5-7996-1352-5.0001

PREFACE TO THE RUSSIAN READERS, BY DR. EUGENE

GARFIELD

Данная монография – исчерпываю-

щий обзор ряда современных мето-

дик и техник мониторинга и оценки

прогресса научных исследований и техно-

логий. Я увлеченно наблюдаю за процес-

сом развития такого вида исследований, от

наукометрии до вебометрии и альтметрии.

Многие из этих исследовательских направ-

лений появились на свет и развивались

в стенах Института научной информации.

Институт научной информации был создан

в 1954 г. в Филадельфии. Во время моих

многочисленных визитов в Советский Со-

юз, а потом и в Россию я был приятно удив-

лен интересом, проявленным советскими

ироссийскими учеными к разработкам Ин-

ститута научной информации, например,

среди прочих, к Current Contents, Science

Citation Index и Journal Citation Reports.

Этот значительный интерес шел вразрез

скрайне ограниченной доступностью этих

информационных ресурсов, за исключе-

нием Current Contents. В те времена Со-

ветский Союз имел только 10 подписок на

Science Citation Index. В 1992 г. Институт

научной информации стал составной ча-

стью компании Thomson Reuters. Сегодня

Thomson Reuters Web of Science, наследни-

ца Science Citation Index, доступна тысячам

ученым в России и соседних странах. Более

широкое использование современных ин-

формационных ресурсов и инструментов

поможет раскрыть огромный потенциал

российской науки, поэтому данную кни-

гу, отчасти посвященную и возможностям

Web of Science, можно считать актуальной

и долгожданной.

Наукометрические показатели широко

используются при оценке и продвижении

научных сотрудников, выделении грантов

и приеме на работу научно-исследова-

тельского персонала. Однако мне хотелось

бы подчеркнуть, что эти количественные

данные не должны использоваться как

единственный критерий оценки качества

исследований научного учреждения или

индивидуальных исследователей. Эти по-

казатели могут способствовать формиро-

ванию взвешенного экспертного суждения.

Использование количественных данных без

должного предварительного обучения об-

ращению с ними и критического взгляда

может воспрепятствовать прогрессу иссле-

дований инаучных сотрудников.

Я надеюсь, что эта книга упростит слож-

ную задачу по тщательной и осмысленной

оценке влияния и продуктивности ученых

инаучных коллективов.

Юджин Гарфилд

Филадельфия

13.11.2014 г.

Настоящее руководство по

наукометрии является от-

ветом на все возрастающий

интерес к наукометрическим ме-

тодам анализа работы научных

и образовательных организаций

России и стран СНГ.

Многие университеты и исследо-

вательские институты применяют

для поиска научной информации

базы цитирования. Ряд государств

СНГ приобрел национальные ли-

цензии на доступ к этим базам,

ставя перед собой задачу стиму-

лирования и управления разви-

тием научных исследований. Базы

цитирования, являясь наукоме-

трическими инструментами, по-

зволяют рассчитывать показатели

научной результативности, поэто-

му доступ к базам зачастую созда-

ет у администраторов «от науки»

ошибочное впечатление того, что

они могут с помощью автоматиче-

ски рассчитываемых показателей

легко оценить отдельных ученых

инаучные коллективы.

Цель книги — дать читателю

представление об основных мето-

дах измерения науки и техноло-

гии. Полученные знания, как мы

надеемся, помогут найти ответы на

ключевые вопросы наукометрии:

что мерить, как мерить изачем ме-

рить. Авторы не ставят целью дать

полное и систематическое виде-

ние наукометрии по примеру пер-

вых опубликованных на русском

языке книг по данному предмету

(см., например, классические ра-

боты Г.М.Доброва, В.В.Налимова,

З.М.Мульченко, Ю.В.Грановского,

А. И. Яблонского и др., начиная

с1960-х гг.). Информация в книге

должна послужить для читателя

основой грамотного применения

на практике методов наукометрии.

Приведенные в книге примеры

иллюстрируют связь практических

аспектов использования наукоме-

трии с теоретическими исследова-

ниями вобласти измерения науки

итехнологий. Основное внимание

здесь уделено оценке результа-

тивности и принятию решений

о поддержке существующих или

о развитии новых научных групп.

Во всех главах руководства под-

черкивается необходимость гра-

мотной и аккуратной трактовки

наукометрических индикаторов

при принятии административных

решений, распределении грантов,

осуществлении кадровой полити-

ки и т. д.

Во вводной главе представлена

история уникальной идеи Юджина

Гарфилда по использованию на-

ОТ АВТОРОВ

DOI 10.15826/B978-5-7996-1352-5.0002

PREFACE

учных ссылок как средства научного поиска,

его борьба за воплощение этой идеи в жизнь

в форме универсального инструмента для

научного поиска— Science Citation Index.

В первой главе нами рассмотрены воз-

можности и ограничения в применении

наукометрии при принятии решений о вы-

делении ресурсов для поддержки научной

работы и подчеркнута важность привлече-

ния экспертов в предметной области к про-

ведению оценок.

Во второй главе представлены ключевые

библиометрические показатели и приме-

ры расчетов с использованием конкретных

инструментов. При выборе показателей мы

стремились сформировать у читателя по-

нимание того, как научные процессы отра-

жаются в ключевых наукометрических ин-

дикаторах. Расчет выбранных показателей

может быть выполнен с использованием

любого инструмента, содержащего доста-

точно полную и достоверную информацию

о научных публикациях и их цитировании.

В третьей главе представлена связь науко-

метрических показателей с природой науч-

ной коммуникации. Описаны альтернативные

цитированию способы оценки публикаций

ирассмотрено использование библиометри-

ческих показателей при построении рейтин-

гов университетов и научных организаций.

В четвертой главе дана характеристика

методов визуализации наукометрической

информации, рассмотрены вопросы огра-

ничений в прогнозировании научно-тех-

нического развития и аспекты повышения

качества существующих научных направ-

лений и развития новых направлений

ворганизации.

Завершают книгу три статьи Юджина

Гарфилда, дополняющие главы книги и де-

монстрирующие его интерес к науке СССР

иРоссии.

Авторы выражают свою благодарность

всем сотрудникам компании Thomson

Reuters, участвовавшим в реализации про-

екта по изданию данной книги. Отдельная

благодарность Валентину Григорьевичу

Богорову за идею создания этой книги, ор-

ганизацию и сопровождение проекта ее

издания, Олегу Геннадьевичу Уткину, без

участия и поддержки которого эта кни-

га бы не состоялась; а также Ясиру Тухами

(Yassir Touhami) и Филипу Пурнеллу (Philip

Purnell) за активное участие в обсуждении

концепции книги и поддержку проекта.

Авторы также признательны организато-

рам конференции Science Online, благодаря

которой они познакомились друг с другом;

директору Научной библиотеки им.М. Горь-

кого СПбГУ Марине Эдуардовне Карповой

и главному библиотекарю Научной библи-

отеки им. М. Горького СПбГУ Екатерине

Михайловне Полниковой, планомерно про-

двигающим идеи наукометрии; профессору

Александру Ивановичу Пудовкину за ценные

замечания и помощь в переводе; Мехер Ми-

стри (Meher Mistry), жене доктора Ю.Гарфил-

да, и Ж. А. Налимовой-Дрогалиной за по-

мощь в подборе фотоматериалов для иллю-

страций; профессору П.Воутерсу (P.Wouters)

за его книгу The Citation Culture, которая

была неоценимым источником информации

при работе над историей отечественного на-

уковедения и наукометрии; Юлии Владими-

ровне Запарий за активное обсуждение тек-

ста книги и вопросы; Валентине Викторовне

Барминой за помощь в работе над текстом

иуточнение цитат ифактов; Е.А.Ляшенко,

А.А.Сваловой, Н.А.Мазову иВ.Н.Гурееву за

замечания и корректуру текстов и сотрудни-

кам издательства УрФУ, обеспечившим опе-

ративное издание книги.

Все тексты данной книги отражают только

личное мнение их авторов.

Марк Анатольевич Акоев

Заместитель директора Центра мони-

торинга науки и образования Уральско-

го федерального университета имени

первого Президента России Б. Н. Ель-

цина; член ACM, IEEE Computer Society,

System Dynamic Society и EuroCRIS.

m.a.akoev@urfu.ru

Mark Akoev

Deputy Director of Monitoring

Centre of Science and Education,

Ural Federal University.

Member of the ACM, IEEE

Computer Society, System Dynamic

Society and EuroCRIS.

m.a.akoev@urfu.ru

Валентина Александровна Маркусова

Доктор педагогических наук, заведующая

отделением научно-информационного

обслуживания РАН и регионов России

Всероссийского института научной и техни-

ческой информации РАН (ВИНИТИ РАН).

Специалист в области наукометрии, автор

более 150 статей и глав в монографиях;

более 30 лет ведет преподавательскую

деятельность в России ивкачестве visiting

professor читала курс лекций по наукоме-

трии в колледжах побиблиотечным и ин-

формационным наукам вCatholic University

of America, University of Tennessee, Alabama

University; эксперт Российского гуманитар-

ного научного фонда; член редколлегии

научных журналов: «Научно-техниче-

ская информация» , «European Science

Editing», Collnet Journal ofScientometrics

and Information Management.

markusova@viniti.ru

Valentina Markusova, Ph.D. (Dr. Sc.)

Head of the Information Department,

All Russian Institute for Scientiﬁc

and Technical Information (VINITI),

the Russian Academy of Sciences.

Author of more than 150 publications,

including articles in Russian and

international scholarly journals, and

books chapters. More than 35 years

of experience in teaching at Russian

and American universities. Editorial

board member: Scientiﬁc and Technical

Information, European Science Editing,

Collnet Journal of Scientometrics

and Information Management.

Member of ISSI and COLLNET.

markusova@viniti.ru

ОБ АВТОРАХ

ABOUT AUTHORS

Ольга Васильевна Москалева

Советник директора Научной библиоте-

ки им. М. Горького Санкт-Петербургского

государственного университета, кандидат

биологических наук, член совета Науч-

ной электронной библиотеки РФФИ, член

редакционного совета журнала «Науч-

ная периодика. Проблемы и решения».

o.moskaleva@spbu.ru

Olga Moskaleva, Ph.D.

Advisor to the Director of Scientiﬁc

Library, Saint Petersburg State University.

Member of the Board of the Scientiﬁc

Electronic Library of the Russian

Foundation for Fundamental

Research, Editorial board member,

Scientiﬁc Communications.

Problems and Solutions.

o.moskaleva@spbu.ru

Владимир Владимирович Писляков

Заместитель директора библиотеки На-

ционального исследовательского универ-

ситета «Высшая школа экономики», кан-

дидат физико-математических наук. Автор

более 30 научных работ, среди которых

статьи вжурналах Journal of the Association

for Information Science and Technology,

Scientometrics, «Научно-техническая

информация», «Управление большими

системами» и др.; рецензент журналов

Journal of the Association for Information

Science and Technology, Science and Public

Policy, «Вопросы образования», «Инфор-

мационно-управляющие системы» и др.

pislyakov@hse.ru

Vladimir Pislyakov, Ph.D.

Assistant Library Director,

National Research University

Higher School of Economics.

Author of more than 30 publications,

including articles in the Journal of the

Association for Information Science and

Technology, Scientometrics,

Nauchno-technicheskaya Informatsia

(Scientiﬁc and Technical Information,

inRussian) and other journals. Reviewer

of the Journal of the Association for

Information Science and Technology,

Science and Public Policy, Voprosy

Obrazovania (Problems of Education,

in Russian) and other journals.

pislyakov@hse.ru

This chapter is a short history of the breakthrough idea proposed by Eugene Gareld to use

citations analysis for scholarly information search. It describes how he turned this idea into reality,

through creation of Science Citation Index and other information resources and tools. The chapter

further discusses the usage of citation analysis for the study of cognitive structure ofscience,

collaboration networks, informal and formal scholarly communications, and research evaluation.

The chapter covers the development of scientometrics as a scholarly discipline, with aspecial

focus on development of scientometrics in Russia. The role of the Internet indevelopment

ofmodern scientometric resources is considered, particularly of the Web of Science platform.

Finally, the growing demand for scientomeric tools as means of research assessment for

government bodies, universities, and research institutions is discussed.

Во введении рассмотрена история уникальной идеи Ю. Гарфилда по использованию

научных ссылок как средства информационного поиска ивзаимосвязи новых научных

достижений со старыми иборьба за воплощение этой идеи вжизнь исоздание уни-

версального инструмента для поиска научной литературы Science Citation Index (SCI).

Обсуждается история методов анализа цитирования и их применение для изучения

развития научных идей инаправлений, изучения социальной структуры науки исетей

научного соавторства. Описывается рождение истановление наукометрии, развитие

ее методологии исоздание новых информационных продуктов на основе новейших до-

стижений информационных технологий на примере платформы Web of Science. Отмеча-

ется непрерывно возрастающая потребность государственных органов всех стран

виспользовании библиометрических индикаторов как средства оценки эффективности

научной деятельности университетов инаучных организаций.

В. А. Маркусова

Доктор педаго-

гических наук,

заведующая отде-

лением научно-

информационного

обслуживания РАН

и регионов России

ВИНИТИ РАН.

ВВЕДЕНИЕ. К 50-ЛЕТИЮ SCIENCE CITATION INDEX:

ИСТОРИЯ ИРАЗВИТИЕ

НАУКОМЕТРИИ

INTRODUCTION. 50TH ANNIVERSARY OF THE SCIENCE

CITATION INDEX: HISTORY AND EVOLUTION OF

SCIENTOMETRICS

DOI 10.15826/B978-5-7996-1352-5.0003

Я думаю, что Вы делаете историю, Джин.

Дж. Ледерберг,

президент Рокфеллеровского университета

New York, 1978–1990 гг.

лауреат Нобелевской премии

по физиологии имедицине (1958г.)

(письмо Ю. Гарфилду от 24.01.1962г.)

Юджин Гарфилд внес выдающийся вклад

впостроение упорядоченных картин вмиро-

вой науке. Его средством являются не сами

исходные данные, авосприятия ученых, ко-

торые исследуют неизвестное вприроде.

Барух Блумберг,

лауреат Нобелевской премии по физио-

логии имедицине (1976г.)

2014 г. исполнилось 50 лет со дня вы-

пуска первого вмире издания Science

Citation Index — SCI (Указателя цитиро-

ванной литературы), созданного доктором

Ю. Гарфилдом (Eugene Garﬁeld), регулярный

выпуск которого начался в1964г. вInstitute

for Scientiﬁc Information — ISI (Институте на-

учной информации США). На основе ана-

лиза библиографических массивов этого

издания появилась новая научная дисци-

плина — наукометрия (или, как теперь чаще

говорят, библиометрия). Сама история соз-

дания этого указателя и его повсеместное

использование как инструмента изучения

отдельных направлений науки, сетей на-

учных коммуникаций, средства оценки ре-

зультативности научных исследований за-

служивают внимания.

В середине 40-х г. двадцатого столетия

возникла проблема информационного кри-

зиса, связанного сростом объемов научных

исследований иколлективов, атакже с воз-

никновением мультидисциплинарных про-

ектов. Чтобы успешно выполнить свою глав-

ную социальную роль (которая заключает-

ся в производстве нового знания), ученый

непременно должен быть информирован

о том, что было известно до него. Выдаю-

щийся американский ученый иадминистра-

тор науки д-р Ванневар Буш (Vannevar Bush)

всвоей книге Science — The Endless Frontier

(«Предел науки — бесконечность») призы-

вал ученыx сделать доступным обширный

тезаурус знаний (багаж) и таким образом

расширить физические и умственные спо-

собности человека. Извлекая уроки из опы-

та Второй мировой войны и руководства

шестью тысячами ведущих американских

ученых в области использования научных

достижений в военных целях, он увидел

насущную необходимость удовлетворения

их информационных и коммуникацион-

ных потребностей. По его мнению, одним

из важных уроков Второй мировой войны

было осознание того, что научный про-

гресс необходим для блага страны инаука

должна быть особой заботой правитель-

ства [Bush, 1945]. Его усилия привели позже

ксозданию в1950г. фонда National Science

Foundation— NSF (Национального научного

фонда), агентства, которое сыграло важную

роль в развитии системы научно-техниче-

ской информации (НТИ) вСША.

Об информационном кризисе была на-

писана масса статей, и эта проблема вы-

зывала горячие дискуссии в научном со-

обществе, атакже вадминистрации исре-

ди политиков США. Казалось, что мир

тонет впотоке информации. Традиционные

предметные указатели и реферативные

службы, построенные по отдельным на-

правлениям знания, не решали проблемы

поиска научной литературы по таким про-

блемам, как атомный проект, исследование

космоса или интенсивно развивающиеся

масштабные исследования по генетике.

Научное сообщество нуждалось впринци-

пиально новом подходе для решения этих

задач с использованием зарождающейся

вычислительной техники.

В это время молодой химик со степенью

бакалавра Ю. Гарфилд поступил на работу

в химическую фирму. В лаборатории рас-

крылись его способности не вэксперимен-

тальной химии (был ряд неудачных экспери-

ментов), авсинтезе научной информации.

В фирме он узнал о существовании ста-

рейшего реферативного журнала Chemical

Аbstracts и создал обширный указатель

химических препаратов, имеющихся в ла-

боратории. Изучая научную литературу, он

обратил внимание на обзорные статьи, каж-

дый параграф которых подтверждался со-

ответствующей ссылкой. Этот факт привел

его кпониманию ассоциативной связи меж-

ду новой публикацией и работой предше-

ственников. Примерно вэто же время он по-

пал на годичное собрание Американского

химического общества (American Chemical

Society — CAS) и увидел возможности со-

четания профессии химика с информаци-

онными технологиями. Вскоре по рекомен-

дации директора отдела химической лите-

ратуры CAS Дж. Перри (J. Perry) он получил

должность ассистента в проекте Welsh

Machine Project (далее — Welsh) по машин-

ному индексированию в Медицинской би-

блиотеке Университета Дж. Гопкинса (John

Hopkins University). Проект возник как один

из способов борьбы с «информационным

кризисом» в медицине и необходимостью

разработки нового способа ее обработки

с помощью машинных методов [Михайлов

идр., 1965].

В 1953г. по результатам проекта Welsh был

проведен первый симпозиум по машинному

индексированию The First Symposium on

Machine Methods in Scientiﬁc Documentation,

который привлек огромное внимание масс-

медиа благодаря фразе его организатора

профессора Л. Рида (L. Reed — вице-прези-

дент Университета Дж. Гопкинса) «человек

тонет впотоке информации» [Hyslop, 1953].

Вследствие этого внимания прессы вадрес

проекта пришло много писем, среди ко-

торых было письмо от У. Адeйра (W.Adair),

ушедшего вотставку вице-президента юри-

дической компании «Шепард». Эта компа-

ния издавала с 1873 г. Shepard’s Citations

(«Указатель ссылок Шепарда»). У. Адейр

предложил рассмотреть возможность ис-

пользования метода цитирования, приме-

нявшегося в указателе Shepard’s Citations,

для индексирования медицинской литера-

туры. По воспоминаниям Ю. Гарфилда, он

буквально воскликнул «эврика!», посколь-

ку понял, что принцип цитирования может

быть использован для индексирования не

только обзорных статей по медицине, со-

держащих много библиографических ссы-

лок, но ивсей медицинской литературы. Он

стал переписываться сУ.Адейром и рабо-

тать над статьей об указателях цитирования

для научной литературы.

Необходимо отметить, что, участвуя восу-

ществлении проекта Welsh, Ю. Гарфилд

разработал новые методы подготовки

предметных указателей, а также инфор-

мационного поиска на счетно-перфораци-

онных машинах, применение которых в то

время было одним из главных направлений

механизации информационных процессов

[Гиляревский и др., 1995]. Когда заверши-

лись работы по проекту Welsh, Ю. Гарфилд

поступил васпирантуру Columbia University

(Нью-Йорк) по специальности «Библиоте-

коведение». В это время он поддерживал

переписку с У. Адейром и начал работать

над подробной статьей об указателях цити-

рования для научной литературы. Эта ста-

тья была написана им в1954г. Ипока она

ожидала опубликования вжурнале Science,

Ю. Гарфилд, который к тому времени стал

помощником редактора журнала American

Documentation, предложил У. Адейру на-

писать для этого журнала статью, вкоторой

был бы кратко описан механизм функци-

онирования указателя Shepard’s Citations.

Такая статья У.Адейра появилась вжурна-

ле American Documentation в июне 1955 г.

[Adair, 1955], а статья Ю. Гарфилда Citation

Indexing for Science была опубликована

в журнале Science в июле 1955 г. [Garﬁeld,

1955]. Идеи, изложенные в этой статье,

в частности соображения о возможности

создания мультидисциплинарного указате-

ля цитирования, самым непосредственным

образом касались решения проблемы поис-

ка научной литературы. Тоесть появлялась

реальная возможность реализовать меч-

ту о «мировом мозге», которая со времен

Г. Уэллса занимала многих выдающихся

ученых [Wouters, 1999].

Работая над проектом Welsh, Ю. Гaрфилд

знакомится с дайджестом Current List of

Medical Literature и решает создать соб-

ственный информационный продукт.

В 1956 г. он организовал фирму Eugene

Garﬁeld Associates, Information Engineers

иначал выпускать первое вмире недельное

сигнальное издание библиографической

информации Current Contents, содержащее

оглавления только что вышедших научных

журналов в области фармацевтики и био-

медицины, а также пермутационный1 иав-

торский указатели. Вскоре издание Current

Contents охватило самые разные области

знания от физики до психологии и лите-

ратуры. Еженедельные выпуски Current

Contents стали необходимым источником

информации для мирового научного со-

общества [Маркусова, Черный, 1985]. Из-

дание оказалось чрезвычайно успешным,

ив1960г. Ю. Гaрфилд переименовал свою

компанию вInstitute for Scientiﬁc Information.

О выборе этого названия Ю. Гарфилд писал

в1978г.: «Несомненно, мы были воодушев-

лены (inspired) созданием вСССР Всесоюз-

ного института научной итехнической ин-

формации. Кроме того, для многих людей

слово “институт” дополнительно означает

бесприбыльную организацию. Вте дни мно-

гие из моих коллег изаказчиков испытыва-

ли антипатию ккоммерческим организаци-

ям в области информации. По-видимому,

многие из них все еще придерживаются

этого мнения» [Garﬁeld, 1980]2.

Популярность издания Current Contents

внаучном сообществе была настолько зна-

чительной, что его юбилею была посвящена

1Пермутационный предметный указатель (от англ.

слова «permuterm» — перестановка) — это был новый

вид указателя, подготовка осуществлялась с конца

40-х гг. ХХ в. на больших ЭВМ. Указатель состоял из

слов (их называли «key words» — ключевыми словами)

заглавий публикаций, рядом с которыми помещалась

фамилия автора статьи источника.

2С 1952 по 1955 г. ВИНИТИ назывался Институт на-

учной информации АН СССР.

статья вжурнале Science [Broad, 1978]. Ин-

тересный факт, характеризующий попу-

лярность Current Contents среди ученых,

приведен в этой статье. Автор — биохи-

мик из Кембриджского университета (Ан-

глия), — опубликовал в журнале Analytical

Biochemistry статью, описывающую теорию

модификации белка. Когда кэтому ученому

стали поступать запросы на оттиски статьи,

то из-за различия внаписании адреса вжур-

нальной статье и в авторском указателе

Current Contents он легко смог определить,

кто узнал о его работе из журнала Analytical

Biochemistry, а кто — из Current Contents.

Оказалось, что 2100 запросов поступило от

ученых, просматривающих Current Contents,

ивсего 350 запросов от ученых, читающих

Analytical Biochemistry. Следует отметить,

что появление Интернета и его широкое

использование редакциями научных жур-

налов для размещения оглавлений новых

номеров сказалось на значимости этого ин-

формационного инструмента.

Задуманная и воплощенная Юджином

в Current Contents идея верификации фа-

милий авторов и организаций получила

дальнейшее развитие при создании вWeb

of Science (WoS) специальных инструмен-

тов для верификации: авторского профиля

исследователя ResearcherID и объединен-

ного профиля организации Organization

Enhanced. На сайте ResearcherID3, доступ-

ном любому пользователю Интернета, ис-

следователь может создать список своих

собственных публикаций, включая публика-

ции, индексированные вWeb of Science. Это

позволяет затем проводить поиск вWoS по

номеру профиля ResearcherID и находить

все индексированные публикации автора,

даже при наличии ошибок иразных вариан-

3http://researcherid.com

тов написания его фамилии. Вобъединен-

ный профиль Organization Enhanced объ-

единяются различные варианты названий

организаций (вузов, научных институтов

ит. д.), указанных впубликациях вкачестве

аффилиаций (мест работы) авторов. Объ-

единенные профили Organization Enhanced

значительно облегчают сбор ианализ ста-

тистики по публикационной активности

ицитируемости в целом по организациям.

О популярности и влиянии Current

Contents свидетельствует тот факт, что ре-

дакторы научных журналов, настаивающие

на включении издаваемых ими журналов

в Current Contents, утверждают, что охват

или не охват выпускаемых ими изданий оз-

начает жизнь или смерть научного журна-

ла. По мнению этих редакторов, ученые не

хотят представлять статьи для публикации

вжурнал, если он не отражается вCurrent

Contents. На обложках многих зарубежных

журналов написано: «отражается вСurrent

Сontents, Сhemical Abstracts, Science Citation

Index». Именно финансовый успех этого из-

дания позволил Ю. Гарфилду приступить

к выпуску Science Citation Index (Указателя

цитированной литературы), который принес

ему иISI мировую известность.

Необходимо отметить, что успех серий

Current Contents был связан также с тща-

тельным отбором наиболее престижных

журналов, соответствующих тематике на-

правлений отдельных серий этого изда-

ния. Этот принцип отбора основан на ис-

пользовании «закона рассеяния» научных

публикаций в мировой периодике, сфор-

мулированного в 30-х гг. прошлого века

английским библиографом и статистиком

С. Брэдфордом (S. Bradford) [Михайлов

и др., 1965]. Как писал Брэдфорд, «…ста-

тья, интересующая специалиста, может

появиться не только в периодике, специ-

ализирующейся на его предмете исследо-

вания, но также, время от времени, вдругих

периодических изданиях, число которых

растет относительно этих областей таким

образом, что уменьшается материал по его

предмету исследования, и количество пу-

бликаций вкаждом из этих периодических

изданий снижается» [Garﬁeld, 1971]. Соглас-

но формулировке Брэдфорда, совокупность

публикаций по какой-либо отрасли можно

разделить на три концентрических круга,

первый из которых содержит небольшое

число ядерных (ключевых) журналов по

этой области, вторая группа содержит зна-

чительно большее количество журналов,

смежных с данной отраслью, и, наконец,

третья группа содержит огромное количе-

ство журналов, в которых появление пу-

бликаций по этой области трудно предпо-

лагать. Соотношение количества журналов

вэтих трех группах выглядит как 1:n: n2, где

n— постоянная, зависящая от тематики об-

ласти [Михайлов идр., 1965]. Именно эта за-

кономерность является одним из основных

принципов для комплектования фондов

библиотек и деятельности всех информа-

ционных реферативных служб, втом числе

создания SCI и других информационных

продуктов ISI. Закон Брэдфорда объясняет,

почему мультидисциплинарный указатель

SCI в целом значительно более эффек-

тивен, чем любые другие дисциплинарно

ориентированные службы. Сам Ю.Гарфилд

называет закон Брэдфорда законом «кон-

центрации» информации [Garﬁeld, 1971].

Создание SCI было чрезвычайно за-

тратным, и на протяжении нескольких лет

Ю.Гарфилд безуспешно пытался получить

грант от NSF — государственной органи-

зации США. Одной из проблем являлся тот

факт, что NSF не был склонен поддержи-

вать малоизвестную коммерческую компа-

нию, которой являлась фирма Ю. Гарфилда.

В какой-то мере первая финансовая под-

держка осуществлению издания SCI была

связана и с выдающимися успехами СССР

висследовании космоса. Известно, что за-

пуск советского спутника 4 октября 1957 г.

имел огромный резонанс в мире и застал

врасплох президента Д. Эйзенхауэра ипра-

вительство США. Этот факт был сигналом

для общества о значимости научно-техни-

ческой информации. Администрация Бело-

го дома инаучное сообщество недоумевали,

почему они не знали из научной литературы

онаучном итехническом потенциале СССР.

Сенатор Х. Хамфри (Hubert Humphrey), впо-

следствии вице-президент США, объявил,

что «наступил новый век науки — век ин-

форматики», и потребовал объяснений,

«что исполнительная власть собирается

сделать для управления потоками инфор-

мации, генерируемой за счет миллиардов

долларов, выделяемых правительством на

научные исследования»4. Президент Д.Эй-

зенхауэр назначил специальную комиссию

для оценки состояния обеспечения ученых

научно-технической информацией. В до-

кладе комиссии уделялось особое внимание

организации переводов советской научной

литературы и рассматривалась возмож-

ность создания государственного центра

по обработке ираспространению информа-

ции— аналога ВИНИТИ (!!!). Аналог ВИНИТИ

решили не создавать, но для осуществле-

ния научных исследований вдокументали-

стике, как тогда называли информатику, по

рекомендации комиссии вNSF был создан

отдел НТИ [Wouters, 1999]. Этот отдел сы-

грал важную роль в судьбе SCI.

В истории создания SCI большую роль

сыграла поддержка двух выдающихся

4Материал взят с сайта NFAIS (URL: http://www.

nfais.org/).

американских ученых. В январе 1957 г.

Ю. Гарфилд получил весьма ободряющее

письмо от известного генетика профессора

Гордона Аллена (Gordon Allen), занимавше-

го ответственный пост в National Institutes

of Health— NIH5 (Национальном институте

здравоохранения). Г. Аллен писал, что по-

сле ознакомления со статьей Ю. Гарфилда

вScience он снетерпением ждал новостей

по созданию SCI. По своей инициативе он

обращался в American Society on Human

Genetics — ASHG (Американское общество

по генетике человека) ипризывал квзятию

инициативы по участию в таком проекте.

Однако заинтересованности не было про-

явлено, поскольку отдел информации ASHG

занимался созданием классификационной

системы по генетике человека. Г.Аллен по-

лагал, что группа заинтересованных спе-

циалистов смогла бы привести кпрогрессу

вэтом вопросе. Началась активная перепи-

ска с Алленом, которому Ю. Гарфилд рас-

сказал о своих неудачных попытках получе-

ния гранта [Wouters, 1999].

В 1957 г. в Комитете конгресса США со-

стоялись специальные слушания предста-

вителей NSF о мерах борьбы с информа-

ционным кризисом. Врезультате этого NSF

опубликовал заявление о желании прове-

сти исследование, основанное на исполь-

зовании метода цитирования по аналогии

сShepard’s Citations. Как отмечалось взаяв-

лении, «…этот метод, заслуживший призна-

ние в области юриспруденции, ранее ни-

когда не был использован в естественных

науках» [Wouters, 1999]. Ю. Гарфилд узнал

5National Institutes of Health — государственная на-

учная организация США с годовым бюджетом в2012г.

33,6 млрд долл., имеющая под своей эгидой 40 на-

учных институтов и финансирующая на конкурсной

основе все исследования по биомедицине имедици-

не в стране. Для сравнения, годовой бюджет National

Science Foundation — 7,2 млрд долл.

об этом позднее инаправил заявку на грант

вNSF. В этот раз заявка была направлена

совместно с Г. Бедфордом (G. Bedford), за-

нимавшим тогда должность профессора-

ассистента в Университете Пенсильвании

(University of Pennsylvania). Проект должен

был быть двухлетним исследованием иза-

вершиться созданием указателя. Несмотря

на поддержку А. Гордона, проект был от-

клонен, но NSF выразил интерес к методу

индексирования ссылок. Г.Аллен, служив-

ший экспертом в NSF, предупреждал пре-

зидента ASHG o необходимости создания

заинтересованной и компетентной груп-

пы для рассмотрения заявки на проект

[Wouters, 1999].

Летом 1958 г. Ю. Гарфилд получил

письмо от профессора Дж. Ледерберга

(J. Lederberg), лауреата Нобелевской пре-

мии по медицине в 1958 г., выразившего

энтузиазм вподдержке проекта Ю.Гарфил-

да. Он был шокирован, узнав о неудачных

попытках Юджина получить грант и пове-

дении бюрократов NSF. Одновременно он

предупредил Ю. Гарфилда о необходимо-

сти продолжать дискуссии с NSF. Узнав от

Ю. Гарфилда о заинтересованности про-

фессора Г. Аллена в создании SCI, Ледер-

берг предложил объединить усилия и на-

чать совместную борьбу за поддержку ис-

следования ипропаганду этой идеи среди

генетиков испециалистов по молекулярной

биологии. В марте 1960 г. Ю. Гарфилд на-

правил переработанную заявку вNSF ипо-

просил Дж. Ледерберга поддержать проект.

Дж. Ледерберг обратился вNSF со следу-

ющим письмом: «…я убежден, что мое пись-

мо мало что добавит кутверждению, что на-

учное сообщество столкнулось согромными

проблемами, пытаясь ознакомиться стеку-

щей научной литературой. Нет универсаль-

ного решения этой проблемы; хотя отдель-

ные реферативные службы выполняют по-

лезные функции. Смоей точки зрения, иэто

после размышлений, SCI имел бы неоцени-

мую ценность вулучшении эффективности

научного исследования, поскольку оно за-

висит от поиска литературы. Я глубоко за-

интересован ис огромным энтузиазмом от-

ношусь куспеху д-ра Гарфилда исчастлив

иметь возможность поддержать эту попыт-

ку, служа советником вего консультативном

комитете» [Lederberg, 2000].

Пока в NSF размышляли о вынесении

решения по проекту Ю. Гарфилда, он на-

правил заявку в NIH. Начались его со-

вместные консультации с обеими органи-

зациями по поддержке проекта. NIH был

заинтересован в создании Genetic Citation

Index — GCI (Индекса цитируемости по ге-

нетике). В NSF, обеспокоенные схожестью

двух заявок, предложили составить еди-

ный бюджет, объединивший задачи по вы-

полнению проекта. В канун католическо-

го Рождества Ю. Гарфилд получил ответ.

Вписьме Дж.Ледербергу он писал: «Санта

Клаус был очень мил кнам. Мы услышали,

что NIH утвердил половину бюджета, кото-

рый NSF просил меня представить всумме

100 тыс. долл. втечение трех лет» [Wouters,

1999] . В1961 г. Ю.Гaрфилд получил грант

в300 тыс. долл. для создания GCI. Вэтот же

год Ю. Гарфилд завершил образование по

структурной лингвистике, получив степень

доктора философии в Пенсильванском

университете. Его диссертация называлась

«Алгоритм для перевода химических на-

званий вмолекулярную формулу» [Гилярев-

ский идр., 1995].

Прежде чем создать Genetic Citation Index,

Ю.Гарфилду было необходимо создать Ука-

затель цитированной литературы, охваты-

вающий все области знания. Для создания

SCI Ю.Гарфилд использовал массив из 613

ведущих научных журналов, обрабатыва-

емых в его компании для подготовки раз-

личных серий издания Current Contents. Все

журналы, используемые для подготовки

SCI, называются журналами-источниками

(source journals). Статьи, опубликованные

вэтих журналах, называют статьями-источ-

никами (source article). Авторов этих статей-

источников называют цитирующими авто-

рами (citing authors). Ссылки, содержащиеся

вэтих статьях, называют цитируемыми ста-

тьями (cited articles), аих авторов — цитиру-

емыми авторами (cited authors).

Genetic Citation Index был создан на мас-

сиве статей за 1961г., опубликованных в613

научных журналах-источниках, и 1,4 млн

содержащихся в них статей (цитируемых

статей). Первое печатное издание SCI по-

явилось в1963 г., ис 1964г. оно стало вы-

ходить ежеквартально, а последний том

был кумулятивный. SCI состоял из четырех

частей, построенных по алфавитному при-

знаку: Source Index (указатель источников),

Citation Index (указатель ссылок), Permuterm

Subject Index (пермутационный указатель

ключевых слов из заглавий статей-ис-

точников) и Corporated Index (указатель

организаций, в которых работали авторы

статей-источников).

Идею использования ссылок как поис-

кового инструмента проверил и профес-

сор Г. Аллен в 1961 г. Он построил схему

использования и взаимовлияния полу-

тора десятков работ по вопросу выявле-

ния нуклеиновых кислот, опубликованных

в1941–1960 гг. Было установлено, что для

получения сведений обо всех этих работах

нужно было обратиться кбиблиографии по

меньшей мере шести статей, опубликован-

ных впериод с1956 по 1960 г. Отдельные

статьи, которые почти не цитировались, во-

обще трудно выявить таким путем. Однако

сведения почти обо всех работах можно

легко получить, если узнать, где содержат-

ся ссылки на три ранние работы. Это было

важное подтверждение идеи работоспо-

собности метода цитирования, выполнен-

ное известным специалистом-генетиком

[Михайлов идр., 1965].

В основу создания Current Contents был

положен постулат о том, что научная лите-

ратура является формой существования на-

уки, анаучная статья является общеприня-

той нормой для распространения иоценки

результатов исследования, атакже решаю-

щим (критическим) фактором для продви-

жения по служебной лестнице в большин-

стве научных дисциплин.

Нам всем хорошо знакома американ-

ская поговорка «публикуйся или погибни»

(“publish or perish”). Эти слова означают

постоянное давление на исследовате-

лей для опубликования своих результатов

исоздания имени внауке. Но это не новый

феномен. Эта крылатая фраза, сказанная

в1950г. американским генетиком К.Атву-

дом (K. C. Atwood) из Columbia University

(Нью-Йорк) ине опубликованная вто вре-

мя, проникла в сердце каждого исследо-

вателя. Согласно легенде, месяц спустя

она вернулась назад кК.Атвуду, когда его

посетил профессор из другого универси-

тета. Несмотря на давнюю историю, эта

фраза будет звучать в холлах университе-

тов и в аудиториях столько, сколько будет

существовать соревнование между иссле-

дователями за получение финансовых ас-

сигнований. Десятки тысяч статей, заме-

ток, писем вредакцию иобзоров, которые

публикуются ежедневно внаучных журна-

лах, имиллионы ссылок между этими ста-

тьями обеспечивают путь проникновения

в коммуникацию знания, способствуют

процессам его распространения в науке

иполучению эмпирических данных о зна-

чимости исследования и научной актив-

ности «единицы» производства знания. По

образному выражению Д. Прайса, научная

статья стала вXX в. «атомом научной свя-

зи» [Price, 1961].

В наши дни, как и100 лет назад, статья

обычно содержит ссылки на работы пред-

шественников [Price, 1963]. Отсутствие

ссылок встатье начинающего автора рас-

сматривается как один из признаков низ-

кой квалификации изатрудняет публика-

цию. Индексирование документа посред-

ством использования содержащихся внем

библиографических ссылок основано на

простой мысли, что указанные вэтих ссыл-

ках другие, ранее опубликованные, доку-

менты близки по тематике данному доку-

менту. Но эту идею было очень непросто

воплотить винструмент практического ис-

пользования. Что же такое «ссылки» ичто

подразумевается, когда один автор цити-

рует другого?

Теоретической основой указателей ци-

тирования является тот факт, что ссыл-

ки представляют собой символы научных

концепций. Являясь формой научной ком-

муникации, ссылки помогают проследить

развитие вклада автора публикации, при-

дают достоверность работе исследователя.

Социологи говорят, что ссылки – это свое-

образная валюта, которой ученые «опла-

чивают» вклад предшественников. Ученые

обычно отдают должное исследованиям,

которые оказали влияние на них, цитируя

релевантные источники (статьи, книги, за-

метки, обзоры ит.д.) всписке использован-

ной литературы или сносках в этих публи-

кациях. Таким образом, публикация — это

своеобразная дорога, на которой оставле-

ны следы деятельности самого исследова-

теля, его научных связей и использования

внешних научных источников. Цитировать

кого-то — это признать воздействие пред-

шественника на вашу работу, своеобразный

способ вернуть интеллектуальный долг че-

ловеку, которого вы цитируете.

Причины цитирования публикаций:

•признание вклада;

•определение/описание методов, обору-

дования;

•корректирование собственной работы

или работы других;

•критика предыдущих работ;

•указание дополнительной литературы

по данной теме;

•отрицание предыдущих работ;

•подтверждение данных;

•оказание уважения.

Говоря о цитируемости, нужно различать

два понятия: «citation» и «references». Эти

два английских слова являются синонима-

ми, но мы используем слово «citation», ког-

да говорим о цитируемости статьи, аслово

«references» — когда говорим о списке лите-

ратуры, приведенном встатье.

При традиционном поиске ученый, про-

сматривая литературу, находит ссылки на

работы предшественников и изучает их.

Противоположный путь предлагает метод

цитирования. Исследователю нужно знать

фамилию его предшественника и, обратив-

шись куказателю библиографических ссы-

лок, он может найти все современные рабо-

ты, цитирующие работы этого предшествен-

ника. Поскольку за каждой ссылкой скрыт ее

автор, она оказалась знаком не только на-

учного результата, впоисках которого уче-

ный обращается ктексту, но иконкретного

лица, с которым автор текста пожелал со-

отнести свой результат. Там, где есть люди,

неизбежно вступают вдействие психологи-

ческие факторы. Новые информационные

технологии, изобретенные для решения

информационных задач, которые прежде

решались библиографическими средства-

ми, позволили новыми глазами взглянуть

на социальную жизнь науки, вторгнуться

вглубины психологии ее людей. Мотивация

цитирования стала предметом изучения

психологов и социологов науки. Основные

положения ипринципы теории учета, ана-

лиза и использования цитирования были

позднее изложены Ю. Гарфилдом вего мо-

нографии [Garﬁeld, 1979].

После выпуска тестового варианта Genetic

Index NSF отказался поддержать идею соз-

дания мультидисциплинарного SCI. Позд-

нее Ю.Гарфилд писал: «В 1964г. япринял

наиболее важное финансовое решение

вистории ISI — начать выпуск индекса. По-

надобилось пять лет, чтобы превратить это

издание в издание, приносящее прибыль.

Однако в1964г. мы не были готовы риско-

вать и пропагандировать SCI как инстру-

мент для оценки научной производитель-

ности. Но сейчас мы готовы открыть ящик

Пандоры, и пусть научное сообщество ре-

шает, насколько надежен SCI как социоме-

трический инструмент» [Garﬁeld, 1969].

Большую роль в пропаганде SCI играли

статьи Ю.Гарфилда вCurrent Contents, пу-

бликовавшиеся с 1962 г. Сначала они по-

являлись эпизодически, однако с 1972 по

1992 г. включительно стали еженедель-

ными. Эти статьи привлекали неизменное

внимание широких кругов ученых испеци-

алистов, были посвящены той или иной ак-

туальной проблеме науки, научной комму-

никации или информатики. Они составили

15 томов сборников Essays of an Information

Scientist (1977–1994 гг.), образующих своего

рода энциклопедию информатики, в кото-

рой можно найти сведения по всем важным

вопросам наукометрии, науковедения исо-

циологии науки.

В начальный период своего развития на-

укометрия рассматривалась как часть науко-

ведения. Импульсом кразвитию науковеде-

ния явились работы английского философа

Дж.Бернала (J.D.Bernal), прежде всегоопу-

бликованная им в 1939 г. книга «Социаль-

ная функция науки» (The Social Function of

Science), ставшая классикой [Garﬁeld, 1983].

В этой монографии излагался совер-

шенно новый подход кроли науки вжизни

общества и его процветании. Как отмечал

биограф Дж.Бернала Эндрю Браун (Andrew

Brown), «Социальная функция науки» бы-

ла попыткой Бернала обратить внимание

общества на тот факт, что «…наука должна

быть не охраняемой территорией интеллек-

туалов, аявляться непременной составляю-

щей улучшения жизни человечества» [The

social function…, 1953]. Это был новаторский

трактат как визучении возможностей науки

итехники, так ивсоздании государственной

политики, отвечающей за использование

достижений науки итехники. Впоследствии

Ю. Гарфилд вспоминал, какое огромное

впечатление произвела на него эта книга.

В1954г. вышла четырехтомная монография

Дж. Бернала Science in History, анализиру-

ющая взаимоотношения науки и общества.

Ю. Гарфилд обратился к профессору Бер-

налу в 1962 г., и тот с воодушевлением от-

несся кего идее создания SCI. Правда, как

вспоминал Ю.Гарфилд, «Бернал не верил,

что идею создания SCI будет легко осуще-

ствить» [Garﬁeld, 1983]. Бернал писал: «Яду-

маю, что SCI внесет что-то новое и ценное

вгодичную премию за обзоры, присуждае-

мую наукой по документалистике» [Garﬁeld,

1983]. С 1964 г. профессор Бернал вошел

вредакционный совет ISI по созданию SCI.

По мнению Ю. Гарфилда, профессора Бер-

нала можно считать “grandfather” of science

of science («дедушкой» науковедения).

Невозможно переоценить вклад, вне-

сенный вразвитие науковедения инауко-

метрии выдающимся американским исто-

риком науки, физиком по образованию,

профессором Yale University (штат Коннек-

тикут) Дереком де Солла Прайсом (Dеrek

de Solla Price). Д. Прайс был советником

по науке президентов США Дж. Кеннеди

и Л. Джонсона. Его книги «Наука после

Вавилона» (Science after Babilone) [Price,

1961] и «Малая наука, большая наука»

(Little Science, Big Science) [Price, 1963] ста-

ли мировыми бестселлерами, были пере-

ведены иизданы в СССР. В книге «Малая

наука, большая наука» Д. Прайс изложил

свой подход к исследованию развития

науки количественными методами и обо-

сновал идею экспоненциального роста на-

учной литературы. Д. Прайс был горячим

сторонником роли государственных инве-

стиций внауку, поскольку он полагал, что

«наиболее характерной чертой развития

общества является настоятельная потреб-

ность в науке» [Price, 1963]. Блестящий

специалист иоратор, он активно включил-

ся в исследования по анализу массивов

SCI и указал на огромные потенциальные

возможности нового инструмента для из-

учения социологии и истории науки. Он

одним из первых выполнил исследование

на массиве сетей библиографических ссы-

лок. В1965г. Д. Прайс встатье Network of

Scientiﬁc Papers, опубликованной вжурна-

ле Science, отмечал, что изучение связей

между документами по их цитированию

может позволить описывать вгеографиче-

ских терминах структуру науки, «в которой

разделы науки воспринимаются как карты

территории с национальными границами,

горами и пастбищами, свободными доро-

гами инепроходимыми джунглями» [Price,

1965]. По мнению одного из наиболее ав-

торитетных специалистов по наукометрии

профессора Б. Гриффита (Belver C. Grifﬁth,

Drexel University), «это блестящее иссле-

дование Д.Прайса [Price, 1965] позволило

впервые построить сети цитирования, ко-

торые послужили прообразом карт нау-

ки» [Small, Grifﬁth, 1974]. Д.Прайс первым

не только построил сети цитирования,

но и разработал математическую теорию

роста этих сетей, сформулировал закон

Прайса о старении научной литературы.

Впамять овыдающемся вкладе профессо-

ра Д.Прайса внаукометрию исоциологию

науки Ю.Гарфилд учредил в1984г. золо-

тую медаль имени Д. Прайса, присуждае-

мую раз вдва года Международной орга-

низацией по наукометрии иинформетрии

(International Society on Scientometrics and

Informetrics — ISSI). Активная переписка

иподдержка Д. Прайса, философа иполи-

тика профессора Дж. Бернала ивыдающе-

гося социолога Р. Мертона укрепили веру

Ю.Гарфилда вто, что новый информаци-

онный инструмент может быть использо-

ван для эмпирического изучения истории

исоциологии науки.

Регулярный выпуск SCI с 1964 г. вызвал

большой интерес в научном сообществе,

и ряд выдающихся исследователей стали

инициаторами и разработчиками методов

наукометрии на основе анализа массивов

SCI. Ученые осознали, что эти массивы

являются ценным источником изучения

отдельных направлений науки, сетей на-

учных коммуникаций и средством оценки

результативности научных исследований.

Первое кумулятивное издание SCI по-

явилось в ВИНИТИ АН СССР уже в1965г.,

и с тех пор началось приобретение этого

издания ведущими библиотеками и АН

СССР. Детальное описание SCI и принци-

пы, заложенные при его создании, были

освещены вкниге «Основы информатики»,

опубликованной в1965г. [Михайлов идр.,

1965]. Эта монография ипоследующая кни-

га «Научные коммуникации иинформати-

ка» [Михайлов идр., 1976] были переведе-

ны на английский, немецкий, французский

идругие языки мира иизданы вСША, Ев-

ропе иЯпонии. Можно констатировать, что

обе монографии оказали колоссальное

влияние на огромное поколение библио-

течных и информационных специалистов

вСССР, странах Восточной Европы, Индии,

Бразилии идругих странах мира.

Следует подчеркнуть, что интенсивное

сотрудничество Ю. Гарфилда иДж. Ледер-

берга стало частью научной политики иде-

батов вамериканском научном сообществе

вборьбе синформационным кризисом исо-

перничеством США с СССР в космической

гонке. Президент Кеннеди придавал огром-

ное значение науке иее роли вжизни обще-

ства, иего сильно беспокоили успехи СССР

вкосмосе. В1963г. по решению Дж. Кеннеди

была учреждена специальная комиссия под

председательством д-ра А.Вайнберга (Alvin

Weinberg) для оценки состояния научно-тех-

нической информации. Д-р A. Вайнберг —

сын российских эмигрантов, участник Ман-

хэттенского проекта и директор в течение

18 лет Окриджской национальной лабора-

тории (Oak Ridge National Laboratory)— был

известен не только блестящими научными

достижениями, но и удивительной способ-

ностью убеждения в общественной зна-

чимости науки для процветания страны.

В результате работы комиссии появился

знаменитый доклад «Наука, правитель-

ство, информация» (Science, Government,

and Information), известный в мире как до-

клад А. Вайнберга. В докладе отмечалось,

что ученые «похоронены под массивами

информации» [Weinberg, 1963], с которыми

они не успевают ознакомиться, иинформа-

ционный кризис рассматривался как угро-

за существованию самой науки, вто время

как получение информации является инте-

гральной и неотделимой частью научного

процесса. В докладе комиссии, членом ко-

торой был Дж. Ледерберг, отмечалось: «Ко-

миссия находится под впечатлением воз-

можностей Science Citation Index. Мы хотели

бы привлечь внимание научно-техническо-

го сообщества к этому новому, мощному,

хотя пока мало используемому, поисковому

инструменту. Комиссия полагает, что индек-

сирование ссылок, вчастности всочетании

с пермутационным индексированием заго-

ловков, будет широко использоваться иего

применение изменит способ нашего осмыс-

ления технической литературы и способ

управления ею» [Weinberg, 1963]. Эта реко-

мендация явилась важным шагом вистории

развития SCI, массивы которого послужили

основой для развития наукометрии.

Некоторые выводы доклада Вайнберга

были учтены ивСССР. В1966г. было при-

нято Постановление Правительства СССР

о создании Всесоюзного научно-техниче-

ского информационного центра — аналога

американского Clearing House (Центра от-

четов, выполненных по контрактам сгосу-

дарством США) иоб организации системы

депонирования.

Нельзя сказать, что создание SCI и ис-

пользование метода ссылок не вызывало

критики. Любопытно, что в 60-х гг. в ка-

честве аргумента противники метода ис-

пользовали очень высокую цитируемость

работ Т.Д.Лысенко. Отвечая на этот упрек,

известный американской документалист

Н.Каплан (N.Kaplan) отмечал, что ссылки

устанавливают ассоциативную связь меж-

ду двумя документами, аих количество по-

казывает влияние ученого. Положительное

это влияние или отрицательное, на этот

вопрос ответят эксперты, но, без сомнения,

разрушительное влияние Лысенко на раз-

витие советской генетики было огромным

[Kaplan, 1965]. Негативное цитирование

незначительно и является статистической

случайностью, особенно втаких огромных

массивах, как Web of Science. Выполнен-

ные в ISI исследования показали, что не-

гативное цитирование в определенной

области знания обычно не превышает 5 %

(а чаще меньше). История, подобная Cold

fusion (холодный синтез) в1970-х гг., случа-

ется крайне редко иподтверждает скорее

исключение из правил. Многочисленные

исследования показали, что частота ци-

тирования положительно коррелируется

с признанием исследователя научным со-

обществом. Негативное цитирование— это

всего лишь «шум», который вдействитель-

ности не влияет на результаты анализа.

Противники использования метода цити-

рования также указывают на «избыточное»

цитирование методических и обзорных

статей и самоцитирование или цитирова-

ние кругом ученых друг друга. Самоцити-

рование— это нормальная практика впу-

бликациях, и его доля в биомедицинской

литературе может достигать 25 %. Автор,

позволяющий себе чрезмерное самоцити-

рование, может вызвать возражения у ре-

цензентов статьи и у редактора научного

журнала, если самоцитирование нанесло

ущерб ссылкам на другие работы. Конечно,

такой автор может опубликовать свою ра-

боту вжурнале снизким импакт-фактором

и с невысокими стандартами рецензиро-

вания. Втаком случае он навредит самому

себе, поскольку практически теряет воз-

можность быть процитированным други-

ми исследователями. Цитирование кру-

гом ученых только друг друга напоминает

историю омифическом единороге: каждый

может его вообразить, но никто не может

его воспроизвести. Распределение ссылок

всегда чрезвычайно несбалансировано.

Небольшая группа статей может получить

большое количество ссылок, и значитель-

ное большинство публикаций может быть

процитировано незначительно или совсем

не быть процитировано. Это явление от-

носится даже к нобелевским лауреатам.

Такое распределение ссылок описывается

кривой нормального распределения идо-

статочно распространено втех случаях, где

человеческий фактор играет роль. Разные

области исследования имеют совершенно

разные модели цитируемости, и разрыв

между областями знаний может дости-

гать соотношения 10:1. Так, средняя статья

по молекулярной биологии и генетике за

десятилетний период получит 40 ссылок,

асредняя статья вжурнале по математике

или вычислительной технике соберет не

более четырех ссылок. То же самое отно-

сится ик общественным наукам, вкоторых

впервую очередь цитируются книги [Мар-

кусова, Ярошевский, 1987].

В 1965 г. Ю. Гарфилд организовывает

компьютеризированную службу Selective

Dissemination of Information— SDI (избира-

тельного распределения информации) —

Automatic Subject Citation Alert (ASCA).

Подписчики еженедельно получали распе-

чатки библиографических описаний ста-

тей по интересующей их тематике из 2000

научных журналов. Каждый подписчик

имел свой профиль интересов. Например,

редакторы научных журналов могли полу-

чать списки статей, в которых были про-

цитированы публикации из их журналов.

Подписчик этой службы имел также воз-

можность получать библиографические

описания статей определенных авторов

или публикаций, вкоторых были процити-

рованы работы пользователя. Таким обра-

зом, SCI и ASCA6 кроме информационной

составляющей способствовали установ-

лению прямых контактов между учеными

разных стран мира. Сам Ю. Гарфилд вни-

мательно следит, где икак цитируются его

работы и насколько растет популярность

SCI. В 1970 г. Ю. Гарфилд получает пись-

мо от известного украинского науковеда

к. т. н. А. А. Коренного7 и пишет об этом

в апреле 1970 г. в Current Contents: «…не-

давно я начал очень интересную перепи-

ску с советским ученым, который активно

занят исследованиями по науковедению

и использует SCI для социометрических

идругих целей. Я никогда бы не имел слу-

чая установить такой контакт, если бы я не

создал службу ASCA, позволяющую мне по-

лучать информацию о публикациях, в ко-

торых были процитированы мои работы»

[Garﬁeld, 1970].

Оперативно работающая система опо-

вещения на основе процитированных пу-

бликаций Ю. Гарфилда позволила ему

установить связь ис его дальневосточным

коллегой, членом-корреспондентом РАН

В.Е.Васьковским. Винтервью (телефонный

разговор 14.09.2014 г.) автору этой главы

он вспоминал: «…в 1975г. мы опубликова-

ли статью по реактивам на фосфор ифос-

фолипиды [Vaskovskii et al., 1975]. Потом

наша статья попала всписок 50 наиболее

цитируемых работ из СССР. Она цитируется

6В 1968 г. Постановлением Президента АН СССР

академика М. В. Келдыша служба, аналогичная ASCA,

была организована для научно-информационного

обслуживания академиков в ВИНИТИ.

7Коренной А. А. — ведущий научный сотрудник

сектора по истории науки в Институте кибернетики

АН УССР, соратник и друг Г. М. Доброва. См.: Корен-

нойА.А. Science Citation Index: Применение внаукове-

дении и информатике // НТИ. 1966. Сер. 2. №10. С. 3–6.

до сих пор, набрала более 600 цитирова-

ний». Начиналась эта статья так: «Метод

определения фосфора является одним из

самых популярных вхимических ибиохи-

мических лабораториях», и была ссылка

на Current Contents. Вскоре Васьковский

получил письмо от Ю.Гарфилда, вкотором

он спрашивал, как вдалекой Сибири узна-

ли о Current Contents. Ю. Гарфилд писал:

«…я был в начале 60-х в Москве и давно

мечтал проехать на поезде через Сибирь».

«Я побежал к Андрею Петровичу (член-

корреспондент А. П. Капица был предсе-

дателем Дальневосточного научного цен-

тра) сэтим письмом, он дал указание Боре

Славинскому8 — визит Ю. Гарфилда был

включен вплан на 1977г.». Начиная сэтого

времени Ю.Гарфилд неоднократно приез-

жал вСССР иРоссию как гость Академии

наук. Последний его визит во Владивосток

состоялся в2007г.

Практически во время всех приездов

Ю. Гарфилд выступал на семинарах, по-

священных информационным продуктам

ISI и их использованию. Эти семинары

обычно организовывались вИнституте ор-

ганической химии АН СССР или в Библи-

отеке по естественным наукам АН СССР.

Я хорошо помню, как на семинаре в1981г.

Ю.Гарфилд рассказывал о доступе врежи-

ме онлайн кбанку данных ISI испециально

созданных для этой работы новых удален-

ных ресурсах: ISI BIOMED иISI COMPUMAS.

Вто время никто из нас даже не видел пер-

сонального компьютера. Семинары Ю.Гар-

филда освещались в«Вестнике АН СССР»

и журнале «Научно-техническая инфор-

мация» (Сер. 1), выпускаемом ВИНИТИ АН

СССР. В настоящее время эту традицию

семинаров продолжает высококвалифи-

8Славинский Б. В. был начальником отдела между-

народных связей Президиума ДВНЦ.

цированный персонал компании Thomson

Reuters, которая купила ISI в1992г.

С 1972 г. в ISI начался выпуск Social

Science Citation Index — SSCI (Указателя

цитируемой литературы по обществен-

ным наукам), а в 1978 г. появился Arts

&Humanities Citation Index— A&HCI (Указа-

тель цитируемой литературы по искусству

и литературе). Одним из важных этапов

в развитии наукометрии стал ежегодный,

начиная с 1975 г., выпуск Journal Citation

Reports — JCR (Указателя цитируемости

научных журналов). Первое издание JCR

вышло в печатном виде и содержало ин-

формацию об импакт-факторах около

3000 научных журналов. В1978г. началась

публикация JCR-Social Sciences (Указате-

ля цитируемости научных журналов по

общественным наукам). «Сейчас,— сказал

Ю. Гарфилд, — многие ученые иредакто-

ры делают ужасную ошибку, когда думают,

что SCI был создан только для того, чтобы

производить его побочный продукт— JCR.

Основная цель этих ресурсов— информа-

ционное обеспечение исследователей, хо-

тя массивы библиографических записей

являются неоценимым источником науко-

метрической информации» [Garﬁeld, 2011].

Впервые понятие «импакт-фактор» бы-

ло предложено Ю. Гарфилдом совместно

сдоктором И.Шером (Irving Sher) в1963г.

[Garﬁeld, Sher, 1963]. Введение этого тер-

мина способствовало более качественному

отбору научных журналов, осуществляе-

мому библиотеками и информационными

службами. Импакт-фактор быстро стал

популярен как символ научного престижа

журнала, хотя его значения сильно разли-

чаются в зависимости от области знания

иего релевантности предметной области.

Использование SCI явилось, по существу,

инновационным подходом кизучению фор-

мальных и неформальных научных связей

авторов публикаций — одной из горячих

проблем исследований в США. В период

своей работы над проектом Welsh Ю. Гар-

филд подружился с выдающимся психо-

логом профессором У. Гарвеем (W. Garvey),

работавшим втом же университете. Вкон-

це 1950-х гг. У. Гарвей и его коллега док-

тор Б.Гриффит врамках проекта American

Psychology Association (Американской ас-

социации психологов — самой представи-

тельной по численности профессиональ-

ной научной организации США) выполнили

выдающееся исследование по изучению

системы научных коммуникаций. Следует

сказать, что наличие и важность роли на-

учных коммуникаций всегда признавалось

внауке, однако именно У.Гарвей иБ.Гриф-

фит впервые сумели построить всю цепоч-

ку получения и распространения нового

знания по мере выполнения изавершения

исследования. Группа У. Гарвея и Б. Гриф-

фита выявила роль неформальных каналов

научных коммуникаций и«invisible colleges»

(«незримых коллективов»), возникающих

для оперативного распространения инфор-

мации и обмена знаниями. Важный и не-

тривиальный вывод их исследования за-

ключался втом, что научные коммуникации

являются целостной системой, в которой

формальные инеформальные методы рас-

пространения информации тесно связаны

между собой. Эти исследователи отмечали,

что система научных коммуникаций являет-

ся открытой социальной системой, основан-

ной на взаимодействии людей, иэлементы

этой системы связаны между собой таким

образом, что изменение одного из них вли-

яет на функционирование других [Garvey,

Grifﬁth, 1967]. Заслуги профессора У.Гарвея

в исследованиях научной коммуникации

ипсихологии научного творчества были от-

мечены в1992г. золотой медалью American

Psychology Association.

В середине 1960-х гг. проф. Б. Гриффит

возглавил кафедру вДрексельском универ-

ситете (Drexel University), иего интерес сме-

стился кнаукометрическим исследованиям.

Изучая проблемы старения научной лите-

ратуры, он увидел вэтом процесс, вкотором

идеи или литература, казалось бы, изнаши-

ваются или становятся менее полезными,

отражая скорость роста и значимость зна-

ния. Он был ярым сторонником ипропаган-

дистом использования метода цитирования

для анализа формальной структуры науки,

параллельной неформальной социальной

структуре, которую он изучал вместе спро-

фессором У. Гарвеем. Ю. Гарфилд отмечал

важность вклада Б. Гриффита в 70-х гг.

в разработку исследований по картирова-

нию науки. Именно он первым применил

технику многовекторного шкалирования

для построения сети когнитивных и соци-

альных связей инаучил этому других. Вто

время Г. Смолл (Henry Small — директор

аналитического отдела ISI) занимался раз-

работкой метода ко-цитирования. Б. Гриф-

фит и Г. Смолл в 70-х гг. применили этот

изысканный метод для создания карты всех

основных, наиболее активно развивающих-

ся специальностей в естественных науках

[Garﬁeld, 1969]. Хотя метод ко-цитирования

был построен для создания связей между

документами, он распространил эту идею

для создания сетей ко-цитирования между

авторами. Выступая на церемонии по по-

воду вручения профессору Б. Гриффиту

в 1997 г. золотой медали имени Д. Прай-

са, профессор Г. Смолл подчеркнул, что

«… несмотря на фантастические успехи

в развитии технологии, принципы, стиму-

лирующие научные коммуникации, остают-

ся неизменными, иэто исследование будет

служить моделью иосновой для подобных

исследований в электронном веке» [Small,

1997]. Исследование системы научных ком-

муникаций рассматривалось как одна из

проблем науковедения, иработы этой груп-

пы были переведены иизданы Институтом

истории естествознания и техники (ИИЕТ)

в1976г. [Коммуникация…, 1976]. Впредисло-

вии кпервому тому монографической серии

Essays of an Information Scientist Ю.Гарфилда

нобелевский лауреат Дж.Ледерберг писал:

«…создание SCI— это лучший пример под-

хода Джина (Gene) ккоммуникациям внауке:

это не некоторый поддерживающий (вспо-

могательный) инструмент или смазочный

материал, это важная часть самой науки, та-

кая же, как работа за столом влаборатории

или скалькулятором» [Lederberg, 1977].

Профессор Гриффит вырастил плеяду

талантливых учеников, двое из которых

были удостоены медали Д. Прайса. Узнав

о присуждении Б. Гриффиту золотой ме-

дали Прайса, выдающийся социолог науки

Р. Мертон сказал: «Зная огромное восхи-

щение Дерека преданностью Белвера на-

уке иего вкладом внее, я думаю, что он бы

аплодировал этому решению. Если и есть

наследник мантии Дерека в наукометрии,

то это Белвер» [Small, 1997]. Впамять о про-

фессоре Б. Гриффите как ученом ипедаго-

ге его вдова К.Адамс идоктор Ю.Гарфилд

учредили для аспирантов Дрексельского

университета стипендию имени В. Гриф-

фита. Ученый с энциклопедическим об-

разованием, друг исоратник профессоров

Д. Прайса, У. Гарвея, Р. Мертона, заядлый

яхтсмен, изучающий российскую историю

до последних дней жизни, он имел откры-

тый дом в Филадельфии для российских

иевропейских коллег.

Сразу после выпуска SCI Ю.Гарфилд про-

водит огромную работу по пропаганде ис-

пользования статистики SCI для изучения

различных аспектов истории науки, науч-

ных открытий итемпов развития направле-

ний науки. В1970г. Ю. Гарфилд снова пишет

об использовании индекса для изучения

истории науки «Индексирование ссылок

и оценка научных статей». Он отмечает,

что те, кто внес огромный вклад вразвитие

научных направлений, могут быть иденти-

фицированы при анализе цитируемости

их работ специалистами в данной области

[Garﬁeld, 1969]. Ю. Гарфилд обращает вни-

мание научного сообщества на различие

показателей цитируемости в зависимости

от областей знания ипризывает косторож-

ности в использовании примитивного под-

счета ссылок при оценке исследователей.

Он отмечает тот факт, что мониторинг ци-

тируемости и его всплеск могут привлечь

внимание к статьям, которые внезапно

были открыты или переоткрыты через не-

сколько лет. Ю.Гарфилд писал, что можно

привести множество примеров важных от-

крытий, которые имели малое воздействие

на современные исследования. Широко

известно, например, что значение работы

Менделя не было замечено свыше 30 лет.

Нобелевская премия по медицине была

присуждена П.Роусу (Peyton Rous) в1966г.

за исследование вируса рака, получившего

название саркомы Роуса. Однако этот вирус

он открыл в1910г.(!), итолько после того, как

вирус лейкемии был изолирован в 1951 г.,

работа Роуса была по достоинству оценена.

Известный американской социолог науки

профессор Г. Цукерман (Harriet Zuckerman,

Columbia University, NY) указывала, что от-

сроченное признание случается во многих

областях знания, включая работы, за кото-

рые впоследствии была присуждена Но-

белевская премия. Историки и социологи

могут изучать научное сопротивление на

примерах отсроченного признания статей,

выявленных анализом сетей цитирования

[Garﬁeld, 1981]. В 1965 г. Ю. Гарфилд опу-

бликовал исследование, вкотором показал,

что существует корреляция между высокой

цитируемостью ученого и присуждением

Нобелевской премии. В списке опублико-

ванных им высокоцитируемых работ были

как нобелевские лауреаты, так ите, кто по-

лучил эту премию позднее. Корреляция —

это не причинно-следственная связь. По

справедливому замечанию американского

документалиста Б.Кронина (B.Cronin), «ци-

тирование — это индивидуальный процесс,

арезультат этого процесса имеет огромное

значение всфере науки» [Cronin, 1981]. Бу-

дучи индивидуальным решением, указание

на научный результат (публикацию) другого

ученого выражает особенности мотивации

того, кто на него ссылается. Премия — это

результат выдающегося исследования,

оцененного экспертами Нобелевского ко-

митета. По данным Ю.Гарфилда, всреднем

в 70-х гг. один современный ученый цити-

ровался около восьми раз. Цитируемость

нобелевских лауреатов всреднем вто вре-

мя составляла около 150 раз вгод. Его ис-

следования показали, что цитируемость

после присуждения Нобелевской премии

резко возрастает. При этом он отмечает, что

частота цитирования — это далеко не одно-

значный показатель применительно как

кнаучному направлению, так ик отдельно-

му ученому.

Изучение мотивов цитирования было

предпринято рядом западных ученых, об-

ративших внимание на различные виды

этих мотивов. Ссылка фиксирует круг обще-

ния ученого. Но он может быть иоппонент-

ным кругом, т.е. включать исследователей,

с которыми автор полемизирует, подвер-

гает критике их идеи ифакты, противопо-

ставляя им собственные. Такая полемика

также может оказать влияние на модель

цитирования, притом не всегда в откры-

той форме. Однако небольшие отклоне-

ния вобщепринятых нормах цитирования

если случаются, то редко, поскольку этому

препятствуют высокие этические стандар-

ты научного сообщества [Маркусова, Яро-

шевский, 1987]. Сам Ю.Гарфилд неустанно

призывает к осторожности в использова-

нии данных цитирования, отмечая, что SCI

«не счетчик ссылок» ипоэтому как «любой

инструмент — от ядерной энергии до мо-

лотка — должен быть правильно исполь-

зован» [Garﬁeld, 1985]. Позднее он писал:

«…мы не хотели быть слишком агрессивны-

ми вего (SCI) другом применении, однако

еще в1965г. мы сШером писали о его ис-

пользовании для оценки эффективности

исследований, о новых факторах оценки

научной литературы на основе анализа ци-

тируемости» [Garﬁeld, 1969].

Бесспорно, что отцом наукометрии яв-

ляется доктор Юджин Гарфилд, однако

сам термин был предложен нашим со-

отечественником, выдающимся ученым,

статистиком и философом профессором

МГУ В.В.Налимовым вего ставшей бест-

селлером книге «Наукометрия», опубли-

кованной в 1969 г. [Налимов, Мульченко,

1969]. В интервью9 Ю. Гарфилд вспоми-

нал: «...профессор В. В. Налимов — бле-

стящий статистик, выпустил книгу “На-

укометрия”, которая была переведена

каким-то правительственным агентством

(может быть, ЦРУ) без указания названия

организации, осуществившей это изда-

ние. Книга распространялась бесплатно,

как технический отчет. Таким образом она

попала ко мне вруки. ВВенгрии скнигой

9Материал размещен на сайте Web of Stories (URL:

http://www.webofstories.com/play/eugene.garﬁeld/57).

ознакомился профессор Тибор Браун

(T. Braun, Венгрия), который выбрал тер-

мин, предложенный В. В. Налимовым,

идал его вкачестве названия нового жур-

нала Scientometrics». По мнению Ю. Гар-

филда, термин «Scientometrics» звучал

по-английски значительно лучше, чем «на-

уковедение» — «Science of science», и от-

ражал сущность предмета — измерение

науки количественными методами. Акту-

альность задач, поставленных В.В.Нали-

мовым, начинает осознаваться только сей-

час. Тому свидетельство, что в2001г. был

опубликован специальный выпуск жур-

нала Scientometrics, посвященный вкладу

В.В.Налимова в становление иразвитие

наукометрии как научной дисциплины. От-

мечая выдающийся вклад В.В.Налимова,

следует рассказать иоб истории развития

этого направления вРоссии.

История наукометрии в мире и в России

неразрывно связана с историей наукове-

дения. По мнению американского историка

науки профессора Л.Грэхама (L.R.Graham)

[Graham, 1998] и профессора П. Воутерса

(P. Wouters, Нидерланды) [Wouters, 1999],

вначале XX в. русские были впереди Запада

по проблемам истории науки. Выдающийся

геохимик ифилософ профессор В.И.Вер-

надский начал исследования по этой те-

матике еще в1893г.! В1902г. вМосковском

государственном университете он прочитал

первую лекцию «Взгляд на историю совре-

менного мира науки». После 1917г. он вел

активную кампанию по созданию институ-

та по истории науки итехники. Результатом

явилось появление первого вмире институ-

та под названием «Комиссия академии наук

по истории знаний». Как отмечает профес-

сор Грэхам, «взгляды Вернадского на исто-

рию и социологию науки опережали его

время, хотя современные историки могут

сказать, что он придавал слишком большое

значение роли гениальных идей и недо-

оценивал важность социального контекста

итехники» [Graham, 1998]. Появилось вРос-

сии понятие «науковедение», введенное

И. Боричевским, и это направление при-

влекло внимание главного ученого секре-

таря АН СССР академика С.Ф.Ольденбурга.

В1929г. академик В.И.Вернадский был от-

странен от должности главы этой комиссии

изаменен Н.И.Бухариным [Гиндилис, 2011].

В 1931 г. эта комиссия была преобразо-

вана в Институт истории науки и техни-

ки, и его директором стал Н. И. Бухарин.

Возглавляемая им большая советская

делегация приняла участие во Втором

международном конгрессе по истории на-

уки, проходившем в Лондоне в 1931 г. За-

падные исследователи отмечали [Wouters,

1999] то колоссальное впечатление, кото-

рое произвел на участников, в том числе

на Дж. Бернала и Р. Мертона, доклад со-

ветского физика Б. Гессена о социальных

корнях «Начал Ньютона». Однако в1936г.

Б.Гессен ишесть других членов советской

делегации были арестованы и погибли

[Ярошевский, 1985]. В.В.Налимов провел

18 лет вГУЛАГе ибыл освобожден в1953г.

Он стал работать референтом в рефера-

тивном журнале ВИНИТИ АН СССР.

В 1962г. директором ИИЕТ АН СССР стал

академик Б.М.Кедров. Книги Дж.Берна-

ла и Д. Прайса привлекли большое вни-

мание советского научного сообщества,

и возник значительный интерес к про-

блемам науковедения. Активным пропа-

гандистом науковедения стал профессор

С. Р. Микулинский10, бывший в то время

заместителем директора ИЕЕТ. В июне

1966 г. во Львове-Ужгороде состоялся со-

10Микулинский С. Р. (1919–1991), член-корреспондент

АН СССР, директор ИИЕТ с 1974 по 1987 г.

ветско-польский симпозиум по проблемам

комплексного изучения науки, на кото-

ром была и наукометрическая секция. На

этом симпозиуме впервые В. В. Налимов

использовал термин «наукометрия» как

термин, «характеризующий дисциплину,

занимающуюся использованием количе-

ственных методов для изучения процесса

развития науки». Нужно отметить, что еще

в1959 г. вжурнале «Успехи физических на-

ук» вышла статья В.В.Налимова «Научная

итехническая информация как одна из за-

дач кибернетики» [Влэдуц идр., 1959], по-

священная химической кибернетике ина-

укометрии. Вто время В.В.Налимов был

внештатным сотрудником ВИНИТИ. Позд-

нее он вспоминал: «Я познакомился сна-

укометрией совершенно случайно. Вконце

50-х гг. я работал редактором рефератив-

ного журнала по физике вВИНИТИ. Я ра-

ботал вВИНИТИ, поскольку я мог перево-

дить стрех европейских языков. Однажды

я получил статью Д.Прайса, имне сказали,

что я единственный специалист, который

может ее перевести. Она была на итальян-

ском языке. Мне понравилась эта статья.

Она была посвящена экспоненциальному

росту науки. Вместе сГ.Влэдуцем иСтяж-

киным я написал статью о связи между

кибернетикой иинформатикой. Она была

опубликована вжурнале “Успехи физиче-

ских наук”. Директор института А. И. Ми-

хайлов был первым, кто прореагировал

на нее: он пригласил моих соавторов иот-

ругал. Обращение ккибернетике – вот что

инкриминировалось двум моим коллегам.

Вто время это было против официальной

идеологии» [Wouters, 1999].

Следует отметить, что в СССР в начале

60-х гг. образовались две школы по на-

укометрии. Одна, московская школа, не

была организационно оформлена и явля-

лась «незримым коллективом». Инициа-

тором идушой этой школы был профессор

В.В.Налимов. С1966г. он начал проводить

неформальный семинар по использованию

метода цитирования вИИЕТ АН СССР при

активном участии иподдержке профессора

С. Р.Микулинского. Постоянными участни-

ками этого семинара и активными помощ-

никами висследованиях В.В.Налимова по

наукометрии были И. М. Ориент — главный

редактор одного из лучших отечественных

журналов того времени «Заводская лабо-

ратория», доцент Ю. В. Грановский (МГУ),

З.Баринова идр.

В интервью, данном в1992г., И.М.Ори-

ент вспоминала: «…мы начали работать

в 1966 г. Центром притяжения был Васи-

лий Васильевич Налимов. Тогда он полу-

чил от Ю.Гарфилда выпуск SCI за 1965 г.

и пригласил людей, чтобы учиться рабо-

тать сSCI (автора этой главы позднее учи-

ла И.М.Ориент). Сначала мы не отнеслись

к этому серьезно, но позднее стали про-

водить много времени, работая с SCI. Мы

“распространяли” SCI среди друг друга.

Я выбрала аналитическую химию, Васи-

льев изучал химическую физику, Ю.В.Гра-

новский — неорганическую химию. Каж-

дый из нас имел свое собственное направ-

ление» [Wouters, 1999].

В 1966г. В.В.Налимов сгруппой соавто-

ров опубликовал статью «Изучение науч-

ных журналов как каналов связи. Оценка

вклада отдельных стран вмировой научный

информационный поток» в журнале «На-

учно-техническая информация» [Оценка...,

1968]. В1969г. В.В.Налимов всоавторстве

с З. М. Мульченко выпускает книгу «На-

укометрия. Изучение развития науки как

информационного процесса» [Налимов,

Мульченко, 1969]. Вэтой книге наукометрия

рассматривалась как раздел науковедения.

Вкниге было дано следующее определение

этой дисциплине: «Будем называть науко-

метрией количественные методы изучения

развития науки как информационного про-

цесса» [Налимов, Мульченко, 1969]. Обсуж-

дался следующий круг вопросов: инфор-

мационная модель развития науки, рост

информационных потоков, цитируемость

литературы, изучение внутренних связей

в науке по языку библиографических ссы-

лок, «незримые коллективы», оценка вкла-

да, вносимого отдельными странами вми-

ровой научный информационный поток,

процесс статистического анализа одного из

научных направлений илогический анализ

проблемы прогнозирования.

Опубликованная 45 лет назад, эта книга

включала все актуальные проблемы ис-

следований современного библиометриче-

ского сообщества. В2001г. международный

журнал Scientometrics посвятил В.В.Нали-

мову специальный номер, открывая кото-

рый главный редактор журнала профессор

Тибор Браун отметил, что В. В. Налимова

вместе с Дереком де Солла Прайсом мож-

но считать основателями наукометрии.

В2010 г. в МГУ была проведена междуна-

родная научная конференция, посвящен-

ная 100-летию со дня его рождения. Выпу-

щен сборник трудов конференции, издана

книга В.В.Налимова «Облик науки», кото-

рая впервые была опубликована вISI Press

Ю. Гарфилда в 1981 г. [Грановский, 2010].

Внастоящее время его вдова иверная по-

мощница философ Ж. Дрoгалина готовит

кпереизданию книгу В. В. Налимова «Раз-

брасываю мысли», впервые опубликован-

ную после его смерти.

Вторая школа, которая затем преврати-

лась в специальный исследовательский

центр под руководством Г.М.Доброва, дей-

ствовала вКиеве, на Украине. Г.М.Добров

был очень энергичным человеком, хорошо

вписавшимся в советский истеблишмент.

Он был первым секретарем райкома ком-

сомола вКиеве вконце 1950-хгг. Инженер

по образованию, он окончил аспиранту-

ру Института теплоэнергетики АН УССР

(в настоящее время Институт технической

теплофизики НАН Украины), защитив дис-

сертацию по истории угольных комбайнов.

Позднее в соавторстве он опубликовал

двухтомную монографию по истории уголь-

ной промышленности.

В начале 60-х гг. его интересы смести-

лись к проблемам кибернетики и теории

управления. Монография Г. М. Доброва

«Наука онауке», опубликованная в1966г.

[Добров, 1966], стала значительной вехой

в истории отечественного науковедения

и наукометрии. В эту книгу был включен

перевод книги Д. Прайса «Малая наука,

большая наука». Эта книга Г. М. Доброва

пользовалась огромной популярностью,

дважды была переиздана (1970 и1989гг.).

Ее опубликование ознаменовало начало

развития науковедческих инаукометриче-

ских исследований на Украине. Вэто время

Г.М.Добров уже руководит сектором вИн-

ституте кибернетики АН УССР. Возглавляе-

мый им коллектив проводит исследования

по оценке научного потенциала, прогно-

зированию науки. Проблемы управления

наукой детально рассмотрены в моно-

графиях «Науковедение как наука об эф-

фективном управлении научной деятель-

ностью: опыт, проблемы, перспективы»,

«Организация и эффективность науки»

ивнаписанной всоавторстве сВ.М.Глуш-

ковым иВ.И.Терещенко монографии «Бе-

седы об управлении». В1969г. Г.М.Добров

начал выпуск периодического научного

сборника «Науковедение и информати-

ка» ибыл его ответственным редактором.

С1979г. Г.М.Добров был членом редакци-

онной коллегии международного журнала

Scientometrics, издаваемого профессором

Т.Брауном вБудапеште. По приглашению

Г.М.Доброва на Украину приезжали про-

фессор Д.Прайс, Ю.Гарфилд. Активная на-

учная деятельность инеутомимая энергия

Г.М.Доброва привели ксозданию в1986г.

Центра исследований научно-техническо-

го потенциала иистории науки, который он

возглавлял до конца жизни (1989г.). Теперь

этот центр носит его имя.

Два вопроса, о которых хотелось бы упо-

мянуть, рассказывая об истории развития

наукометрии в СССР. В СССР была проде-

лана значительная работа по повышению

квалификации библиотечных и инфор-

мационных специалистов. Так, в 1966 г.

в ВИНИТИ были организованы специаль-

ные курсы для специалистов сотрывом от

работы, с 3-месячным и 6-месячным об-

учением с шестичасовыми занятиями три

раза в неделю. В 1971 г. эти курсы были

преобразованы Постановлением Совета

Министров СССР в Институт повышения

квалификации информационных ибибли-

отечных работников (ИПКИР) Министер-

ства по науке и технике СССР. Несколько

сотен тысяч библиотечных и информаци-

онных специалистов прослушали и сдали

экзамен по циклу лекций об информаци-

онных продуктах ISI: Current Contents, SCI

иJCR. Автор читала этот курс лекций с1975

по 1992г. Затем ИПКИР начал работать на

коммерческой основе. Впериод с2006 по

2011г., до поглощения этого института Фи-

нансовой академией при Правительстве

РФ (2012г.), автор этой главы читала курс

по информационным продуктам Thomson

Reuters для специальной группы универ-

ситетских специалистов. С1967г. (по насто-

ящее время) впрограмму для сдачи экза-

мена по специальности «научно-техниче-

ская информация» для получения степени

к.т.н. вВИНИТИ включен раздел о работах

Д.Прайса, В.В.Налимова иЮ.Гарфилда.

Наукометрии или библиометрии как спе-

циальности вноменклатуре ВАКа не суще-

ствует до сих пор, и защиты диссертации

по этой специальности относятся кбибли-

отечным наукам с присуждением степени

по педагогическим наукам.

По свидетельству Ю. В. Грановского [Гра-

новский, 2010], В. В. Налимов уделял особое

внимание процессу обучения специалистов,

считая это необходимым для выполнения

наукометрических исследований.

Можно констатировать, что постановле-

ниe от 1 ноября 2013 г. Председателя

Правительства РФ Д. Медведева № 979

«О внесении изменений в постановление

Правительства Российской Федерации от

8апреля 2009г. №312»11, устанавливающее

правила оценки результативности деятель-

ности научных организаций, включающее

ряд библиометрических показателей, бу-

дет способствовать растущей потребности

в подготовке квалифицированных специа-

листов по этой тематике. Следует отметить,

что пока работу по ознакомлению широкой

научной общественности страны по работе

и возможностям библиометрических ин-

формационных ресурсов выполняет группа

высококвалифицированных специалистов

компании Thomson Reuters.

Идея создания Указателя цитируемой

литературы была очень популярна вСССР.

В ВИНИТИ АН СССР профессор Р. Гиля-

ревский неоднократно предпринимал по-

пытки создания экспериментального мас-

сива для будущего Индекса цитирования

11Материал взят с сайта Российской акаде-

мии наук (URL: http://www.ras.ru/news/shownews.

aspx?id=613a30f8-1475-4d9a-a6a3-75df1501be7a).

отечественной литературы, но по не за-

висящим от него причинам эта работа не

получила развития. Часть этого материала

была использована В. А. Маркусовой для

диссертационного исследования. В1973г.

под руководством директора Азербайд-

жанского института научно-технической

информации итехнико-экономических ис-

следований Госплана Азербайджанской

ССР А. Мехтиева были выпущены указа-

тели цитируемой литературы (УЦЛ): УЦЛ-

нефть, УЦЛ-экономика. Затем в1974г. был

выпущен УЦЛ-информатика на основе ссы-

лок статей, содержащихся в обеих сериях

журнала «Научно-техническая информа-

ция» за период с1964 по 1973г. Вмассиве

1960 опубликованных статей содержалось

9535 ссылок на отечественные изарубеж-

ные публикации [Маркусова, 1976]. Ксожа-

лению, эти работы не получили дальней-

шего развития.

Однако успешная попытка создания ука-

зателя цитирования вРоссии была осущест-

влена в2001–2009 гг. Инициативная груп-

па (к. т. н. А. Н. Либкинд, д.ф.-м.н.В.А.Ми-

нин иих младший коллега И. А.Либкинд)

в2001г. предложила создать такой указа-

тель на основе данных о публикациях участ-

ников проектов Российского фонда фун-

даментальных исследований (РФФИ). Тог-

дашний председатель РФФИ академик

М. В. Алфимов поддержал эту идею. К ее

реализации подключился еще ряд специ-

алистов. Пилотная версия Указателя РФФИ

была создана и продемонстрирована

Ю.Гарфилду во время его приезда вМоскву

на конференцию, посвященную 50-летию

ВИНИТИ. Ю.Гарфилд сбольшим интересом

ознакомился сУказателем РФФИ иотметил

внем ряд оригинальных решений иполез-

ных опций, которые в то время отсутство-

вали вSCI. Однако по ряду причин финан-

сирование проекта прекращено. Но идея

создания Российского указателя оставалась

популярной.

Можно только поражаться огромной ин-

туиции Ю. Гарфилда, идеи которого позднее

были воплощены вновые информационные

продукты. В 1973 г. Ю. Гарфилд публикует

письмо кредактору журнала Nature, вкото-

ром обращает внимание на использование

индекса как инструмента для предсказания

будущих нобелевских лауреатов. «Анализ

самых высокоцитируемых авторов позво-

лил в1967г. выявить двух нобелевских ла-

уреатов среди списка наиболее цитируемых

авторов. Теперь благодаря накопленным

массивам статистики за 1961–1971 гг. (кро-

ме массивов за 1962 и 1963 гг.) появилась

возможность составить список высокоци-

тируемых авторов. Из более чем 1,8 млн

процитированных авторов только 42 тыс.

были процитированы более 30 раз в каж-

дом из обследованных лет. Однако только

2100 авторов были процитированы более

тысячи раз. Вэтом списке оказались все но-

белевские лауреаты за 1972 г. Итакже те (за

небольшим исключением), кто получил эту

премию впредшествующие годы» [Garﬁeld,

1973]. Таким образом, заключает Ю. Гар-

филд, нобелевские лауреаты принадлежат

к элитной группе, состоящей из 0,1 % всех

цитируемых авторов.

5 декабря 1977г. Ю.Гарфилд опубликовал

статью, посвященную 250 наиболее высоко-

цитируемым авторам за 1961–1975гг. Авторы

этих работ приглашались давать коммента-

рии, почему, по их мнению, эти работы при-

влекли такое внимание. Этот раздел назы-

вался «Citation Classics» (классика цитиро-

вания). Первый комментарий был написан

автором самой высокоцитируемой в мире

статьи Оливером Х. Лоури (Oliver H.Lowry),

опубликованной в 1951 г. Эта статья была

процитирована к1976г. более 58тыс. раз12.

Этот раздел публиковался вплоть до 1992г.

Всего за этот период времени было опубли-

ковано около 3000 комментариев авторов

этих работ, из которых 18 принадлежали

советским ученым. Только пять работ были

опубликованы в советских научных журна-

лах, остальные работы либо были опубли-

кованы за рубежом, либо это было издание

на английском языке монографий, первона-

чально опубликованных вСССР.

Отметим, что статья молодого советского

физика А. А. Абрикосова13, опубликованная

в 1957 г. в «Журнале теоретической и экс-

периментальной физики», попала в спи-

сок самых цитируемых советских работ,

опубликованных в советских журналах, за

период с1961 по 1972г. иполучила 730 ссы-

лок [Garﬁeld, 1975]. За эту работу в 2003 г.

А. А. Абрикосов стал лауреатом Нобелев-

ской премии по физике. Сведения о книгах

попадали в SCI только в том случае, если

книга была процитирована вжурналах-ис-

точниках. Например, опубликованная ака-

демиком Л. М. Бреховских в 1966 г. книга

«Динамика жидких сред» стала бестселле-

ром и чемпионом в вышеупомянутом раз-

деле Citation Classics благодаря ее высо-

ким показателям цитируемости в статьях,

опубликованных в журналах-источниках.

Позднее, в1993г., был выпущен том Citation

Classics, состоящий из этих комментариев.

С накоплением массивов информации

вбазе данных (БД) SCI были выяснены вре-

менные характеристики всистеме научных

12Эта статья Лоури была процитирована более

300тыс. раз.

13Академик А. А. Абрикосов, лауреат Нобелевской

премии за основополагающие работы по теории

сверхпроводников и сверхтекучих жидкостей. Раз-

делил эту премию с академиком В. Л. Гинзбургом

и англо-американским ученым лордом Anthony

James Leggett в2003г.

коммуникаций. Вконце 60-х было установ-

лено, что средний возраст цитируемой ста-

тьи находится в пределах от пяти до пят-

надцати лет, взависимости от области зна-

ния. Вто же время вобласти молекулярной

биологии средний возраст около 25 % ци-

тируемых публикаций составлял два года,

другие же были намного старше. Эти дан-

ные позволили обратить внимание на очень

небольшую группу статей, которая цитиру-

ется уже через несколько месяцев после

опубликования. В1975г. впервые внесколь-

ких выпусках библиографического указате-

ля Current Contents были напечатаны спи-

ски ста наиболее цитируемых публикаций,

опубликованных в этом же году. Два года

спустя ISI приступил к периодической пу-

бликации списка наиболее цитируемых ста-

тей, так называемых «горячих публикаций»

(hot papers). На основе выявленных фактов

была реализована новая информационная

услуга — публикация списков наиболее ци-

тируемых статей текущего года. Эти списки

«hot papers» обновляются каждые два ме-

сяца и доступны пользователям в настоя-

щее время вИнтернете.

Дальнейшее развитие наукометрии связа-

но сразработками ваналитическом отделе

ISI, который сначала 70-х гг. втечение поч-

ти 30 лет возглавлял Генри Смолл. В1973г.

он разработал вISI иосуществил практиче-

ское применение метода создания фронтов

научных исследований или кластеров на

основе ко-цитирования [Small, 1973]. Сила

ко-цитирования может определяться коли-

чеством совместных ссылок на данную пару

документов (публикаций) вдругих докумен-

тах. Если предположить, что высокоцитиру-

емые документы отражают важные понятия

вкакой-либо отрасли науки, то ассоциации

ко-цитируемых документов можно рассма-

тривать как классы или кластеры связанных

понятий. Эти кластеры отражают основные

направления современных исследований,

в совокупности составляющие карты на-

уки. Необходимо отметить, что одновре-

менно с Г. Смоллом и независимо от него

использование критерия ко-цитирования

на небольшом массиве статей по лазерам

было предложено И.В.Маршаковой (1973г.)

в ВИНИТИ [Маршакова, 1973]. Разработка

методов экспликации структуры современ-

ной науки посредством построения, ана-

лиза иоценки сетей цитирования, включая

использование критерия ко-цитирования,

позволила ISI начать в1987г. выпуск новой

серии обзорно-справочных изданий, кото-

рые были названы Atlas of Science (Атласами

науки) [Garﬁeld, 1989]. Этот метод использу-

ется для построения кластеров направле-

ний науки, входящих в состав БД Essential

Science Indicators — ESI (Основные показате-

ли науки итехники).

Сконца 70-х гг. создание различных карт

тематических направлений науки, а также

кластеров авторов нашло широкое приме-

нение вразных странах мира. Создание та-

ких карт науки позволило дать объективную

и прозрачную оценку сильным и слабым

сторонам научной деятельности, произво-

дить мониторинг развития научных направ-

лений инауки вцелом.

Уникальная по своим масштабам библио-

метрическая статистика SCI, SSCI, Arts&HCI,

ESI идругие издания фирмы ISI стали бога-

тейшим источником данных для наукоме-

трических исследований, что послужило

мощным толчком для их расширения ираз-

вития. С1979г. начал выходить двухмесяч-

ный международный журнал Scientometrics,

который посвящен рассмотрению всех ко-

личественных аспектов науки о науке, ком-

муникации в науке и научной политики.

В1993г. было организовано международное

общество по наукометрии и информетрии

International Society on Scientometrics and

Informetrics, конференции которого прохо-

дят раз вдва года. В2000г. была создана

международная организация научного со-

трудничества внаукометрии, информетрии

и вебометрии COLLNET, конференции ко-

торой проходят ежегодно. С 2007г. обще-

ство COLLNET выпускает журнал Collnet

Journal of Scientometrics and Information

Management, публикуемый два раза в год.

Одним из важных моментов в станов-

лении и развитии библиометрии явилось

понимание того, что библиометрическая

статистика может быть использована как

показатель результативности научных ис-

следований и эффективного использова-

ния денег налогоплательщиков.

Впервые статистические сведения о коли-

честве публикаций — научной продуктивно-

сти иих цитируемости были использованы

для оценки развития науки вСША ивмире

вотчете NSF США, выпущенном в1972г. под

названием Science Indicators14 (показатели

науки), который теперь называется Science

& Engineering Indicators. С тех пор на про-

тяжении более 40 лет пятая глава этих от-

четов NSF используется для мониторинга

тенденций развития мировой науки и ее

прогнозирования. С 2008 г. в этом отчете

публикуются данные о количестве высоко-

цитируемых работ иих доле внаучной про-

дуктивности каждой из обследуемых стран

ивмировом потоке15.

До начала 80-х гг. основным способом

оценки значимости намечаемых научных

программ служила система рецензирова-

ния ведущими специалистами — мэтрами

14Science Indicators – 1972. NSB-73-1 // Washington,

DC: U.S. Government Printing ofﬁce, 1973.

15Материал взят с сайта National Science Foundation

(www.nsf.gov).

науки. Выполненный в США по заказу NSF

в конце 80-х гг. анализ показал, что при

распределении грантов выбор грантополу-

чателей определяется наполовину строго

обоснованными рекомендациями, а напо-

ловину — рекомендациями, высказанными

наугад. Вдругом исследовании, выполнен-

ном по заказу той же организации, смешан-

ную группу рецензентов просили ответить

на вопросы, какой из двух заявок на грант

они отдадут предпочтение: той, которая по-

ступила из института, пользующегося миро-

вой известностью, иоснована на общепри-

нятых представлениях, или, напротив, заяв-

ке из малоизвестного научного учреждения

исодержащей радикальные идеи. Большин-

ство респондентов предпочло первый вари-

ант [Маркусова, 1998].

Этот пример показывает, что возникла по-

требность вданных, которые не могут быть

получены от высококвалифицированных

экспертов. Именно в этих случаях прихо-

дится обращаться к показателям развития

науки. Такие показатели не служат заменой

экспертизы, однако являются мощным ин-

формационным инструментом поддержки.

Этот инструмент необходим при опреде-

лении и мониторинге тенденций развития

конкретной научной дисциплины на уров-

не страны или организации в сравнении

с развитием этой научной дисциплины

вмире (всопоставлении сдругими страна-

ми), оценки объема идругих характеристик

международного сотрудничества, роли раз-

вивающихся стран, влияния фундаменталь-

ных и прикладных исследований на раз-

витие наукоемких технологий, структуры

научных дисциплин иих взаимоотношений

сдругими областями знаний.

Рост конкурентоспособности научных

коллективов иборьба за дополнительные

инвестиции в науку привели к развитию

сильных наукометрических коллективов

в США и Европе. В Великобритании это

был коллектив под руководством док-

тора С. Катца (Sylvan Katz) и Б. Марти-

на (B. Martin) в Университете графства

Сассекс, а в Нидерландах — под руковод-

ством профессора А.Ван Раана (Antony Van

Raan) вУниверситете Лейдена. Коллектив

А.Ван Раана начал работать с1980г. вЛей-

денском университете. В1989г. на базе это-

го коллектива был создан Centre for Study

Science and Technology — CWTS (Центр по

анализу науки итехники). За 25лет свое-

го существования этот центр превратился

вучреждение мирового уровня иявляется

лидером научных исследований по разра-

ботке и применению библиометрических

индикаторов науки для оценки эффектив-

ности научной деятельности. Огромную

поддержку этому коллективу впериод его

становления оказал один из видных спе-

циалистов по научной политике, директор

Национального фонда по технологиям, фи-

зик по образованию доктор Кейс Ле Пеир

(C. Le Pair), возглавлявший вначале 1970-x

гг. наукометрическую группу вНациональ-

ном научном фонде по физике вНидерлан-

дах. В настоящее время CWTS руководит

профессор П. Воутерс. Сильные наукоме-

трические коллективы работают вБельгии

под руководством профессора В.Глэнцела

(W.Glänzel, Университет Каролинка) ипро-

фессора Л. Лейдесдорфа (L. Leidesdorf,

Amsterdam University), в Центре по из-

учению науки и техники (Observatoire des

Sciences et des Techniques– Франция) под

руководством доктора М. Зитта (M. Zitt),

коллектив под руководством доктора

Л.Батлер (Linda Butler, Australian National

University) вАвстралии. Существуют много-

численные библиометрические коллекти-

вы в Индии, Китае, Бразилии и Испании.

Активные исследования в наукометрии

с начала 70-х гг. проводились и продол-

жают вестись в Библиотеке АН Венгрии

под руководством профессора Т. Брауна.

Т. Браун — признанный специалист в об-

ласти радиоаналитической химии, рабо-

тавший в Университете Етвос (Будапешт)

иодновременно создавший ивозглавляв-

ший группу по наукометрии в Библиотеке

АН Венгрии. Эта группа выполнила иопу-

бликовала ряд интересных исследований

по научной продуктивности и влиятель-

ности (импакту) различных стран мира.

Члены этого коллектива, тогда совсем мо-

лодые исследователи, В. Глэнцел иА.Шу-

берт (A. Schubert) стали признанными

специалистами в мировом наукометриче-

ском сообществе. Профессор Т.Браун стал

одним из первых, награжденных медалью

Д. Прайса (1986 г.). Позднее эту премию

получили профессора А.Шуберт иВ.Глэн-

цел. Именно Т. Браун начал выпускать

в1979г. Scientometrics ибыл его главным

редактором более 30 лет. Теперь эту эста-

фету принял В. Глэнцел. В Чехословакии

очень интересные исследования по науко-

метрии проводились специалистом в об-

ласти ядерной физики доктором Я.Влахи,

работавшим в различных институтах че-

хословацкой АН. Я.Влахи опубликовал че-

тыреста работ по количественным аспек-

там исследований в области физики. Он

практически работал иписал один. Только

две его статьи были опубликованы при со-

трудничестве с доктором Х. Ю. Червоном

из Академии наук ГДР. В 1987 г. Я. Влахи

был награжден медалью Д.Прайса. Позд-

нее его интересы сместились к истории

чешского сопротивления нацистам во вре-

мя Второй мировой войны. Отец Я.Влахи,

активный участник сопротивления, был

пойман ирасстрелян втюрьме вБерлине

в1943г. Я.Влахи скоропостижно скончался

вБерлине в2012г.

В настоящее время в России существу-

ет довольно большое библиометрическое

сообщество, проводящее исследования

вразных организациях: вМГУ им.М.В.Ло-

моносова (доцент Ю.В.Грановский), вВИ-

НИТИ РАН (к.т.н. А.Н.Либкинд, д.пед.н.

В. А. Маркусова), в Институте филосо-

фии РАН (д.ф.н. И.В.Маршакова), вИн-

ституте биологии моря ДВО (профессор

А.И.Пудовкин), вВысшей школе экономики

(к. ф.-м.н. В.В.Писляков, И.А.Стерлигов

идр.), вИнституте проблем развития нау-

ки РАН (профессор Л.Э.Миндели), в ИИЕТ

(к. псих. н. А. А. Алахвердян), в Санкт-

Петербургском университете (О.В. Моска-

лева), в Уральском федеральном универ-

ситете (Центр мониторинга науки и об-

разования, М.А.Акоев), вСО РАН (к. т.н.

Н. А. Мазов). Огромную роль в изучении

мотиваций цитирования сыграл выда-

ющийся советский психолог профессор

М. Г. Ярошевский, возглавлявший отдел

психологии научного творчества ссереди-

ны 60-х до середины 90-хгг. прошлого века

вИИЕТ РАН. Воктябре 2013г. вИПРАН при

участии Thomson Reuters была проведена

представительная международная конфе-

ренция «Проблемы наукометрии. Состоя-

ние иперспективы развития», на которой

были представлены доклады отечествен-

ных специалистов иих коллег из Белорус-

сии, Великобритании, Китая, Нидерландов

иФранции. Начиная с1991г. вИНИОН РАН

проводится ежемесячно научный семинар

по науковедению инаукометрии под руко-

водством известного философа иисторика

науки профессора А.И.Ракитова.

Важным этапом вразвитии наукометрии

как дисциплины, позволяющей изучать

эффективность научных исследований,

следует считать первый международный

симпозиум по оценке научных исследо-

ваний, состоявшийся в 1987 г. в Лондоне.

Кроме ведущих вмире специалистов воб-

ласти наукометрии Ю.Гарфилда, Г. Смол-

ла, А.Ван Раана идр., вработе принимал

участие ипрофессор А.Вайнберг, один из

крупнейших вСША администраторов нау-

ки, который одним из первых осознал важ-

ность использования наукометрических

данных для более эффективного распре-

деления инвестиций внауку. На этом сим-

позиуме внимание было сосредоточено на

двух важнейших этапах оценки научных

исследований и инвестиций в них: уже

выполненных и тех, чье финансирование

находилось впроцессе обсуждения, таких

как «Геном человека» или «Создание кол-

лайдера» [The Evaluation…, 1989]. Как мы

знаем, эти международные проекты были

осуществлены.

Мониторинг библиометрических пока-

зателей широко используется NSF США,

Organization for Economic Co-operation and

Development (OECD), Европейской Комисси-

ей, Национальным институтом по политике

вобласти науки итехники иМинистерством

экономики, торговли и промышленности

Японии, а также в системе оценки каче-

ства исследований университетов Research

Excellence Framework в Великобритании.

В 1992 г. Ю. Гарфилд пишет о возросшем

спросе на использование статистики цити-

руемости для представителей правитель-

ства, промышленности и оценки научной

деятельности университетов и публикует

результаты исследования вISI сравнитель-

ного анализа влияния (импактов) стран

Большой семерки [Garﬁeld, 1992].

Огромное внимание научной обществен-

ности в 1997 г. привлекла статья прези-

дента Королевского общества Великобри-

тании лорда Р. Мэя (R.May) о взаимосвязи

научных инвестиций инаучной продуктив-

ности на основе статистики SCI за 1981–

1994гг., опубликованная вжурнале Science

[May, 1997].

В ходе работы Всемирной конференции

по науке, проводившейся в 1999 г. в Буда-

пеште, был поставлен вопрос о необходимо-

сти доступа стран кдостоверным статисти-

ческим данным вобласти науки итехники,

имеющим отношение к разработке поли-

тики вэтом направлении. На конференции

было отмечено, что «правительствам сле-

дует содействовать дальнейшему развитию

и созданию национальных статистических

служб, способных обеспечивать потребно-

сти в достоверных данных. Настало время

для новых усилий в деле достижения все-

мирного прогресса в области статистики

науки итехники, чтобы определить те труд-

ности, скоторыми внастоящее время стал-

киваются страны при сборе и использова-

нии таких данных, атакже для определения

их информационных потребностей...» [Де-

кларация…, 1999].

Именно в этой ситуации Статистический

институт ЮНЕСКО, созданный на Гене-

ральной конференции в1999г., приступил

кпроведению фундаментального междуна-

родного обзора политики в сфере инфор-

мационных потребностей иработы со стати-

стическими данными внаучно-технической

области. Содной стороны, задача сводилась

к определению приоритетов и разработке

стратегических подходов для повышения

актуальности, доступности и качества ста-

тистики по науке итехнике во всех странах

мира, сдругой — кпомощи вопределении

новой статистической программы ЮНЕСКО

вобласти науки итехники. Вобзоре отме-

чалось, что «печатные работы являются ос-

новным показателем производства нового

знания». Вкачестве параметров измерения

были выбраны сами публикации и ссылки

на них [ЮНЕСКО]. Таким образом, библио-

метрические показатели были официально

закреплены как количественные показа-

тели развития науки. Конечно, упомянутые

показатели не отменяют важности сбора

ианализа таких традиционных параметров,

как размеры финансирования науки, коли-

чество ученых, занимающихся исследова-

ниями иразработками, ит.д. Взависимости

от конкретной задачи могут использоваться

различные показатели. Вупомянутом обзо-

ре подчеркивалось, что на протяжении по-

следних двадцати лет правительства нуж-

даются во все более точных иобъективных

оценках исследовательской деятельности.

В 2004 г. широкое внимание специали-

стов по научной политике привлекла ста-

тья лорда Д. Кинга (D. King), в то время

президента Королевского общества Ве-

ликобритании, Scientiﬁc Impact of Nations

[King, 2004]. Лорд Д. Кинг отмечал, что

«…правительству необходима реальная

оценка научного вклада национальной на-

уки вмировую». Анализ был выполнен для

правительственной службы Ofﬁce Science

and Technology — OST (Офис по науке итех-

нике) Великобритании. Целью исследова-

ния было выявление эффективности на-

циональных исследований и сопоставле-

ние науки страны снаукой других 31 стран.

Встатье были проанализированы затраты

на исследования и разработки, научная

продуктивность и цитируемость стран

Большой восьмерки, 15 стран ЕС, Австра-

лии, Австрии, Бельгии, Южной Африки,

Китая, Сингапура, Южной Кореи, Тайваня,

Индии, Ирана. Оказалось, что 98 % затрат

на науку вмире приходилось на 31 страну,

а затраты остальных 62 стран составили

всего 2 %. Поскольку цитируемость резко

различается вразных областях знаний, то

для сопоставительного анализа был ис-

пользован агрегированный показатель

цитируемости, который позволил прово-

дить сравнения разных дисциплин. Ранг

страны оценивался по доле страны вмас-

сиве высокоцитируемых статей16. Были со-

поставлены затраты валового националь-

ного продукта на одного человека (wealth

intensity) сцитируемостью. Для выявления

дисциплинарной направленности научных

исследований вкаждой из анализируемых

стран была использована классифика-

ция OST ипостроена карта национальных

приоритетов Большой восьмерки. Ока-

залось, что в европейской науке важную

роль играют небольшие страны, такие как

Бельгия, Дания, Финляндия, Дания, Шве-

ция и Швейцария. Все эти страны вместе

с населением 53 млн имели очень высо-

кий импакт за период с1997 по 2001г., иих

цитируемость составила 12,7 % от цитируе-

мости мирового потока, вто время как для

Великобритании эта цифра составила при-

мерно ту же величину — 12,8 %. При этом

ВВП этих стран составил всего 6 %, значи-

тельно меньше, чем Великобритании. Ав-

тор отмечал, что перед лицом глобального

терроризма и угрозы глобального поте-

пления правительства всех стран должны

обратиться кнауке.

В настоящее время библиометриче-

ские показатели стали частью протокола

отчетности о деятельности научных ор-

ганизаций, университетов, исследова-

тельских групп ииндивидуальных специ-

алистов. К библиометрическим показа-

16Высокоцитируемые статьи составляют 1 % самых

цитируемых публикаций за 11-летний период по каж-

дой предметной области по классификации ESI. Для

каждого года и каждой предметной области берется

свой порог цитируемости.

телям относятся количество публикаций;

их цитируемость; импакт-фактор научно-

го журнала, в котором они были опубли-

кованы; количество высокоцитируемых

статей; индекс Хирша и различные нор-

мализованные показатели цитируемости.

Эти показатели должны использовать-

ся с учетом количества грантов, научных

премий, участия всоставах редколлегий

ведущих научных журналов. Именно со-

вокупность всех этих критериев положе-

на воценку деятельности исследователя

или научного коллектива, занимающего-

ся фундаментальными исследованиями

вСША идругих развитых странах.

ISI последовательно расширял спектр ин-

формационных продуктов. С1990г. помимо

научных журналов стали также индекси-

роваться выпуски научных конференций

Conference Proceedings (CPCI-S и CPCI-SSH).

Создание универсальной базы данных ци-

тированной литературы шло вногу сразви-

тием информационных и коммуникацион-

ных технологий. C 1981г. был организован

доступ врежиме онлайн кБД SCI через ин-

формационную систему DIALOG. Начиная

с 1988 г. указатели научного цитирования

стали выходить на CD-ROM.

В 1992 г. ISI был приобретен компанией

Thomson, которая в 2008-м слилась с ин-

формационным агентством Reuters и об-

разовала крупнейшую международную ин-

формационную компанию Thomson Reuters.

Принципиально новые возможности для

доступа к указателям научного цитирова-

ния иработы сними открылись споявлени-

ем сети Интернет. В1997г. SCI, SSCI, AHCI,

CPCI-S и CPCI-SSH, а также JCR — Science

Edition, JCR — Social Science Edition были

объединены в единую политематическую

реферативную базу данных научных пу-

бликаций суказанием цитирования— Web

of Science Core Collection17. В 2008–2010гг.

была существенно расширена география

научных журналов, индексируемых вWeb of

Science Core Collection. В настоящее время

в базе данных индексируются приблизи-

тельно двенадцать споловиной тысяч луч-

ших международных научных журналов по

всем отраслям знания.

Новым этапом в развитии платформы

Web of Science стало размещение на ней

региональных указателей научного цити-

рования . В2009г. на платформе был раз-

мещен китайский указатель Chinese Science

Citation Database, в 2013 г. — латиноаме-

риканский указатель SciELO Citation Index

и в 2014 г. — корейский указатель Korean

Citation Index (KCI). Региональные указатели

научного цитирования индексируют наибо-

лее значимые источники научных публика-

ций всвоих регионах.

Библиометрическая статистика такого

уникального ресурса, как Web of Science,

позволяет проследить быстро меняющийся

ландшафт научного мира и оценить место

национальных научных достижений на кар-

те мировой науки. Построенные на пионер-

ской идее Ю. Гарфилда информационные

ресурсы компании Thomson Reuters высоко

оценены мировым научным сообществом.

Важным этапом в использовании библи-

ометрических ресурсов стало создание ми-

ровых рейтингов университетов [Маркусо-

ва, 2010]. Наиболее известными рейтингами

университетов стали британский рейтинг—

World University Rankings, выпускаемый жур-

налом Times Higher Education; рейтинг Шан-

хайского университета— Academic Ranking

of World Universities (с 2003г.) иЛейденский

(Leiden Ranking), подготавливаемый CWTS.

Развитие Интернета привело к созданию

17До 2014 г. основная база данных Web of Science

Core Collection именовалась просто Web of Science.

ивебометрического рейтинга Webometrics,

выполняемого с2004г. испанской лабора-

торией по вебометрике (Cybermetrics). Во

всех этих рейтингах, за исключением рей-

тинга Webometrics, библиометрические

показатели (количество статей, опублико-

ванных профессорско-преподавательским

составом университета, их цитируемость,

импакт-факторы) являются важной —

авЛейденском рейтинге единственной—

составляющей средневзвешенной оценки.

Рост внимания коценке эффективности

научных исследований в организациях

иуниверситетах сопровождался разработ-

кой библиометрическим сообществом нор-

мализованных указателей, позволяющих

сопоставлять различные области знания.

В2005г. профессором Х.Хиршем (J.Hirsch)

был предложен индекс Хирша (ИХ), позво-

ляющий оценивать одновременно каче-

ственную (цитируемость) и количествен-

ную (количество опубликованных работ)

деятельность исследователей. Х. Хирш

полагал, что для физиков значение ИХ=12

является достаточным основанием для по-

лучения пожизненной позиции ассистента

вуниверситете США, аИХ=18 может обе-

спечить должность пожизненного профес-

сора. Индекс Хирша– это один из наиболее

обсуждаемых показателей, поскольку два

самых мощных информационных ресурса

мира Web of Science иScopus предоставля-

ют пользователю возможность автомати-

чески получить значение индекса Хирша.

Ученый имеет индекс равный h, если h его

Nρ статей имеют по меньшей мере h ссылок

каждая, акаждая другая из статей (Nρ-h)

имеет менее чем h ссылок. Виюне 2008г.

International Mathematical Union (Междуна-

родный математический союз) опублико-

вал обстоятельный доклад, выполненный

Комитетом по количественной оценке ис-

следователей, вкотором выступил против

использования библиометрических пока-

зателей и особенно против ИХ. В значи-

тельной степени это выступление матема-

тиков, мало осведомленных о зависимости

цитируемости от области знания, связано

с низкими показателями цитируемости

вматематике18.

Появились новые показатели информа-

ционной значимости журналов, такие как

Eigenfactor, предложенный группой спе-

циалистов из Университета Вашингтона

в2007г. (подробнее см. раздел 2.5. «Взве-

шенные» индикаторы. Собственный фактор

(Eigenfactor) ииндекс влияния статьи (Article

Inﬂuence)), и показатель SJR, разработан-

ный известной испанской группой Scimago

Lab, работающей по контракту скомпанией

Эльзевир (Elsevier) на основе статистики БД

Scopus.

Развитие сервисных услуг для поль-

зователей WoS привело к созданию уни-

кальных опций по анализу отдельных

массивов информации, таких как Analyze

Results иCitation Reports. Вавгусте 2008г.

появилась новая опция, позволяющая

оценивать деятельность научных фон-

дов и агентств, финансирующих научные

исследования на конкурсной основе, —

Funding Agency. В2009г. появился новый

аналитический инструмент — InCites, по-

зволяющий проводить сопоставительный

анализ стран, организаций и индиви-

дуальных исследователей, работающих

вразных областях знания. Для этой цели

были разработаны специальные агреги-

рованные показатели. В сентябре 2014 г.

запущено новое поколение Web of Science

18Материал взят с сайта International Mathematical

Union (IMU) (URL: http://www.mathunion.org/

publications/report/citationstatistics0/).

и InCites, включающее также библиоме-

трическую статистику ESI иJCR19.

Использование библиометрической ста-

тистики администраторами науки ифинан-

сирующими организациями для оценки ин-

вестиций внаучные исследования приняло

глобальный характер. Как отмечал Ю. Гар-

филд, «мы являемся свидетелями превра-

щения библиометрических исследований

вновую отрасль индустрии– оценку резуль-

тативности научных исследований, выпол-

няемых вуниверситетских инаучных коллек-

тивах» [Garﬁeld, 2011]. Ксожалению, иногда

происходит то, что Ю.Гарфилд называл уже

в60-х гг. прошлого века «злоупотреблением

цитированием». Содной стороны, это связа-

но слегкостью манипулирования массмедиа

этими показателями, с другой стороны —

с безответственностью малокомпетентных

«специалистов» и администраторов науки,

слегкостью берущихся за выполнение такой

оценки. Это происходит одновременно при

глобальном росте потребностей в исполь-

зовании библиометрических показателей

как инструментов оценки. Недовольство

некоторых издателей научных журналов

всвязи сиспользованием импакт-факторов

привело к декларации по оценке науки —

Declaration on Research Assessment (DORA),

опубликованной издательской компанией

Royal Society Publishing20.

В ответ на этот вызов научного сообще-

ства на прошедшей всентябре 2014г. меж-

дународной научной конференции Science

and Engineering Indicators в Лейдене была

проведена широкая дискуссия об ответ-

ственности наукометрического сообщества

19Материал взят с сайта URL: http://wokinfo.com/

sci-anniversary.html#timeline.

20Материал взят с сайта Royal Society Publishing

(URL: http://royalsocietypublishing.org/

citation-metrics#question2).

за надежное (лучшее) использование ин-

дикаторов наукометрии. В день закрытия

конференции профессор А.Ван Раан, пре-

зидент Европейской ассоциации наукоме-

трических институтов (European Network of

Indicators Designers), согласился взять на

себя координирующую роль в подготовке

и опубликовании консенсусной версии ма-

нифеста профессионального библиометри-

ческого сообщества, связанного сразработ-

кой стандартов методики оценки и этиче-

ских норм при их выполнении.

Мы полностью разделяем тревогу между-

народной библиометрической обществен-

ности в связи с качеством библиометриче-

ской оценки деятельности научных органи-

заций исектора высшей школы. Всвете ряда

постановлений Правительства РФ ипрези-

дента РФ по оценке научной деятельности

Федеральное агентство по научным орга-

низациям выпустило весьма странное рас-

поряжение «Опредставлении покварталь-

ных сведений(!!!) о публикационной актив-

ности ицитируемости организаций».

Будем надеяться, что Министерство обра-

зования инауки РФ сыграет координирую-

щую роль в разработке научных программ

вуниверситетах для ознакомления студен-

тов и аспирантов с основами использова-

ния библиометрической статистики инфор-

мационных ресурсов Thomson Reuters, что

будет способствовать повышению качества

образования вцелом икачеству подготовки

специалистов по библиометрии.

Пионерские исследования Ю. Гарфил-

да привели киспользованию методологии

цитирования ипоявлению соперника SCI–

БД Scopus, созданной компанией Elsevier

в 2004 г. Ассоциативные связи на основе

цитирования привели к развитию различ-

ных алгоритмов информационного поиска,

включая HITS and Pagerank. Оба алгоритма

используют структурные связи между веб-

сайтами через гиперссылки.

По мнению профессиональных специа-

листов по библиометрии, наш ХХIв. стал

веком библиометрии, воплотившей все-

бя все идеи создателя SCI доктора Ю.Гар-

филда, обладателя множества наград

ипремий мирового научного сообщества.

Если бы существовали Нобелевские пре-

мии по информатике, наукометрии исо-

циологии науки, то Ю. Гарфилд должен

был бы стать первым лауреатом такой

премии за огромный вклад в развитие

этих наук, значение которых вскладыва-

ющемся информационном мире трудно

переоценить.

Влэдуц Г. Э., Налимов В. В., Стяжкин Н. И. Научная

итехническая информация как одна из задач кибер-

нетики // Успехи физических наук. 1959. T. 69. №1.

С.13–56.

Гиляревский Р. С., Маркусова В. А., Черный А. И. Слово

оЮджине Гарфилде // Науч.-техн. информация.

Сер.2. 1995. №12. С. 23–28.

Гиндилис Н. Л. Становление науковедения в СССР

(Середина 60-х годов ХХ в.) // Науковедческие иссле-

дования: сб. науч. трудов / РАН. ИНИОН. Центр науч.-

информ. исслед. по науке, образованию и технологи-

ям; отв. ред. А. И. Ракитов. М., 2011. С. 217–272.

Грановский Ю. В. Трудная судьба науковедения вРос-

сии // Науковедческие исследования: сб. науч. трудов

/ РАН. ИНИОН. Центр науч.-информ. исслед. понауке,

образованию и технологиям; отв.ред.А.И.Ракитов.

М., 2010. С. 115–124.

Декларация о науке и использовании научного

знания // Всемирная конференция «Наука двадцать

первого столетия: Новая ответственность». Будапешт,

Венгрия, 26 июня — 1 июля 1999 / под эгидой Об-

разовательной, научной и культурной организации

ООН (ЮНЕСКО) и Международного совета научных

союзов (ISU).

Добров Г. М. Наука о науке: Введение в общее науко-

знание. Киев: Наукова думка, 1966.

Коммуникация в современной науке: сб. переводов

// под ред. Э. М. Мирского, В. Н. Садовского. М.: Про-

гресс, 1976. C. 438.

Маркусова В. А. Первый советский указатель библи-

ографических ссылок по информатике // Науч.-техн.

информация. Сер. 1. 1976. №2. С. 30–32.

Маркусова В. А., Черный А. И. Информационная про-

дукция и технология ее подготовки в Институте на-

учной информации США // Науч.-техн. информация.

Сер.1. 1985. №12. С. 6–15.

Маркусова В. А., Ярошевский М. Г. Компьютер и этика

цитирования // Природа. 1987. №9. С. 100–107.

Маркусова В. А. Типичные ошибки в заявках на полу-

чение гранта // Науч.-техн. информация. Сер. 1. 1998.

№5. С. 40–42.

Маркусова В. А. Позиции отечественных вузов в миро-

вых рейтингах // Экономика образования. 2010. №2.

С.35–46.

Маршакова И. В. Система связей между документами,

построенная на основе ссылок (по указателю Science

Citation Index) // Науч.-техн. информация. Сер. 2. 1973.

№ 6. С. 3–8.

Михайлов А. И., Черный А. И., Гиляревский Р. С. Основы

научной информации. М.: Наука, 1965. C. 435.

Михайлов А. И., Черный А. И., Гиляревский Р. С. На-

учные коммуникации и информатика. М.: Наука, 1976.

С.435.

Налимов В. В., Мульченко З. М. Наукометрия. М.: Наука,

1969. С. 192.

Оценка научных журналов как каналов связи /

З.Б.Баринова и др. // Научно-техническая информа-

ция. Сер.2. 1968. №12. С. 1–11.

ЮНЕСКО [Сайт]. URL: http://www.uis.unesco.org.

Ярошевский М. Г. Репрессированная наука / под ред.

М.Г.Ярошевского. М.: Политиздат, 1985. C. 431.

Adair W. C. Citation Indexes for Scientiﬁc Literature? //

American Documentation. 1955. Vol. 6. №1. P. 31–32.

Broad W. J. Librarian Turned Enterpreneur Makes Millions

off Mere Footnotes // Science. 1978. Vol. 202. №664.

P.853–857.

Cronin B. The need for a theory of citing // Journal of

Documentation. 1981. Vol. 37 (1). P. 16–24.

Gareld E. Bernal J. D. The Sage of Cambridge. 4S Award

Memorializes His Contribution to the Social Studies of

Science // Essays of an information scientist.

Gareld E. Citation Indexes for Science // Science. 1955.

Vol.122. №3159. P. 108–111.

Gareld E. Citation Index in Sociological and Historical

research // Current Contents. 1969. №9. August 26.

P.42–46.

Gareld E. SCI and ASCA Promote International Contacts

// Current Contents. 1970. №15. April 15. P. 100–101.

Gareld E. The Mystery of the Transposed Journal Lists–

Wherein Bradford’s Law of Scattering is Generalized

According to Garﬁeld’s Law of Concentration // Current

Contents. 1971. №17. August 4. P. 222–223.

Gareld E. More on Forecasting Nobel Prizes and the

Most Cited Scientists of 1972! // Current Contents. 1973.

№40. October 3. P. 5–6.

Gareld E. Highly Cited Articles. 20 Articles from Russian

Journals // Current Contents. 1975. №45. November 10.

P. 374–377.

Gareld E. Citation indexing: its theory and application

in science, technology, and humanities. New York: Wiley,

1979. P. 274.

Gareld E. Information science and technology have come

of age – organizational names should show it // Essays of

an information scientist. Vol. 3. 1977–1978. Philadelphia,

PA: ISI Press, 1980. P. 449.

Gareld E. Premature Discovery or Delayed Recogni-

tion – Why? // Essays of an information scientist. Vol. 4.

1979–1980. Philadelphia, PA: ISI Press, 1981. P. 488–493.

Gareld E. Uses and Misuses of Citation Frequency // Es-

says of an Information Scientist. 1985. Vol. 8. Р. 403–409.

Gareld E. Launching the ISI Atlas of Science; For the

new year, a new generation of reviews // Essays of an

information scientist. Vol. 10. 1987. Peer review, referee-

ing, fraud and other essays. Philadelphia, PA: ISI Press,

1989. P. 1–6.

Gareld E. Contract research Services at ISI-Citation

Analysis for Governmental, Industrial, and Academic

Clients // Essays of an information scientist: Of Nobel

Class, Women in Science, Citation Classics and Other

Essays. Vol. 15. 1992–1993. Philadelphia, PA: ISI Press,

1992. P. 1–6.

Gareld E. A Century of Citation Indexing. Key note ad-

dress // 12th COLLNET Meeting, September 20–23, 2011,

Istanbul Bilgi University. Istanbul, 2011.

Gareld E., Sher I. H. New factors in the evaluation of

scientiﬁc literature through citation indexing // American

Documentation. 1963. №14. P. 195–201.

Garvey W. D., Grifth B. C. Communication in a science:

The system and its modiﬁcation // Communication in sci-

ence: Documentation and automation / ed. by A.deRe-

uck J. Knight. London, 1967.

Graham L. R. What have we learned about science and

technology from the Russian experience? Stanford, Cali-

fornia: Stanford University Press, 1998.

Hyslop M. R. Documentalists consider machine tech-

niques // Special Libraries, 1953. Vol. 44. №5. May-June.

P. 196–198.

Kaplan N. The norms of citation behavior: Prolegomena

to the footnote // American Documentation. 1965. №16.

P.179–187.

King D. A. Scientiﬁc Impact of Nations // Nature. 2004.

№430. 15 July. P. 311–316.

Lederberg J. Foreword // Essays of an information scien-

tist. Vol. 1. 1962–1973. Philadelphia, PA: ISI Press, 1977.

P.10–15.

Lederberg J. How the Science Citation Index got started //

The Web of Knowledge. A Festschrift in Honor of Eugene

Garﬁeld / ed. by B. Cronin, H. B. Atkins. Medford, NJ:

ASIS. 2000. P. 25–64.

Libkind I., Libkind A., Markusova V., Minin V., Jansz M.

Index of RFBR as Scientiﬁc Information Search and

Analysis Tool // The 9th International Conference on

Science and Technology Indicators. Leuven. Belgium.

2006. September 7–9. P. 229–233.

May R. M. The Scientiﬁc Wealth of Nations // Science.

1997. Vol. 275. P. 793–796.

Price D. J. de S. Science since Babylon. New Haven. Yale

University Press, 1961.

Price D. J. de S. Networks of Scientiﬁc Papers // Science.

1965. Vol. 149. № 3683. P. 510–515.

Price D. J. de S. Little Science, Big Science // New York,

Columbia U.P. 1963. См. рус. перевод: Прайс Д. де

Солла. Малая наука, большая наука // Наука о науке.

М.: Прогресс, 1966. С. 281–384.

Small H. Belver C. Grifﬁth and John Irvine and Ben R. Mar-

tin (as a team) win the 1997 Derek de Solla Price Award //

// Scientometrics. 1997. № 40(3). P. 357–362.

Small H. Co-citation in the scientiﬁc literature: a new

measure of the relationship between two documents //

Journal of the American Society of Information Science.

1973. Vol. 24. №4. P. 265–269.

Small H. G., Grifth B. C. The structure of scientiﬁc

literatures: I. Identifying and graphing specialties.

Science Studies. 1974. Vol. 4. P. 17–40.

The Evaluation of Scientiﬁc Research // John Wiliey

&Sons. – CIBA Foundation Conference. Chi Chester, New

York, Brisbane, Toronto, Singapore. 1989. P. 276.

The social function of science, 1939 (переизд.

1946)//Бернал, Дж. Д. Наука и общество: сб. ст. и вы-

ступлений. М., 1953.

Vannevar Bush. Science, the Endless Frontier: A Report

to the President // U.S. Government Printing Ofﬁce. 1945.

Vaskovskii V. E., Kostetskii E. Y., Vasendin I. M. Universal

Reagent for Phospholipid Analysis // Journal Chroma-

tography. 1975. №114. P. 129–141. Vol. 5. 1981–1982.

Philadelphia, PA: ISI Press, 1983. P.511–520.

Weinberg A. Science, Government and Information. Are-

port of the President’s Science Advisory Committee // The

White House, Washington DC. January 10, 1963. P.55.

Wouters P. The Citation Culture // Amsterdam University.

1999. P. 279.

НАУКА, ТЕХНОЛОГИЯ

ИОБЩЕСТВО

М. А. Акоев

Заместитель

директора Центра

мониторинга на-

уки и образования

Уральского феде-

рального универси-

тета имени первого

Президента России

Б.Н.Ельцина.

This chapter examines the opportunities and limitations of scientometrics as a tool for R&D

resource allocation. The author describes various approaches of using the quantitative and

qualitative indicators of research productivity. Universities, research and government organizations

demonstrate a growing demand for scientometric resources and tools. The reasons for this

demand are considered and the role ofscientometric specialists in research organizations is

examined. The link between the research and technological processes is demonstrated and the life

cycle of research and technological innovations is explored. The author considers various aspects

of resource allocation for research and development, and applications of scientometric methods for

assessment of resource allocation effectiveness. Lastly, the author considers the time lag between

resource allocation and production of measurable output in research and development.

В главе рассматриваются возможности и ограничения наукометрии в процессах при-

нятия решений об эффективности выделения ресурсов для поддержки научной работы.

Описаны подходы к построению экспертных оценок количественных и качественных

показателей научной продуктивности. Рассмотрены причины роста интереса и вос-

требованности методов наукометрии со стороны администрации научных заведений

и государственных органов управления. Рассмотрена также роль специалистов по

наукометрии в научной организации. Показана связь между научным и технологическим

процессами и представлен жизненный цикл научной и технологической продукции.

Рассмотрен вопрос учета численности научного персонала и ресурсного обеспечения

научной деятельности для оценки эффективности научного и технологического про-

цессов, а также вопрос численности ученых и вариантов измерения научной продуктив-

ности. Представлена картина взаимосвязей и задержки времени появления измеримых

артефактов научной и технологической продукции.

DOI 10.15826/B978-5-7996-1352-5.0004

Наукометрия вызывает про-

тиворечивые мнения в об-

ществе. Представители ор-

ганов власти видят внаукометрии

высшее мерило вклада любого

ученого или научной организа-

ции, а ученые видят в ней в луч-

шем случае веяния, призванные

осложнить их жизнь. При этом

высказываемые мнения поляри-

зуются от обоснованного указания

на особенности отдельных на-

ук, делающих применение мето-

дов наукометрии сложными или

SCIENCE, TECHNOLOGY AND SOCIETY

Скажите мне, как вы измеряете мою деятельность, и я ска-

жу вам, как буду себя вести. Если вы измеряете мою деятель-

ность нелогично, не жалуйтесь на нелогичное поведение.

Ильяху Голдратт, автор Theory of Constraint

невозможными [Игра в цыфирь, 2011], до

сожаления, например, что Хорхе Хирш, ав-

тор индекса Хирша, не утонул вмолодости

(от известного астрофизика и писателя

Н.Н.Горькавого [Горькавый, 2014]).

Полярность мнений в отношении воз-

можности использования наукометрии для

оценки научной деятельности наблюдается

давно, что связано с конфликтом интере-

сов участников исложностью вдостижении

компромисса. Противоречие можно было

бы преодолеть, если бы существовала про-

цедура, позволяющая оценить качество на-

учного результата без задержки вгоды или

даже десятилетия от момента получения

результата до последствий его внедрения

в практику. Суть противоречия в том, что

использование наукометрических индика-

торов вносит формальный элемент в про-

цесс распределения ресурсов на научные

исследования. Этот элемент, с одной сто-

роны, слабо поддается непосредственному

манипулированию со стороны соискателя,

а с другой стороны, может применяться

ссущественными искажениями. Вдействи-

тельности наукометрия может быть исполь-

зована как одна из составляющих процесса

распределения ресурсов, причем не толь-

ко лицами, принимающими решения, но

и соискателями. Результат конкурентного

распределения ресурсов всегда будет по-

рождать проигравших, но соответствующая

организация процесса распределения мо-

жет привести ктому, что проигравшие будут

считать этот результат справедливым [Ло-

вушки мышления, 2014, с.242–254].

Два ключевых фактора повышают спра-

ведливость процесса. Речь идет о полноте

идоступности информации ио соблюдении

правил [Медоуз, 2010, с. 254–258]. Науко-

метрия, с некоторыми ограничениями, мо-

жет сделать более доступной информацию

в процессах принятия решения, но она не

может быть применена для всех областей

научной деятельности. Например, впроци-

тированном выше высказывании Николая

Николаевича Горькавого указывается на

неприменимость наукометрических показа-

телей вдеятельности NASA, непосредствен-

ные результаты работы которой являются

прикладными и могут не отражаться на-

укометрическими индикаторами [Горькавый,

2014]. Кроме того, наукометрия не может га-

рантировать соблюдение правил, как, соб-

ственно, иэкспертные оценки, которые будут

рассмотрены далее в главе. Если правила,

по которым производится распределение

ресурсов, сначала декларируются, а потом

явно или неявно нарушаются, то примене-

ние наукометрических методов не повысит

качество принимаемых решений, посколь-

ку нарушение правил будет подталкивать

участников процесса к непосредственному

воздействию на лицо, принимающее реше-

ние. Это относится как ктой части процесса,

которая обеспечивает выигрыш, так и к ча-

сти, связанной спредставлением результата.

Может быть, если процесс распределения

ресурсов настолько сложен, то имеет смысл

исключить его ипредоставлять всем ученым

ресурсы всоответствии сих потребностями,

диктуемыми проводимыми исследования-

ми? Два фактора препятствуют удовлетворе-

нию произвольного научного любопытства

за счет налогоплательщиков: ограничен-

ность выделяемых ресурсов и управление

направлениями исследований.

Число ученых влюбой стране должно со-

ответствовать потребности в результатах

их деятельности ивозможности экономики

страны обеспечивать ученых ресурсами. Ес-

ли направления исследований неизменны,

а экономика настолько стабильна, что по-

зволяет выделять достаточное число ресур-

сов, то распределение может быть однократ-

но зафиксировано инеобходимость участия

внем не будет обременять ученых. Идиллию

стационарного распределения нарушают

два фактора: необходимость воспроизвод-

ства ученых вследствие естественной убыли

изадержка во времени между выделением

ресурса на научное исследование и оцен-

кой полученного результата. Не существу-

ет способа, который позволяет достоверно

оценить способности будущего ученого,

кроме как на основании уже выполненных

им научных работ. То есть нет возможности,

создав набор тестов, выделять из массы аби-

туриентов тех, кто не просто способен стать

ученым, а кто станет ученым в конкретной

области в соответствии с прогнозируемой

естественной убылью. Подготовка новых

поколений ученых является конкурентным

процессом, в результате которого ученым

становится не столько тот, кто обладает спо-

собностями, сколько тот, кто может реали-

зовать свои способности, демонстрируя ка-

чественный научный результат. Важно, что

для подтверждения способности стабильно

получать качественный научный результат

дается не одна, анесколько попыток проде-

монстрировать результаты научных иссле-

дований. Не все попытки будут удачны, даже

утех, кто вдальнейшем станет ученым. Од-

нако без соревновательности вотборе буду-

щих ученых нет гарантии, что наукой будут

заниматься те, кто готов добиваться каче-

ственных результатов.

Конкурентность отбора в научной среде

можно оценить по соотношению числа тех,

кто стал ученым, ктем, кто пытался им стать.

По эмпирическому наблюдению, 75% авто-

ров опубликуют за все время научной карье-

ры одну или две статьи, что составляет 25%

общего числа статей [Price, 1986, р.223]. От-

сюда следует, что как минимум только один

из четырех авторов продолжает научную

карьеру (более подробное обсуждение см.

вразделе 3.6. Показатели для ученых иор-

ганизаций). Доля студентов, выбравших на-

учную карьеру, из числа всех студентов, по-

лучивших диплом, еще меньше.

Кроме того, вописанной выше схеме ста-

ционарного распределения ресурсов суще-

ствует скрытая угроза, что ученый, получив

один раз гарантию выделения ресурсов, пе-

рестанет вкладывать усилия в достижение

новых результатов, а влучшем случае будет

работать над улучшением результата, полу-

ченного ранее, что далеко не всегда требу-

ется для дальнейшего развития научного

направления или практического использо-

вания результата. Нужно сделать еще раз

оговорку, что значимость полученных на-

учных результатов достоверно оценивается

через много лет и только после примене-

ния на практике. Необходимость регуляр-

но доказывать важность пролонгирова-

ния выделения ресурсов на продолжение

исследований по научному направлению

способствует оценке ученым важности про-

водимого исследования извне, ане изнутри

коллектива единомышленников с учетом

всех указанных выше особенностей процес-

са принятия решений.

В обсуждениях вкачестве аргумента про-

тив регулярной оценки часто приводится

пример о времени, затраченном Г.Я.Перель-

маном на доказательство гипотезы Пуанка-

ре. Вкачестве возражения против использо-

вания данного примера отметим следующее:

во-первых, пример Г.Я.Перельмана скорее

доказывает, что лишь очень небольшое чис-

ло людей готовы концентрировать все свои

силы только на решении проблемы идостиг-

нуть результата; во-вторых, не обязательно

повторять предыдущий путь, можно работать

лектором иточно также концентрироваться

на сложной задаче, причем никто от вас не

будет требовать промежуточных отчетов.

Например, в 2013 г. лектор университета

Нью-Гэмпшира Итан Чжан (Yitang Zhang)

опубликовал вAnnals of Mathematics статью,

позволяющую существенно продвинутся

вдоказательстве гипотезы о простых числах-

близнецах. Свою первую работу [Klarreich,

2013] он опубликовал ввозрасте 50лет, иэто

был его первый научный результат после по-

лучения степени PhD в1991г.

Рассмотрев ограничения идеальной моде-

ли распределения ресурсов на научные ис-

следования, вернемся креальности, вкото-

рой ресурсы, выделяемые на науку, не только

зависят от состояния экономики страны, но

и меняются в зависимости от приоритетов

развития. По образному выражению В.Л.Ко-

жевникова, директора ИХТТ УрО РАН, состо-

яние науки итехнологий— это производная

от уровня развития страны [Расчет на одного

ученого, 2012]. Каждый новый год научное

сообщество может столкнуться ссокращени-

ем финансирования, как следствие, часть ис-

следований придется выполнять за меньшие

суммы или сокращать персонал. В случае

регулярного сокращения финансирования

ожидать получения высоких результатов на

прежнем уровне не приходится. Стоимость

получения научных результатов, которые

позже могут быть опубликованы в научных

журналах, сопоставима в развитых стра-

нах (подробнее см.: [Кожевников, Поляков,

2010] и далее в данной главе). Негативным

следствием долговременного сокращения

финансирования или систематического не-

дофинансирования научных исследований

является невозможность быстрого воспро-

изводства необходимого числа ученых, ко-

торые смогут генерировать научный резуль-

тат высокого уровня, даже вслучае кратного

роста финансирования. Аналогичная про-

блема медленного роста числа ученых воз-

никает и в случае необходимости быстрого

развития приоритетных направлений. Наука

как система инерционна, обсуждение слож-

ностей управления инерционными система-

ми выходит за рамки данной работы, и для

дальнейшего чтения рекомендуется обра-

титься ккниге: [Медоуз, 2010].

1.1. Процесс оценивания

При принятии решений о распределении

ресурсов на научные исследования возни-

кает ситуация, когда уровень компетенции

по тематике конкретного исследования ли-

ца, принимающего решения, становится не-

достаточным для единоличного решения.

Лицо, принимающее решение, привлека-

ет себе в помощь специалиста, знакомого

с предметом исследования, или того, кто

может сформулировать аргументирован-

ный вариант решения. Привлечение кпро-

цессу оценивания решения эксперта впред-

метной области — наилучший выбор при

прочих равных условиях. Замечу, что, по

сути, наукометрия, применяемая даже без

привлечения экспертов впредметной обла-

сти, тоже содержит результаты экспертного

знания в двух аспектах. Первый аспект —

наукометрические показатели требуют для

своего расчета привлечения грамотных спе-

циалистов. Второй аспект— данные показа-

тели рассчитываются на массиве данных,

отражающих результаты научной деятель-

ности сзадержкой во времени (подробнее

обсуждение см. в разделе 1.5 и в главе 3).

Вслучае привлечения экспертов нужно от-

ветить на три вопроса: кто может выступить

экспертом, как сформулировать вопрос экс-

перту икто формулирует тематику конкурса

по распределению ресурсов.

Если встране работает небольшая группа

специалистов, то отбор экспертов легко мо-

жет быть проведен путем опроса знакомых.

А если ключевых специалистов организо-

вать в формальный клуб, то можно решить

и проблему экспертизы новых членов для

восполнения пула (корпуса) экспертов, не-

обходимого в силу естественной убыли экс-

пертов. Первые академии наук, по сути, яв-

лялись клубами экспертов, привлекаемыми

для ответов на вопросы, которые волновали

монархов. Если ученых становится больше,

то можно отобрать пул экспертов и просить

их порекомендовать экспертов, которые наи-

лучшим образом могут ответить на вопросы

при принятии решения о распределении ре-

сурсов вузкой предметной области. Можно

не создавать свой корпус экспертов, апользо-

ваться существующими, например, можно ис-

пользовать «Корпус экспертов по естествен-

ным наукам»1. При привлечении экспертов

нужно помнить, что возможен конфликт ин-

тересов. В силу узости предметной области

можно не найти ни одного эксперта, который

бы не был связан спретендентами на ресур-

сы, либо сами претенденты будут единствен-

ными экспертами в предметной области.

Подробно, спримерами, социальный аспект

привлечения экспертов разобран в лекции,

прочитанной М.М.Соколовым (текст лекции

см.: [Соколов, 2011]). Важно помнить, что экс-

пертная оценка позволяет принять самое

точное ибыстрое решение, но часто сопрово-

ждается существенными затратами на поиск

экспертов и организацию процесса опроса.

Одна из причин востребованности наукоме-

трических методов оценки как дополнения

к экспертным решениям— это возможность

быстрее и дешевле получить доступ к уже

сформулированным результатам экспертной

оценки с учетом всех ограничений на полу-

чение иинтерпретацию результата.

1 http://www.expertcorps.ru/

Если мы посмотрим динамику развития

корпуса экспертов как элитного клуба, то

выявится две сложности: отбор новых чле-

нов только на основе рекомендательной

системы очень быстро понижает общий

уровень членов клуба, ичлены клуба, сме-

нив область своих научных интересов, мо-

гут перестать следить за новыми работами

вобласти, по которой были отобраны. Ана-

лиз разных вариантов решений в области

сохранения качества элитных клубов в по-

пулярной форме приведен всоответствую-

щей литературе [Ефимов, 1988]. Основным

условием уверенности в должном уровне

экспертов является возможность допол-

нить мнение коллег внешними признаками,

свидетельствующими в пользу сохранения

высокого уровня эксперта всвоей предмет-

ной области. Вкачестве подобного призна-

ка можно было бы использовать ссылки на

данного эксперта в учебниках, но доволь-

но часто эти ссылки появляются уже после

смерти ученого. Приемлемой заменой мо-

жет служить отбор экспертов на основе на-

укометрических показателей. Можно пойти

дальше и отбирать экспертов только с ис-

пользованием формальных показателей.

В этом случае мы не связаны необходимо-

стью поддерживать элитный клуб экспертов,

поскольку будем отбирать нужных экспертов

под конкретную задачу. Сложность реа-

лизации данной схемы в том, что эксперты

вклубе не только выполняют роли оракулов,

выносящих решение по заданному вопросу,

но также предоставляют информацию о том,

кто из членов клуба лучшим образом может

ответить на поставленный вопрос.

Наилучшим решением является ком-

промиссный подход между моделью клуба

и моделью поиска экспертов по формаль-

ным показателям. Так, эксперты, будучи спе-

циалистами в предметной области, смогут

преодолеть ограничение отбора экспертов

только на основе формальных признаков,

аформальные показатели, подкрепляющие

мнение экспертов, будут способствовать

повышению объективности при отборе. По

описанной схеме работают научные журна-

лы. Роль клуба вэтом случае играет редак-

ционная коллегия или совет, арецензенты

отбираются на основе мнения членов клуба

с использованием при необходимости на-

укометрических показателей.

О чем мы должны спрашивать экспертов

при распределении ресурсов? Если вопрос

будет представлять собой задачу распре-

деления всех ресурсов между несколькими

претендентами, то эксперты могут провести

распределение несколькими способами —

и все они будут обоснованны и, возможно,

справедливы. Но если мы, распределив ре-

сурсы, хотим получить результат и можем

описать желаемый образ будущего, вкото-

ром результат реализован, то вопросы экс-

пертам должны формулироваться втерми-

нах желаемого результата— цели конкурса.

Отметим, что цели не обязательно форму-

лируются в терминах получения конкрет-

ного результата исследования. При распре-

делении ресурсов могут ставиться цели,

связанные с поддержкой существующих

научных коллективов, сразвитием научных

групп, созданием нового направления ис-

следований. Основное требование — цель

должна быть сформулирована до прове-

дения опроса экспертов и представлена

в форме, доступной экспертам, например

вформе текста сописанием желаемого ре-

зультата, в форме открытых вопросов или

вформе анкеты. Для выполнения эксперти-

зы должна быть собрана определенная ин-

формация об оцениваемых претендентах,

причем важно как собрать данные, которые

позволят эксперту в соответствии с целью

высказать свое мнение, так игарантировать

верифицируемость этих данных (подробнее

экспертная оценка рассматривается в кни-

ге: [Хаббард, 2009]).

Вводя понятие цели в процесс эксперт-

ного оценивания, нужно понимать, что не

бывает целей без заинтересованных лиц.

Цели всегда связаны слицами, получающи-

ми выгоду от результатов достижения цели.

Не может быть одной цели у организации

(например, ууниверситета) иу группы лиц,

которые считают необходимым достижение

цели. Кроме того, сэтой группой лиц долж-

ны быть согласны те, кто может заблокиро-

вать достижение цели своими действиями.

Вопрос о целях экспертизы и консенсус

вформулировке цели есть тот пробный ка-

мень, который позволяет получить наибо-

лее качественное распределение ресурсов.

При обсуждении формулировок целей

для принятия решений по итогам эксперти-

зы важно затронуть два аспекта, аименно:

что делать, если претендентов, достойных

поддержки, больше, чем ресурсов, и, обрат-

ный вопрос, что делать, если претендентов

недостаточно для распределения всех ре-

сурсов. Два решения в этом случае могут

быть реализованы: либо изменение объема

выделяемых ресурсов, либо изменение по-

рогов отбора. Важно при этом учитывать,

что выбор между двумя вариантами реше-

ний— это чаще всего выбор между кратко-

временным исчерпанием ресурсов и вос-

питанием «иждивенческих» ожиданий.

Например, используя политический ресурс,

можно лоббировать решение, выделяя ре-

сурсы для групп со сниженными показате-

лями втом же объеме, что идля продуктив-

ных групп. Если подобное решение будет

принято, то мы либо подкрепим уверен-

ность в том, что высокие показатели — не

цель, либо снизим показатели уостальных,

так как, понизив планку водном месте, мы

создаем ожидание повсеместного пониже-

ния планки. Вслучае если остаются нерас-

пределенные ресурсы, более продуктивно

вкладывать их вмероприятия по развитию

уровня претендентов, исключая «недостой-

ных» претендентов из системы распределе-

ния ресурсов.

Последний вопрос в привлечении экс-

пертов: кто формулирует тематику конкур-

са? Содной стороны, тематика конкурса не

может быть задана очень детально, если

это не конкурс на выполнение опытно-кон-

структорской разработки, асдругой сторо-

ны, она не может быть сформулирована как

решение глобальной задачи, так как вэтом

случае мы рискуем не дождаться результа-

тов. Также редко встречаются задачи, для

которых практическое применение резуль-

татов находится вгоризонте планирования

от трех до пяти лет. Скорее всего, у такой

«краткосрочной» задачи есть вполне кон-

кретный потребитель и коллектив ученых,

которые уже работали над задачей, что

позволяет видеть контуры практики за те-

оретическими конструкциями. Кто может

сформулировать постановку задачи лучше,

чем ученый, уже работающий впредметной

области и понимающий возможные связи

результатов спотребностями ученых, рабо-

тающих вдругих предметных областях? Ка-

жется, что впредложенной схеме существу-

ет некий порочный круг: ведь соискатель

может сначала сам предложить тему иссле-

дования, азатем подать заявку на конкурс

ивыиграть его. Однако вописанной ранее

схеме, схеме самоподстройки, нет конфлик-

та интересов, так как сначала именно экс-

перты оценивают предложенную тему на

предмет перспективности ее разработки,

возможности завершить работу иполучить

результат, итолько на следующем этапе ав-

тор темы соревнуется сколлегами за право

выполнить работу.

По сути, описанная выше схема является

компромиссом, который позволяет снизить

затраты на привлечение ресурсов традици-

онными способами, описанными в форме

пяти тактик привлечения ресурсов [Латур,

2013, с. 179–197]. Процитированную книгу

Бруно Латура стоит прочитать в дополне-

ние крекомендованной выше книге Дере-

ка Прайса, так как они взаимно дополняют

друг друга, отражая как количественный

аспект деятельности науки, так исоциаль-

ный контекст, врамках которого происходит

научная деятельность.

Скрытая особенность схемы самопод-

стройки— это возможный отход от потреб-

ности практики как критерия полезности

результатов научной работы. Можно на-

рисовать мрачную картину, когда все уче-

ные — участники процесса начнут «играть

в бисер» и оторвутся от практических по-

требностей. Внешне процесс будет реализо-

вываться, однако цель процесса— практи-

ческое применение— не будет достигаться.

Участники научного процесса признают, что

описанная схема содержит элементы риска,

но ее главное преимущество — ускорение

научного процесса — окупает возможные

издержки.

В чем цель ускорения научного процес-

са? Почему недостаточно для этого уже

задействованных ресурсов? Известно, на-

пример, что только встранах OECD в2011г.

в научных исследованиях было занято 4,3

млн человек ичисленность ученых вмире

за последние полвека только возрастала

[OECD, 2014]. Основная причина вложения

ресурсов в научные исследования состоит

втом, что результаты исследований, будучи

примененными на практике, позволяют из-

менять окружающий мир, приспосабливая

его к потребностям общества. Однако для

применения на практике научный результат

должен быть уже получен. Это означает, что

начать работать над его получением необ-

ходимо существенно раньше.

1.2. Целеполагание внаучном

процессе

Воздействие результатов науки и техно-

логии на экономику как систему достаточно

подробно рассмотрено всоответствующей

литературе [Мокир, 2012, с. 45–106]. Ста-

тистическую значимость связи между вло-

жениями внауку итехнологию иуровнем

экономического развития стран читатель

может установить сам, обратившись кнаи-

более репрезентативному набору данных

Организации экономического сотрудниче-

ства и развития, доступному по подписке

[OECD, 2014]. Книга Джоэля Мокира [Мо-

кир, 2012] является последней в триаде

книг, которые дают исчерпывающее описа-

ние для понимания всех аспектов наукоме-

трии: книга Дерека Прайса, описывающая

базовые подходы к индикаторам; книга

Бруно Латура, описывающая социальный

аспект, врамках которого возникают арте-

факты, измеряемые наукометрией; книга

Джоэля Мокира, из которой читатель по-

черпнет понимание целей научного итех-

нического процесса.

Дж. Мокир предлагает модель связи на-

учного и технического процессов [Мокир,

2012, с.31–44], которая вобобщенном ви-

де представлена на рис.1. На схеме учте-

но представление Б. Латура [Латур, 2013,

с.257] ожизненном цикле развития науки.

Для описания модели использована но-

тация системной динамики (обсуждение

применимости моделей системной дина-

мики см. в[Price, 1986]), которая позволяет

представить влияние элементов системы

друг на друга с указанием обратных свя-

зей и задержек в системе [Медоуз, 2010].

Вводится деление на два вида знаний:

-знание, представляющее сумму знаний

об устройстве мира испособах его позна-

ния, иλ-знание, отвечающее на вопрос, как

изменить окружающий мир с использова-

нием технологий. -знание создает осно-

ву для возможности наращивать λ-знания,

что отражено управляющей стрелкой

к«крану», ведущему к«бассейну» сименем

элемента. Знак «плюс» рядом суправляю-

щей стрелкой обозначает положительную

связь: чем больше накапливается в мире

-знаний, тем больше технологических

знаний мы можем создать. Двойное пере-

черкивание стрелки означает, что процесс

накопления происходит с существенной

задержкой; например, от момента опреде-

ления причины заболевания до момента

нахождения способа лечения (технология,

направленная на изменение человека)

проходит много лет, а для некоторых за-

болеваний поиск способов лечения может

затянуться ина десятилетия.

Технологии, составляющие основу

λ-знаний, не ограничиваются только инже-

нерными технологиями, а включают всю

совокупность приемов по изменению мира,

втом числе общества как составной части

нашего мира. Помимо технологий, λ-знания

включают в себя и набор «рецептов», ко-

торые могут быть фиксацией наблюдений

и статистических закономерностей без ос-

нований вформе -знаний. Отсутствие та-

ких оснований не позволяет понимать гра-

ницы применения рецептов и причины, по

которым они работают или могут перестать

работать. Например, область медицины, не-

смотря на большие ресурсы, которые внее

вкладываются, до сих пор является скорее

набором высокоуровневых «рецептов», чем

уровнем экономического развития стран читатель может установить сам, обратившись к

наиболее репрезентативному набору данных Организации экономического

сотрудничества и развития, доступному по подписке [OECD, 2014]. Книга Джоэля Мокира

является последней в триаде книг, которые дают исчерпывающее описание для понимания

всех аспектов наукометрии [Мокир, 2012]. Таким образом, рекомендуемая триада книг —

это книга Дерека Прайса, описывающая базовые подходы к индикаторам; книга Бруно

Латура, описывающая социальный аспект, в рамках которого возникают артефакты,

измеряемые наукометрией; книга Джоэля Мокира, из которой читатель почерпнет

понимание целей научного и технического процесса.

Дж. Мокир предлагает модель связи научного и технического процесса [Мокир,

2012, с. 31–44], которая в обобщенном виде представлена на рис. 1. На схеме учтено

представление Б. Латура [Латур, 2013, с. 257] о жизненном цикле развития науки. Для

описания модели использована нотация системной динамики (обсуждение применимости

моделей системной динамики смотри в Price D., 1986), которая позволяет представить

влияние элементов системы друг на друга с указанием обратных связей и задержек в

системе [Медоуз, 2010]. Вводится деление на два вида знаний: -знание, представляющее

сумму знаний об устройстве мира и способах его познания, и -знание, отвечающее на

вопрос, как изменить окружающий мир с использованием технологий. -знание создает

основу для возможности наращивать -знания, что отражено управляющей стрелкой к

«крану», ведущему к «бассейну» с именем элемента. Знак плюс рядом с управляющей

стрелкой обозначает положительную связь, чем больше накапливается в мире -знаний,

тем больше технологических знаний мы можем создать. Двойное перечеркивание стрелки

означает, что процесс накопления происходит с существенной задержкой; например, от

момента определения причины заболевания до момента нахождения способа лечения

(технология, направленная на изменение человека) проходит много лет, а для некоторых

заболеваний поиск способов лечения может затянуться и на десятилетия.

Ученые Практики

Ω-знания

Рациональность Наука

λ-знания

Технологи я «Рецепты»

Инструменты +

Ресурсы

Рис. 1. Модель связи научного и технического процесса по Дж. Мокиру.

Технологии, составляющие основу -знаний, не ограничиваются только

инженерными технологиями, а включают всю совокупность приемов по изменению мира,

Рис. 1. Модель связи научного и технического процессов по Дж. Мокиру

результатом понимания процессов жизнен-

ного цикла организма [Мокир, 2012, с.232–

255]. Важным элементом -знаний является

рациональный метод как совокупность при-

емов, лежащих в основе научного метода

[Less Wrong, 2006]. Эти приемы позволяют

минимизировать искажения (biases) впро-

цессе рассуждений о внешнем мире.

Каждый следующий шаг по изменению

-знаний — это более компактное, не-

противоречивое и полное описание мира

по сравнению с предыдущим описанием.

Другая формулировка данного принципа

дана Д. Гильбертом: «Значение научной

работы можно измерить числом преды-

дущих публикаций, чтение которых ста-

новится ненужным после этой работы»

[цит. по: Нейгебауэр, 1968, с. 147]. То есть

каждый новый научный результат должен

сокращать затраты на ознакомление спре-

дыдущими обобщенными в полученном

факте научными результатами либо сокра-

щать наши усилия по получению фактов

непосредственно из природы. Из данной

формулировки можно вывести критерий

оценки научной результативности как чис-

ло фактов, на которое сокращается доступ

при знакомстве с данным результатом.

Косвенный показатель, достигаемый при

публикации результата ипозволяющий су-

дить о степени сокращения числа фактов,

это число цитирований данного документа

как вформе цитат, так ивформе указаний

на общеизвестный факт.

При рассмотрении вопроса приращения

λ-знаний нужно принять во внимание, что

разные научные направления порождают

разные дисциплины λ-знаний. Наиболее

распространенные λ-знания представляют

инженерные и медицинские дисциплины.

В дальнейшем при описании λ-знаний бу-

дут приводиться примеры из области ин-

женерного знания, неявно распространяю-

щие описываемые особенности на все виды

λ-знаний. Различие вдисциплинах сточки

зрения наукометрических исследований

несущественно, так как для исследователя

важно понимать, что λ-знания служат для

удовлетворения существующих потребно-

стей человека. Социальные игуманитарные

науки могут накладывать свои особенности

на λ-знания, базирующиеся на них. Эти осо-

бенности необходимо учитывать при науко-

метрических исследованиях данных наук.

В противоположность научному инже-

нерный метод как способ накопления иоб-

ращения знаний основан на использовании

«рецептов»— эвристик как способа реше-

ния задачи, когда наука не представила те-

орию, обеспечивающую быстрое и точное

решение задачи [Koen, 2003]. Инженер дол-

жен решать задачу, не дожидаясь, пока на-

ука предоставит развитую теорию. Показа-

телен пример французских ученых, которые

разрабатывали представление осопротив-

лении материалов, а в это время англий-

ские инженеры строили во Франции мосты

(часть этих мостов эксплуатируется до сих

пор, пройдя проверку временем).

Цикл обратной связи замыкается по ли-

нии от λ-знания через измерительные ин-

струменты к -знаниям, что в теории обе-

спечивает бесконечное приращение науч-

ных знаний (подобные циклы называются

усиливающими) через развитие технологий

иразработку все более совершенных изме-

рительных приборов. В области действия

данного усиливающего цикла различия

между инженерными инаучными методами

стираются, ипроцессы исследований ираз-

работок не могут быть надежно разделены

для целей сбора статистики. Поэтому, на-

пример, при сборе статистических данных

о науке и технологии, из общего объема

НИОКР не могут быть выделены объемы

финансирования только на науку.

Особенность как -знаний, так иλ-знаний

втом, что доступ кним невозможен без лю-

дей, которые прошли специальную под-

готовку и достаточно долго практиковали

работу со знаниями. Любой желающий,

потратив некоторое время и, возможно,

сумму денег, сможет получить доступ прак-

тически к любой опубликованной статье.

Однако для понимания содержимого ста-

тьи необходимо не только быть знакомым

с основными цитируемыми источниками,

но ивладеть всеми базовыми знаниями по

предметной области, в том числе и теми,

которые явно не отражаются в письмен-

ных источниках. Вестественных науках, по

оценке Д. Прайса, для надежного обосно-

вания представленной в публикации ин-

формации необходимо привлечь в сред-

нем 12 предыдущих работ, c которыми

нужно ознакомиться для понимания сути

опубликованной работы [Price, 1975, р.125].

Значение публикаций и ссылок в постро-

ении сети аргументации достаточно по-

дробно рассмотрено в литературе [Латур,

2013, с. 46–110].

При обсуждении важности построения

и поддержания сети аргументации можно

услышать контраргумент, что для некоторых

областей науки эта процедура является до-

статочно сложной либо вообще невозмож-

ной в силу малого числа исследователей,

работающих в одной области. Р. Коллинз

в своем исследовании социологии фило-

софии показал, что процессы вфилософии

подобны процессам в естественных науках

с двумя особенностями, которые заключа-

ются в существенно замедленном темпе

развития и иной, чем в естественных на-

уках, форме построения сети аргументации

[Collins, 2000, с. 65–205].

Для общества публикации играют роль

внешних признаков, повышающих уверен-

ность в том, что научная работа действи-

тельно ведется, а наукометрические по-

казатели играют роль сигналов об уровне

выполненной работы. Однако наличие ар-

тефактов, функция которых понятна, а со-

держание недоступно для большинства

населения, может порождать недоверие

кработе ученых вдолгосрочной перспекти-

ве. Для предотвращения снижения доверия

сами ученые предпринимают меры для по-

пуляризации своих достижений. Такие меры

(например, сайт научной организации) уве-

личивают открытость информации о про-

водимых исследованиях и научных дости-

жениях. Снижение уровня доверия кработе

ученых в обществе потенциально опасно

тем, что часто приводит ксокращению фи-

нансирования, которое перераспределяет-

ся впользу других интересов общества. Ре-

гулятором вусиливающем цикле выступает

уровень ресурсов, выделяемых на поддер-

жание численности ученых иинженеров.

В λ-знаниях существует аналогичная си-

туация сдоступом кним, стой лишь разни-

цей, что не требуется обеспечивать доступ-

ность документации для общества, скорее

ставится цель осложнить доступ ктехноло-

гическим секретам для поддержания кон-

курентного преимущества. Вопрос повы-

шения доверия кинженерам как носителям

λ-знаний тоже не ставится, так как выгода

от вложений втехнологию верифицируется

существенно проще, чем внауку.

Когда мы обсуждаем уровень -знаний

вобществе, мы должны себе отдавать отчет

втом, что это только те знания, доступ кко-

торым можно получить через ученых. Отме-

тим, что, по оценке Д. Прайса, порядка 10%

статей не читаются никем, кроме авторов

[Price, 1986, р. 108]. Никакой трагедии втом,

что часть информации не востребуется уче-

ными, нет. Однако необходимо помнить, что

даже если результаты некоторых исследо-

ваний зафиксированы в виде публикации

и эти публикации доступны, то нет гаран-

тий, что для использования отраженного

в статьях знания не понадобится времени,

сверх необходимого для чтения и понима-

ния написанного вработах.

Если для доступа к -знаниям требуют-

ся ученые, то как на их основе инженеры

(практики) могут способствовать росту

λ-знаний? Мир ученых и мир инженеров

не изолированы друг от друга, а возмож-

ность сформулировать вопрос и понять

ответ гарантируется общей образователь-

ной базой. Для создания инновационных

технологических решений подготовку ин-

женеров необходимо проводить совмест-

но с подготовкой будущих ученых. Три из

четырех авторов, которые опубликовали

одну или две работы вестественных науках

и не продолжили в дальнейшем карьеру

ученого, скорее выбирают карьеру инже-

нера (обсуждение этого факта см. ранее

в главе). Совместная подготовка ученых

и инженеров и вовлечение их в научный

процесс гарантирует, что выпускники, вы-

бравшие инженерную карьеру, будут не

только лучше понимать язык науки ибудут

способны читать научные работы, но и на

практике получат представления о резуль-

татах научной деятельности, вкоторой уча-

ствовали вкачестве помощников. Предпо-

ложение о том, что университет, вкотором

выполняются научные исследования, по-

зволяет наилучшим образом подготовить

выпускников кпрактической деятельности,

лежит в основе того, что многие индика-

торы рейтингов вузов являются оценкой

уровня именно научных исследований (об-

суждение рейтингов см. в части 3.12. Ис-

пользование библиометрических данных

при построении рейтингов вузов инаучных

организаций).

Должны ли все вузы обязательно вести

научную работу, выпуская специалистов

высокого качества? Ответ, скорее, нет, не

должны. Только порядка 175 университетов

в США являются исследовательскими [Ро-

зовски, 1995]. Бюджеты исследовательских

университетов существенно больше, чем

в вузах, которые занимаются только пре-

подаванием. Отвечая на поставленный во-

прос, можно предположить, что некоторое

время достаточно сосредоточиться только

на выпуске практиков, не развивая ввузах

науку иэкономя деньги. Однако неизбеж-

но наступает момент, когда уровень знаний

преподавателей ввузах настолько отстает

от текущего уровня развития науки, что

уровень практиков встране становится не-

конкурентным по сравнению с развитыми

странами мира.

Отметим, что еще один аргумент впользу

исследовательских университетов состоит

в том, что их выпускники являются лучшим

каналом трансфера технологий. Это свя-

зано с тем, что они не отягощены грузом

существующих впрактике представлений,

аполучили знания опередовых исследо-

ваниях, которые будут доступны впракти-

ке уже после того, как выпускники начнут

свою практическую деятельность. Слабым

местом исследовательских институтов, не

ведущих подготовку студентов, является

то, что для воплощения их результатов

впрактику требуется содержать структуру,

занимающуюся прикладными и опытно-

конструкторскими работами, аэто замед-

ляет практическое применение научных

результатов.

Что является ограничителем роста зна-

ний в модели связи научного и техниче-

ского процессов (рис. 1)? Это естественная

убыль ученых и практиков. Если соответ-

ствующая область знаний не находится

в области внимания ученых и практиков,

то сутратой исследователей и/или инже-

неров есть риск быстро не восстановить

уровень владения знаниями, ичасто цена

восстановления будет существенной. Ри-

ски утраты знаний стали значимы кконцу

XX в., вследствие того что циклы жизни

артефактов, полученных в процессе при-

менения λ-знаний, стали сопоставимы

спродолжительностью человеческой жиз-

ни. Во врезке приведены примеры утраты

знаний, причем важно отметить, что ни

в одном случае утрата не была фаталь-

ной. Случай с каиновой кислотой скорее

иллюстрирует пример утраты знаний вор-

ганизациях, имеющих доступ кисходному

сырью, из которого производился продукт,

однако издержки всех участников процес-

са не становятся от этого меньше. Можно

ли средствами наукометрии выявлять об-

ласти с риском утраты знаний? Ответ —

нет, можно только выявить области, кото-

рые прекратили развиваться как научные

дисциплины, но без экспертов определить

причину прекращения развития практи-

чески невозможно. В связи с этим нужно

отметить два момента: подобный мони-

торинг спривлечением экспертов был бы

очень дорогим (так как эксперты выклю-

чаются из процесса производства новых

знаний); кроме того, мониторинг не гаран-

тирует полноты нахождения всех случаев

потенциальной утраты знаний.

Если вотдельной стране вследствие убы-

ли ученых или практиков утеряны отдель-

ные области знаний, то всегда есть возмож-

ность привлечь нужного специалиста из-за

Каиновая кислота — биологически активное вещество, выделенное из морских водорослей

Digeneasimplex японскими исследователями S. Murakami, T. Takemoto и Z. Shimizu в 1953 г. [Nitta,

1958]. Digeneasimplex используется в традиционной японской медицине. Название кислота по-

лучила от японского слова Kaininso — призрак моря. С 1970-х гг. кислота широко используется

внейробиологии как активатор определенного типа глутаматных рецепторов [Kainic acid, 2014].

Химическая структура кислоты приведена на рис. 2.

В конце 1990-х гг. каиновая кислота начала исче-

зать из каталогов всех фирм-поставщиков, а когда

снова появилась в каталогах, то стала стоить значи-

тельно дороже [Kainic acid, 2014]. Оказалось, что вне

зависимости от этикеток все мировые запасы каината

производил некий японец, который ушел на пенсию,

и способ выделения каината из водорослей в про-

мышленном масштабе был утерян. Прошло несколько

лет, прежде чем фирмы стали производить синтети-

ческий каинат, который был значительно дороже вы-

деленного из водорослей [Idelsong, 2009].

Корпоративная память и обратная контрабанда.

В конце 2011 г. в сети Интернет был опубликован ано-

нимный текст, описывающий утерю конструкторской

документации на нефтехимический завод, построен-

ный в начале 1980-х гг. [Institutional memory…, 2011].

Завод все время до написания текста работал, проблема возникла в тот момент, когда было при-

нято решение о его модернизации. В тексте описаны три стороны проблемы: физическая утрата

документации (в том числе и в электронном виде); неполное отражение в документации инфор-

мации о принятых при проектировании решениях и ограниченная доступность специалистов,

которые могут по работающему заводу восстановить проектную документацию, необходимую

для его реконструкции.

Рис. 2. Химическая

структура

каиновой кислоты

границы. Для этого достаточно поддержи-

вать внутри страны необходимое число экс-

пертов, которые могут идентифицировать

носителя требуемых знаний. Однако это не

всегда возможно как по экономическим,

так и по политическим причинам. Поэто-

му в стране должен поддерживаться как

минимум уровень владения всеми видами

знаний, которые необходимы для воспро-

изводства критических технологий. Макси-

мум ученых ипрактиков определяется ско-

рее возможностью системы образования

воспроизводить кадры и возможностью

экономики поддерживать процесс воспро-

изводства знаний.

1.3. Выделяемые ресурсы

Для составления оценки научной дея-

тельности помимо экспертных и наукоме-

трических оценок, основанных на библи-

ометрических показателях, необходимо

учитывать, какие ресурсы выделялись на

проведение исследований и сколько людей

работало на получение результата.

Оценим, как много денег выделяется

на проведение научных исследований.

Рассмотрение ресурсов ограничивается,

как правило, только финансовыми пока-

зателями. Это связано с недоступностью

информации о материально-техническом

обеспечении научных исследований на

Korea

0,7

0,6

0,5

0,4

0,3

0,2

0,1

Natural

Sciences

Agricultural

Sciences

Social

Sciences

HumanitiesEngineering and

technology

Medical and

Health sciences

Germany

Italy

Turkey

Spain

Russian Federation

United Kingdom

Рис. 3. Распределение доли финансирования НИОКР по отдельным странам

и тематикам в 2011 г. (источник: [OECD, 2012])

уровне подавляющего большинства стран,

например, ее нет в статистических сбор-

никах OECD [OECD, 2014]. Всборниках на

уровне некоторых стран подобная инфор-

мация доступна. Например, детальная ин-

формация о ресурсах, финансовых иобо-

рудования, привлекаемых для выполнения

научных исследований ввузах и научных

организациях Министерства образования

и науки, собирается Северо-Западным

научно-методическим центром (СЗНМЦ)

при СПбГЭТУ «ЛЭТИ» им.В.И.Ульянова

(Ленина) ипубликуется ежегодно вформе

статистических сборников. Вэтих сборни-

ках публикуются, например, показатели,

агрегированные по всем вузам страны

[Научный потенциал вузов и научных…,

2014], а также доступны отдельные вы-

пуски по каждому федеральному округу

синформацией по каждому вузу. Для ор-

ганизаций РАН подобная информация

доступна в изданиях Института проблем

развития науки РАН2.

На рис. 3 приведено распределение

доли от бюджета на НИОКР в некоторых

странах мира в зависимости от тематики

по данным OECD [OECD, 2012]. Данные по

другим странам и периодам могут быть

получены из того же источника, который

регулярно обновляется. Важно, что пред-

ставленная статистика не учитывает де-

ление на исследования иразработки, что

является результатом сложности созда-

ния и использования методики разделе-

ния на чистые исследования иразработку

в любой НИОКР. Тематики НИОКР клас-

сифицированы по шести направлениям:

естественные, технические, медицинские,

сельскохозяйственные, социальные и гу-

манитарные. Распределение на диаграмме

2http://www.issras.ru/

1 Natural

Sciences

% Documents in Country/Territory

4 Agricultural

Sciences

5 Social

Sciences

6 Humanities2 Engineering

and technology

3 Medical

and Health

sciences

Рис. 4. Распределение публикаций всех стран за период 2011–2013 гг. по тематикам OECD.

Источник: InCites, Thomson Reuters (2012)

(Data Processed: March 31, 2014. Data Source: Web of Science СС)

имеет явно выраженное смещение расхо-

дов вобласть естественных итехнических

НИОКР. Всреднем по миру расходы также

смещены в область медицинских иссле-

дований, но вбольшей степени смещение

обеспечено за счет расходов отдельных

развитых стран, прежде всего США.

Если мы посмотрим на распределение

доли публикаций по тематикам OECD за

2011–2013гг. (рис.4), то увидим повторение

картины распределения финансирования

с поправкой на медицинские исследова-

ния. Выбор периода агрегирования данных

в три года начиная с 2011 г. определяется

тем, что финансирование 2011г. влияет на

число публикаций сзадержкой. Корректнее

было бы сопоставить финансирование ипу-

бликации за более длинный интервал вре-

мени, но картина распределения не меняет-

ся на протяжении последних 30–40лет.

В чем причина неравномерности распре-

деления финансирования? Во-первых, раз-

ные страны специализируются на тех тема-

тиках, которые дают максимальный вклад

врешение задач, наиболее востребованных

в экономике страны. Например, Турция от-

дает существенно больший приоритет ис-

следованиям в сельском хозяйстве, чем

медицине. Южная Корея основные ресур-

сы вкладывает в инженерные НИОКР. Во-

вторых, сдвиг в первые три тематические

области определяется тем, что в каждой

из них имеются структуры, концентрирую-

щие существенные финансовые ресурсы,

и существует традиция вкладывать фи-

нансы в получение научного результата

Рис. 5. Распределение затрат ресурсов на выполнение НИОКР. Цифры означают уровень готовности

технологии TRL. В блоке Funders указано распределение источников финансирования по секторам

экономики. В блоке Performers указано распределение исполнителей.

Иллюстрация из: http://wp.iﬁ.uzh.ch/leitner/?p=346

Рис. 5. Распределение затрат ресурсов на выполнение НИОКР. Цифры означают уровень

готовности технологии TRL. В блоке Funders указано распределение источников

финансирования по секторам экономики. В блоке Performers указано распределение

исполнителей. Иллюстрация из: http://wp.ifi.uzh.ch/leitner/?p=346

Оценим, как много было потрачено денег на производство видимого результата

— научной публикации. При оценке нужно выбирать, за какой период провести

измерение. Как правило, выбирают пять лет как минимальный срок, за который

завершаются исследовательские программы и сглаживаются естественные изменения

финансирования. В какой валюте считать? В разные годы курсы валют отличаются, также

отличаются и уровни жизни в разных странах. Для проведения межстрановых сравнений

OECD использует курс национальных валют к доллару США по паритету покупательной

способности, который рассчитывается по соотношению суммы, которую необходимо

заплатить за одинаковый набор товаров в сравниваемых странах. Результаты расчета

стоимости за пятилетний период приведены в табл. 1. Отдельно в таблице выделено

значение по всем странам OECD. Отметим, что расходы в вузах2 по аналогичной методике

оцениваются в диапазоне от 50 до 150 тыс. PPP $, что объясняется большей

сосредоточенностью вузов на исследованиях, чем на разработке. Также стоит отметить,

что высокая стоимость одной публикации в России и Китае объясняется большей долей

расходов на технологические разработки, чем на исследования.

Таблица 1

Стоимость одной публикации за период в пять лет в PPP $*

2000–

2004

2001–

2005

2002–

2006

2003–

2007

2004–

2008

2005–

2009

2006–

2010

2007–

2011

2008–

2012

Великобритания 342,1 351,9 358,9 362,1 365,2 366,2 359,6 349,7 337,8

Франция 597,4 607,3 609,6 609,7 613,5 622,5 631,4 639,3 645,1

2 Отчет НИР для разработки плана развития науки в УрФУ, первый этап. Thomson Reuters, 2013.

с последующей отдачей в практической

деятельности. Для естественных итехниче-

ских НИОКР такими структурами являются

государство, обеспечивающее обороноспо-

собность и безопасность страны, а также

промышленность, использующая получен-

ные результаты для создания инновацион-

ных продуктов. Вопросы распределения ре-

сурсов достаточно подробно рассмотрены

влитературе [Латур, 2013, с. 261–280)].

Нужно отметить, что, несмотря на суще-

ственные затраты на финансирование ме-

дицинских исследований и большое число

публикаций в данной области, прогресс

здесь больше носит характер накопле-

ния отдельных «рецептов» [Мокир, 2012,

с.232–255]. Также необходимо отметить, что

именно статьи по медико-биологическим

исследованиям содержат больше всего не-

верифицируемых исследований.

Может быть, смещение затрат в область

технических НИОКР диктуется тем, что боль-

шая часть затрат попадает на этап опытно-

конструкторских разработок? Исследования

показывают, что доля расходов на фунда-

ментальные исследования, которые дают

больше всего статей в научных журналах,

вструктуре НИОКР стабильна и составляет

порядка 10%. Остальные расходы распреде-

ляются между прикладными исследования-

ми иразработками [Латур, 2013, с. 270].

Также распределение выделяемых ре-

сурсов втечение жизненного цикла НИОКР

можно проиллюстрировать (рис. 5), разде-

лив период работы по уровням готовности

технологии к использованию на практике

Таблица 1

Стоимость одной публикации за период в пять лет в PPP $*

2000–

2004

2001–

2005

2002–

2006

2003–

2007

2004–

2008

2005–

2009

2006–

2010

2007–

2011

2008–

2012

Великобритания 342,1 351,9 358,9 362,1 365,2 366,2 359,6 349,7 337,8

Франция 597,4 607,3 609,6 609,7 613,5 622,5 631,4 639,3 645,1

Ге р м а н и я 682,3 695,2 713,3 730,6 753,1 771,5 791,4 811,0 828,3

--OECD 839,1 853,1 866,6 887,4 909,9 924,5 932,4 935,6 934,1

США 864,1 877,1 890,6 915,9 944,5 967,0 978,6 984,3 987,0

Южная Корея 973,2 942,2 933,4 956,9 976,4 983,5 993,3 996,3 991,5

Россия 483,9 544,5 621,2 706,7 784,3 887,2 971,5 1018,9 1071,6

Китай 1102,4 1101,2 1099,4 1099,5 1106,0 1141,4 1183,2 1217,7 1249,2

Япония 1186,0 1239,1 1300,4 1375,8 1452,0 1496,1 1527,3 1547,6 1553,4

* Приведены расчеты автора, значения упорядочены в порядке возрастания по последнему пятилетнему

периоду, число статей определено по Global Comparisons. InCites, Thomson Reuters (2012). Data Processed: June

1,2014. Data Source: Web of Science СС, расходы на НИОКР по [OECD, 2014].

(Technology readiness level – TRL) [Technology

readiness level, 2014]. На рис. 5 видно, что

наиболее затратные этапы наступают по-

сле этапа фундаментальных исследований

(уровни готовности 1–2). Также необходимо

отметить, что этап фундаментальных ис-

следований финансируется только госу-

дарством как наиболее рисковый ис суще-

ственной задержкой вполучении практиче-

ских результатов.

Оценим, как много было потрачено денег

на производство видимого результата— на-

учной публикации. При оценке нужно выби-

рать, за какой период провести измерение.

Как правило, выбирают пять лет как ми-

нимальный срок, за который завершаются

исследовательские программы и сглажи-

ваются естественные изменения финанси-

рования. Вкакой валюте считать? Вразные

годы курсы валют отличаются, также отли-

чаются и уровни жизни в разных странах.

Для проведения межстрановых сравнений

OECD использует курс национальных валют

кдоллару США по паритету покупательной

способности (PPP $), который рассчитыва-

ется по соотношению суммы, которую необ-

ходимо заплатить за одинаковый набор то-

варов всравниваемых странах. Результаты

расчета стоимости за пятилетний период

приведены втабл.1. Отдельно втаблице вы-

делено значение по всем странам OECD. От-

метим, что расходы ввузах3 по аналогичной

методике оцениваются вдиапазоне от 50 до

150 тыс. PPP $, что объясняется большей со-

средоточенностью вузов на исследованиях,

чем на разработках. Также стоит отметить,

что высокая стоимость одной публикации

вРоссии иКитае объясняется большей до-

лей расходов на технологические разработ-

ки, чем на исследования.

Аналогичным образом оценим количество

статей, опубликованных на одного исследо-

вателя втечение пяти лет. Результаты оцен-

ки приведены в табл. 2. Методика расчета

3Отчет НИР для разработки плана развития науки

вУрФУ, первый этап. Thomson Reuters, 2013.

Таблица 2

Число публикаций в период пяти лет на одного занятого в исследованиях (FTE)*

* Приведены расчеты автора, значения упорядочены в порядке возрастания по последнему пятилетнему пе-

риоду, число статей указано по Global Comparisons. InCites, Thomson Reuters (2012). Data Processed: June 1, 2014.

Data Source: Web of Science СС, исследователи FTE на первый год в периоде пяти лет [OECD, 2014].

2000–

2004

2001–

2005

2002–

2006

2003–

2007

2004–

2008

2005–

2009

2006–

2010

2007–

2011

2008–

2012

Россия 0,29 0,29 0,29 0,30 0,31 0,32 0,33 0,33 0,35

Китай 0,32 0,36 0,41 0,46 0,51 0,50 0,53 0,53 0,54

Япония 0,70 0,71 0,75 0,72 0,72 0,69 0,68 0,68 0,71

Ю. Корея 1,08 0,98 1,06 1,10 1,17 1,11 1,10 1,09 1,14

--OECD 1,28 1,27 1,30 1,28 1,31 1,32 1,33 1,35 1,36

Франция 1,77 1,75 1,71 1,70 1,69 1,76 1,75 1,72 1,74

США 1,68 1,67 1,67 1,61 1,70 1,76 1,77 1,82 1,79

Ге р м а н и я 1,62 1,61 1,65 1,68 1,73 1,78 1,79 1,80 1,80

Великобритания 2,58 2,45 2,32 2,20 2,17 2,07 2,11 2,21 2,30

числа публикаций идентична использован-

ной при построении табл. 1. Число исследо-

вателей дано на начальный период пяти лет

иприведено кэквиваленту по полной заня-

тости (FTE). Отдельно фоном выделены об-

щие значения по всем странам OECD. Одна

из самых низких продуктивностей по числу

опубликованных за пять лет статей у Рос-

сии. Причина такого положения в том, что

большая часть государственных расходов

внашей стране достается промышленности,

при этом государство — основной источ-

ник расходов на НИОКР. Для Китая низкие

значения показателя являются результатом

активного роста вложений в науку при от-

ставании роста числа публикаций.

1.4. Особенности анализа

количественных данных

При проведении наукометрического ис-

следования необходимо учитывать, для кого

проводится анализ, кто его проводит иска-

кой целью, какие используются источники

данных. По сути, наукометрия является

формой количественного анализа на ос-

нове специализированных источников

данных. Количественный анализ возможен

только при наличии источников данных, ре-

левантных решаемым задачам. Собственно

доступность массивов данных относительно

научной деятельности иделает возможным

проведение наукометрических исследова-

ний без наличия большого штата техниче-

ских специалистов по поиску, извлечению

иобработке первичных данных. Представ-

ление о количественном анализе как мето-

де поддержки принятия решений изложены

в книге [Дэвенпорт, Ким, 2014], для углу-

бленного изучения аспектов количествен-

ного анализа можно обратиться крекомен-

дованным вней источникам.

Рассмотрим аспекты проведения коли-

чественного анализа данных, которые по-

зволят эффективно выполнять наукоме-

трические исследования. Первое, с чего

нужно начать, это определить, для кого вы

будете готовить анализ, если, конечно, вы

не проводите научное исследование сце-

лью подготовки публикации. Потребители

вашего анализа определяют цель прово-

димого анализа (например, ввиде вопро-

сов исследования) иформу представления

результатов. С вопросами «что?» и «для

кого?» нужно определиться перед нача-

лом исследования, а не после получения

результатов, так как можно потратить мно-

го времени впустую, собирая ианализируя

данные, которые не дают ответа на постав-

ленные вопросы. Довольно часто потреби-

тели сами не могут четко сформулировать

задачу. Рассмотрим две возможные при-

чины: недостаток знаний о возможностях

наукометрии инечеткая формулировка ре-

шаемой проблемы. Впервом случае необ-

ходимо проводить обучение, на примерах

показывая возможности и ограничения

методов наукометрии. Во втором случае

рекомендуется сначала обдумать пробле-

му, провести экспресс-анализ ина приме-

рах уточнить поставленную задачу. Проще

выполнить несколько предварительных

анализов, последовательно уточняя пре-

следуемую цель, чем получить ответ на

бесполезный вопрос.

Самый главный аспект деятельности ана-

литиков, выполняющих количественный

анализ, состоит втом, что бесполезно огра-

ничиваться представлением фактов, кото-

рые следуют из обработанных данных. Нуж-

но представить варианты решений, возмож-

но даже рассмотрев сценарии реализации

того или иного решения. Представление

вариантов решения вместе с результата-

ми анализа не заменяет для потребителей

необходимость принимать решение само-

стоятельно. Однако предложенные вами

варианты должны очерчивать потенциаль-

но реализуемые возможности с анализом

негативных последствий. Совершенно не-

допустимо представлять только один ва-

риант действий по результатам анализа,

минимальное число представляемых вари-

антов— два. Чем больше разных, но реали-

зуемых вариантов вы сможете предложить,

тем адекватнее будет принятое решение

[Ловушки мышления, 2014, с. 40–56].

Важным моментом при выработке реко-

мендаций является необходимость понима-

ния процессов, которые приводят кнаблю-

даемым данным. Ориентируясь только на

статистические данные, легко дать вполне

выполнимые рекомендации, которые, од-

нако, не приведут к получению желаемых

результатов. Например, многие публика-

ции, выполненные российскими авторами

совместно с зарубежными, обладают срав-

нительно более высокими оценками каче-

ства, чем выполненные только россиянами.

Дать рекомендацию публиковать больше

статей с зарубежными соавторами — это

путь кувеличению совместных публикаций

синостранцами, ане путь повышения каче-

ства публикаций.

Перед представлением результатов необ-

ходимо обязательно проверить восприятие

итогового документа на коллегах, это по-

зволит избежать досадных ошибок ванали-

зе. Чтобы выполнить ипредставить анализ

наилучшим образом, рекомендуется обра-

тить внимание на методику, используемую

одной из ведущих консалтинговых фирм

мира [Инструменты McKinsey, 2009]. Кчис-

лу наиболее частых недочетов впредстав-

ляемых анализах относятся отсутствие либо

самой методики, по которой был выполнен

анализ, либо ее обоснования и отсутствие

объяснения выбора бенчмарков, т. е. рефе-

рентных примеров. Подробнее остановим-

ся на необходимости объяснения выбора

бенчмарков, которые позволяют провести

сравнительное исследование. Если вы

сравниваете результаты деятельности уче-

ных, то как минимум должны позаботиться

отом, чтобы выбранные для сравнения кол-

леги работали вблизкой предметной обла-

сти, авидеале были сравнимы по времени

научной карьеры итипу организации. Если

не ставится цель проведения глобальных

сравнений, то желательно учитывать ире-

гионы мира, вкоторых работают сравнива-

емые ученые. Выбор корректных бенчмар-

ков — это достаточно сложная задача, но,

будучи выполненной один раз, она позволя-

ет в дальнейшем использовать созданный

набор элементов сравнения, обязательно

каждый раз проверяя, не нарушилось ли ус-

ловие корректности сравнения.

Для представления результата жела-

тельно разработать единообразный стиль

оформления для повторяющихся резуль-

татов анализа, что позволит обратиться

к предыдущим выводам при проведении

сравнений. Это также уменьшит затраты по-

требителей на понимание логики изложе-

ния в повторяющихся документах. Обяза-

тельно сохраняйте все рабочие материалы

анализа, ведь это позволит в будущем вос-

становить важные детали, которые быстро

забываются при выполнении последующих

работ. Метод ведения дневника проекта—

наилучший метод для повышения качества

проведенного анализа. В этом дневнике

нужно кратко записывать принятые реше-

ния, чтобы была возможность через две не-

дели после сдачи аналитического отчета

провести разбор полученного результата

сцелью понять причины совершенных оши-

бок и отметить удачные находки, которые

стоит применять вдальнейшем.

Без доступа к источникам данных коли-

чественный анализ невозможен. Каждый

источник обладает своим набором харак-

теристик, которые нужно учитывать при

выполнении анализа данных. При обработ-

ке информации нужно больше внимания

уделять возможностям автоматизирован-

ной обработки данных с использованием

программ, ане ручному манипулированию

сырыми данными. Использование автома-

тизации при обработке данных позволяет

снизить число ошибок, получаемых вслед-

ствие рутинной ручной обработки, и боль-

ше сосредоточиться на решаемой задаче.

Также стоит обратить внимание на доступ-

ность аналитических баз данных, вкоторых

информация предварительно обработана

и данные подготовлены для сравнитель-

ного анализа. Затраты на использование

подобных баз данных окупают себя при не-

обходимости выполнения большого объема

аналитической работы.

Сложность выполнения наукометриче-

ских исследований связана стем, что при

анализе данных нужно понимать контекст

проводимых исследований. Если прово-

дить анализ без учета тематики исследу-

емых предметных областей, то ценность

результатов будет подобна ценности ин-

формации о средней температуре тела

по больнице (не позволяющей выявить,

чья температура ниже/выше нормаль-

ной). В этом случае возможны два вари-

анта решений. Во-первых, можно создать

пул консультантов в предметной области,

с которыми проводить обсуждение про-

водимых исследований. Во-вторых, можно

воспитать наукометрических специали-

стов из ученых, работающих по тематике

исследований, и это наилучшее решение.

Являясь также активными учеными, науко-

метрические специалисты, содной сторо-

ны, смогут учитывать контекст проводимых

исследований, а с другой — будут лучши-

ми проводниками результатов анализа.

1.5. Задержки иартефакты научного

итехнологического процессов

В процессе выполнения наукометриче-

ских исследований необходимо учитывать

три ключевых аспекта научного итехноло-

гического процессов: 1) кто генерирует на-

учные результаты; 2) недоступность в об-

щем случае измерения влияния научных

результатов на практику; 3) задержку между

моментом появления идеи и получением

первых измеримых результатов.

При анализе наукометрических данных

важно видеть коллективы ученых, работа-

ющих над получением результатов, которые

вы измеряете. Иначе возникает соблазн

воспринимать артефакты научной деятель-

ности как набор событий, которые демон-

стрируют нестабильные закономерности

и которыми можно управлять, увеличивая

предоставляемые ресурсы. Связь с прак-

тикой, обсуждаемая в разделе 1.2, не по-

рождает видимых артефактов иможет быть

оценена только по косвенным признакам.

Однако наибольшие трудности создают за-

держки впроцессе, порождающем научные

артефакты.

Структуру, врамках которой развивается

наука, можно определить как локальную

научную группу численностью до 15 чело-

век. Объединяющим началом для группы

является научный руководитель, который

определяет направление исследований

группы. Вместе группу держит несколь-

ко моментов. Во-первых, это возможность

эффективно использовать выделенные

ресурсы (площади, научное оборудование,

музейные коллекции ит.п.). Во-вторых, это

возможность сокращать затраты членов

группы на ознакомление сновыми научны-

ми результатами, полученными вне группы.

И в-третьих, это возможность проводить

обсуждения полученных результатов перед

их публикацией стой целью, чтобы поддер-

живалась общая репутация группы ичтобы

сообщения этой группы не игнорировались

внешними коллегами. Структура научной

группы подробно исследовалась влитера-

туре [см.:Латур, 2013].

Успешность функционирования научной

группы определяется способностью руко-

водителя привлекать финансирование для

выполнения исследований. Важно, что-

бы это финансирование было регулярным

ивобъеме, достаточном для функциониро-

вания группы. Регулярность привлечения

финансирования свидетельствует о том, что

лидер понимает интересы лиц, распреде-

ляющих ресурсы, и способен привлечь ре-

сурсы внешних групп для обсуждения исо-

вершенствования результатов работы своей

группы. Способность группы преобразо-

вать привлекаемые ресурсы (свои идругих

групп) в измеримые артефакты научного

итехнологического процесса иоценивает-

ся в конечном счете при анализе наукоме-

трических показателей.

Например, если мы видим стабильный

рост публикаций по узкой тематике ворга-

низации, это означает, что группы, генери-

рующие научный результат, смогли получить

существенное финансирование. Аналогич-

но: если ворганизации увеличивается доля

совместных работ сучеными других органи-

заций по узкой тематике, то весьма вероятно,

что увеличили финансирование на научные

обмены, но для выяснения, вкакой органи-

зации произошло увеличение финансиро-

вания, нужны дополнительные данные.

Говоря о научной группе, нужно пони-

мать, что можно повысить эффективность

ее работы, сократив издержки группы на

обсуждение полученных ею результатов.

Это можно реализовать, сконцентрировав

водном месте научные группы, работающие

Рис. 6. Задержки времени получения научного результата

Рисунок 6 Задержки времени получения научного результата и связи между артефактами научного и технологического процесса

Доступно для анализа

Время

Недоступно для анализа

Идея Проверка

идеи

Обсуждение

идеи

Чтение

Представление

идеи

Сообщения на

конференциях

Лабораторный

журнал

Кулуарные

обсуждения

письма

Список участников

Публикация

Рецензии

Контент-анализ

Ко-цитирование

Поездки

Динамика

публикаций

Анализ

колобораций

Карта науки

Классификация

результатов

Цитирование

Бенчмаркинг Research Front

Опрос

экспертов

Научн ые

группы

Оборудование

Финансирование

Организация

Препринты

Протоколы

экспериментов

Базы данных

коллекции

Репутация

Патенты

Передача прав

собственности

Патентный

ландшафт

Altmetrics

Ученые

Недоступно для анализаДоступно для анализа

и связи между артефактами научного и технологического процессов

Доступно для анализа

Время

Недоступно для анализа

Идея Проверка

идеи

Обсуждение

идеи

Чтение

Представление

идеи

Сообщения на

конференциях

Лабораторный

журнал

Кулуарные

обсуждения

письма

Список участников

Публикация

Рецензии

Контент-анализ

Ко-цитирование

Поездки

Динамика

публикаций

Анализ

колобораций

Карта науки

Классификация

результатов

Цитирование

Бенчмаркинг Research Front

Опрос

экспертов

Научн ые

группы

Оборудование

Финансирование

Организация

Препринты

Протоколы

экспериментов

Базы данных

коллекции

Репутация

Патенты

Передача прав

собственности

Патентный

ландшафт

Altmetrics

Ученые

над своими проблемами врамках большой

темы. Эффект от концентрации научных

групп и его причины рассмотрены в лите-

ратуре [см.: Яблонский, 2001, с. 228–229].

Любая научная структура, которая специ-

ализируется на узкой научной тематике,

организует деятельность научных групп

внутри себя, будет эффективнее ирезульта-

тивнее, чем разрозненные научные группы.

Наиболее известный пример концентрации

научных групп для решения сложной про-

блемы— это Манхэттенский проект.

Специализированная научная структура,

например научно-исследовательский ин-

ститут, если ее существование не связано

суникальным оборудованием, будет выклю-

чена из процесса воспроизводства научных

кадров, что затрудняет распространение

знаний, которые вней генерируются, ипо-

вышает риск застоя. Распределение науч-

ных групп по университетам позволяет пре-

одолеть подобное ограничение, но ценой

замедления процессов обсуждения, так как

коллеги могут находиться территориаль-

но далеко. Как эффективно организовать

обсуждение в распределенных коллекти-

вах? Несмотря на развитость современных

средств коммуникации, требуется личное

присутствие на таких обсуждениях, так как

это позволяет гарантировать концентрацию

участников данного процесса на обсуждае-

мой задаче, афиксированные даты обсуж-

дений обеспечивают регулярность подго-

товки отчетов о проделанной работе.

При оценке влияния научных результатов

на практику нужно понимать, что патенты

не являются артефактами практической

деятельности, авозникают врезультате ра-

боты над НИОКР. Патенты предназначены

для фиксации прав собственности и для

оповещения о владении технологией, но

не для непосредственной их реализации

на практике. Отметим, что для многих об-

ластей практической деятельности патен-

ты не играют существенной роли, а права

собственности эффективней охраняются

секретами производства. Скудность инфор-

мации о деталях технологического процесса

объясняется тем, что результаты практики

в основном генерируются на предприяти-

ях, которые противятся раскрытию деталей

своей работы (рис. 5). Можно предложить

три параметра оценки результативности

технологической деятельности: 1) объемы

договоров на исследования со стороны хо-

зяйствующих субъектов; 2) востребован-

ность выпускников, которые участвовали

внаучном процессе во время учебы; 3)кон-

тент-анализ публикаций вжурналах, публи-

кующих результаты прикладных работ. Ни

один из параметров, приведенных выше, не

позволяет провести достоверную количе-

ственную оценку, скорее мы получим каче-

ственные характеристики.

В качестве вспомогательного инструмен-

та при проведении прикладных наукоме-

трических исследований можно использо-

вать схему, представленную на рис.6(см.на

предыдущей странице). На схеме изобра-

жены развернутые во времени артефакты,

получаемые впроцессе реализации НИОКР.

Стрелки указывают на связь элементов про-

цесса спорождаемыми артефактами. Арте-

факты над осью процесса практически не

поддаются оценке, так как чаще всего не-

доступны. Артефакты под осью обладают

разной степенью доступности, но, как пра-

вило, обнаруживаются вразных источниках

ивкакой-то степени являются измеримыми.

Например, данные о части оборудования,

установленного влабораториях Европы, до-

ступны на портале MERIL4, апри поиске по

полным текстам публикаций можно найти

4http://portal.meril.eu/

информацию о том, вкаких работах данное

оборудование было задействовано.

Отличие предложенной схемы научного

процесса от традиционных схем (напри-

мер, [How science works, 2014]) в том, что

здесь представлена связь между скрытыми

элементами научного процесса иартефак-

тами научного и технологического про-

цессов. Особое внимание уделено аспекту

измеримости изадержкам вполучении ре-

зультатов. Данная схема акцентирует вни-

мание на том, что от момента появления

идеи до публикации первых результатов

может пройти много времени (по разным

оценкам в среднем от года до трех лет).

Втечение этого времени высказанная идея

не столько оформляется, сколько прохо-

дит проверку в процессе экспериментов,

внутренних обсуждений и обсуждений

спривлечением коллег (например, на кон-

ференциях) ит.д. Как следствие, кмомен-

ту публикации идея не только оформлена

должным образом, но ивплетена всисте-

му представлений коллег об исследуемой

области. Раннее ознакомление с идеями

редуцирует отторжение нового в науч-

ном сообществе, например, обсуждаемый

вразделе 3.3 эффект Матфея скорее сви-

детельствует о том, что если ученые пред-

ставляют свои идеи на уровне страны, не

вовлекая иностранных коллег в обсужде-

ние своих новых результатов, то доверие

к этим результатам меньше. Пояснения

многих понятий, представленных на диа-

грамме, будут даны вследующих главах.

Рассмотренные в главе два «полярных»

подхода к оценке научной результатив-

ности, а именно экспертное оценивание

иопора на наукометрию, не являются вза-

имоисключающими. Каждый из них об-

ладает своими преимуществами. Только

объединив оба подхода врамках процесса

принятия решения и вовлекая в процесс

все заинтересованные стороны, при усло-

вии максимальной прозрачности методов,

которыми получены оценки, можно достичь

результата, способствующего развитию на-

уки итехнологии для общественного блага.

Сложившиеся встранах сразвитой наукой

механизмы конкурсного распределения ре-

сурсов на научные исследования обладают

достаточной степенью свободы для поиска

нового, асвязь спрактикой через опреде-

ление приоритетов настраивает процесс на

достижение полезных результатов для все-

го общества. Наукометрические инструмен-

ты являются вданном случае средством по-

вышения качества принимаемых решений,

но не могут стать единственным опреде-

ляющим критерием. Иначе вместо системы

развития научного знания мы получим си-

стему, вкоторой «ученые» преследуют цели

достижения измеримых показателей, а не

создания новых знаний.

Горькавый Н. Н. don_beaver – НАСА не ценит ин-

декс Хирша. 2014. URL: http://don-beaver.livejournal.

com/137590.html (дата обращения: 11.06.2014).

Дэвенпорт Т., Ким Д. Х. О чем говорят цифры. Как

понимать и использовать данные. М.: Манн, Иванов

иФербер, 2014. 224 с.

Ефимов А. Н. Элитные группы, их возникновение

иэволюция // Знание – сила. 1988. №1. С. 56–64.

Игра в цыфирь, или как теперь оценивают труд

ученого (сборник статей о библиометрике). М.: Изд-во

МЦНМО, 2011. 72 с.

Инструменты McKinsey. Лучшая практика решения

бизнес-проблем / И. М. Расиел, П. Н. Фрига. М.: Манн,

Иванов и Фербер, 2009. 224 с.

Кожевников В. Л., Поляков Е. В. Сравнительная эффек-

тивность научного труда в некоторых национальных ака-

демиях наук // Вестник УрО РАН. 2010. № 4(34). С. 3–8.

Латур Б. Наука в действии: Прагматический поворот.

СПб.: Изд-во Европ. ун-та в Санкт-Петербурге, 2013.

416 с. (Latour B. Science in Action: How to Follow Scien-

tists and Engineers Through Society. Cambridge, Mass.:

Harvard University Press, 1988. 288 p.)

Ловушки мышления. Как принимать решения,

окоторых вы не пожалеете / Д. Хиз, Ч. Хиз. М.: Манн,

Иванов и Фербер, 2014. 336 с.

Медоуз Д. Х. Азбука системного мышления. М.:

БИНОМ. Лаборатория знаний, 2010. 344 с.

Мокир Дж. Дары Афины. Исторические истоки эко-

номики. М.: Изд-во Института Гайдара, 2012. 408с.

(Mokyr J. The Gifts of Athena: Historical Origins of the

Knowledge Economy. Princeton N.J.: Princeton University

Press, 2004. 384 p.)

Научный потенциал вузов и научных организаций

Министерства образования и науки Российской

Федерации. 2013 / под ред. О. А. Ладного. СПб.:

СПбГЭТУ, 2014. 210 с.

Нейгебауэр О. Точные науки в древности. М.: Наука,

1968. 224 с.

Расчет на одного ученого / В. Фигнер, М.Акоев,

Е.Ульянова. 2012. № 27 (518). URL: http:// expert.ru/

ural/2012/27/raschet-na-odnogo-uchenogo/ (дата об-

ращения: 10.06.2014).

Розовски Г. Университет. Пособие для владельца М.:

Иерусалим Мосты Культуры, Гешарим, 1995. 414 с.

Соколов М. Как управляют научной продуктивностью:

лекция. Прочитана 25 ноября 2010 г. в рамках про-

екта «Публичные лекции Полит.ру». 2011. URL: http://

polit.ru/article/2011/03/05/sokolov/ (дата обращения:

10.06.2014).

Сообщение idelsong 13 ноября 2009. URL:

http://ivanov-petrov.livejournal.com/1314669.

html?thread=63853933 (дата обращения: 24.06.2014).

Хаббард Д. Как измерить все, что угодно. Оценка

стоимости нематериального в бизнесе М.: Олимп-

Бизнес, 2009. 320 с.

Яблонский А. И. Модели и методы исследования на-

уки: Философы России XX века. М.: Едиториал УРСС,

2001. 400 с.

Collins R. The Sociology of Philosophies: A Global Theory

of Intellectual Change Belknap Press of Harvard Univer-

sity Press, 2000. 1098 p. (Русский перевод: КоллинзР.

Социология философий: глобальная теория интел-

лектуального изменения. Новосибирск: Сибирский

хронограф, 2002. 1280 с.)

How science works: The ﬂowchart / University of Califor-

nia Museum of Paleontology. 2014. URL: http://undsci.

berkeley.edu/article/ scienceﬂowchart (дата обращения:

24.06.2014).

Institutional memory and reverse smuggling

[анонимный текст]. URL: http://wrttn.in/04af1a

04.12.2011 (перевод на русский язык: URL: http://ahi-

tech.livejournal. com/171492.html)

Kainic acid // Wikipedia, the free encyclopedia. 2014.

URL: https://en.wikipedia.org/wiki/Kainic_acid

Klarreich E. Unheralded Mathematician Bridges the Prime

Gap // Quanta Magazine. 2013. URL: http://www.quan-

tamagazine.org/20130519-unheraldedmathematician-

bridges-the-prime-gap/ (дата обращения: 13.06.2014).

Koen B. V. Discussion of the Method: Conducting the En-

gineer’s Approach to Problem Solving-New York : Oxford

University Press, 2003. 276 p.

Less Wrong is a community blog devoted to reﬁning the

art of human rationality. 2006. URL: http:// lesswrong.

com/ (дата обращения: 13.06.2014). [Русские перево-

ды части материалов доступны по адресу: URL: http://

lesswrong.ru /]

Nitta I. Watase H. Tomiie Y. Structure of Kainic Acid and its

Isomer, Allokainic Acid // Nature. 1958. Vol. 181. №4611.

P.761–762.

OECD «Main Science and Technology Indicators», OECD

Science, Technology and R&D Statistics (database).

[2014]. DOI: 10.1787/data-00182-en (дата обращения:

12.06.2014).

OECD «Research and Development Statistics: Gross do-

mestic expenditure on R-D by sector of performance and

ﬁeld of science», OECD Science, Technology and R&D

Statistics (database). [2012]. DOI: 10.1787/data-00187-en

(дата обращения 28.04. 2014).

Price D. Little Science, Big Science and beyond. New

York : Columbia University Press, 1986. 301 p. (Перевод

первого издания 1963 года на русский язык: ПрайсД.

Наука о науке // Наука о науке. М.: Прогресс, 1966.

С.236–254 ; Он же. Малая наука, большая наука //

Наука о науке. М.: Прогресс, 1966. С. 281–384.)

Price D. Science Since Babylon: Enlarged Edition.

NewHaven: Yale University Press, 1975. 232 p.

Technology readiness level // Wikipedia, the free encyclo-

pedia. 2014. URL: http://en.wikipedia.org/ wiki/Techno-

logy_readiness_level (дата обращения: 13.06.2014).

БИБЛИОМЕТРИЧЕСКИЕ

ИНДИКАТОРЫ В РЕСУРСАХ

THOMSON REUTERS1, 2

1В данной главе использованы материалы издания: ПисляковВ.В. Библиометрические

индикаторы: практикум. М.: НФПК, Инфра-М, 2014.

2Глава публикуется с сохранением авторской пунктуации.

В. В. Писляков

Заместитель

директора

библиотеки

Национального

исследовательско-

го университета

«Высшая школа

экономики»,

кандидат физико-

математических

наук.

This chapter examines bibliometric indicators related to citedness of journals, authors, research

groups, institutions and whole countries. The introductory section deals with the basics

ofbibliometric analysis and features of citation databases. The author discusses the usage

ofvarious bibliometric indicators: the impact factor, average citedness, share of uncited papers,

Eigenfactor and Article Inuence Scores, Hirsch and Hirsch-type indices, and others. A special

section investigates indicators of chronological distribution of references. Particular attention

ispaid to normalized indicators, including indicators normalized by research disciplines,

aswell as by publication sources. The nal section emphasizes the importance of informed and

reasonable use of bibliometric indicators in research policy-making, funding allocation, and

faculty and research personnel recruitment.

В главе рассматриваются библиометрические индикаторы, оценивающие цити-

руемость журналов, авторов, научных коллективов, организаций и целых стран.

Дается определение и обсуждается использование импакт-фактора и его вариаций,

относительной цитируемости, ранговых метрик, коэффициента нецитируемости,

«взвешенных» индикаторов (собственный фактор, индекс влияния статьи), индекса

Хирша и ряда «Хирш-подобных» показателей и др. Специальный раздел посвящен

показателям, характеризующим хронологическое распределение библиографических

ссылок. Особенное внимание уделено индикаторам нормализованной цитируемости,

с нормализацией по областям науки и по журналам, а также их совокупному анализу.

Глава содержит вводную часть, вкоторой излагаются основы библиометрического

анализа и особенности баз данных научного цитирования. Финальный раздел под-

черкивает необходимость грамотной и аккуратной трактовки библиометрических

индикаторов при принятии административных решений, распределении грантов,

осуществлении кадровой политики.

BIBLIOMETRIC INDICATORS IN THE THOMSON REUTERS

INFORMATION RESOURCES

DOI 10.15826/B978-5-7996-1352-5.0005

ВВЕДЕНИЕ

данной главе мы рассмотрим

ряд библиометрических ин-

дикаторов, которые либо со-

держатся вготовом виде, либо мо-

гут быть рассчитаны при помощи

баз данных научного цитирования

компании Thomson Reuters. Все

эти индикаторы связаны сцитируемостью

научных публикаций3.

Для каждого показателя в доступной

форме будет представлен алгоритм его

расчета и объяснен «физический смысл»:

что именно он измеряет, когда может быть

применен (а когда — нет), какие существуют

потенциальные опасности и ограничения

упредложенных методик.

Структура настоящей главы: в вводном

разделе 2.1 рассказывается, что содержится

в базах данных научного цитирования, ка-

ково наполнение ифункции инструментов,

предоставляемых Thomson Reuters, какие

существуют обозначения, терминологиче-

ские и методологические договоренности

влитературе по библиометрии. Раздел 2.2

посвящен импакт-индикаторам, измеряю-

щим среднюю цитируемость в расчете на

одну статью; здесь же затрагивается вопрос

о самоцитировании в научной литературе.

Вразделе 2.3 идет речь о подходах ккросс-

дисциплинарному сравнению библиоме-

трических характеристик — прежде всего,

при помощи нормализованных индикаторов

с различными способами нормализации,

а также с использованием ранговых мето-

дов. В разделе 2.4 вводится понятие опо-

казателях «экстремальной» (предельной)

цитируемости, ккоторым отнесены доля вы-

сокоцитируемых статей икоэффициент не-

цитируемости. «Взвешенные» индикаторы,

учитывающие при подсчете цитируемости

научный уровень цитирующих журналов,

освещаются в разделе 2.5. Индексу Хирша

и некоторым его модификациям посвящен

раздел 2.6. Вразделе 2.7 исследуются пока-

затели, характеризующие хронологическую

структуру распределения ссылок и, нако-

нец, Заключение завершает данную главу.

2.1. Библиометрические инструменты.

База данных Web of Science Core

Collection ианалитические надстройки

Начнем мы сописания инструмента Web

of Science Core Collection (Web of Science

CC), продукта компании Thomson Reuters.

Web of Science CC относится к «библиоме-

трическим базам данных» или, как еще го-

ворят, «базам данных (научного) цитирова-

ния» (citation database, citation index). Web of

Science CC размещается на более широкой

платформе Web of Science, включающей,

помимо Web of Science CC, специализи-

рованные базы данных по патентам, ряд

тематических реферативных баз данных,

национальные (страновые) базы научного

цитирования идр.

2.1.1. Принципы организации

библиометрических баз данных.

Методологические замечания

Из чего состоят базы научного цитиро-

вания, и что именно можно в них найти?

Основной контент библиометрических баз

данных — научные журналы. При этом вба-

зе данных не содержится полного текста

статей этих журналов. О каждой статье

хранится (и может быть выдана пользовате-

лю), как правило, следующая информация:

3Необходимо заметить, что английское «citation», как справедливо указывалось, например, А. В. Полетаевым или

Р. С. Гиляревским, означает не «цитирование» или тем более «цитату», а лишь библиографическую ссылку. При

строгом подходе следует говорить не о цитируемости, а о числе полученных ссылок, «citation index» переводить

как «указатель ссылок» и т. д. Тем не менее в силу ограниченности языка, необходимости использовать синонимы

итрудноискоренимой практики, уже сложившейся в русскоязычной литературе, врамках настоящей главы «цитиро-

вание» будет эквивалентом «ссылке». При этом, конечно, не подразумевается, что если одна статья «цитирует» дру-

гую, то в первой содержится выдержка, фрагмент из второй (то, что обозначается английским словом «quotation»).

Речь всего лишь о том, что вторая статья фигурирует в списке использованной литературы первой статьи.

Рис. 7. Запись в библиометрической базе данных на статью из журнала Nature.

Скриншот интерфейса базы данных Web of Science CC

— библиографические сведения о статье

(«выходные данные»: автор(ы), название

статьи, название журнала, год выхода, том,

номер, страницы);

— аннотация статьи (реферат) — в том

случае если она имелась висходном тексте

публикации; базы цитирования не состав-

ляют аннотации тех произведений, в кото-

рых они изначально отсутствуют;

— ключевые слова; иногда это несколько

наборов ключевых слов — например, сло-

ва, приписанные статье в оригинальном

тексте публикации («авторские ключевые

слова»); ключевые слова, «назначенные»

базой данных цитирования исходя из ее

внутреннего тезауруса ключевых слов

иавтоматических алгоритмов; или ключе-

вые слова, заимствованные из тематиче-

ских реферативных баз данных, где есть

та же самая статья;

— тематика (рубрика), приписанная ста-

тье, итип публикации (см. далее);

— организации, в которых работают ав-

торы, т. н. «аффилиации», с почтовыми

Рис. 8. Список цитируемой в статье литературы.

Скриншот интерфейса базы данных Web of Science CC

адресами мест работы и, иногда, электрон-

ными адресами авторов;

— список цитируемой в статье литера-

туры — именно это поле является ключе-

вым для базы данных иделает ее «библио-

метрической» базой данных;

— различные второстепенные поля: но-

мер ISSN журнала, язык оригинального

документа, название и адрес издатель-

ства идр.

Таким образом, если журнал «расписыва-

ется» (индексируется) библиометрической

базой данных, это означает, что о каждой

публикации этого журнала мы сможем уз-

нать из базы данных сведения, перечислен-

ные выше. Полного текста статей при этом

в базе не будет. В качестве иллюстрации

на рис. 7 приведен пример библиографи-

ческой записи Web of Science CC на некую

журнальную статью, а на рис. 8 — список

литературы этой статьи (он открывается при

нажатии соответствующей ссылки).

Помимо журнального контента, библио-

метрические базы данных могут включать

в себя также некоторое количество тру-

дов конференций и, снедавнего времени,

книг. При этом поля, попадающие в базу

данных, аналогичны тем, которые пере-

числены для журналов. Только в случае

трудов конференций структурной едини-

цей будет не статья, а доклад на конфе-

ренции; в случае книг — глава из книги.

В случае сборников трудов конференций

речь идет именно о сборниках текстов до-

кладов, а не о кратких тезисах. Обычно

текст такого доклада занимает от 4 стра-

ниц и более и в обязательном порядке

имеет список использованной литературы.

За исключением своего предназначения,

он ничем не отличается от статьи вжурна-

ле (ивпоследствии часто становится ста-

тьей). В серьезных научных монографиях

также имеется список литературы по гла-

вам. Это дает возможность базам данных

трактовать доклады иглавы вполном по-

добии статьям ииндексировать эти доку-

менты на тех же принципах (но также без

размещения полного текста).

В базах научного цитирования каждый

журнал имеет «тематическую привязку»,

он отнесен к той или иной научной дис-

циплине (может быть отнесен более чем

кодной). При этом при расчете практиче-

ски всех индикаторов, о которых пойдет

речь внастоящей главе, тематическая ру-

брика статьи определяется вбазе данных

цитирования на основании тематической

рубрики журнала, в котором она опубли-

кована. Все статьи одного журнала имеют

одну иту же рубрику (рубрики). Мы будем

говорить, что статья/журнал относятся

к той или иной дисциплине или научной

области. Два последних понятия использу-

ются нами как синонимы.

Помимо дисциплины, каждой публика-

ции в библиометрических базах данных

присваивается тип документа. Это может

быть научная статья (Article), научный обзор

(Review), заметка редактора (Editorial), пись-

мо (Letter), книжная рецензия (Book Review)

идр. При расчете ряда библиометрических

индикаторов могут учитываться не все,

а лишь некоторые типы публикаций — ча-

ще всего это Article и Review. Кроме того,

замечено, что разные типы публикаций

обычно получают разное число ссылок. Так,

документы типа Review, «научный обзор»,

в среднем цитируются более активно, чем

типа Article, «научная статья». Тем не менее

словом «статья» мы будем обозначать, как

часто это делается в обыденной практике,

любую публикацию в журнале. В тех раз-

делах, где будет важно отличать «публика-

цию» от «статьи» (т. е. от публикации типа

«научная статья»), мы будем прибегать

к английскому «Article» — так избежим

двусмысленности.

В библиометрии статью считают публи-

кацией той или иной лаборатории/органи-

зации/страны на основании институцио-

нальных адресов, которые указаны автора-

ми встатье и, соответственно, перенесены

в поле «address» (или «afﬁliation» и т. д.)

базы данных. Вданном случае при анали-

зе не интересуются деталями авторской

биографии — как он менял места работы,

одновременно совмещал их ит.д. «То, что

указано в статье» — это окончательный

ответ на вопрос, в какой организации ра-

ботал автор, ее написавший. При этом ав-

тор, конечно, может указать встатье сразу

несколько мест работы — и в таком виде

эта информация будет перенесена в базы

цитирования.

Про отнесение публикаций к авторам,

организациям истранам следует пояснить

еще один момент, связанный с соавтор-

ством. Существует несколько способов счета

статей, написанных несколькими авторами.

Самый простой из них — «полный счет»,

whole (или total) counting, который предпо-

лагает, что каждому из соавторов засчи-

тывается по одной статье. Написал автор

статью в одиночку или в сотрудничестве

с20 коллегами — это все равно плюс одна

публикация в его статистике. То же самое

для организаций истран: если организация

(страна) хотя бы один раз указана всписке

мест работы авторов статьи, эта публикация

считается как целиком принадлежащая ей

(и всем остальным организациям/странам

соавторов наравне).

Помимо этого есть несколько способов

«дробного счета», fractional counting. Если

авторов встатье n, то считается, что каждый

написал 1/n статьи, исложением именно та-

ких долей находится суммарная публикаци-

онная активность автора по всем его рабо-

там. То же самое для организаций: каждая

статья распределяется по всем организаци-

ям вравных долях или вдолях, пропорцио-

нальных числу авторов из соответствующей

организации. Дробный счет применяется

как для публикаций, так идля цитирований,

которые они получили.

Во всех индикаторах, которые будут рас-

смотрены внастоящей главе, будет исполь-

зоваться только метод whole counting. Его

отличает простота, однако следует пом-

нить, что он не обеспечивает аддитивность

большинства показателей. Например, от-

вечая на вопрос «сколько всего статей

написали авторы организации», нельзя

приводить арифметическую сумму числа

статей, написанных каждым автором этой

организации. Если два или более ученых

из данного института написали статью

в соавторстве, то каждый из них получит

по одной статье в свою публикационную

статистику. Таким образом, простая сумма

по индивидуальным показателям авторов

даст двойку или больше, вто время как для

статистики организации как целого это,

очевидно, одна статья. Кроме того, даже

если автор один, но он указал, например,

два места работы в двух разных странах

(это вполне возможно), то такая публи-

кация при использовании whole counting

одновременно поднимет на единицу стати-

стику двух разных лабораторий, двух раз-

ных организаций идвух разных стран.

2.1.2. Web of Science Core Collection

Итак, Web of Science CC является базой

данных цитирования, «библиометриче-

ской» базой данных. Она содержит семь

блоков (или «изданий», editions) ив сумме

охватывает более 12 000 научных журналов,

12 000 серий трудов конференций иболее

50 000 книг. Web of Science CC являет-

ся ядром библиометрических продуктов

Thomson Reuters, их главной частью. Блоки,

из которых состоит Web of Science CC, со-

держат различные типы документов по раз-

личным разделам науки (в самом широком

смысле этого слова):

• Science Citation Index Expanded (SCIE) —

журналы по естественным, техническим,

медицинским наукам (физика, химия, ма-

тематика, биология, информатика и вы-

числительная техника, медицина ит.д.);

архив с1898 г.

• Social Sciences Citation Index (SSCI)— жур-

налы по общественным наукам (экономи-

ка, менеджмент, социология, право, по-

литология, история ит. д.); архив с1898г.

• Arts & Humanities Citation Index (A&HCI)—

журналы по гуманитарным наукам (исто-

рия, литературоведение, искусствоведе-

ние, религиоведение ит.д.); архив с1975 г.

• Conference Proceedings Citation Index –

Science— труды конференций, посвящен-

ных естественным, техническим, меди-

цинским наукам; архив с1990г.

• Conference Proceedings Citation Index –

Social Science & Humanities — труды кон-

ференций, посвященных общественным

игуманитарным наукам; архив с1990г.

• Book Citation Index– Science— книги, по-

священные естественным, техническим,

медицинским наукам; архив с2005 г.

• Book Citation Index — Social Sciences &

Humanities — книги, посвященные обще-

ственным игуманитарным наукам; архив

с2005г.

В журнальных блоках есть издания, ду-

блирующиеся в разных индексах, — речь

идет о мультидисциплинарных журналах,

относящихся к различным типам наук. На-

пример, журнал Scientometrics отнесен кру-

брике «Information Science & Library Science»

вSSCI ик «Computer Science Multidisciplinary

Applications» вSCIE.

В настоящее время Web of Science CC ин-

дексирует около 150 российских изданий

вSCIE, 3 журнала вSSCI и5 — вA&HCI.

2.1.3. Аналитические надстройки:

Journal Citation Reports, Essential Science

Indicators, InCites

Повторим, что для каждой публикации

вWeb of Science CC можно узнать, какие до-

кументы она цитирует и, наоборот, какие

документы цитируют ее. Следовательно,

можно собирать статистику цитируемости.

Для комплексных задач сделать это нелег-

ко, поэтому Web of Science CC дополняют

аналитические инструменты, в частности

базы данных Journal Citation Reports (JCR),

Essential Science Indicators (ESI) иInCites. Все

эти продукты используют Web of Science CC

как свою основу илишь собирают, агрегиру-

ют из Web of Science CC данные по различ-

ным «информационным единицам» (журна-

лам, ученым, организациям, странам ит.д.).

JCR — база данных по библиометриче-

ским показателям журналов как целого. Пу-

бликуются данные о количестве выходящих

вжурнале статей, числе полученных журна-

лом ссылок, хронологическом распределе-

нии сделанных/полученных ссылок, импакт-

факторе журнала (см. далее п.2.2.1) идр.

ESI — база данных по библиометрическим

индикаторам авторов, организаций, стран,

журналов. Публикуются данные о коли-

честве вышедших у автора/организации/

страны/журнала статей и их цитируемо-

сти (по журналам информация вESI менее

подробная, чем вJCR). Ограничения: вESI

включены только те организации иавторы,

которые попали в 1 % наиболее цитируе-

мых хотя бы водной научной дисциплине;

итолько те журналы истраны, которые по-

пали в50% наиболее цитируемых хотя бы

водной научной дисциплине. Помимо этого

вESI имеется специальный раздел по миро-

вым высокоцитируемым статьям (попавшим

в1% самых цитируемых среди тех, которые

вышли в заданном году в заданной науч-

ной области, см. далее п. 2.4.1), среднеми-

ровым библиометрическим показателям

(«baselines») и перспективным научным

«фронтам», которые определяются специ-

альной библиометрической процедурой (об

этом подробнее см. на с. 224).

InCites — аналитический инструмент, по-

зволяющий проводить детальный и глубо-

кий анализ библиометрических показате-

лей организаций, отдельных ученых, стран.

Единственный из перечисленных продук-

тов использует нормализацию цитируемо-

сти по областям науки и по журналам. Во

второй половине 2014г. вышла новая, рас-

ширенная версия продукта и, поскольку из-

менения коснулись не только интерфейса,

но и методологической основы используе-

мых индикаторов, мы будем обозначать две

версии как InCites1 иInCites2.

Подчеркнем еще раз, что все данные, при-

веденные вJCR, ESI иInCites, рассчитаны по

Web of Science CC и, строго говоря, содер-

жатся вWeb of Science CC. Однако вручную

их крайне сложно оттуда извлечь, поэтому

готовую агрегированную информацию по

журналам, авторам, организациям и стра-

нам приводят для удобного использования

в специальных аналитических «надстрой-

ках» JCR, ESI иInCites.

2.2. Индикаторы влиятельности статей

(импакт-индикаторы)

К этому наиболее распространенному

классу индикаторов цитируемости отно-

сятся показатели, оценивающие число ссы-

лок, полученных всреднем одной статьей,

входящей внекоторое заданное множество

публикаций. Это могут быть статьи из како-

го-либо журнала или работы определенно-

го автора, исследовательского коллектива,

организации, целой страны ит. д.

Чаще всего исследуется множество ста-

тей, опубликованных за определенный

фиксированный промежуток времени. На-

пример, это могут быть статьи, написанные

внекотором исследуемом университете U за

пятилетний промежуток 2009–2013 гг. Этот

интервал, в течение которого выходили

оцениваемые статьи, называется «публи-

кационным окном» (publication window). Не

менее важен временной интервал, в тече-

ние которого выходили те статьи, ссылки

из которых мы учитываем при подсчете им-

пакт-индикатора. Например, это могут быть

статьи, вышедшие в2013 г. Этот промежуток

времени называется «окном цитирования»

(citation window).

При подсчете импакт-индикаторов (иболь-

шинства библиометрических индикаторов

в принципе) необходимо четкое обозначе-

ние как публикационного окна, так иокна

цитирования, — в противном случае мето-

дика, определяющая измеряемый индика-

тор, будет неполна, а корректный и одно-

значный подсчет показателя будет невоз-

можен. Итак, вприведенном нами примере

мы бы считали среднее число ссылок, при-

сутствующих в статьях 2013 г. выхода, на

работы, опубликованные в 2009–2013 гг.

учеными, работающими в вузе U. «Сред-

нее» обозначает здесь усреднение по числу

оцениваемых статей: найденное абсолют-

ное число ссылок должно быть поделено на

число статей впубликационном окне (т. е.

на число статей, опубликованных учеными

вуза U в2009–2013гг.).

Рассмотрение импакт-индикаторов мы

начнем с журнальных показателей, по-

скольку впервые они были введены имен-

но для журналов ина журнальной лите-

ратуре легче всего проиллюстрировать

их закономерности.

2.2.1. Импакт-фактор журнала

Как сказано выше, импакт-индикаторы

являются наиболее распространенными

среди показателей цитируемости. А самым

известным и широко используемым сре-

ди них является импакт-фактор журнала

(journal impact factor). При его подсчете ис-

пользуется двухлетнее публикационное ок-

но иоднолетнее окно цитирования.

Импакт-фактор журнала изменяется из

года в год, поэтому рассчитывается для

конкретного (отчетного) года. Для года Y

импакт-фактор журнала равен отноше-

нию числа всех ссылок, полученных в году

Рис. 9. Журналы по акустике, в порядке убы-

вания импакт-фактора. Скриншот интерфейса

базы данных JCR (Thomson Reuters)

Y статьями данного журнала, вышедшими

вгодах Y–1 иY–2, кчислу этих статей (т.е.

кчислу статей журнала, вышедших вгодах

Y–1 и Y–2). Таким образом, публикацион-

ное окно — два года [Y–1; Y–2] (оценивается

средняя цитируемость этого множества ста-

тей журнала), окно цитирования — один год

[Y] (учитываются цитирования, сделанные

вэтом году).

Другими словами, импакт-фактор харак-

теризует среднее число ссылок, полученных

вотчетном году статьями журнала, опубли-

кованными втечение двух предыдущих лет.

Проиллюстрируем это конкретным приме-

ром. В2013 г. во всех журналах, охваченных

Web of Science CC, было сделано 125 ссылок

на статьи журнала «Успехи химии», опубли-

кованные в2012 г., и154 ссылки на его ста-

тьи, опубликованные в 2011 г. Итого статьи

«Успехов», вышедшие в2011–2012 гг., полу-

чили в2013 г. 125 + 154 = 279 цитирований.

При этом в2012 г. журнал опубликовал 54

статьи, в 2011 г. тоже 54, итого за проме-

жуток 2011–2012 гг. (публикационное окно)

вышло 108 статей. Таким образом, импакт-

фактор журнала «Успехи химии» в 2013 г.

равен отношению 279 : 108 = 2,58.

Все эти данные (как итоговый импакт-фак-

тор, так ислагаемые его числителя изнаме-

нателя) можно найти вбазе данных JCR. Там

они публикуются ежегодно, данные за оче-

редной год обычно появляются виюне-ию-

ле следующего года (т. е. импакт-факторы

2014г. можно узнать летом 2015г. ит.д.). На

рис. 9 приведен скриншот базы данных JCR

сжурналами по акустике, которые упорядо-

чены по убыванию импакт-фактора. Кроме

того, некоторые издательства размещают

текущие значения импакт-факторов своих

журналов на их веб-страницах, воткрытом

доступе. Нередко они сопровождаются ран-

говыми показателями (см. далее, п. 2.3.4).

На данный момент (конец 2014 г., по-

следнее вышедшее издание — JCR-2013)

максимальный импакт-фактор имеет жур-

нал CA — A Cancer Journal for Clinicians,

IF=162,5. Это совершенно невероятный по-

казатель (журнал публикует малое число

статей, но получает много ссылок), и бли-

жайший «конкурент», журнал New England

Journal of Medicine, отстает от него ровно

в три раза, IF =54,4. Как и многие другие

распределения вбиблиометрии, распреде-

ление журналов по импакт-фактору силь-

но сдвинуто относительно нормального:

существует несколько журналов-лидеров

и обширное множество изданий с низким

импактом. В итоге медиана распределе-

ния импакт-факторов в журналах, входя-

щих вSCIE (т. е. журналов по естественным,

техническим, медицинским наукам), равна

1,41. То есть среди всех 8474 журналов по-

ловина имеет импакт-фактор выше 1,41,

аполовина— ниже.

Обратим внимание: JCR не публикует им-

пакт-факторы гуманитарных журналов (т.е.

тех, которые входят только в базу A&HCI).

Факторов, обусловливающих это, несколь-

ко. Прежде всего, в гуманитарных науках

низкий уровень цитируемости статей, втом

числе из-за того, что большую роль играет

книжная литература, ее относительная роль

выше, чем в общественных и, тем более,

естественных/технических/медицинских

науках. Кроме того, вбольшей мере цитиру-

ются «старые» материалы, опубликованные

вне рамок двухлетнего окна цитирования,

используемого при подсчете импакт-фак-

тора. Все это делает практически невозмож-

ным сравнение научного уровня гуманитар-

ных журналов при помощи импакта. Чтобы

не вводить ученых ииздателей взаблужде-

ние, Thomson Reuters следует политике во-

обще не публиковать импакт-факторы для

изданий по гуманитарным наукам.

2.2.2. Пятилетний импакт-фактор

журнала, индекс оперативности

Когда говорят о «классическом» импакт-

факторе, или «гарфилдовском» импакт-

факторе, или просто об импакт-факторе без

уточнений, то имеют ввиду показатель, вве-

денный в п. 2.2.1. Он учитывает цитирова-

ния, которые статьи журнала получают вте-

чение двух лет после своего выхода. Однако

вряде научных дисциплин, особенно всо-

циальных игуманитарных науках, профес-

сиональное сообщество не успевает впол-

ной мере воспринять новое знание за столь

короткий срок, как два года, ицелесообраз-

но использовать показатель сболее широ-

ким публикационным окном. Поэтому вбазе

данных JCR также публикуются значения

пятилетнего импакт-фактора журналов.

Для года Y пятилетний импакт-фактор

журнала равен отношению числа всех ссы-

лок, полученных вгоду Y его статьями, вы-

шедшими вгодах сY–1 по Y–5, кчислу этих

статей (т. е. к числу статей журнала, вы-

шедших в годах с Y–1 по Y–5). Таким обра-

зом, импакт-фактор характеризует среднее

число ссылок, сделанных вотчетном году на

статьи журнала, опубликованные втечение

пяти предыдущих лет.

Если упорядочить журналы по убыванию

пятилетнего импакт-фактора, результат бу-

дет отличаться от ранжирования по обыч-

ному импакту: журналы, чьи материалы

устаревают медленнее, т. е. те издания, на

статьи которых делается значительное чис-

ло ссылок даже через пять лет после их пу-

бликации, будут иметь преимущество перед

журналами, получающими основное число

ссылок на материалы менее чем трехлетней

давности. Известно, что скорость «старе-

ния» публикуемого журналом знания впер-

вую очередь зависит от его дисциплинарной

области (подробнее см. далее, раздел 2.7).

Максимальный пятилетний импакт-фак-

тор для журналов из SCIE равен 107,7, ме-

диана — 1,50. Она несколько выше медианы

двухлетнего импакт-фактора (1,41), это сви-

детельствует о том, что пятилетний показа-

тель более полно охватывает цитирования,

полученные журналами.

Заметим теперь, что при вычислении как

импакт-фактора, так ипятилетнего импакт-

фактора не учитываются ссылки, сделанные

на те статьи журнала, которые вышли непо-

средственно в отчетном году. Они «пропа-

дают» для журнала, если мы используем

только эти два показателя. Тем не менее

такие цитирования встречаются и, более

того, их число имеет сейчас тенденцию

кувеличению по причине все более часто-

го размещения препринтов в Интернете,

открытия специальных разделов на сайтах

издательств, где публикуются предвари-

тельные версии статей, принятых впечать,

а также общего ускорения производствен-

ного цикла научных издательств. Показа-

тель, фиксирующий цитирования «того же

года», также публикуется вбазе данных JCR

иназывается immediacy index. Будем назы-

вать его «индексом оперативности» (другой

вариант перевода, также предлагавший-

ся в литературе, — «индекс немедленного

цитирования»).

Индекс оперативности предполагает од-

нолетнее публикационное окно иоднолет-

нее окно цитирования, причем они совпа-

дают — это отчетный год Y. Для вычисле-

ния индекса необходимо разделить число

всех ссылок, полученных вгоду Y статьями

журнала, вышедшими в том же году Y, на

число этих статей. Индекс оперативности

показывает, насколько быстро ученый мир

реагирует на статьи журнала, как скоро вос-

принимает его тексты ииспользует их при

воспроизводстве научного знания.

Самый большой индекс оперативности

вJCR-2013 (у того же журнала CA — A Cancer

Journal for Clinicians) — 27,76. Медиана по

журналам из SCIE предсказуемо мала —

0,27. Практически для каждого журнала ин-

декс оперативности — самый низкий пока-

затель из трех рассмотренных импакт-инди-

каторов (однако встречаются иисключения,

например Physics of Life Reviews или Annals

of Family Medicine, где индекс оператив-

ности, наоборот, выше двух- ипятилетнего

импактов).

2.2.3. Средняя цитируемость

Наряду симпакт-фактором, рассчитывае-

мым для журналов, можно ввести аналогич-

ный по сути показатель для оценки средней

влиятельности статей отдельного ученого,

или лаборатории/факультета, или органи-

зации, или целой страны. Необходимо лишь

зафиксировать, как и для любого импакт-

индикатора, публикационное окно и окно

цитирования исходя из следующей логики.

Если изучать только самые свежие статьи,

то многие из них еще не наберут достаточ-

ное число ссылок, вполной мере отражаю-

щее их научный уровень. Сдругой стороны,

если сделать акцент на статьях, вышедших

давно, то не удастся оценить текущее состо-

яние исследований автора/организации.

Как правило, приемлемым решением явля-

ется использование пятилетнего публика-

ционного окна исовпадающего сним окна

цитирования. Вэтом случае считается сред-

нее число ссылок, полученных за послед-

ние полные пять лет теми статьями, которые

вышли втечение тех же последних пяти лет

(в расчете на одну статью).

В ESI информация дается по последним

десяти годам, плюс прошедшая часть теку-

щего года (с задержкой в2 месяца), но су-

ществует возможность просмотра отдельно

каждого пятилетнего интервала, входящего

вдесятилетку.

Заметим, что для бурно развивающих-

ся областей, где знание быстро устарева-

ет (таких как нанотехнологии, онкология,

прикладная физика), можно выбрать вре-

менной интервал меньше пяти лет; для об-

ластей, где старение знания происходит

особенно долго (математика, зоология, со-

циология), имеет смысл увеличить оба ок-

на. В InCites есть возможность посчитать

для организации или автора показатель

«cites per document» (цитируемость в рас-

чете на одну статью) на любом временном

промежутке.

2.2.4. Совокупный исредневзвешенный

импакт-фактор

Как следует из определения, импакт-фак-

тор является не характеристикой журнала

как целого, а показателем средней влия-

тельности, среднего уровня одной статьи

вжурнале. При этом реальный уровень ста-

тей, измеренный вполученных ими ссылках,

обычно сильно разнится от статьи кстатье

даже врамках одного журнала. Вжурнале

с импакт-фактором 2,0 могут встретиться

как те статьи, которые в течение двух лет

после своего выхода не получили ни одной

ссылки, так и те, что получили 20 ссылок

(напомним: из определения импакта сле-

дует, что всреднем втаком журнале статья

получает 4 ссылки за два года, следующих

за годом публикации). Импакт-фактор от-

ражает среднюю цитируемость, но не может

учесть колебания вокруг среднего.

Именно истинное, реальное число ссы-

лок, полученных статьей, отражает ее под-

линную влиятельность, а импакт-фактор из-

дания, вкотором она опубликована, делает

это лишь косвенно инедостоверно. Поэтому

вп. 2.2.3 мы считали именно реальную ци-

тируемость. Однако уметодик, построенных

на измерении истинного, «наблюдаемого»

числа ссылок, есть серьезный недостаток:

для адекватной оценки исследуемых работ

необходимо, чтобы после их опубликования

прошел значительный промежуток време-

ни. Статьи должны успеть получить то число

ссылок, которое отражает их реальный уро-

вень,— вп. 2.2.3 мы рекомендовали сэтой

целью пятилетний интервал.

Ввиду этого как некоторая оценка именно

оперативного состояния научной деятель-

ности организации и— реже — ученого ис-

пользуется показатель, базирующийся на

импакт-факторе тех журналов, где выходят

их статьи. Такой индикатор может быть по-

считан сразу после выхода соответствую-

щей публикации (а визвестном смысле да-

же раньше, вмомент принятия статьи впе-

чать). Корректное полное название данного

индикатора — «совокупный импакт-фактор

журналов, вкоторых опубликованы статьи

организации/ученого». Рассчитывается он

за некоторый промежуток времени, для

оперативного оценивания логично брать

один (завершившийся) год. Показатель ра-

вен сумме импакт-факторов тех журналов,

вкоторых публиковались статьи организа-

ции/ученого; если есть несколько статей из

одного итого же журнала — соответствую-

щее слагаемое умножается на число ста-

тей, вышедших вданном журнале.

Совокупный импакт-фактор характеризу-

ет (как иследует из его названия) деятель-

ность организации/ученого «интегрально».

Если необходимо ввести оценку в расчете

на одну опубликованную статью, исполь-

зуют термин «средневзвешенный импакт-

фактор журналов, вкоторых опубликованы

статьи организации/ученого». Последний

равен отношению совокупного импакта, ко-

торый введен выше, кобщему числу опубли-

кованных за рассматриваемый промежуток

времени статей.

Средневзвешенный импакт-фактор по-

казывает средний уровень статей втех жур-

налах, вкоторых публикуется организация/

автор, и в какой-то мере позволяет пред-

сказать дальнейшую цитируемость работ

организации/автора.

Следует иметь в виду, что совокупный

исредневзвешенный импакт-факторы силь-

но зависят от области знания, вкоторой ра-

ботает ученый / функционирует организа-

ция. Про нормализацию по областям науки

речь пойдет вразделе 2.3. Если же ограни-

читься рамками одной дисциплины (напри-

мер, исследовать деятельность отдельного

ученого или узкотематической лаборато-

рии), то полученное значение средневзве-

шенного импакта интересно сравнить спо-

казателем по всем журналам данной дисци-

плины. Так можно определить, в«сильных»

или «слабых» журналах публикуется всред-

нем ученый/лаборатория. Для иллюстрации

можно представить, что организация/автор

публикуются все время в одном и том же

«среднем» для себя журнале, тогда именно

средневзвешенный импакт-фактор отража-

ет место этого «среднего» журнала виерар-

хии научных периодических изданий соот-

ветствующей дисциплины4.

2.2.5. Роль самоцитирования.

Индикаторы, характеризующие

самоцитирование

Заметим, что на все показатели, разо-

бранные в настоящем разделе, оказывают

влияние ицитирования, сделанные самими

«исследуемыми объектами» на себя. Врас-

чет числителя импакт-фактора журнала

включаются в том числе ссылки, получен-

ные им из его же статей. При оценке сред-

ней цитируемости автора или организации

учтены и цитирования автором/организа-

цией своих публикаций ит. д. Всвоем стан-

дартном определении все рассмотренные

в настоящем разделе показатели включа-

ют самоцитирование.

Нельзя сказать, что учет самоцитирова-

ния— это недостаток разобранных метрик

или, наоборот, их сильная сторона. Необхо-

димо знать об этой особенности методики

ииметь ее ввиду. Полезно сравнивать по-

казатели, посчитанные свключенным само-

цитированием ис исключенным. Например,

4Как упоминалось вп. 2.2.1, распределение импакт-

факторов сильно асимметрично, снебольшим числом

журналов свысокими значениями импакта имноже-

ством изданий с низкими показателями. Это верно

в той или иной мере для любой дисциплины. Часто

втаких случаях более корректным показателем явля-

ется медианный импакт-фактор журналов, вкоторых

публикуется ученый/лаборатория, вместо среднего

(средневзвешенного) импакта. Соответственно, срав-

нивать его следует смедианным значением по всей

дисциплине.

вJCR для журналов приводится и импакт-

фактор (классический, двухлетний), из чис-

лителя которого убраны ссылки журнала на

самого себя— Impact Factor Without Journal

Self Cites.

Для оценки уровня самоцитирования

журналов обычно используют два показате-

ля. Вчислителе обоих индикаторов— чис-

ло ссылок, полученных журналом из статей,

опубликованных в нем самом. Число «са-

моцитирований». В знаменателе первого

показателя число всех ссылок, полученных

журналом. Этот показатель называется ко-

эффициентом самоцитируемости, он по-

казывает долю во всех ссылках, полученных

журналом, ссылок, полученных им из него

самого. Знаменатель второго показателя

равен числу всех ссылок, сделанных журна-

лом. Он называется коэффициентом само-

цитирования и показывает долю во всех

цитированиях, сделанных журналом, ссы-

лок, ведущих на него самого.

Высокий коэффициент самоцитируемости

говорит о том, что журнал почти никто не ци-

тирует, кроме него самого, иэто, по заклю-

чению, например, Р.Руссо [Rousseau, 2002],

свидетельствует о малой заметности журна-

ла. Высокий коэффициент самоцитирования

может означать несколько другое: журналу

некого цитировать, кроме самого себя. То

есть журнал относится к замкнутой, изоли-

рованной научной дисциплине. Но если при

этом также высок коэффициент самоцитиру-

емости, можно предположить наличие не-

этичной установки вполитике редакции на

цитирование только собственных статей.

Для журналов обычно считается допу-

стимым, еще не свидетельствующим о про-

блемности издания, коэффициент самоци-

тируемости в30–35 %. При этом, как прави-

ло, он высок услабых изданий, получающих

мало ссылок, инизок ужурналов-лидеров.

Например, для двух российских изданий,

данные по которым есть на текущий момент

в общественно-научной части JCR-2013, ко-

эффициент самоцитируемости составляет

71 % («Социологические исследования»)

и75 % («Вопросы психологии»). Эти журналы

находятся внизу импакт-рейтингов в своих

дисциплинах. Если взять журналы-лидеры

всоответствующих рубриках JCR-2013, то для

них коэффициент самоцитируемости будет

1,9 % (American Sociological Review) и 2,9 %

(Educational Psychologist) соответственно.

В частности этот эффект приводит к тому,

что исключение самоцитирования при вы-

числении импакт-факторов журналов (т. е.

учет только ссылок, полученных журналом

из других изданий), как правило, слабо влия-

ет на рейтинг ведущих журналов свысокими

показателями, однако сильно меняет взаим-

ные позиции «на дне» рейтинга, среди мало-

цитируемых изданий [ср. McVeigh, 2004].

Что касается самоцитирования авторов,

для его оценки применяются аналогичные

коэффициенты, в первую очередь коэф-

фициент самоцитируемости. Однако вэтом

случае есть два различных подхода ктому,

что именно считать самоцитированием.

«Прямое самоцитирование» — это ссылка

на публикацию, среди соавторов которой

есть исследуемый ученый, появившаяся

встатье, среди соавторов которой есть тот

же самый ученый. Однако есть еще исамо-

цитирование соавторов — ссылка на публи-

кацию, среди соавторов которой есть ис-

следуемый ученый, появившаяся в статье,

среди соавторов которой есть соавтор(ы)

исходной статьи (при этом самого исследуе-

мого ученого вавторах цитирующей публи-

кации может не быть). Поясним подробнее:

пусть ученый S написал (сам или всоавтор-

стве) статью P1, которую цитирует статья P2.

Это считается:

• прямым самоцитированием, если S— ав-

тор P2;

• самоцитированием соавторов, если сре-

ди авторов P2 есть хотя бы один из ав-

торов P1.

Соответственно, коэффициент самоцити-

руемости ученого может считаться или как

доля «прямого самоцитирования» во всех

ссылках, которые получили его публикации,

или как доля «самоцитирования соавто-

ров» во всех ссылках, полученных его рабо-

тами5. Очевидно, что второй коэффициент

будет всегда больше или равен первому. Во-

обще говоря, исключение при анализе ра-

бот ученого всех ссылок, являющихся «са-

моцитированием соавторов», предлагает

весьма ригористичный подход: посчитаем

только те цитирования, которые получены

из «совсем чужих» работ — множество ав-

торов которых никак не пересекается смно-

жеством авторов цитируемой публикации.

В заключение заметим, что само по себе

самоцитирование, конечно, не только не

порочная практика, но даже неотъемле-

мая составляющая научной коммуникации.

Журнал не может не ссылаться на свои пу-

бликации, это означало бы отсутствие вся-

кой преемственности в его функциониро-

вании. Сложно представить себе автора,

который бы не ссылался на свои предыду-

щие работы, — это был бы ученый либо по-

стоянно меняющий область деятельности,

либо стыдящийся, отрекающийся от своих

прежних публикаций. Но нельзя ине пом-

нить овозможных злоупотреблениях, когда

самоцитирование гипертрофируется и ис-

кажает библиометрический анализ, если

внем не отслеживать данный аспект.

5Заметим, что в случае с журналами такой вариа-

тивности нет по той причине, что одна ита же работа

не может быть опубликована сразу в двух журналах,

т.е. не бывает «журналов-соавторов».

2.3. Индикаторы относительной

влиятельности статей (относительные,

нормализованные импакт-

индикаторы)

До сих пор мы рассматривали «абсолют-

ные» индикаторы, которые зависят только

от показателей самого исследуемого жур-

нала/ученого/организации и не учитывают

контекст, в котором те осуществляют свою

исследовательскую/публикационную дея-

тельность. Самый серьезный недостаток при

этом то, что мы не учитывали, ккакой науч-

ной области относятся оцениваемые статьи.

Сравнение эффективности академической

деятельности представителей различных

наук невозможно осуществить с помощью

абсолютных, «простых» индикаторов. Цен-

тральным фактом, который необходимо

иметь ввиду при оценке эффективности де-

ятельности ученых или организаций, а так-

же при оценке качества журналов является

сильная зависимость абсолютных библио-

метрических показателей от научной дис-

циплины, вкоторой публикуются изучаемый

автор/организация или выходит журнал.

Проиллюстрируем это на журналах. Ци-

тируемость журналов серьезным образом

зависит от их дисциплинарной принадлеж-

ности, поэтому медиана импакт-факторов

сильно варьируется от рубрики к рубрике.

Например, для клеточной биологии вJCR-

2013 она составляет 3,33, а для математи-

ки— 0,58. Это означает, что половина жур-

налов по клеточной биологии имеет импакт

выше 3,33, вто время как половина журна-

лов по математике получила импакт ниже

0,58. Более того, вкатегории «математика»

вообще нет ни одного журнала с импакт-

фактором выше 3,33 (три таких журнала

появятся, если добавить категории «при-

кладная математика» и«математика, меж-

дисциплинарные приложения»).

Почему так происходит? Следует ли гово-

рить о том, что математика имеет какие-то

«недостатки» относительно биологических

наук, какой-то внутренний изъян? Разуме-

ется, нет. На самом деле можно указать как

минимум три причины указанного эффекта:

• Различная практика цитирования, сло-

жившаяся вжурналах различных научных

областей; можно сказать, варьирующаяся

взависимости от дисциплины «плотность

ссылочного поля». Например, известно,

что в одной статье по клеточной биоло-

гии всреднем 55 ссылок впристатейном

списке литературы, вто время как вмате-

матике — лишь 21 (JCR-2013). Поэтому «ве-

роятность» получить ссылку ужурнала по

математике меньше6. Это индивидуаль-

ные особенности коммуникации, укоре-

нившиеся вразличных науках иникак не

связанные с их «качеством» относительно

друг друга.

• Разный средний «возраст» цитируемых

источников. Водних дисциплинах основ-

ной массив цитирований ведет на свежую

литературу (попадающую в двухлетний

период, который учитывается при под-

счете импакт-фактора), в других обла-

стях науки чаще цитируются источники,

вышедшие давно (мы упоминали об этом

вп.2.2.2 ипоговорим подробнее вразде-

ле 2.7). Чем больше доля ссылок, ведущих

на документы старше двух лет, тем мень-

ше они поднимают импакт-факторы жур-

налов соответствующей области науки.

• В некоторых дисциплинах цитируемая

литература хорошо представлена вжур-

нальных блоках Web of Science CC, а вне-

которых встречается много ссылок на

материалы, не охваченные базой данных.

6Разумеется, здесь мы используем приближенный

подход, оставляя в стороне междисциплинарность

ивозможность получения ссылки «извне» дисциплины.

Например, в тех областях, где больше

ссылок на книжные, а не журнальные ис-

точники; на труды конференций, диссер-

тации, кодексы, интернет-страницы ит.д.

[см. Larivière et al., 2006]. Все эти ссылки

«пропадают» для импакт-фактора, даже

если по своему возрасту цитируемая ли-

тература попадает в двухлетнее публи-

кационное окно, — они также не увеличат

импакт никакого журнала.

Эти дисциплинарные особенности не учи-

тываются в абсолютном значении импакт-

фактора, что делает невозможным его ис-

пользование в комплексном библиометри-

ческом исследовании. Поэтому для решения

двух важных задач: а) сравнение между со-

бой исследовательских единиц, работаю-

щих вразных областях науки; б) комплексная

оценка деятельности организации, занима-

ющейся исследованиями сразу внескольких

научных областях — вводятся относитель-

ные библиометрические индикаторы. Цель

их — оценить научную деятельность изуча-

емых объектов всравнении сдругими одно-

типными объектами втой же научной обла-

сти. Это сравнение «на фоне коллег» или,

в обратной формулировке, «относительно

конкурентов». Относительные индикаторы

потребуются втом случае, если необходимо

сравнить достижения химика и математика

или получить интегральный показатель ву-

за, чьи сотрудники публикуют статьи в ши-

роком спектре научных дисциплин.

2.3.1. Относительный импакт-фактор,

относительная цитируемость

Начнем с относительного показателя для

журнала. Самый простой из них — отноше-

ние импакт-фактора издания ксреднему им-

пакт-фактору дисциплины, ккоторой журнал

относится. При этом среднее по дисциплине

обычно берется не как отношение суммы всех

импакт-факторов журналов данной дисци-

плины кчислу таких журналов, а несколько

иначе: используется т. н. «агрегированный

импакт-фактор» (aggregate impact factor).

Дисциплина вцелом (т. е. совокупность ста-

тей, опубликованных во всех журналах, от-

несенных кданной дисциплине) рассматри-

вается как некий единый «метажурнал», для

которого вычисляется традиционный им-

пакт-фактор: отношение числа всех ссылок,

полученных вгоду Y статьями данной дисци-

плины, вышедшими вгодах Y–1 иY–2, кчислу

статей данной дисциплины, вышедших вго-

дах Y–1 иY–2. Этот показатель для дисциплин

как целого также публикуется вJCR. Именно

он — «агрегированный» («собранный») им-

пакт-фактор дисциплины — берется вкаче-

стве знаменателя, именно на него делится

импакт каждого журнала, чтобы получился

относительный импакт-фактор.

В целом можно сказать, что если относи-

тельный импакт-фактор журнала больше1,

это значит, что в среднем статьи журнала

цитируются чаще, чем средняя статья, опу-

бликованная в данной дисциплине, и на-

оборот. Следует также иметь в виду, что

один итот же журнал может быть приписан

сразу к2–3 дисциплинам иу него, соответ-

ственно, может быть посчитано несколько

относительных импакт-факторов— относи-

тельно агрегированного значения вкаждой

из дисциплин. В таком случае с помощью

описанного метода можно узнать, в какой

из научных областей это издание занимает

более престижную позицию: втой из дисци-

плин, у которой ниже агрегированный им-

пакт-фактор, относительный импакт такого

журнала, очевидно, будет выше.

Аналогичный показатель можно считать

и для авторов. Назовем его для удобства

«относительная цитируемость» (хотя это

слишком общее название). Относительная

цитируемость ученого равна отношению

средней цитируемости его статей (среднее

число ссылок на одну статью) ксредней ци-

тируемости статей некоей «референтной

группы», на фоне которой мы рассматрива-

ем деятельность ученого.

Один из наиболее важных вопросов при

библиометрическом анализе — что выбрать

вкачестве референтной группы? Это могут

быть статьи организации, в которой рабо-

тает ученый, или более узко — статьи его

лаборатории/факультета. Впервом случае,

однако, следует помнить, что если органи-

зация публикуется сразу в нескольких об-

ластях науки (яркий пример: классический

университет), то сопоставление скорее все-

го будет некорректным: если ученый рабо-

тает в высокоцитируемой науке, то у него

будет незаслуженное преимущество перед

коллегами, если в малоцитируемой — он

окажется внесправедливо невыгодном по-

ложении. Референтная группа должна, по

крайней мере, публиковаться в той же на-

учной области, что и оцениваемый автор.

Кроме того, как всегда, необходимо четко

задавать публикационное окно для оцени-

ваемых статей и окно цитирования — для

статей, чьи ссылки учитываются при под-

счете индикатора7.

7При выборе публикационного окна больше од-

ного года проявляется, однако, некоторая слабость

предложенного метода. Предположим, что автор пу-

бликовал свои статьи не равномерно из года вгод, а,

например, по нарастающей — все больше ибольше, —

вто время как во всей его дисциплине выходило при-

мерно одинаковое число статей ежегодно. Тогда автор

получает незаслуженную относительную недооценку

своих работ, поскольку шансы на получение ссылок

у статей, выпущенных позже, меньше, чем у статей,

вышедших ранее. То же самое верно для относитель-

ного импакт-фактора: если журнал ощутимо увеличил

число публикуемых статей втот год, который предше-

ствовал отчетному, он будет проигрывать журналу,

не принимавшему таких редакторских решений (ес-

Тот же метод легко обобщается на це-

лую организацию при условии, что уче-

ные вней публикуются вболее-менее од-

ной тематической области. Можно опре-

делить среднюю цитируемость статьи

данного вуза/института относительно

средней цитируемости статьи, публику-

емой в той же самой дисциплине всеми

российскими учеными или всеми учены-

ми мира. Случай, когда публикационный

профиль организации более широк иза-

трагивает несколько тематических обла-

стей, будет рассмотрен вп. 2.3.2.

Отметим, что в качестве референтной

группы также могут быть взяты все статьи

того же журнала, где публикуется уче-

ный,— в этом случае мы получим оцен-

ку, насколько именно его работы выше

или ниже по цитируемости, чем средний

уровень издания. Преимущество данного

метода — в нем практически отсутству-

ет необходимость следить за областью

науки: все статьи в журнале чаще всего

принадлежат кодной итой же дисципли-

не (исключение: мультидисциплинарные

издания — Nature, Science, Proceedings of

the National Academy of Sciences, «Вест-

ник РАН» ит. д.). Если ученый публику-

ется сразу в нескольких журналах, что

более чем естественно, необходим более

комплексный подход, который мы также

рассмотрим вп. 2.3.2.

Корректную референтную группу мож-

но выбрать несколькими способами,

вконце концов этот выбор зависит от за-

дач, которые ставит перед собой специ-

алист, проводящий библиометрическое

исследование.

ли предположить, что научный уровень всех статей

вобоих журналах одинаков). Эти недостатки преодо-

леваются при использовании более тщательного под-

хода, описанного вп. 2.3.2.

2.3.2. Относительная цитируемость

разнородного потока публикаций

(«normalized citation impact», «crown

indicator»)

Представим себе теперь ситуацию, макси-

мально приближенную креальной: необхо-

димо оценить научный уровень статей, опу-

бликованных организацией широкого на-

учного профиля, например университетом.

Сначала, конечно, необходимо задать

публикационное окно иокно цитирования,

чтобы определить, какие именно публика-

ции и на каком временном интервале мы

оцениваем — так, как это делалось вп. 2.3.1.

Здесь особенных сложностей не возникает.

Однако выделенный публикационный по-

ток будет крайне неоднородным: он будет

содержать публикации из разных журналов

иразных тематических областей, кроме то-

го это будут публикации разных типов (ис-

следовательские статьи, научные обзоры,

письма ит. д.), это приводит кдополнитель-

ным сложностям.

В данном случае необходимо исходить из

двух основных положений, которые уже фи-

гурировали вп. 2.3.1:

— определять «научный уровень» можно

только на некотором фоне, внекотором кон-

тексте, относительно чего-то; необходимо

задать референтную группу;

— сравнивать научный уровень публика-

ций относительно друг друга можно, только

если они однотипны, т. е. все их характе-

ристики, не имеющие прямого отношения

кнаучному уровню, одинаковы.

Если мы анализируем позиции факуль-

тета внутри вуза, то референтной группой

будет весь вуз. Если исследуется универси-

тет как целое, то в качестве референтной

группы логично выбрать все российские ву-

зовские публикации (заметим: включая пу-

бликации исамого анализируемого универ-

ситета) — если мы хотим оценить эффектив-

ность научной деятельности университета

на фоне других вузов России. Можно также

взять вообще все отечественные работы —

так мы узнаем, как выглядит университет на

фоне всей российской науки.

Однако для унификации процедуры оцен-

ки мы в дальнейшем будем считать рефе-

рентной группой весь мир, т. е. все мировые

публикации. Таким образом, будет оцени-

ваться соответствие исследуемого научного

коллектива общемировому уровню. Именно

так построена работа в продукте InCites:

можно найти показатели автора, универси-

тета или целой страны относительно сред-

немирового уровня8.

На цитируемость публикации влияет ряд

факторов, не имеющих непосредственного

отношения кее научному уровню:

— область науки (как мы видели, средняя

цитируемость сильно зависит от научной

дисциплины);

— год издания (чем раньше издана ста-

тья, тем больше ссылок она могла получить

кмоменту измерения);

— тип публикации (как уже говорилось

вп. 2.1.1, всреднем, например, научные об-

зоры цитируются чаще, чем оригинальные

исследовательские статьи9).

8Заметим, что этот подход не замещает собой оцен-

ку более компактных групп относительно друг друга.

Например, если посчитаны показатели одной органи-

зации ицелой страны относительно всего мира, то ин-

дикатор, показывающий эффективность деятельно-

сти этой организации на фоне этой страны, не равен

отношению двух найденных показателей друг кдругу.

9Этот факт далек от чистой теории. Например, до-

кументы типа Article, опубликованные в журнале

Tetrahedron в 2010 г., получили за 2010–2013 гг. (со-

гласно Web of Science CC) в среднем по 9,0 ссылок.

Тот же показатель для публикаций типа Review равен

35,2— разница почти в4 раза! Учет типа документа не

менее важен, чем коррекция на область науки, ккото-

рой он относится.

Для учета всех этих факторов икоррект-

ного определения относительной цитируе-

мости всего публикационного потока орга-

низации/автора вводится показатель «ожи-

даемое число ссылок» (expected citation

rate, или baseline): для каждой отдельной

статьи исследуемых организации/автора

это среднее число ссылок, которое получи-

ли все мировые публикации, имеющие ту

же дисциплинарную принадлежность, тот

же год выхода и тот же тип документа,

что и рассматриваемая статья. Если рас-

сматриваемая статья организации/автора

в действительности получила больше ссы-

лок, чем ожидаемое для нее их число, то

она превосходит средний мировой уровень

«такой же, как она» публикации (т. е. име-

ющей те же характеристики дисциплина /

год выхода/тип документа), если меньше—

уступает ему.

Относительная цитируемость одной пуб-

ликации, таким образом, равна отношению

реального («наблюдаемого») числа полу-

ченных ею ссылок ких ожидаемому числу.

Для того чтобы посчитать относительную

цитируемость совокупности всех публика-

ций организации/автора, берется среднее

арифметическое значений относительной

цитируемости для каждой отдельной пу-

бликации, написанной организацией/ав-

тором. Следуя терминологии InCites2, обо-

значим этот показатель «Normalized Citation

Impact» (NCI)10.

10В западной литературе данный или аналогичный

показатель еще называют «mean normalized citation

score», «normalized mean citation rate», «normalized

impact» и даже «crown indicator» (подчеркивая его

важность). Иногда используется альтернативный спо-

соб усреднения по всему массиву ссылок, полученных

публикациями организации/автора. Сначала счита-

ется ожидаемое число ссылок сразу для всех статей

(суммированием по каждой), потом на эту сумму де-

лится суммарное наблюдаемое число ссылок, полу-

В методику расчета показателя NCI зало-

жена чрезвычайно грамотная схема, позво-

ляющая максимально корректно оценить

относительную цитируемость любого на-

бора статей. Однако иэтот индикатор — как

абсолютно любой библиометрический по-

казатель, взятый сам по себе, — имеет свои

ограничения. Поскольку он так или иначе

считает средние величины, на него могут

оказывать очень большое влияние отдель-

ные высокоцитируемые статьи организа-

ции/автора. Даже для целых стран, как по-

казали Aksnes & Sivertsen [Aksnes, Sivertsen,

2004], отдельные работы, получившие

очень много ссылок, могут значительно

повлиять на средние страновые показате-

ли. С не меньшей осторожностью следует

применять NCI на коротких временных про-

межутках, например для статей 1–2-летней

давности. Ввиду того что весь массив миро-

вых публикаций получил еще недостаточно

много ссылок кэтому моменту, показатели

ожидаемой цитируемости могут быть мало-

предсказуемы и не давать надежного, до-

стоверного базиса нормализации.

Наконец, как уже говорилось ранее всно-

ске, NCI, полученный относительно мирово-

го уровня, не всегда дает возможность срав-

нивать исследуемые единицы между собой.

Как рельефный пример — если у органи-

зации NCI = 0,5, а увсей России NCI=0,67

(последняя цифра — реальное значение из

InCites2 для статей 2010–2014 гг. выхода,

с тем же окном цитирования), это не обя-

зательно означает, что организация рабо-

тает слабо относительно всей российской

науки. Возможно, это химический институт,

ченное публикациями организации. Этот способ ис-

пользуется вInCites1 (под названием «Category Actual/

Expected Citations»), иименно так определяется пока-

затель «цитируемость, нормализованная по областям

науки» [Писляков, 2014].

публикующий статьи лишь в два раза сла-

бее среднемирового уровня, в то время

как позиция России вхимии ощутимо ниже

(0,40 от среднемирового уровня цитируе-

мости). При этом значение NCI = 0,67 для

всей страны получается из-за более каче-

ственных публикаций вфизике11.

2.3.3. Нормализация по журналам

икомбинированный анализ

относительной цитируемости

Подход, аналогичный представленному

вп. 2.3.2, также возможен, если вкачестве

референтной группы брать публикации не

врамках одной итой же научной области,

а в одних и тех же журналах. Тогда «ожи-

даемое число ссылок» для каждой публи-

кации исследуемых организации/автора

будет равно среднему числу цитирований,

полученных публикациями данного жур-

нала, которые вышли втом же году иотно-

сятся ктому же типу документа. Наблюдае-

мое число ссылок для статьи, естественно,

остается без изменений. Необходимо взять

его отношение к ожидаемому показателю

иусреднить результат по всем статьям ор-

ганизации/автора. Полученный индикатор,

вновь используя термины InCites2, назовем

Journal Normalized Citation Impact (JNCI)12.

11Данный пример иллюстративен, но охватывает

лишь часть указанной проблемы: так, найдя значе-

ние NCI для России с ограничением по химическим

наукам, все равно некорректно сравнивать его сNCI

отдельной организации, специализирующейся на хи-

мии: необходим комплексный подход сучетом игодов

выхода статей, итипов документа. Такой показатель

предусмотрен вплане развития платформы InCites.

12Здесь вновь возможна иная нормализация, спод-

счетом сразу всех ожидаемых ссылок, суммой по всем

статьям, а затем деление на полученный результат

суммы всех полученных вреальности ссылок. Это соот-

ветствует метрике «Journal Actual/Expected Citations»

в интерфейсе InCites1 и показателю «цитируемость,

нормализованная по журналам» [Писляков, 2014].

Этот индикатор характеризует то, как «вы-

делялись» статьи данной организации на

фоне всех статей тех журналов, где публи-

ковались ее сотрудники. Были публикации

ее ученых всреднем выше среднего уровня

публикующих их журналов – или ниже не-

го. Тот же самый смысл имеет JNCI, если мы

исследуем публикации отдельного ученого

или, наоборот, целой страны. Показатель,

посчитанный для целых стран, называют

также по-другому — «индекс Матфея». Его

подсчет дает повод рассуждать о том, «дис-

криминируются» ли в плане цитируемости

статьи ученых из разных стран врамках од-

ного итого же журнала [Писляков, Дьячен-

ко, 2009; Pislyakov, Dyachenko, 2010].

Нормализация по журналам визвестном

смысле легче иточнее: как мы уже говори-

ли, здесь почти не встает вопрос об опре-

делении тематической области, к которой

относится публикация. В рамках одного

журнала, за некоторыми исключениями

(Science, Nature и т. д.), все статьи принад-

лежат кодной итой же дисциплине. Или, по

крайней мере, эти отличия будут всреднем

меньше, чем погрешность при любом дру-

гом автоматическом определении тематики

публикации. Более того, если сами дисци-

плины приписываются статьям на основе

тематической рубрикации журналов, в ко-

торых они опубликованы (как обычно дела-

ется вбиблиометрических базах данных), то

получается, что нормализация по журна-

лам дает более точный, детальный взгляд

на сопоставление публикаций, чем норма-

лизация по областям науки.

Здесь, однако, есть ключевой момент.

Предположим, что некоторый университет

получает высокий показатель нормализо-

ванной по журналам цитируемости, JNCI.

Но при этом, если мы посчитаем его цити-

руемость, нормализованную по областям

JNCI > 1 JNCI < 1

NCI > 1

В среднем публикации сотрудников таких

организаций цитируются выше средне-

го уровня цитируемости как журналов,

вкоторых они выходят, так иобластей

науки, к которым они относятся

В среднем публикации сотрудников

таких организаций цитируются ниже

среднего уровня цитируемости журна-

лов, в которых они выходят, но при этом

выше уровня областей науки, к которым

они относятся. Это может быть связа-

но с выбором сотрудниками сильных

журналов для своих публикаций13

NCI < 1

В среднем публикации сотрудников

таких организаций цитируются выше

среднего уровня цитируемости жур-

налов, в которых они выходят, однако

ниже уровня областей науки, к которым

они относятся. Это может быть связа-

но с выбором сотрудниками слабых

журналов для своих публикаций

В среднем публикации сотрудников таких

организаций цитируются ниже средне-

го уровня цитируемости как журналов,

в которых они выходят, так иобластей

науки, к которым они относятся

Таблица 3

Анализ нормализованных показателей цитируемости для организации

13Осторожная формулировка «может быть связано» вызвана тем, что при нормализации, используемой

вInCites2, сложно определить понятие «среднего уровня цитируемости совокупности журналов, в которых пу-

бликуются ученые организации, относительно среднего уровня цитируемости областей науки, к которым отно-

сятся эти журналы». Точнее, характеристика «силы» (научного уровня) совокупности журналов, в которых пу-

бликуются сотрудники, не определяется однозначным образом значениями NCI и JNCI для организации. При

использовании другого способа нормализации [Писляков, 2014] понятие «среднего уровня совокупности жур-

налов относительно дисциплин» может быть формализовано более четко.

науки, NCI, может оказаться, что она мень-

ше единицы. Это происходит втом случае,

если авторы данного вуза выбирают для

публикации своих статей слабые журналы.

Врамках этих слабых журналов они могут

превзойти уровень остальных статей, так

что цитируемость их публикаций превысит

средние показатели этих непрестижных из-

даний (и JNCI будет больше 1). Но из-за того

что сами журналы мало цитируются на фо-

не других изданий втой же области науки,

цитируемость статей авторов вуза не до-

стигнет среднего уровня по дисциплине.

Конечно, возможна иобратная ситуация,

когда авторы организации подают свои ста-

тьи введущие журналы, успешно проходят

процедуру рецензирования иотбора, одна-

ко, попав туда, их публикации не достигают

среднего уровня цитируемости этих изда-

ний. Втаком случае мы можем получить вы-

сокую цитируемость относительно областей

науки и низкую — при нормализации по

журналам.

Так или иначе очевидно, что для всесто-

роннего исследования научной деятельно-

сти организации или автора (а также науч-

ных подразделений, целых регионов, стран

и т. д.) следует использовать оба показате-

ля — и NCI, и JNCI. Суммируем выводы, ко-

торые можно сделать при их совмещенном

анализе, в таблице 3. В качестве примера

будем рассматривать публикации организа-

ции, хотя аналогичные результаты можно по-

лучить, исследуя другие научные единицы.

В дополнение к характеристикам, пред-

ставленным втаблице 3, отметим, что пока-

затель JNCI < 1 можно трактовать ивположи-

тельном смысле для организации: ее сотруд-

ники сумели опубликоваться в журналах,

уровень которых выше, чем их конкретные

статьи. Вто же время JNCI>1 может означать,

что ученые регулярно «недооценивают»

свои работы и, быть может, им стоит заду-

маться о подаче рукописей вжурналы более

высокого уровня (последнему наблюдению

яобязан О. В. Москалевой (частная беседа).

Исследование NCI и JNCI используется

для анализа цитируемости статей и пу-

бликационной стратегии организаций как

в фиксированный момент времени, так

и в динамике. В последнем случае изме-

нение показателей организаций отражает

направление итемп эволюции научной де-

ятельности ученых соответствующих вузов/

институтов/лабораторий ит. д.

2.3.4. Ранговые индикаторы

Рассмотрим еще один подход, ис-

пользуемый при проведении кросс-

дисциплинарных сопоставлений журна-

лов. Можно принципиально отказаться

от исследования абсолютных значений

библиометрических показателей, а срав-

нивать лишь места, позиции в рейтинге,

которые занимают издания в своих дис-

циплинах. После сортировки списков жур-

налов вдвух различных дисциплинах впо-

рядке убывания какого-либо выбранного

библиометрического индикатора (напри-

мер, импакт-фактора, пятилетнего импакт-

фактора; или индекса влияния, который

будет введен в разделе 2.5) проводится

анализ только занятых вэтой иерархии из-

даниями порядковых мест.

Суть рангового метода — разбиение полу-

ченного упорядоченного списка-рейтинга

на n равных частей иопределение, вкакую

из этих частей попадают журналы. Напри-

мер, если n принимается равным 4, тогда

говорят о квартилях — журналы первого

квартиля (попадающие вверхнюю четверть

списка по рассматриваемому параметру),

второго квартиля, третьего квартиля, чет-

вертого квартиля. В системе ранговых ин-

дикаторов считается, что журналы, попав-

шие в первый квартиль, выше журналов,

попавших (не только в этой, но и в любой

другой дисциплине) во второй квартиль

ит.д. При этом журналы, попавшие в один

и тот же квартиль в различных дисципли-

нах, считаются в рамках этого метода оди-

наковыми по научному уровню.

Как выбирать показатель n — непростой

вопрос, иответ на него зависит от конкрет-

ной задачи. Фактически, n задает «точ-

ность», «разрешающую способность» ран-

гового индикатора. Журналы, оказавшиеся

равными при выборе n = 4 (попавшие водин

квартиль), могут получить разный уровень

при n = 5 («квинтиль») и т. д. И хотя чем

больше n, тем выше «разрешение» рангово-

го метода, уболее грубого подхода, уделе-

ния на те или иные более крупные «процен-

тили» (части), есть свое преимущество: не-

которые группы журналов попадают водин

итот же процентиль, что интуитивно соот-

ветствует представлению о том, что суще-

ствуют «примерно одинаковые» издания.

Существует предельный случай «уточне-

ния» рангового метода, когда весь ряд за-

нятых журналами мест от 1 до N (N — число

журналов врассматриваемой дисциплине)

проецируется на отрезок [0; 1], и каждый

журнал оказывается на своей точке этого

отрезка. Несложно вычислить, что при этом

показатель «относительной позиции» жур-

нала, занимающего n-е место всвоем дисци-

плинарном рейтинге, равен (N–n)/(N–1).

Рис. 10. Сравнение рангов журналов проециро-

ванием на отрезок [0; 1].

A1… A5 — журналы дисциплины A.

B1… B7 — журналы дисциплины B

При кросс-дисциплинарном сравнении «вы-

игрывает» тот журнал, укоторого указанная

«относительная позиция» выше. Это пока-

зано на рис. 10, где сравниваются журналы

двух различных дисциплин. Водной из них

(дисциплина A) 5 изданий, соответственно

они занимают места с1-го по 5-е врейтин-

ге по своей дисциплине, во второй рубрике

(дисциплина B) 7 изданий сместами с1-го

по 7-е. После проецирования на отрезок

[0; 1] итоговое кросс-дисциплинарное ран-

жирование выглядит так (в угловые скобки

заключены издания, занявшие одинако-

вые места): <A1, B1> — B2 — A2 — B3 — <A3,

B4>—B5— A4 — B6 — <A5, B7>.

Аналогичным образом та или иная мо-

дификация рангового метода может быть

применена при сравнении как авторов, так

иорганизаций между собой. При этом важ-

но корректно и полно составить ту группу,

объединяющую работающих в одной на-

учной области, внутри которой будет опре-

делено взаимное место авторов/органи-

заций (аналог научной дисциплины для

журналов). В случае с авторами или узко-

специализированными организациями это

сделать проще, в случае с организациями

широкого профиля — сложнее, вэтом слу-

чае может оказаться, что ранговые подходы

неприменимы.

В заключение отметим, что одно из пре-

имуществ ранговых методов — защита от

сильной асимметричности распределений

цитирования, когда небольшое число жур-

налов (авторов, организаций) получают

значительное число ссылок и создают та-

кие средние показатели по своей группе,

что все остальные участники не могут их

достичь (ср. сноску п. 2.2.4, где ранговый

подход, а именно использование медианы,

предлагался для анализа импакт-факто-

ров). Вэтом случае отказ от учета абсолют-

ных значений индикаторов иисследование

лишь мест врейтингах может оказаться бо-

лее эффективным.

2.4. Индикаторы

«экстремальной» цитируемости

Еще один подход, коренным образом отли-

чающийся от разобранных выше, заключа-

ется втом, чтобы не рассчитывать среднюю

цитируемость всего массива статей, а за-

ниматься «крайностями», наблюдаемыми

внем, — теми статьями, которые получили

аномально малое или аномально высокое

число ссылок. Поэтому назовем показатели,

основанные на такой методике, индикато-

рами «экстремальной» цитируемости, имея

ввиду «экстремум», предел возможной ци-

тируемости как со стороны максимума, так

исо стороны минимума. Со стороны мини-

мума очевидным образом фигурируют пу-

бликации, не получившие ни одной ссылки.

Со стороны максимума— т.н.«высокоцити-

руемые» статьи (highly cited papers), опреде-

ление которых дается вп.2.4.1.

Отличительной чертой «экстремально-

го» подхода является то, что определяется

лишь доля статей, попавших в две «пре-

дельные» категории, а число реально полу-

ченных ими ссылок не учитывается (впро-

чем, в случае минимального цитирования

это число известно — 0). Важен вопрос,

сколько вмассиве высокоцитируемых ине-

цитируемых статей, каков их процент. Оба

метода могут применяться по отдельности,

они независимы друг от друга, необязатель-

но использовать их впаре.

2.4.1. Высокоцитируемые статьи

В библиометрии использовались раз-

личные способы определения высокоци-

тируемых статей. Это могли быть и статьи,

получившие определенное абсолютное

число ссылок (данный метод, естествен-

но, не может использоваться при анализе

мультидисциплинарного множества публи-

каций), и статьи, занявшие высокие места

по цитируемости в рамках определенной

группы (например, «лучшие (по числу полу-

ченных ссылок) 10 публикаций университе-

та»). Однако сейчас наиболее распростра-

нено определение, использующее «про-

центили» — верхний срез в n % наиболее

цитируемых статей. В зависимости от ис-

следовательских задач показатель nможет

варьироваться, мы разберем подход, ис-

пользуемый вбазе данных ESI.

В рамках ESI высокоцитируемой счита-

ется публикация, которая попадает в 1 %

наиболее цитируемых работ вмире среди

тех, которые вышли втом же, что иона, го-

ду ивтой же области науки. Для каждого

года выхода икаждой области науки вESI

высчитываются пороговые значения числа

цитирований, которое должна получить

к настоящему моменту статья, чтобы по-

пасть в1 % высокоцитируемых. Как иранее

вп. 2.3.2, год публикации фиксируется для

того, чтобы убрать преимущество статей,

вышедших давно, перед более свежими

публикациями: у последних физически

меньше времени набрать большое число

цитирований. Ограничение по научной

дисциплине, как мы знаем, «уравнивает»

статьи, вышедшие в областях науки с вы-

соким инизким средним уровнем цитиру-

емости. Например, по данным на сентябрь

2014 г. высокоцитируемой статьей 2004г.

выхода по дисциплине «микробиология»

была лишь та, которая получила за про-

шедшие 10 лет не менее 214 цитирований,

вто время как статье по математике доста-

точно было получить 68 ссылок. Аналогич-

ные пороги для публикаций 2009 г. выхода

по этим дисциплинам составляли 116 и34

ссылки соответственно14.

Следует иметь ввиду, что «высокоцитиру-

емость» — динамическая категория, иста-

тья, однажды ставшая высокоцитируемой,

может в дальнейшем потерять этот статус.

Это произойдет, если активность ее ци-

тирования в дальнейшем сократится и ее

14Заметим, что, вотличие от методов, разобранных

вп. 2.3.2, нормализация не затрагивает тип докумен-

та. При этом вESI обрабатываются только документы

типа Article иReview.

обойдут другие публикации того же года

выхода из той же области науки. Возросший

с течением времени порог, необходимый

для попадания статьи ввысокоцитируемые,

может превзойти число реальных ссылок,

полученных данной статьей. Очевидно, что

возможен и обратный процесс — статья,

не являвшаяся высокоцитируемой, может

начать получать много ссылок и попасть

в престижную категорию. Поэтому анализ

высокоцитируемых статей надо проводить

в некоторый фиксированный момент, на

множестве публикаций, являющихся в на-

стоящее время высокоцитируемыми. Далее

исследование можно периодически повто-

рять, отслеживая динамику.

При анализе высокоцитируемых статей

исследуется прежде всего абсолютный по-

казатель — сколько таких работ опублико-

вал ученый, или лаборатория, или институт,

или даже целая страна. Это важный резуль-

тат, след участия не просто «в науке», но

«в науке высочайшего уровня». Такие ста-

тьи можно называть научными шедеврами

[Писляков, 2011].

Но еще более важным является относи-

тельный индикатор, показывающий, какова

доля статей, написанных той или иной ис-

следовательской единицей, которые ста-

новятся высокоцитируемыми. Может быть,

каждая 20-я статья, написанная организа-

цией/ученым, становится высокоцитируе-

мой? Или, может быть, лишь каждая 200-я

попадает в эту категорию? При этом здесь

существует четкий ориентир, контрольный

уровень, относительно которого можно

сравнивать эффективность деятельности

научного коллектива на мировом фоне.

Поскольку, согласно определению, в мире

каждая сотая статья является высокоцити-

руемой, то, если 1 % публикаций научного

коллектива (каждая сотая статья) достига-

ет категории высокоцитируемости, это го-

ворит о соответствии деятельности ученых

мировому уровню15.

При реализации на практике следует

помнить, что высокоцитируемыми ста-

новятся лишь 1 % статей, следовательно,

анализ высокоцитируемости можно прово-

дить только на больших публикационных

массивах, охватывающих тысячи исходных

документов. В противном случае выводы

исследования будут слишком зависимы от

случайных выбросов.

2.4.2. Коэффициент нецитируемости

Коэффициент нецитируемости, как сле-

дует из его названия, это доля научных ра-

бот, которые ни разу не были процитирова-

ны. Результаты научной деятельности на-

учного коллектива тем эффективнее, чем

меньше значение данного коэффициента.

С некоторой степенью огрубления можно

говорить, что чем ниже коэффициент не-

цитируемости, тем меньше «бесполезных»,

«бесплодных» публикаций выходит из-

под пера сотрудников рассматриваемого

коллектива16.

Теперь предположим, что некоторая

статья не получила на текущий момент

15Строго говоря, ситуация несколько сложнее. Высо-

коцитируемые статьи часто пишутся вбольших соав-

торских коллективах, идля корректного соотнесения

с мировым уровнем следует использовать дробный

счет (fractional counting, см. п. 2.1.1). Точнее будет ска-

зать, что если организация пишет статьи, становя-

щиеся вменее 1 % случаев высокоцитируемыми, то она

заведомо проигрывает на общемировом фоне. Это по-

рог снизу, а вот обратное часто неверно.

16Зеркальный взгляд на это явление реализован

в InCites2, где считается показатель %Documents

Cited, доля процитированных хотя бы один раз доку-

ментов. Коэффициент нецитируемости, выраженный

в процентах, равен 100 % минус %Documents Cited.

Но следует иметь ввиду, что в InCites2 используется

не нормализованный по времени показатель (т. е. не

такой, как вводится далее вданном разделе).

100

ни одной ссылки. Очевидно, что нельзя

предугадать, будет ли она процитиро-

вана в неограниченной перспективе.

Поэтому для грамотного анализа коэф-

фициента нецитируемости выделяется

некоторый временной интервал, величи-

ну которого фиксируют для публикаций

любого года выхода, с тем чтобы более

старые статьи не имели преимущества

перед вышедшими недавно. Например,

если вкачестве такого интервала выбран

пятилетний отрезок, то производится

поиск статей, опубликованных в2004г.

ине процитированных до 2008г. вклю-

чительно, опубликованных в2005 г. ине

процитированных до 2009 г. включи-

тельно и т. д. Это позволяет провести

корректный анализ динамики коэффи-

циента нецитируемости и определить,

например, что доля ни разу не проци-

тированных публикаций организации/

автора с 2004 по 2009 г. увеличилась

или уменьшилась. Для сравнения раз-

личных организаций или авторов между

собой необходимо оставаться в рамках

одного дисциплинарного направления,

поскольку среднемировой коэффициент

нецитируемости, как иостальные ненор-

мализованные показатели цитируемо-

сти, сильно зависит от рассматриваемой

области науки.

В отличие от анализа высокоцитируе-

мости, исследование другого показателя

«экстремальной» цитируемости не требует

очень больших массивов данных. Напри-

мер, как было показано [Писляков, 2010],

пятилетний коэффициент нецитируемо-

сти всех российских статей, вышедших

в2004г. (по SCIE иSSCI), составил около

40 %. Это означает, что исследуемому мас-

сиву публикаций достаточно содержать

сотни или даже десятки статей.

2.5. «Взвешенные» индикаторы.

Собственный фактор (Eigenfactor)

ииндекс влияния статьи (Article

Inﬂuence)

Все изученные ранее индикаторы имели

одну общую черту: ссылки, которые полу-

чали журнал/автор/организация, были для

них «одинаковы», показатели «не замеча-

ли», откуда именно получено то или иное

цитирование. Замена одного цитирующего

журнала на другой, который дает столько

же ссылок, не привело бы кизменению ни

одного индикатора.

Следующие два индикатора называют-

ся «взвешенными», поскольку они учиты-

вают полученные журналом цитирования

сразличным весом — взависимости от то-

го, насколько «влиятелен» тот источник,

из которого получено цитирование. Эта

влиятельность, всвою очередь, зависит от

цитируемости самого источника ссылки.

Таким образом, ссылка из высокоцитируе-

мого журнала, например Nature, «ценится»

выше, чем ссылка из малоизвестного регио-

нального издания. Аналогичная идея лежит

в основе расчета ранга «авторитетности»

веб-страниц некоторыми поисковыми ма-

шинами, например Google (т. н. «PageRank»).

Взвешенный журнальный индикатор, по-

лучивший название «собственный фактор»

(Eigenfactor), был предложен в2007 г. спе-

циалистами из лаборатории Карла Берг-

строма (Университет Джорджа Вашинг-

тона). Разработчики данного показателя

иллюстрировали его с помощью процесса

случайного перехода по ссылкам: некий чи-

татель переходит от журнала по случайно

выбранной внем библиографической ссыл-

ке к другому журналу. Для соединения не

связанных между собой ссылками изданий

дополнительно вводится некоторая ненуле-

вая вероятность того, что читатель выберет

101

следующий журнал случайным образом,

ане путем следования по ссылке. Итоговый

показатель «престижа» издания будет про-

порционален числу заходов читателя всо-

ответствующий журнал.

Данный процесс реализует описанную

выше идею о разной ценности ссылок из

журналов с разной цитируемостью. Ведь

для того чтобы воображаемый читатель

часто заходил внекий журнал, необходимо

не только чтобы «путей» (ссылок) к этому

журналу было много, но ичтобы приходили

эти ссылки из часто посещаемых читателем

журналов.

Еще один механизм, которым иллюстри-

руют взвешенные показатели, — это «раз-

дача престижа» журналом в результате

итеративной процедуры. Сначала каждому

журналу назначается одинаковый началь-

ный «престиж», равный единице. На пер-

вом этапе итерации каждый журнал «де-

лит» свой единичный престиж между всеми

ссылками, которые он «посылает» другим

журналам. Чем меньше вжурнале сделано

ссылок, тем больше «вес» каждой из них17.

Таким образом рассчитывается «престиж»,

полученный каждым журналом из других

журналов. Это значение престижа, полу-

ченного врезультате первой итерации, при-

нимается вкачестве нового значения пре-

стижа журнала, которое на второй итерации

вновь «делится» между всеми ссылками,

исходящими из журнала. Далее процесс по-

вторяется до достижения квазистабильного

состояния, когда очередной шаг итерации

уже практически не меняет значения «пре-

стижа», полученного каждым из журналов.

17Точно так же в случае случайного перехода по

ссылкам: чем меньше ссылок в журнале, тем больше

вероятность, что воображаемый читатель воспользу-

ется какой-то конкретной из них, а значит, выше цен-

ность каждой ссылки.

(Точный алгоритм устроен таким образом,

что данное состояние будет обязательно

достигнуто.)

Согласно строгому математическому

определению, для вычисления значения

собственного фактора решается матричное

уравнение инаходится собственный вектор

матрицы вероятностей переходов (отсю-

да название «собственный фактор»). Соб-

ственный фактор — показатель журнала

как целого. Если его нормировать на число

статей виздании, получится индикатор, ха-

рактеризующий среднюю статью вжурнале

и называемый «индексом влияния статьи»

(Article Inﬂuence). Оба показателя публику-

ются с2007 г. вJCR.

При вычислении собственного фактора

журнала ииндекса влияния статьи учиты-

ваются ссылки текущего года на публика-

ции, вышедшие за пять предыдущих лет, —

публикационное окно и окно цитирования

совпадают сустановленными для пятилет-

него импакт-фактора. Отличительной осо-

бенностью этих показателей является то,

что ссылки журнала на свои же статьи не

учитываются, — самоцитирование при рас-

чете исключается.

Использование взвешенных индикато-

ров в совокупности с традиционным им-

пакт-фактором (двух- или пятилетним)

позволяет взглянуть на цитируемость жур-

налов более объемно. Вчастности, при их

сопоставлении, как правило, рельефно

выделяются журналы, которые получили

высокие импакт-показатели благодаря

самоцитированию или ссылкам (зачастую

взаимным) из узкого, замкнутого круга

изданий. При высоком значении импакт-

фактора (импакт-факторов) эти журналы

будут иметь низкие значения взвешенных

индикаторов: такого рода «островки вза-

имного цитирования» не дадут высокие

102

значения собственному фактору журнала/

индексу влияния статьи. В модели «слу-

чайного блуждания» читатель редко будет

оказываться на этих островках, если они

не связаны состальными журналами полу-

ченными из них ссылками (а кроме того, из

рассмотренных нами взвешенных индика-

торов вообще исключено самоцитирова-

ние). Например, один из журналов, уличен-

ный в практике «взаимного договорного

цитирования», в JCR-2012 занимал 14-е

место по импакт-фактору в дисциплине

«экономика» — ипри этом 197-е(!) место по

индексу влияния статьи.

Наконец, отметим, что индекс влияния

в какой-то степени сглаживает разницу

уровней активности цитирования в раз-

личных научных дисциплинах (главная про-

блема при использовании абсолютных зна-

чений импакта), поскольку «престиж» жур-

нала распределяется поровну между всеми

исходящими из него ссылками. Вдисципли-

нах, где среднее число ссылок водной ста-

тье велико, вес одной ссылки будет меньше,

чем втех областях науки, где ссылок врас-

чете на статью меньше и«ссылочное поле»

менее плотное. Кроме того, пятилетнее пу-

бликационное окно также способствует бо-

лее равновесному учету цитирований враз-

личных научных дисциплинах.

2.6. Индекс Хирша (h-index)

и«хирш-подобные» показатели

Индекс Хирша был предложен физиком

из Калифорнийского университета в Сан-

Диего Х. Хиршем [Hirsch, 2005]. Этот пока-

затель кардинальным образом отличается

от всех рассмотренных ранее, посколь-

ку он пытается дать комплексную оценку

одновременно числу публикаций ученого

и их цитируемости (т. е. «количеству и ка-

честву»). Кроме того, методика подсчета

индекса Хирша намеренно уходит от опре-

деления средних величин, средней цитиру-

емости статей (в этом он схож сметодиками

«экстремальной» цитируемости, разобран-

ными вразделе 2.4). Это имеет свой смысл,

поскольку усреднение зачастую не дает

полной картины об исследуемом множестве

статей и не позволяет производить кор-

ректное сравнение эффективности научной

деятельности авторов и организаций. При

усреднении сильные искажения могут быть

вызваны отдельными публикациями, кото-

рые получают очень много ссылок, являясь

фактически «выбросами», выделенными

случаями.

Индекс Хирша имел невероятный успех

в научном сообществе, вдохновив специа-

листов вбиблиометрии на создание многих

десятков своих «модификаций» и«усовер-

шенствований». Мы рассмотрим лишь два

примера этих «хирш-подобных» метрик,

однако начнем с рассмотрения классиче-

ского индекса.

2.6.1. Индекс Хирша

Согласно определению, индекс Хирша

массива публикаций ученого равен h, если

есть h статей из этого массива, каждая из

которых получила не менее h цитирований,

а каждая из остальных статей при этом по-

лучила не более h цитирований. Эквива-

лентное определение: индекс Хирша масси-

ва публикаций ученого равен h, если есть h

статей из этого массива, каждая из которых

получила не менее h цитирований, но нет

h+1 статей, каждая из которых получила бы

не менее h + 1 цитирований.

Например, если у ученого есть 5 статей,

которые получили 10, 8, 2, 2 и0 ссылок со-

ответственно, то его индекс Хирша равен 2,

поскольку есть 2 статьи, каждая из которых

цитировалась не менее 2 раз (таких статей

103

Рис. 11. Индекс Хирша (h-индекс)

даже 4), но уже нет 3 статей, каждая из кото-

рых цитировалась бы не менее 3 раз18.

Графически это проиллюстрировано на

рис. 11. Каждая точка на графике соответ-

ствует одной публикации ученого. Публика-

ции упорядочены по цитируемости: от тех,

которые получили больше всего ссылок,

кнаименее цитируемым статьям. По оси аб-

сцисс на рис. 11 отложен порядковый номер

публикации в этом упорядоченном списке.

По оси ординат — сколько ссылок получила

статья с соответствующим номером. Ввиду

упорядочения по цитируемости, уточек по-

степенно уменьшается ордината при увели-

чении абсциссы. Если мысленно соединить

точки для получения графика, то h-индекс

будет находиться в районе пересечения

этого графика с показанной на рисунке

биссектрисой y = x. Точнее, индекс Хирша

будет соответствовать максимальному но-

меру статьи, находящейся не ниже прямой

y = x (выше или на этой прямой). Как видно

из геометрии графика, урассматриваемого

ученого есть h статей, каждая из которых

цитируется не менее h раз, но при этом уне-

го нет h + 1 статей, каждая из которых цити-

руется не менее h + 1 раз: статья сномером

h + 1 находится ниже прямой y = x, а значит

получила менее h + 1 ссылок.

Основное свойство индекса Хирша: уве-

личение публикационной активности без

достаточной цитируемости публикуемых

работ не приведет кего росту. Инаоборот:

получение большого числа цитирований

одной-двумя статьями также не повысит

индекс серьезным образом. Если автор на-

18В строгом математическом виде определение ин-

декса Хирша формулируется так: пусть уученого есть

N статей, упорядочим их от наиболее цитируемых

кнаименее цитируемым. Обозначим ci число ссылок,

полученных i-й статьей, ci ≥ ci+1 для всех i = 1 … N – 1.

Тогда индекс Хирша h = max{i: ci ≥ i}.

писал 100 статей, но при этом каждая из них

получила 5 ссылок, индекс Хирша ученого

будет равен всего лишь 5. Cдругой стороны,

если автор написал лишь 5статей, каждая

из которых получила по 100 ссылок, его ин-

декс все равно будет равен 5. Для дости-

жения высокого значения индекса Хирша

необходимо, чтобы автор писал много та-

ких работ, каждая из которых получала бы

много цитирований. Именно вэтом смысле

h-индекс пытается отразить сбалансиро-

ванную оценку сразу ипубликационной ак-

тивности ученого, ицитируемости его работ.

Введенный изначально для авторов, ин-

декс Хирша может быть распространен на

организации, страны и вообще любой на-

бор статей, для каждой из которых известно

число полученных ссылок.

Для ученых часто считают «пожизнен-

ный» индекс Хирша за всю научную карье-

ру (как было сделано Х. Хиршем висходной

статье), однако это приводит кочевидному

неравенству пожилых и молодых специ-

алистов. Дело втом, что такой показатель

не может уменьшаться стечением времени,

104

только расти или оставаться неизмен-

ным19, — и ученый может уже много лет

находиться на пенсии ине писать научных

трудов, однако h-индекс его будет не мень-

ше, чем он был на пике карьеры.

Поэтому для получения более осмыслен-

ного показателя следует, как и для любой

библиометрической величины, задать пу-

бликационное окно и окно цитирования.

Например, можно рассматривать все статьи,

вышедшие уученого за пятилетний проме-

жуток, иучитывать ссылки, полученные эти-

ми статьями втечение того же пятилетнего

интервала.

Следует упомянуть еще о некоторых огра-

ничениях, «недостатках» индекса Хирша:

— h-индекс не предполагает поправки на

дисциплинарную область: сравнение абсо-

лютных значений индекса уученых, работа-

ющих вразных областях науки, невозможно;

это не нормализованный по областям науки

показатель;

— h-индекс является целым числом, сле-

довательно, не обладает идеальной «раз-

решающей способностью» (были предло-

жены способы обобщить h-индекс на дроб-

ные значения, здесь мы не будем на них

останавливаться);

— в индексе не учитывается реальное

число ссылок, полученное статьями вы-

ше иниже точки h: важно только местона-

хождение этой точки. Так, например, если

бы каждая из h первых статей на рис. 11

получила в 10 раз больше ссылок (а цити-

руемость остальных публикаций осталась

прежней), на значении h-индекса это бы ни-

19Строго говоря, все-таки существует нечастая ситу-

ация, при которой h-индекс ученого способен умень-

шиться. Это может произойти в случае, если ученый

отозвал свою уже опубликованную вжурнале статью

(retraction) — из-за найденных серьезных ошибок или

обнаружения плагиата и т. д. На это обстоятельство

обращал внимание В. Глэнцел (в частной беседе).

как не отразилось. (h + 1)-я статья все равно

осталась бы лежать ниже линии y = x иин-

декс Хирша сохранил свое значение. Ина-

оборот: допустим, что два гипотетических

автора опубликовали по 50 статей каждый.

Каждая статья первого из них получила по

10 ссылок, а у второго 10 статей получили

по 10 ссылок, а остальные 40 статей вообще

не цитировались. В этом случае, при оче-

видном неравенстве «вклада» авторов, их

индекс Хирша будет иметь одинаковое зна-

чение — 10.

Успех индекса Хирша был во многом свя-

зан стем, что ряд ученых, а главное, адми-

нистраторов науки, посчитали его простым

и универсальным средством для оценки

ученых/организаций и т. д. То, что эффек-

тивность научной деятельности можно оха-

рактеризовать одним числом, оказалось

слишком сильным соблазном. В действи-

тельности, как мы видим, h-индекс — это не

панацея, а лишь один из библиометриче-

ских индикаторов, который должен исполь-

зоваться обязательно вкомплексе сдруги-

ми метриками для разносторонней оценки

авторов инаучных коллективов.

2.6.2. hα-индекс

Вообще говоря, условие равенства чис-

ла статей и минимального числа получен-

ных каждой из этих статей ссылок является

вопределении индекса Хирша произволь-

ным. Почему это не требование, чтобы h ста-

тей получили каждая не менее 2h ссылок?

Или, наоборот, чтобы каждая из h статей

получила не менее h/2 ссылок? Имея это

в виду, Н. Ван Эйк и Л. Валтман [Van Eck,

Waltman, 2008] «обобщили» определение

индекса Хирша, назвав его hα-индекс.

Определение: обобщенный hα-индекс

массива публикаций равен hα, если каждая

из hα статей этого массива получила не ме-

105

Рис. 12. hα-индекс. Пример для α = 2 и α = 1/2

нее αh цитирований, а каждая из осталь-

ных— не более αh цитирований.

Графически смысл hα-индекса отражен на

рис. 12. По графику hα-индекс можно опре-

делить таким же образом, как и обычный

индекс Хирша, но следует искать пересече-

ние не спрямой y = x, а спрямой y = αx. На

рис. 12 показаны примеры для α = 2 иα = 1/2.

Основной смысл нового индекса в сле-

дующем. Как мы говорили, индекс Хирша

одновременно оценивает число публика-

ций иих цитируемость, делая это вкаком-то

смысле «равномерно» (в смысле условия

равенства числа статей и минимального

числа полученных каждой из этих статей

ссылок). При помощи hα-индекса мы можем

управлять этой «равномерностью». При

увеличении α на первое место выходит ци-

тируемость, наличие высокоцитируемых

работ. При уменьшении — все важнее ста-

новится продуктивность, большое число

публикаций. Это понятно из графического

представления hα-индекса, а мы продемон-

стрируем на упомянутом ранее примере:

пусть один автор написал 5 статей, каждая

из которых получила по 100 ссылок, а вто-

рой написал 100 статей, каждая из кото-

рых получила 5 ссылок. При α = 5 уперво-

го автора hα-индекс равен 5 (есть 5 статей,

каждая из которых процитирована не ме-

нее α×5=5×5=25 раз), а увторого — 1

(есть лишь 1 статья, которая процитирована

не менее α × 5 = 1 × 5 = 5 раз, а двух статей,

получивших по 10 ссылок, нет). При α = 1/5

у первого автора hα-индекс остается рав-

ным 5, а увторого возрастает до 25 (есть 25

статей, каждая из которых процитирована

не менее α×25=(1/5)×25= 5 раз)20.

Таким образом, считая hα-индекс при раз-

ных α, можно исследовать разные аспекты

исследуемого множества статей, в зависи-

мости от поставленных задач больше фо-

кусируясь на публикационной активности,

на числе публикаций, или делая основной

акцент на качественном аспекте, на цитиру-

емости изучаемых работ.

2.6.3. g-индекс

Еще одна попытка «улучшить» индекс

Хирша — это введенный L. Egghe [Egghe,

2006] g-индекс. Он часто встречается вли-

тературе (хотя и реже, чем h-индекс). По

определению, g-индекс ученого равен та-

кому максимальному g, что g наиболее ци-

тируемых статей ученого получили вместе

не менее g2 ссылок. (Соответственно, любые

g+1 его статей совместно получили меньше

(g+1)2 ссылок.) Обратите внимание, что здесь

20Если рассмотреть предельные случаи, то для лю-

бого автора максимальное значение α, при котором

его hα-индекс все еще больше нуля (т. е. равен 1), со-

впадает счислом цитирований, которое получила его

самая высокоцитируемая статья. Число статей при

этом не играет никакой роли. Наоборот, при уменьше-

нии α hα-индекс возрастает идостигает своего макси-

мального значения, которое равно общему числу ста-

тей данного автора, получивших хотя бы одну ссылку.

Здесь совершенно не важна цитируемость статей (за

исключением триггера «была ли статьей получена хо-

тя бы одна ссылка»).

106

рассматривается совокупная цитируемость

первых g статей, упорядоченных в порядке

убывания цитируемости. Вслучае h-индекса

требования по цитируемости предъявля-

лись ккаждой отдельной статье, вэтом клю-

чевое отличие индексов друг от друга.

Вернемся кпримеру из п. 2.6.1, где рассма-

тривались пять работ ученого, которые по-

лучили 10, 8, 2, 2 и0 ссылок соответственно.

g-индекс этого автора равен 4 — поскольку

есть 4 статьи, которые цитировались вместе

не менее 42 = 16 раз (на самом деле они ци-

тировались 10 + 8 + 2 + 2 = 22 раза), но нет

5 статей, которые бы всумме цитировались

52 = 25 раз. Напомним, h-индекс данного

ученого оказался равным 2. Вдействитель-

ности g-индекс всегда больше или равен

h-индексу. Это следует из того, что каждая

из h статей получила, по определению ин-

декса Хирша, не менее h ссылок, а значит,

вместе они получили как минимум h2 цити-

рований. Поэтому h статей заведомо удов-

летворяют условию, которое предусмотрено

g-индексом. Следовательно, g ≥ h.

Можно переформулировать определе-

ние g-индекса так: g-индекс ученого равен

такому максимальному g, что уученого есть

g статей сосредней цитируемостью всей их

совокупности (в расчете на одну статью) не

менее g. Определения эквивалентны, по-

скольку наличие g статей сосредней цити-

руемостью их совокупности не менее g оз-

начает, что всумме эти статьи получили не

менее g2 ссылок.

В чем преимущество g-индекса? Он ли-

шен одного из недостатков, отмеченных для

индекса Хирша. Цитируемость наиболее

цитируемых статей (получивших больше

ссылок, чем статья сномером g) может вли-

ять на значение g-индекса. Так, если впри-

веденном выше примере самая цитируемая

статья со временем получит еще три ссыл-

ки (и их станет 13, цитируемость остальных

статей пусть не меняется), g-индекс ученого

достигнет пяти. Напомним, что вh-индексе

не учитывается реальное число ссылок, по-

лученное статьями выше и ниже точки h:

важно только местонахождение этой точки.

Любое увеличение цитируемости самой ци-

тируемой статьи не повлияет на h-индекс.

2.7. Показатели хронологического

распределения ссылок

В тексте данной главы неоднократно

упоминалось о «старении» научного зна-

ния. Как быстро новое знание воспри-

нимается, вводится в научный оборот и,

напротив, как долго не теряет своей ак-

туальности и остается востребованным.

Эти характеристики можно оценить по

хронологической структуре библиогра-

фических ссылок, которые содержатся

втом или ином журнале, работах ученого,

статьях института или, наоборот, которые

цитируют данный журнал, работы данного

ученого, статьи института. Вданном слу-

чае речь уже не идет о попытке оценить

качество, эффективность публикаций по

числу полученных ими ссылок. Это дру-

гое исследование. Итем не менее журнал,

цитирующий восновном классические ис-

точники многолетней давности, отлича-

ется от издания, стремящегося знакомить

своих читателей с самой современной

литературой по рассматриваемому во-

просу. А если ученый опубликовал работу,

в дальнейшем регулярно цитируемую из

года вгод, его вклад, скорее всего, будет

иного характера, чем у исследователя,

получившего много ссылок в первые 2–3

года после публикации статьи ивпослед-

ствии забытого.

Для хронологической характеристики рас-

пределения сделанных журналом/автором/

107

Рис. 13. Хронологическое распределение ссылок

встатьях журнала Annual Review

of Biochemistry, вышедших в 2013 г. Скриншот

интерфейса базы данных JCR

(Thomson Reuters)

организацией цитирований чаще всего ис-

пользуют значение медианы этого распреде-

ления. Половина сделанных ссылок ведет на

источники, опубликованные позже значения

медианы, половина — на более свежую лите-

ратуру. На рис. 13 показано хронологическое

распределение ссылок, сделанных встатьях

журнала Annual Review of Biochemistry, вы-

шедших в2013г. Вэтих статьях была 21 ссыл-

ка на публикации 2013 г., 424 ссылки на ис-

точники, вышедшие в2012г., ит. д. Вобщей

сложности статьи 2013 г. содержали 4883

ссылки, из них половина пришлась на доку-

менты, вышедшие в 2007–2013 гг., полови-

на— на более поздние источники. Поэтому

медиана соответствует документам семилет-

ней давности. ВJCR для этого показателя ис-

пользуют термин «время полужизни сделан-

ных ссылок» (citing half-life). Таким образом,

для данного журнала в 2013 г. время полу-

жизни сделанных ссылок равно 7 (затенен-

ной областью на рисунке отмечены ссылки

на более поздние источники)21.

Время полужизни ссылок зависит от на-

учной области, ккоторой относится журнал.

Собственно, оно ихарактеризует эту область

сточки зрения темпов устаревания произ-

водимого вней научного знания. ВJCR-2013

минимальное время полужизни сделанных

ссылок ужурналов дисциплины «нанонауки

инанотехнологии» (5,9 лет). Максимальный

уровень этого показателя оценить сложно,

поскольку JCR не указывает его точное зна-

чение для тех областей науки, где оно боль-

ше 10 лет. Таких дисциплин вJCR-2013 воб-

щей сложности 48, среди них, вчастности,

история, социология, зоология, геология,

лингвистика идр. Вэтих областях научное

знание имеет максимально продолжитель-

ный цикл жизни, и больше половины всех

публикуемых ссылок ведет на источники

более чем десятилетней давности.

Аналогичный показатель также вводится

не для сделанных ссылок, а, наоборот, для

полученных журналом цитирований. Он

называется cited half-life, время полужизни

полученных ссылок, ихарактеризует то, на-

сколько свежие статьи журнала цитируются

вмировой науке. Если его величина мала,

значит, внауке используются прежде всего

свежие, недавние публикации издания. Если

велика — полезными оказываются идоста-

точно старые материалы, публиковавшиеся

в журнале. Время полужизни полученных

ссылок для целых научных дисциплин ва-

рьируется вJCR-2013 от 4,1 года (снова на-

нонауки) до «более 10 лет» (31 дисципли-

на). Безусловно, cited half-life связан сciting

21Если быть точным, вприведенном примере на пу-

бликации 2007–2013 гг. приходится 49,6 % всех ссылок

(2424 из 4883). Если добавить еще один год (2006), то

будет охвачено уже 55,7 % всех ссылок. Поэтому дела-

ется пропорциональная поправка ивремя полужизни

для этого издания указывается вJCR равным 7,1 года.

108

half-life: напрямую они не зависят друг от

друга, однако оба показателя отражают ско-

рость эволюции знания всоответствующей

научной области. Поэтому, например, среди

31 дисциплины со временем полужизни по-

лученных ссылок более 10 лет в28 дисци-

плинах время полужизни сделанных ссылок

также превышает 10 лет.

Оба изученных индикатора хронологи-

ческого распределения ссылок вжурналах

слегкостью могут быть распространены на

статьи, написанные отдельным ученым или

каким-либо научным коллективом.

ЗАКЛЮЧЕНИЕ

Мы рассмотрели основные библиоме-

трические показатели, характеризующие

цитируемость разных «научных единиц»—

ученых, научных коллективов, организаций

ицелых стран. Были также разобраны раз-

нообразные журнальные показатели. Заме-

тим, что это далеко не исчерпывающий спи-

сок индикаторов, существующих в библио-

метрии, идаже не исчерпывающий перечень

индикаторов, доступных в инструментах

Thomson Reuters. Не имеющие прямого от-

ношения к цитируемости и оценке эффек-

тивности научной деятельности, нами были

оставлены встороне такие вопросы, как из-

мерение международного сотрудничества

в публикациях, характеристики сетей со-

авторства, индексы научной специализа-

ции, коэффициенты ко-цитирования и др.

Иные показатели не рассматривались вви-

ду их тривиальности — например, инте-

гральная публикационная активность или

суммарная цитируемость того или иного

объекта исследования.

Неоднократно втечение настоящей главы

встречалось напоминание о том, что иде-

альных индикаторов не существует, что они

должны использоваться не по отдельности,

а в комплексе. Цель, поставленная здесь

нами, — научить грамотно имногосторонне

изучать эффективность науки с помощью

библиометрии. Но результаты даже самого

подробного библиометрического исследо-

вания не отменяют необходимости участия

экспертов, профессионалов-предметников

при принятии решений из области science

policy: при распределении грантов и фи-

нансирования, осуществлении кадровой

политики, открытии/закрытии научных на-

правлений, программ илабораторий ит.д.

На основании чистой библиометрии не

могут выноситься решения на поле управ-

ления наукой — ее роль заключается втом,

чтобы помогать впринятии таких решений,

сообщать дополнительные сведения об изу-

чаемых «научных единицах»: ученых, лабо-

раториях, факультетах, организациях, реги-

онах, странах, журналах. Взападном науко-

метрическом сообществе в таких случаях

говорят о концепции «informed decision»,

«решения при полной информации», вре-

ализации которой и должен играть свою

роль библиометрический анализ.

Писляков В. В. Библиометрические индикаторы:

практикум. М.: НФПК; Инфра-М, 2014. 60 с.

Писляков В. В. Соавторство российских ученых с зару-

бежными коллегами: публикации и их цитируемость.

Препринт WP6/2010/01. М.: ГУ-ВШЭ, 2010. 40 с.

Писляков В. В. Шедевры научного творчества: анализ

высокоцитируемых статей российских ученых // На-

учно-техническая информация. Сер. 2: Информаци-

онные процессы и системы. 2011. № 12. С. 1–8.

Писляков В. В., Дьяченко Е. Л. Эффект Матфея в цити-

ровании статей российских ученых, опубликованных

за рубежом // Научно-техническая информация.

Сер.2: Информационные процессы и системы. 2009.

№ 3. С. 19–24.

Aksnes D. W., Sivertsen G. The effect of highly cited

papers on national citation indicators. Scientometrics.

2004. Vol. 59. Iss. 2. P. 213–224.

Eck N. J. van, Waltman L. Generalizing the h- and

g-indices // Journal of Informetrics. 2008. Vol. 2. Iss. 4.

P. 263–271.

Egghe L. Theory and practise of the g-index // Sciento-

metrics. 2006. Vol. 69. Iss. 1. P. 131–152.

Hirsch J. E. An index to quantify an individual’s scientiﬁc

research output // Proceedings of the National Academy

of Sciences. 2005. Vol. 102. № 46. P. 16569–16572.

Larivière V., Archambault É., Gingras Y., Vignola-GagnéÉ.

The place of serials in referencing practices: Comparing

natural sciences and engineering with social sciences

and humanities // Journal of the American Society for

Information Science and Technology. 2006. Vol. 57. Iss.8.

P.997–1004.

McVeigh M. E. Journal self-citation in the Journal Citation

Reports – Science Edition (2002). 2004. URL: http://

wokinfo.com/essays/journal-self-citation-jcr.

Pislyakov V., Dyachenko E. Citation expectations: are they

realized? Study of the Matthew index for Russian papers

published abroad // Scientometrics. 2010. Vol. 83. №.3.

P. 7 39–749.

Rousseau R. Journal evaluation: Technical and practical

issues // Library Trends. 2002. Vol. 50. Iss. 3. P. 418–439.

Помимо справочного аппарата данной главы, для

более глубокого знакомства с библиометрическими

индикаторами читателю рекомендуются следующие

отечественные и зарубежные источники:

Бредихин С. В., Кузнецов А. Ю., Щербакова Н. Г. Анализ

цитирования в библиометрии. Новосибирск; М.:

ИВМиМГ СО РАН, НЭИКОН, 2013.

Кузнецов А. Ю., Бредихин С. В. Методы библиометрии

и рынок электронной научной периодики. Новоси-

бирск; М.: ИВМиМГ СО РАН, НЭИКОН, 2012.

Писляков В. В. Методы оценки научного знания по по-

казателям цитирования // Социологический журнал.

2007. № 1. С. 128–140.

Egghe L., Rousseau R. Introduction to Informetrics:

Quantitative Methods in Library, Documentation and

Information Science. Amsterdam e. a.: Elsevier Science

Publishers, 1990.

Gareld E. Citation indexes for science. A new dimension

in documentation through association of ideas // Science.

1955. Vol. 122. № 3159. P. 108–111.

Gareld E., Sher I. H. New factors in the evaluation of

scientiﬁc literature through citation indexing // American

Documentation. 1963. Vol. 14. № 3. P. 195–201.

Glänzel W. Bibliometrics as a Research Field: A course on

theory and application of bibliometric indicators. Course

Handouts. Leuven, 2003.

Glänzel W., Moed H. F. Journal impact measures in biblio-

metric research // Scientometrics. 2002. Vol. 53. Iss. 2.

P. 17 1–1 93.

Gonzalez-Pereira B., Guerrero-Bote V., Moya-Anegon F. A

new approach to the metric of journals scientiﬁc prestige:

The SJR indicator // Journal of Informetrics. 2010. Vol. 4.

Iss. 3. P. 379–391.

Handbook of Quantitative Science and Technology

Research / ed. by H. F. Moed, W. Glanzel, U. Schmoch.

Dordrecht: Kluwer Academic Publishers, 2004.

Moed H. F. Citation Analysis in Research Evaluation.

Dordrecht: Springer, 2005.

Moed H. F. Measuring contextual citation impact of

scientiﬁc journals // Journal of Informetrics. 2010. Vol. 4.

Iss. 3. P. 265–277.

Pislyakov V. Comparing two «thermometers»: Impact fac-

tors of 20 leading economic journals according to Journal

Citation Reports and Scopus // Scientometrics. 2009.

Vol. 79. №. 3. P. 541–550.

Pislyakov V., Shukshina E. Measuring excellence in Rus-

sia: Highly cited papers, leading institutions, patterns

of national and international collaboration // Journal of

the Association for Information Science and Technology.

2014. Vol. 65. Iss. 11. P. 2321–2330.

Rehn C., Gornitzki C., Larsson A., Wadskog D. Biblio-

metric Handbook for Karolinska Institutet. 2014. URL:

https://kib.ki.se/sites/kib.ki.se/ﬁles/Bibliometric_Hand-

book_2014.pdf.

Thomson Reuters. InCites Indicators Handbook. 2014.

URL: http://researchanalytics.thomsonreuters.com/m/

pdfs/indicators-handbook.pdf.

110

НАУЧНЫЕ ПУБЛИКАЦИИ КАК

СРЕДСТВО КОММУНИКАЦИИ,

АНАЛИЗА И ОЦЕНКИ

НАУЧНОЙ ДЕЯТЕЛЬНОСТИ

О. В. Москалева

Советник дирек-

тора Научной

библиотеки

им.М.Горького

Санкт-Петер-

бургского государ-

ственного универ-

ситета, кандидат

биологических

наук.

This chapter gives a brief description of the evolution of research journals and creation of

research publication databases. The author provides information about citation theories, as well

asmethods of evaluating journals and research output of individual scholars, organizations and

countries, based on citation analysis. The peculiarities of research publications in different subject

areas are described, as well as approaches to comparative citation analysis in various research

elds. Special attention is paid to alternative methods of publication activity evaluation, and use

of bibliometric indicators for university and research institution rankings.

В главе приводится краткое описание эволюции научного журнала, формирование баз

данных научных публикаций. Приведена информация о существующих теориях цитиро-

вания и основанных на показателях цитирования способах оценки качества журналов,

научной деятельности отдельных ученых, организаций и стран. Описываются от-

личительные особенности публикаций в разных научных областях и возможные подходы

ксравнительному анализу цитирования публикаций в разных областях знаний. От-

дельно рассматриваются альтернативные цитированию способы оценки публикаций

ииспользование библиометрических показателей при построении рейтингов универси-

тетов и научных организаций.

DOI 10.15826/B978-5-7996-1352-5.0006

Целью любой научной дея-

тельности является в конеч-

ном итоге получение новых

знаний и создание новых техноло-

гий, способствующих улучшению

качества жизни. Для того чтобы

полученные результаты могли

быть использованы, необходимо

донести информацию о них до ре-

альных «потребителей», а также

до «производителей» новых науч-

ных результатов.

В древности и в Средние века

большая часть обмена знаниями

происходила в личном общении

и личной переписке, а основные

важнейшие результаты излага-

лись в виде научных трактатов,

являвшихся итогом многолетней

деятельности ученых. В даль-

RESEARCH PUBLICATIONS AS MEANS OF COMMUNICATION,

ANALYSIS AND ASSESSMENT OF RESEARCH ACTIVITY

111

нейшем акцент начал смещаться в сторону

формирования научного журнала, посред-

ством которого полученные результаты

исследований доносятся до заинтересо-

ванных сторон. Ту же цель преследует ста-

новление системы профессиональных на-

учных встреч — конференций, симпозиу-

мов, семинаров и т.д. Впоследнее время

особую роль приобретают открытые источ-

ники информации в сети Интернет — ин-

тернет-журналы, интернет-конференции,

научные блоги ит.п.

Особое место в системе научной коммуни-

кации занимают патенты и иные охранные

документы, фиксирующие приоритет иссле-

дователя в создании новой технологии, ма-

териала, полезной модели, штамма микро-

организма, сорта растений и т. д. От обыч-

ной научной публикации (статьи в журнале,

докладе на конференции или монографии)

такие публикации отличаются еще и тем,

что являются полноправными объектами

товарно-денежных отношений и не могут

быть использованы безвозмездно для про-

изводства товаров и услуг. Тем не менее по

отношению к патентам возможно примене-

ние тех же подходов, что и по отношению

к иным научным публикациям в плане их

рассмотрения как средства коммуникации,

анализа и оценки научной деятельности.

3.1. История создания

ихарактеристики научных журналов

Еще в 60-е гг. прошлого века в книге «Ма-

лая наука, большая наука» Дерека де Солла

Прайса, считающегося одним из осново-

положников наукометрии, отмечался экс-

поненциальный рост количества научных

журналов, научных организаций, ученых

[Price, 1965]. Рост количества ученых затруд-

няет их личное общение, экспоненциаль-

ный рост числа источников информации

приводит к обострению проблем, связан-

ных с поиском релевантной достоверной

информации, обостряет проблему выбора

издания для публикации полученных ре-

зультатов ит.д.

Старейшие научные журналы — Journal

des sçavans, The Philosophical Transactions of

the Royal Society, Giornale de’ Letterati, Acta

eruditorum — появились в XVII в., при этом

«Философские труды Королевского обще-

ства» (The Philosophical Transactions of the

Royal Society) выходят с момента создания

(март 1665 г.) до настоящего времени без

перерывов. В самом начале эти издания

больше походили на собрание новостей

об изданных книгах, но постепенно в них

стали появляться и оригинальные статьи и

сообщения о полученных научных резуль-

татах. К середине XIX в. научные журналы

приобрели практически современную при-

вычную форму, с современной структурой

статей, предполагающих наличие ссылок

на использованные источники, рефератов

и других привычных атрибутов научной

статьи. По словам В.Г. Белинского, «жур-

нал есть не наука и не ученость, но, так ска-

зать, фактор науки и учености, посредник

между наукою и учеными. Как бы ни велика

была журнальная статья, но она никогда не

изложит всей системы какого-либо знания.

Она может представить результаты этой

системы, чтобы обратить внимание ученых,

как скорое известие, и публики, как рапорт

о случившемся» [цит. по: Акопов, 2007],

т. е. основной функцией журнала с мо-

мента его создания и до сих пор является

коммуникация.

В настоящее время, по данным Ulrich’s

Periodicals, в мире насчитывается порядка

200тыс. изданий, относящихся к периоди-

ческим (журналам), но далеко не все из них

являются научными журналами в строгом

112

Рис. 14. Изменение количества журналов

вScience Citation Index Expanded

и Social Sciences Citation Index

Рис. 15. Изменение количества статей

в Science Citation Index Expanded

и Social Sciences Citation Index

Рис. 16. Среднее количество статей в журнале

вScience Citation Index-Expanded

и Social Sciences Citation Index

понимании этого термина. Условимся,

что научным является журнал, все ста-

тьи в котором проходят предварительное

рецензирование.

Точное количество научных журналов

внастоящее время можно приблизительно

оценить в 70–100 тыс. Только в России еже-

годно создаются около 200 новых научных

журналов. Динамику изменения количе-

ства журналов можно оценить приблизи-

тельно по количеству журналов, индекси-

руемых Web of Science Core Collection,— за

последние 15 лет количество изданий,

представленных в Journal Citation Reports

(Science &Social Science), увеличилось поч-

ти вдвое — с 6,6 тыс. в 1997 г. до 11,5 тыс.

в 2013-м. При этом если рост количества

научных журналов в естественных и точных

науках (Science) происходил все это время,

хотя с2007г. значительно большее количе-

ство журналов включалось в индекс еже-

годно, то для социальных наук количество

журналов до 2007г. оставалось практиче-

ски постоянным, и лишь потом начало про-

исходить заметное увеличение количества

индексируемых журналов (рис.14).

Если считать, что научные журналы как

явление в целом и их отбор для базы дан-

ных Web of Science Core Collection подчи-

няются закону Парето (который в наибо-

лее общем виде формулируется как «20%

усилий дают 80 % результата, а остальные

80 % усилий — лишь 20 % результата»),

то в настоящее время количество науч-

ных журналов можно оценить примерно

в70тыс., включая журналы по гуманитар-

ным наукам и искусству, которые индекси-

руются в отдельной базе Arts & Humanities

Citation Index, но для которых не рассчи-

тываются наукометрические показатели

вJournal Citation Reports.

Одновременно, естественно, возрастает

иколичество научных статей, опубликован-

ных в этих журналах. На диаграмме

(рис.15) приведено изменение количества

документов, проиндексированных в базах

113

Рис. 17. Иллюстрация неравномерного

распределения статей и их цитирований

по научным журналам

данных Science Citation Index Expanded

и Social Sciences Citation Index за этот же

промежуток времени.

Интересно отметить, что динамика коли-

чества статей, опубликованных в среднем

в одном журнале (рис. 16), по ключевым

датам хорошо совпадает с изменением ко-

личества журналов: плавное увеличение

их количества совпадает с постепенным

нарастанием или стабильным количе-

ством научных журналов, а резкое сниже-

ние количества статей в расчете на один

журнал по времени совпадает с резким

увеличением количества индексируемых

в базе данных журналов (2008 г.). Таким

образом, можно предположить, что новые

журналы возникают тогда, когда предмет-

ный состав издаваемых журналов пере-

стает соответствовать развитию науки и

требуется создание новой дискуссионной

площадки для обсуждения результатов

научных исследований вновых возникаю-

щих научных областях.

Интересно отметить, что упомянутое

выше распределение Парето абсолютно

справедливо и к отбору журналов для ин-

дексирования в базах данных. Отмечается,

что относительно небольшое количество

журналов публикует значительную долю

научных статей, получающих еще большую

долю цитирований. Согласно анализу, про-

веденному по журналам, индексируемым

Web of Science, получается соотношение,

приведенное на рис. 17.

В книге Д. Прайса (которую можно посо-

ветовать прочитать всем интересующимся

историей науки и наукометрией) указаны

следующие временные периоды удвоения

показателей, характерные для различных

сторон деятельности, так или иначе связан-

ных с наукой:

«100 лет – число лиц, упоминаемых в наци-

ональных биографических справочниках;

50 лет – занятость (рабочая сила), населе-

ние, число университетов;

20 лет – совокупный национальный про-

дукт, важные научные открытия, число вы-

дающихся физиков, число известных хими-

ческих элементов, точность инструментов,

число поступающих в колледжи на 1000

населения;

15 лет – бакалавры гуманитарных и точ-

ных наук, научные журналы, число членов

научных обществ, число известных хими-

ческих соединений, совокупное по всем от-

раслям число реферативных журналов;

10 лет – число известных астероидов,

литература по неэвклидовой геометрии,

литература по рентгеновым лучам, литера-

тура по экспериментальной психологии….»

ит.д. [Price, 1965].

Показательно, что срок в 15 лет, за кото-

рый произошло удвоение количества жур-

налов, полностью совпадает с указанным

для журналов в работе Д.Прайса.

Данные OECD по количеству исследова-

телей на 1000 работающих хорошо уклады-

ваются в приведенную схему (рис. 18).

114

Рис. 18. Изменение количества научных работников по странам (количество занятых

в науке на 1000 работающих). Жирным выделено среднее значение по странам OECD

Анализ данных OECD по абсолютному ко-

личеству исследователей в разных странах

и сопоставление этих данных с количеством

публикаций в Web of Science Core Collection

показывает явную тенденцию к возраста-

нию количества публикаций в расчете на

исследователя (рис. 19).

Тем не менее это не обязательно означает

повышение «производительности» ученых,

скорее это отражение тенденции к увеличе-

нию количества соавторов в статьях, отме-

ченной в статье [Börner et al., 2004] (рис. 20).

Постепенное возрастание среднего коли-

чества соавторов публикаций отмечалось

иранее. В среднем число работ с большим,

чем 1, количеством авторов, обратно про-

порционально (n – 1), если n — количество

соавторов [Прайс, Бивер, 1976].

Говоря о становлении научных журна-

лов, нельзя не упомянуть о совершенно

новом типе научных журналов, возникших

с развитием информационных технологий

и всемирной сети Интернет — ожурналах

открытого доступа. В целом их отличие

от традиционных журналов заключается

в том, что эти журналы существуют пре-

имущественно в электронном виде и обе-

спечивают полный доступ к опубликован-

ным статьям для всех пользователей сети

Интернет. Первыми такими журналами

стали журналы Public Library of Science

(PLoS), однако количество журналов Open

Access растет ежегодно, дополняясь воз-

можностями публикации отдельных статей

открытого доступа в традиционных жур-

налах, а также публикациями в открытых

115

Рис. 6. Изменение количества статей в Web of Science на 100 научных работников по странам

2000 2007 2008 2009 2010 2011 2012

Papers/100FTE

Великобритания Германия Китай

Россия США Франция

Южная Корея Япония -- OECD

Рис. 19. Изменение количества статей в Web of Science

на 100 научных работников по странам

Рис. 20. Изменение количества соавторов

всреднем в одной научной статье

[Börner et al., 2004]

архивах — репозиториях научных публика-

ций, наиболее известными из которых яв-

ляются PubMed или arXiv.

В связи с этим встает вопрос «контроля

качества» журналов открытого доступа,

их соответствия общепринятым нормам

публикационной этики и, соответственно,

доверия к опубликованным в них материа-

лам. Весьма интересным с этой точки зре-

ния является подход библиотекаря из Уни-

верситета Колорадо Джеффри Белла, ана-

лизирующего журналы открытого доступа

и издательства по признакам соответ-

ствия публикационной этике [Beall,2012].

116

Порезультатам анализа цитирования жур-

налов (в том числе самоцитирования, вза-

имного цитирования журналов, издавае-

мых одним издателем, нарушений правил

рецензирования, недостоверных сведений

о редакционной коллегии журнала ит.д.)

составляется постоянно обновляемый

«список Белла»1, при этом попадание жур-

нала в данный список достаточно часто

является одним из оснований исключе-

ния журнала из международного индекса

цитирований. Так, например, в 2013 г. из

Journal Citation Report был исключен Life

Science Journal, издаваемый находящимся

в списке Белла издательством Marsland

Press. Втом же 2013г. был поставлен сво-

еобразный рекорд — за манипуляции с

цитированиями из Journal Citation Report

были исключены 66 журналов2.

Как бы то ни было, количество научных

публикаций в настоящее время уже так вы-

росло, что ученый просто не в состоянии

прочитать даже все публикации по своей

узкой специальности, не то что отслежи-

вать публикации в смежных областях зна-

ний, что крайне необходимо при постоян-

но повышающейся междисциплинарности

исследований.

3.2. Базы данных публикаций

какинструменты поиска ианализа

Когда количество научных журналов

вмире превысило 300, начали появляться

первые реферативные журналы, облегча-

ющие ученым поиск необходимой инфор-

мации. В конце XIX в. появились первые

указатели — индекс юридических доку-

ментов Shepard’s Citations и Index Medicus,

1http://scholarlyoa.com

2http://blogs.nature.com/news/2013/06/new-record-

66-journals-banned-for-boosting-impact-factor-with-

self-citations.html

однако настоящая революция в этом плане

произошла в 1960г., когда Ю.Гарфилд ор-

ганизовал Институт научной информации,

впервые начавший составлять машиночи-

таемый индекс научных публикаций с воз-

можностью учета цитирований. На основе

созданных баз данных научных публика-

ций стало возможным проводить масштаб-

ные исследования, связанные с анализом

цитируемости.

Существующие библиотечные базы дан-

ных можно разделить на несколько типов:

- библиографические, содержащие толь-

ко библиографические записи;

- реферативные, содержащие рефераты

(аннотации) публикаций и иную дополни-

тельную информацию о документе;

- полнотекстовые, содержащие, как следу-

ет из названия, полные тексты включенных

в базу данных документов;

- комбинированные.

Указатели (индексы) цитирования на-

учных статей представляют собой, как

правило, реферативные базы данных, со-

держащие дополнительно количествен-

ную информацию о цитировании статей,

извлеченную из пристатейных списков

литературы.

База данных Science Citation Index, раз-

работанная в Институте научной информа-

ции Ю.Гарфилдом, была запущена в 1964г.,

чуть позже появились Social Sciences

Citation Index (1973) и Arts & Humanities

Citation Index (1978). В этих базах индекси-

руются все без исключения типы публика-

ций в основных научных журналах, строго

отбираемых по правилам, с которыми мож-

но ознакомиться на сайте3. В1990г. нача-

лось составление Conference proceedings

Citation Index— Science и Social Sciences and

3http://wokinfo.com/russian/editors/

117

Humanities. С 1997г. эти базы данных ста-

ли доступны в сети Интернет на платфор-

ме ISI Web of Knowledge (с января 2014г.—

платформа Web of Science). С2010г. нача-

лось индексирование книг (Book Citation

Index— Science и Social Science, с архивом

начиная с 2005г.). Эти 7 указателей, а так-

же 2 химических индекса (Current Chemical

Reactions и Index Chemicus) объединены

вбазу данных Web of Science Core Collection

(до 2014г.— Web of Science)4, 5.

Эти базы данных являются рефератив-

ными, и структура их дает возможность

проводить анализ и поиск по названиям

публикаций, авторам, ключевым словам,

аффилиации авторов, названиям журна-

лов и конференций, предметным категори-

ям иисследовательским областям. Списки

процитированной литературы индексиру-

ются в отдельных базах данных, что позво-

ляет по ним проводить независимый поиск

и обнаруживать ссылки даже на те источ-

ники, индексация которых в Web of Science

Core Collection не проводится.

Индексация как самих статей, так и при-

статейных списков литературы позволяет

осуществлять автоматический учет цити-

рований для всех проиндексированных

документов. На основании этих данных

рассчитываются показатели журналов,

рассчитываются основные индикаторы по

научным областям, становится возможным

анализ показателей цитирования для лю-

бых наборов публикаций за любой период

времени— для отдельных авторов, органи-

заций, стран и т. д.

4См. подробное описание Web of Science Core

Collection в главе 2. Библиометрические индикаторы

вресурсах Thomson Reuters.

5Подробнее об особенностях всех баз данных, раз-

мещенных на платформе Web of Science, см. далее

вразделе 3.8. Важность источника информации о пу-

бликациях для оценки научной деятельности.

Кроме Web of Science Core Collection на

платформе Web of Science расположены

идругие ресурсы, доступ к которым зависит

от подписки организации:

- Biological Abstracts;

- Biosis Citation Index;

- CAB Abstracts;

- Cab Global Health;

- Current Contents Connect;

- Data Citation Index;

- Derwent Innovations Index;

- Food Science Technology Abstracts;

- Inspec;

- Medline;

- Zoological Record.

Новым этапом в развитии платформы

Web of Science стало размещение на ней

региональных баз данных (указателей)

научного цитирования. Региональные

указатели научного цитирования индек-

сируют наиболее значимые источники

научных публикаций в своих странах или

регионах. В отличие от Web of Science

Core Collection, большинство публикаций,

индексируемых в региональных указа-

телях, опубликованы не на английском

языке. В 2009 г. на платформе Web of

Science был размещен указатель китай-

ских научных публикаций Chinese Science

Citation Database, в 2013 г. — указатель

научной литературы на испанском ипор-

тугальском языках SciELO Citation Index

и в2014 г. — корейский указатель KCI —

Korean Citation Index. В сентябре 2014 г.

компания Thomson Reuters объявила

о начале работы по созданию, совмест-

но с Научной электронной библиотекой

eLIBRARY.RU, российского указателя

научного цитирования Russian Science

Citation Index, который также будет разме-

щен на платформе Web of Science. В рос-

сийском указателе научного цитирования

118

будут индексироваться лучшие научные

журналы из России и стран СНГ.

По всем базам, имеющимся в доступе

пользователей, можно осуществлять по-

иск информации как одновременно, так

ипо каждой базе в отдельности. При этом

в некоторых из баз данных, размещенных

на платформе Web of Science, учитывает-

ся цитирование (например, в BIOSIS или

Data Citation Index), а в некоторых – нет

(например, в Inspec или Medline).

Осуществив только один поиск информа-

ции по ключевым словам, например, иссле-

дователь получит не только список проиндек-

сированных документов, но еще и огромное

количество полезной для себя информации:

1. В какие годы наиболее активно про-

водились исследования по интересующей

тематике?

2. В каких странах и исследовательских

организациях исследуется проблема?

3. Какие исследователи наиболее активно

работают в интересующей области?

4. Какие журналы публикуют работы, по-

священные интересующей теме, и в каких

журналах публикуют самые читаемые (ци-

тируемые) работы?

5. Какие фонды поддерживают исследо-

вания по данной тематике?

6. На каких конференциях можно пред-

ставить результаты своей работы?

Получив ответы на данные вопросы, ис-

следователь сможет оптимальным обра-

зом спланировать свою работу, выстроить

стратегию сотрудничества и стратегию

публикаций.

Первичной единицей измерения во всех

случаях является отдельно взятая статья,

для которой можно измерить как количество

ссылок в приведенном списке использован-

ной литературы, так и впоследствии коли-

чество цитирований. Исследуя наборы ста-

тей для автора, журнала, научной области,

организации, страны и т. д., можно вывести

различные статистические параметры, ха-

рактерные для исследуемых субъектов ипо-

зволяющие делать выводы и предсказания с

использованием известных статистических

законов. Как отмечал Д.Прайс, множество

научных статей подобно газу, где каждая

молекула ведет себя самостоятельно, но по-

ведение газа в целом подчиняется вполне

определенным законам иможет быть легко

предсказуемо [Price, 1965].

3.3. Природа цитирования

В работах по истории и социологии на-

уки ведется много споров о природе цити-

рования, о мотивации ученых при выборе

статей, на которые они ссылаются в своих

работах, о значимости тех или иных ссы-

лок и их классификации. Подробный об-

зор работ, посвященных этой теме, можно

найти в книге «Анализ цитирования в би-

блиометрии» [Бредихин, Кузнецов, Щерба-

кова, 2013]. С точки зрения научной этики

наиболее взвешенной является норматив-

ная теория цитирования, построенная на

сформулированных в 1973 г. Р. Мертоном

принципах научной этики [Merton, 1973].

Они заключаются в том, что 1) ученый путем

119

публикаций передает плоды своих трудов в

общее пользование, 2) оценка научного зна-

чения не зависит от того, кто сделал науч-

ный вклад, т.е.независимость результатов

научных исследований от национальности,

классовой принадлежности или личных ка-

честв ученого, 3) бескорыстность научной

деятельности, т.е. недопустимость влияния

на представленные результаты или оценку

или умалчивание чужих результатов, спо-

собствующих собственной выгоде, 4) орга-

низованный скептицизм, т. е. критичность

как к собственным, так и чужим результа-

там. Если основываться на этих постулатах,

то ссылки в научных работах делаются для

того, чтобы обозначить работы, являющие-

ся основой для излагаемого исследования,

описывающие использованные методы ис-

следования, связанные тематически и не-

обходимые для обсуждения полученных

результатов. Таким образом, исследователи

цитируют те материалы, которые подтвер-

дили для них свою ценность.

Кроме нормативной теории цитирования

следует отметить также существование со-

циальной конструктивистской теории цити-

рования [Latour, Woolgar, 1986], суть которой

состоит в том, что цитирования являются

способом убеждения читателя, для чего

авторы часто ссылаются на работы автори-

тетных ученых вместо выбора наиболее ре-

левантных ссылок для придания веса свой

работе. Такой подход слабо соотносится

снормами научной этики и, по сути, апри-

ори обвиняет авторов в намеренной фаль-

сификации, некорректном цитировании

иумалчивании существующих данных.

Концепция гандикапа, на основе которой

разработано обоснование цитирований Ни-

колайсеном [Nicolaisen, 2004], во многом

перекликается с конструктивистской тео-

рией цитирования, предполагая, что уве-

личивая количество ссылок в статье, автор

придает своему тексту дополнительный вес,

независимо от того, насколько ссылки по

смыслу связаны с излагаемым материалом.

Рефлексивная теория цитирования

[Wouters, 1998; Wouters, 1999] основывает-

ся на различной интерпретации терминов

«библиографическая ссылка» и «цитиро-

вание». Цитаты рассматриваются в каче-

стве индикаторов, создающих формализо-

ванное представление науки, и в первую

очередь следует учитывать не причины,

заставившие автора процитировать ту или

иную работу, а то, как цитаты отражают ха-

рактеристики науки. Воутерс предлагает

определение науки как информационно-

го цикла, состоящего из цикла экспертной

оценки и цикла цитирований. Появление

библиометрических индикаторов снижа-

ет роль экспертизы в оценке публикаций,

поскольку научная публикация может из-

меряться спомощью анализа цитирования

или семантического анализа (по совпадаю-

щим словам, словосочетаниям). Такой под-

ход позволяет создать основу для формиро-

вания связей между публикациями и даль-

нейшего создания карт науки.

При рассмотрении различных теорий

цитирования нельзя не упомянуть эффект

Матфея, проанализированный социоло-

гом Р. Мертоном [Merton, 1968]. В общем

случае это феномен неравномерного

распределения преимуществ, в котором

сторона, уже ими обладающая, продол-

жает их накапливать и приумножать, в то

время как другая, изначально ограничен-

ная, оказывается обделена еще сильнее

и, следовательно, имеет меньшие шан-

сы на дальнейший успех. В применении

кнауке эффект Матфея заключается, во-

первых, в том, что известные ученые полу-

чают высокое признание за исследования,

120

Цитирование

Одобритель-

ное

Существенное

Дополни-

тельное

Основное

Вспомога-

тельное

Неформаль-

ное

Формальное

Полное

Частичное

Негативное

Рис. 21. Типы цитирований

которые не всегда могут считаться значи-

мыми, тогда как неизвестные специали-

сты за аналогичные результаты получают

гораздо меньшее признание, во-вторых,

втом, что работа, получившая признание,

превращается в «прецедентный текст»,

воспринимающийся не с точки зрения его

содержания, а с точки зрения его консти-

туированного «значения».

В 90-х гг. группа под руководством

М. Боница обнаружила явление, которое

они назвали эффектом Матфея для стран

[Bonitz etal., 1997; Bonitz et al., 1999; Bonitz,

Scharnhorst, 2001], который заключается

втом, что если ученые страны публикуются

в престижных изданиях, то, скорее всего,

они получат в среднем больше цитирова-

ний, чем предполагает средняя цитируе-

мость журнала. Исследователями было вве-

дено понятие «индекса Матфея», представ-

ляющего собой частное от деления средней

цитируемости авторов конкретной страны

в журнале за вычетом средней цитируемо-

сти по журналу в целом на среднюю цити-

руемость журнала. Если индекс оказывает-

ся больше нуля, то страну цитируют выше

нормы, и наоборот. В.В.Писляков в работе

2009 г. исследовал проявление эффекта

Матфея для российских авторов на приме-

ре журналов, индексируемых в базе данных

Web of Science в области физики и химии.

Было показано значительное положитель-

ное влияние международного сотрудниче-

ства на цитируемость отечественных статей

в зарубежных журналах [Писляков, Дьячен-

ко, 2009].

Возможность сравнительно легкого учета

цитирований статей после появления ком-

пьютерных баз данных приводит ксоблазну

для администраторов науки использовать

их как показатели качества статей или эф-

фективности работы ученых, научных кол-

лективов, организаций и т.д. Однако если

вдуматься, то количество цитирований

скорее является не показателем качества,

а показателем полезности или влияния.

Так, большое количество ссылок на методи-

ческую работу часто обусловлено большим

распространением предложенного авто-

ром метода исследования, хотя саму статью

большинство из цитирующих, возможно,

ине читали – такие ссылки чаще всего яв-

ляются формальными.

В связи с разными подходами возникает

проблема о неравнозначности веса раз-

личных ссылок для оценки публикаций.

В общем виде различные типы цитирова-

ний можно представить следующей схемой

[Chubin, Moitra, 1975] (рис. 21):

Проведенный в соответствии с этой схе-

мой анализ библиографических ссылок из

статей по физике, опубликованных в пери-

од 1968–1969 гг., показал, что только 20%

ссылок были формальными и около 5%—

негативными. В любом случае наличие

даже негативной ссылки означает опреде-

ленный интерес к предмету исследования,

т.е.ссылка любого типа ценна для анализа

трендов развития научных направлений.

121

Поскольку характер цитирования можно

определить только при проведении тща-

тельного анализа статьи и цитируемых

вней материалов, то становится практиче-

ски невозможным автоматический учет ци-

тирований с приданием им, в зависимости

от типа ссылки, какого-то веса. Поэтому при

автоматическом определении индикаторов

все ссылки и цитирования в настоящее вре-

мя учитываются как равнозначные.

Отдельно следует упомянуть такой тип

цитирования, как «самоцитирование».

Это понятие имеет совершенно разный

смысл изначение в применении к разным

объектам. Если речь идет о самоцитирова-

нии автора, то причины этого могут быть

либо в упоминании необходимых для по-

нимания работы ранее опубликованных

материалов автора, либо в желании «на-

крутить» таким образом свои показате-

ли цитирования (что, по сути, является

нарушением принципа бескорыстности,

описанного выше). Еще более сложным

является определение самоцитирования

в статьях с несколькими соавторами. В от-

ношении журнала «самоцитированием»

является цитирование статей, опублико-

ванных в том же журнале, что также мо-

жет быть вполне оправданным и добро-

совестным, а может быть следствием по-

пыток «накрутки» показателей журнала

или сигналом того, что данный журнал

читают только те, кто публикует там статьи

(оразличии между коэффициентами «са-

моцитируемости» и «самоцитирования»

см.раздел 2.4). Примерно так же обстоит

дело ивслучае самоцитирований по отно-

шению к научной организации. Нормаль-

ным считается во всех случаях самоцити-

рование в пределах 30 %, значительное

превышение этой величины требует уже

отдельного рассмотрения причин.

3.4. Анализ цитирования

Анализ цитирования не сводится к про-

стому подсчету количества цитирований

отдельной статьи или статей автора, орга-

низации и т. д., хотя даже это может дать

достаточное количество информации для

определения актуальности или важности

исследований. Анализ цитирований позво-

ляет установить связи между документами,

на основании которых могут быть выделены

кластеры работ, связанных по тематике, что

является основой для составления карт на-

уки. Связи между документами могут отсле-

живаться как ретроспективно (назад), так

ипроспективно (вперед). Каждая статья со-

держит список процитированной литерату-

ры и, в свою очередь, в дальнейшем может

быть процитирована в других работах.

В основу метода «библиографическо-

го сочетания», предложенного Кесслером

[Kessler, 1963], положен принцип выделе-

ния взаимосвязи между статьями на осно-

вании совпадений в списках цитируемой

литературы. Чем больше таких совпадений,

тем более тесно связаны между собой дан-

ные статьи. Подобный ретроспективный

анализ возможно проводить независимо

от языка публикаций, для него не требует-

ся экспертная оценка, выявленные сочета-

ния изменяются в зависимости от времени

с появлением новых документов, доступ-

ных для анализа.

Похожий метод практически одновремен-

но был предложен в СССР и США [Марша-

кова, 1973; Small, 1973]. Это метод анализа

ко-цитирования, основанный на том, что

между документами имеется связь, если

эти документы цитируются в опубликован-

ных позднее документах. Это уже проспек-

тивная связь, которая может быть просле-

жена не сразу после опубликования доку-

ментов, а по мере появления цитирующих

122

эти документы публикаций. Если в случае

ретроспективного анализа один раз уста-

новленная связь остается постоянной и

могут только добавляться документы, при-

надлежащие группе (кластеру) публикаций,

то в случае проспективного анализа могут

появляться новые связи между ранее опу-

бликованными документами. Как и в случае

ретроспективного анализа цитирований,

сила связи между документами зависит от

количества работ, одновременно цитирую-

щих рассматриваемые.

Описанные кратко методы анализа цити-

рований широко применяются при постро-

ении карт науки. Например, исследователь-

ские фронты (research fronts), представлен-

ные в разделе базы данных Essential Science

Indicators на платформе InCites, построены

с использованием метода ко-цитирования.

Однако значительно более часто иссле-

дователи сталкиваются с более простыми

методами учета и анализа цитирований,

основанными, например, на подсчете полу-

ченных цитирований и дальнейшем их нор-

мировании на количество процитирован-

ных документов.

Здесь следует обратить внимание на то,

что цитирования различных документов

и в разных областях знаний сильно раз-

личаются, поэтому некорректно проводить

просто сравнение основанных на цитиро-

вании показателей без учета особенностей.

В журналах в настоящее время выде-

ляют разные типы документов — статьи

(Articles), обзоры (Reviews), короткие со-

общения, письма, редакционные матери-

алы, материалы конференций и т. д. Эти

документы различаются как по длине

списков цитируемой литературы (или их

отсутствию, как в большинстве редакцион-

ных или новостных материалов), так и по

частоте и длительности их цитирования.

Значительно различаются данные пара-

метры и в различных областях знаний,

причем здесь появляется еще и дополни-

тельный фактор — отличия в типе цити-

руемых документов. Все это необходимо

учитывать при сравнительном анализе

показателей цитирования разных ученых,

журналов, организаций и т. д.

Показатели цитирования можно рассма-

тривать в применении к разным субъектам,

ивкаждом случае они будут иметь свои осо-

бенности, хотя методы определения могут

быть одинаковыми или похожими.

3.5. Показатели научных журналов

По отношению к журналам впервые ана-

лиз цитирования был применен в начале

ХХ в. для решения проблем комплектова-

ния библиотек периодическими журнала-

ми. Гросс и Гросс [Gross, Gross, 1927], иссле-

дуя библиографические ссылки в ведущем

на тот момент издании по химии The Journal

of the American Chemical Society, предло-

жили использовать частоту цитируемости

различных журналов для их ранжирования.

Данное исследование стало отправной точ-

кой для серии работ, которые привели кпо-

явлению метрики, получившей название

«импакт-фактор» (т. е. фактор влияния). Эта

метрика была разработана с целью выяв-

ления наиболее значимых журналов вкон-

кретной области исследования. В 1955 г.

вышла работа Юджина Гарфилда [Garﬁeld,

1955], в которой изложен подход к вычисле-

нию метрики «импакт-фактор научных жур-

налов», используемый до настоящего вре-

мени и представляемый ежегодно начиная

с 1975г. вотчетах по цитированию научных

журналов (Journal Citation Reports), выхо-

дивших сначала в бумажном виде, а в на-

стоящее время доступных на информацион-

но-аналитической платформе InCites.

123

Подробное описание различных библи-

ометрических индикаторов, характеризу-

ющих научные журналы, дано в главе «Би-

блиометрические индикаторы в ресурсах

Thomson Reuters», здесь же приведем ин-

формацию о других возможных способах

оценки качества журналов, разработанных

с целью избежать недостатков импакт-фак-

тора и позволяющих сравнивать уровень

журналов в разных научных дисциплинах.

SJR (Scimago journal rank) учитывает,

как и Eigenfactor, влиятельность ссылок,

т. е. ссылка из престижного журнала учи-

тывается с большим весом, чем ссылка из

менее престижного. Кроме того, самоци-

тирования журнала в этом расчете учиты-

ваются только на 33 % [González-Pereira,

Guerrero-Bote, Moya-Anegón, 2010; Guerrero-

Bote, Moya-Anegón, 2012]. Для расчета ис-

пользуется процедура, сходная с алгорит-

мом Google PageRank™ [Page et al., 1998].

Исходно каждому журналу присваивается

ранг, равный1, который в дальнейшем рас-

пределяется между журналами, в кото-

рых цитируются статьи данного журнала,

пропорционально количеству получен-

ных цитирований. Соответственно после

определенного количества циклов таких

перераспределений рангов максимальное

значение показателя для дальнейшего рас-

пределения между журналами оказывается

у самого влиятельного журнала, получаю-

щего максимальное количество цитирова-

ний. Соответственно одно цитирование из

такого журнала оказывается значительно

весомее, чем цитирование из менее пре-

стижного журнала, который только разда-

ет цитирования, но не получает их взамен.

При расчете этого показателя устанавлива-

ется окно цитирования 3 года. Полученный

«престиж» для получения окончательного

значения SJR нормируется на количество

опубликованных в журнале документов.

Таким образом, данный показатель оказы-

вается независим от области знаний и учи-

тывает уровень журналов, из которых посту-

пают цитирования.

Еще одним показателем, призванным

компенсировать недостатки классическо-

го импакт-фактора, является SNIP (Source

Normalized Impact per paper) [Moed, 2010].

Ключевым в расчете данного показателя

является определение потенциала ци-

тирования журнала. Это осуществляет-

ся путем определения индивидуального

окружения журнала, т. е. для исследуемого

журнала определяются все журналы, в ко-

торых за период в последние 10 лет встре-

чаются цитирования статей, опубликован-

ных в исследуемом журнале, и вычисляется

средняя длина списков литературы в цити-

рующих статьях. При обработке данных по

спискам литературы из них исключаются

все ссылки, которые ведут за пределы ба-

зы данных, по которой рассчитываются

показатели. Таким образом, учитываются

различия в традициях цитирования в раз-

ных областях знаний. Вычисленный стан-

дартным образом 3-летний импакт-фактор

делится на потенциал цитирования, ита-

ким образом получаем независимый от

области знаний показатель рейтинговости

журнала. Корректность определения по-

тенциала цитирования зависит от полно-

ты базы данных, на основании которой он

рассчитывается: если статьи из исследу-

емого журнала цитируются в источниках,

не попадающих в индексируемые, то по-

тенциал цитирования окажется недооце-

ненным, поэтому уровень покрытия науч-

ных областей в базе данных оказывается

решающим фактором для расчета данного

показателя. Для учета возможного недо-

статочного покрытия области для расчета

124

Рис. 22. Распределение авторов по количеству

публикаций в разных научных областях

[Прайс, 1963]

1000

500

200

100

10 1

510 20 50

Число публикаций на автора

потенциала цитирования берутся ссылки

только на журналы, присутствующие в базе

данных, а ссылки на отсутствующие источ-

ники игнорируются.

Следует отметить, что для расчета по-

казателей SJR и SNIP в числителе и зна-

менателе учитываются одинаковые типы

документов (articles, conference proceedings

papers и reviews), а расчет осуществляется

по базе данных Scopus.

Знание различных наукометрических по-

казателей журнала позволяет исследова-

телю разработать для себя оптимальную

стратегию публикаций, выбирая наиболее

подходящие журналы как по научной спе-

циализации, так и по их престижности.

3.6. Показатели для ученых

иорганизаций

Для оценки результативности научной

деятельности ученых и организаций чаще

всего используют такие простые показате-

ли, как количество опубликованных работ,

общее количество их цитирований и сред-

нее количество цитирований на одну публи-

кацию. Если сравнивать данные показатели

за конкретный период времени и в одной

и той же области, то можно более или ме-

нее адекватно построить рейтинг ученых,

а дополнительное нормирование для ор-

ганизаций на количество ученых позволит

построить и рейтинг организаций по их со-

вокупной научной продуктивности. Однако

в данном случае также имеется довольно

сильная зависимость от области знаний, что

не позволяет таким простым образом срав-

нивать ученых и организации из разных на-

учных областей [Price, 1963].

Еще в работе Д. Прайса была отмечена

общая закономерность для распределе-

ния авторов по количеству написанных

статей, свидетельствующая о том, что 25%

авторов производят 75% статей. На рис.22

представлено число публикаций для четы-

рех групп высокопродуктивных авторов:

1) члены Национальной академии наук,

2)19 выдающихся ученых XIX в., 3)наибо-

лее продуктивные авторы-химики, 4) ав-

торы по указателю «Ученых записок Коро-

левского общества».

То же самое распределение мы получим,

анализируя авторов, объединенных любым

признаком. На рис. 33–35 представлено

в аналогичном формате распределение

российских авторов по научным областям

(рис. 33, см. с. 185) и по городам (рис. 34,

см. с. 186) по данным РИНЦ, а также рас-

пределение авторов по количеству публи-

каций по данным Core Collection Web of

Science (рис.35, см.с.186) за 2000–2014гг.

(всего, по США, по предметной категории

Biochemistry molecular biology — в мире,

США и Калифорнийском университете).

125

Таким образом, статистически распреде-

ление является общим для любой совокуп-

ности авторов и очень похоже на уже упоми-

навшийся закон Парето.

В работе В. В. Налимова и З. М. Мульченко

[Налимов, Мульченко, 1969] — основопола-

гающем труде по наукометрии — отмеча-

ется, что оценка деятельности ученых по

суммарному числу публикаций приносит

большой вред науке, поскольку из того, что

талантливые ученые публиковали много

работ, совершенно не следует обратное: что

любой, опубликовавший много работ, явля-

ется талантливым ученым. Следовательно,

просто количество публикаций нельзя счи-

тать критерием эффективности ученого.

Принимая то, что мерой полезности публи-

кации является ее цитируемость, становит-

ся возможным производить сравнительную

оценку работ разных ученых.

Широко распространенное возражение

против оценки работ ученых по цитируе-

мости их публикаций, связанное с учетом

отрицательных цитирований, В. В. Нали-

мов считает несущественным. Он отмечает,

что «внауках, не имеющих острой полити-

ческой направленности, не нужно прово-

дить разграничения между положитель-

ным иотрицательным цитированием. Если

работа цитируется, значит, высказанные

в ней идеи послужили толчком для раз-

вития новых работ. И с этой точки зрения

неважно, продолжают ли исходные идеи

развиваться или они радикально пере-

осмысливаются». Второе возражение —

о возможном запаздывании признания

некоторых работ — остается неснятым, од-

нако и учесть это каким-либо образом ока-

зывается невозможно.

В подтверждение возможности исполь-

зовать критерий цитируемости вкачестве

оценки эффективности работы ученого

В. В. Налимов и З. М. Мульченко приво-

дят работу американских исследователей,

показавшую, что уровень цитируемости

ученых-физиков хорошо согласуется с экс-

пертной оценкой, проведенной предста-

вителями академического сообщества, на

основании которой исследуемые ученые

были разбиты на 4 группы — «плодотворно

работающие ученые» (много печатаются

и часто цитируются), «плодовитые физи-

ки» (много пишут, но редко цитируются),

«физики-новаторы» (сравнительно мало

печатаются, но каждая из работ много ци-

тируется) и «молчаливые физики» (мало

печатаются и редко цитируются).

Похожее исследование, позволяющее

выделить группы ученых по их цитируемо-

сти, по анализу цитируемости академиков

АНСССР по разным научным дисциплинам

было проведено в МГУ. Российским же уче-

ным Р. Ф. Васильевым было введено поня-

тие средней частоты цитирования С/Р (С—

полное число ссылок на работы ученого,

Р— полное число его работ) и показано, что

эта величина не определяется возрастом

или известностью ученого.

Следует, однако, отметить, что все срав-

нительные исследования цитируемости

ученых или средней частоты цитирования

проводились в пределах одной и той же

области знаний. Если обратиться к приве-

денной в разделе в базе данных Essential

Science Indicators таблице среднего цитиро-

вания статей по областям знаний (Average

Citation Rates for papers published by ﬁeld,

2004–2014), то видно, насколько сильно

различаются средние показатели цитируе-

мости по разным областям.

В связи с этим для сравнения ученых

разных специальностей необходимо при-

менять более сложные подходы и алгорит-

мы, учитывающие существующие отличия

126

в среднем уровне цитируемости, точно так

же, как это делается и для сравнения жур-

налов из разных областей знаний.

Для выявления особо высокоцитируемых

статей в разделе Essential Science Indicators

есть таблица, позволяющая определить,

что статья, опубликованная в конкретном

году, относится к 0,01 % или 1 % наиболее

цитируемых в конкретной области знаний

(таблица процентилей). Соответственно по

этому параметру, а именно по параметру

попадания в определенный интервал про-

центилей, возможно осуществлять срав-

нение статей из разных областей знаний.

Однако для сравнения наборов публикаций

(ученого, группы, организации, страны) та-

кой подход является крайне трудоемким,

поскольку, во-первых, напрямую применим

котдельным статьям, и, во-вторых, данные

по процентилям представлены в данном

разделе за последние 10 лет, т. е. ранее опу-

бликованные статьи самостоятельно про-

анализировать нельзя.

При сравнении показателей цитируемо-

сти ученых даже в одной и той же области

также возникает масса проблем. Предпо-

ложим, что двое ученых имеют одинаковое

количество публикаций и совокупно одина-

ковое количество цитирований, т. е. пока-

затель средней частоты цитирования у них

127

также будет совпадать. Однако распределе-

ние статей по количеству цитирований раз-

личается — у одного ученого из 50 публи-

каций с общим количеством цитирований

500 есть несколько очень высокоцитируе-

мых публикаций при низком цитировании

(или их отсутствии) остальных публикаций,

а у другого цитирования распределены

между статьями более равномерно. Как

определить, какой из авторов работает

эффективнее?

3.6.1. Индекс Хирша

В 2005 г., решая проблему выбора кан-

дидатов на должность профессора физи-

ки, американский физик Хорхе Хирш из

Университета Сан-Диего предложил вве-

сти новый индикатор, который призван

учитывать не только количество статей

ицитирований, но и распределение статей

по количеству полученных цитирований

[Hirsch, 2005]. Этот индекс получил назва-

ние индекса Хирша (h-индекс) и представ-

ляет собой количественную характеристи-

ку продуктивности ученого, основанную

на распределении цитирований его работ.

Подробное описание индекса Хирша и не-

которых «хирш-подобных» показателей

уже приведено в главе «Библиометри-

ческие индикаторы в ресурсах Thomson

Reuters», поэтому в данном разделе сосре-

доточимся на особенностях использования

этого индикатора, а также не упоминав-

шихся ранее его вариациях.

Первые по порядку h публикаций,

т. е. наиболее цитируемые публикации,

составляют ядро Хирша. В своей работе

Хирш исследовал публикации американ-

ских физиков иустановил, что индекс Хир-

ша порядка 10–12 соответствует постоян-

ной исследовательской позиции в крупном

университете, 15–20 — членству в Амери-

канском физическом обществе, а индекс45

и выше — членству в Национальной акаде-

мии наук США.

Следует отметить, что индекс Хирша, хоть

и достаточно хорошо отражает уровень уче-

ного, в сильной степени зависит от области

знаний и других факторов, как, впрочем,

и практически все наукометрические по-

казатели. Если посмотреть индексы Хирша

ученых разных специальностей, входящих

вперечень наиболее цитируемых ученых по

версии ресурса Highlycited.com, то получим

следующую картину (см. табл. 4).

Таким образом, сравнивать эффектив-

ность работы ученых по индексу Хир-

ша можно только в пределах одной и той

же области знаний. Кроме того, априори

понятно, что величина индекса Хирша

ограничена сверху общим количеством

публикаций ученого, т. е. при наличии

Nпубликаций, пусть даже и очень высоко-

цитируемых, индекс Хирша никак не может

оказаться выше N.

Интуитивно понятно, что этот индекс за-

висит и от длительности работы ученого,

т. е. от его «академического возраста».

На следующем графике, составленном по

данным популярного российского ресурса

«Кто есть кто в российской науке»6, хоро-

шо видна тенденция к снижению индекса

Хирша у ученых с меньшим «академиче-

ским возрастом», который здесь определя-

ется по дате первой публикации в Web of

ScienceСС(рис. 23).

Индекс Хирша может быть определен

для любого набора статей — для отдельно-

го ученого, для организации, для журнала

и т. д. Во всех этих случаях не учитывается

вклад в общее цитирование самых высоко-

цитируемых публикаций, т. е. если в хирш-

ядро у разных авторов входят одинаковое

6http://www.expertcorps.ru/science/whoiswho/.

128

Таблица 4

Индексы Хирша ученых разных специальностей

Предметная область Индекс Хирша наиболее цитируемого ученого

Biology & Biochemistry 114

Neuroscience 93

Plant & Animal Science 69

Physics 63

Geoscience 56

Mathematics 47

Computer Science 26

Рис. 23. Зависимость индекса Хирша

от «академического возраста» ученого

количество публикаций, то их суммарное

цитирование не оказывает никакого вли-

яния на собственно индекс Хирша. К су-

щественным недостаткам индекса Хирша

относят также то, что он не учитывает ко-

личество соавторов в публикациях (что

весьма существенно в связи с постоянным

ростом количества соавторов и появлени-

ем статей, количество авторов в которых

измеряется тысячами), не может убывать

во времени (т. е. фактическое прекраще-

ние активной научной деятельности никак

не влияет на изменение уже достигнутого

показателя), является по определению це-

лым числом (снижается точность измере-

ния), не учитывает тип документа, особен-

ности цитирования в различных научных

областях и т. д.

Для компенсации указанных недостатков

к настоящему времени разработано уже

около сотни различных вариаций индекса

Хирша. Приведем здесь только некоторые

из наиболее часто используемых.

Первые вариации были предложены са-

мим Хиршем в исходной статье. С целью

учета «выбросов», которые дают публика-

ции с большим количеством цитирований,

а также публикации с меньшим числом

цитирований, им был предложен a-индекс,

являющийся отношением количества всех

цитирований автора (Nc,tot) к квадрату ин-

декса Хирша:

а = Nc,tot/h2.

Предложенный в той же статье m-индекс

дает возможность учесть длительность ка-

рьеры ученого и представляет собой част-

ное от деления индекса Хирша на количе-

ство лет научной карьеры, например, от

начала публикаций. Это оказывается более

или менее верно при условии достаточно

равномерной научной карьеры со стабиль-

ным количеством публикаций примерно

одинакового качества.

Недооценку цитирований в h-ядре пред-

лагается устранить путем введения комби-

129

нированного hg-индекса [Alonso et al., 2010],

представляющего собой геометрическое

среднее h-индекса и g-индекса: hg = h

×g.

Косновным достоинствам hg-индекса мож-

но отнести то, что он, во-первых, обеспе-

чивает большую степень детализации, чем

hиg, позволяя эффективнее оценивать

ученых, например в случае с одинаковым

значением h; во-вторых, смягчает влияние

часто цитируемых работ и обеспечивает

лучший баланс между влиянием большин-

ства лучших работ и небольшого количе-

ства высокоцитируемых работ.

Для учета цитируемости статей, входящих

в хирш-ядро, предлагается также дополни-

тельно рассчитывать среднее число ссы-

лок на статьи, входящие в хирш-ядро, или

определять медиану числа цитирований

hстатей, входящих в хирш-ядро публикаций

автора.

Количество соавторов публикаций воз-

можно учитывать путем расчета следующих

показателей:

- Individual h-index (original) — результат

деления стандартного h-индекса на сред-

нее число авторов в статьях, которые входят

в хирш-ядро публикаций. Этот показатель

призван уменьшить влияние на h-индекс

числа соавторов публикаций, которое, по

статистике, существенно отличается в раз-

личных областях знаний.

- Individual h-index (PoP variation) — вычис-

ление h-индекса, когда вместо полного чис-

ла цитирований каждой статьи использует-

ся отношение числа цитирований к числу

авторов публикации.

Существует также очень интересная вер-

сия иерархического индекса Хирша, кото-

рый используется для оценки публикаци-

онной продуктивности на разных уровнях,

т.е. для оценки совокупности исследовате-

лей, организации, страны, журнала и т.д.

Так, I-индекс [Prathap, 2006] определяется

путем упорядочивания по убыванию ин-

дексов Хирша ученых одной организации,

и по тому же принципу определяется пока-

затель для организации, т. е. I-индекс по-

казывает, что научная организация имеет

индекс I, если не менее I ученых из этой

организации имеют индекс Хирша не ме-

нее I. Аналогичным образом на следующем

уровне можно отранжировать все научные

организации страны ит.д.

3.7. Классификаторы,

используемые внауке

Поскольку многочисленные исследова-

ния показывают значительную зависимость

различных наукометрических показателей

от конкретной научной области, необхо-

димо определить, что же это такое и как

провести границу между различными на-

учными областями. Например, как отличить

физическую химию от химической физики

и что такое математическая биология —

больше биология или все-таки математика?

Эта проблема теснейшим образом связана

с созданием рубрикаторов, в первую очередь

рубрикаторов научно-технической информа-

ции. В России эта проблема встала довольно

остро при расширении издания рефератив-

ных журналов. В 1950-e гг. в информатике

рубрикаторами стали называть перечни ру-

брик реферативных журналов (РЖ) и дру-

гих периодических информационных из-

даний. В данном случае рубрика выполняет

более специальную функцию, выступая как

содержательный фрагмент РЖ или перио-

дического библиографического указателя,

и состоит из индекса и заголовка раздела,

атакже библиографических записей (с анно-

тациями или рефератами) тех произведений

печати, которые по своему содержанию отно-

сятся к данной рубрике. Подробно история

130

создания рубрикатора, теория и практиче-

ские применения описаны в книге «Рубри-

катор как инструмент информационной на-

вигации» [Гиляревский идр., 2008].

Основная задача рубрикаторов состоит

в удовлетворении потребностям двух раз-

ных взаимосвязанных информационных

потоков — потока научных публикаций ипо-

тока информационных запросов. Эти два

потока развиваются параллельно, но не-

синхронно, причем изменение структуры

потока запросов почти всегда опережает

изменение структуры документального по-

тока. В основном используются различного

вида систематические каталоги, построен-

ные либо по иерархическому принципу, ли-

бо по фасетному типу.

Все основные библиотечные классифи-

кации строятся на основе иерархического

«древа знаний» с выделением специальных

разделов и подразделов для систематиза-

ции особых видов книг. Этот принцип при-

меняется еще с античных времен. В Сред-

ние века классификация основывалась на

системе «семи свободных искусств» и со-

стояла из двух комплексов наук, изучавших-

ся в тогдашней школе: «тривиума» (грам-

матика, диалектика и риторика) и «квадри-

виума» (арифметика, геометрия, музыка

иастрономия). К концу XV в. в университет-

ских библиотеках начали применять груп-

пировку книг в соответствии с существовав-

шими факультетами — философским, меди-

цинским, юридическим и богословским, что

стало началом возникновения так называе-

мых факультетских систем классификации.

Среди разрабатываемых позднее следует

упомянуть одну из лучших классификаций

первой половины XIX в. — классификацию

К.Э.Бэра, в которой была предпринята од-

на из первых попыток расположить науки

в последовательности, отражающей исто-

рию развития мира: науки о неорганиче-

ской природе, науки об органической при-

роде, науки о человеке и обществе.

В 1876 г. американским библиотечным

деятелем М. Дьюи была предложена «деся-

тичная классификация», которая создала

базис для дальнейшей разработки различ-

ных систем автоматизации при классифи-

кации и поиске необходимой информации.

Он теоретически обосновал и практически

внедрил стандартизацию типовых делений

(литературная форма, вид издания и т. п.)

в различных разделах схемы и частично

лингвистических, этнических и географиче-

ских делений, использовав прием факуль-

тативного превращения в постоянные под-

разделения окончаний индексов разделов

«Филология» и «История». В 1905–1907гг.

на базе идей Дьюи была создана «Универ-

сальная десятичная классификация» (УДК).

Это пример классической иерархической

классификации, обладающей следующими

характерными чертами:

• универсальность, заключающаяся в ох-

вате всех отраслей знания;

• логическая ступенчатая индексация,

позволяющая неограниченно делить под-

классы без нарушения основной структу-

ры классификации;

• международная применимость благо-

даря использованию только цифровых де-

сятичных индексов, всем понятных илегко

запоминаемых;

•развитаясистемаопределителейиком-

бинационного построения индексов, обе-

спечивающих относительную гибкость при

отражении достаточно узких и сложных

понятий;

• устойчивый и четко организованный

международный механизм поддержания

классификации на уровне новых достиже-

ний науки.

131

Таблица 5

Фрагмент фасетной классификации по медицине

ФАСЕТЫ

Органы тела Проблемы медицины Уход и лечение

1. Органы в целом 1. Общие проблемы 1. Питание

2. Органы пищеварения

2.3. Пищевод

2.4. Желудок

2.5. Кишечник

2. Морфология 2. Этиология

3. Кровеносная система 3. Физиология 3. Диагностика

4. Органы дыхания

4.5. Легкие

4. Болезни

4.2. Инфекционные

4.2.1. Туберкулез

4. Лечение

Фасетная классификация была пред-

ложена индийским библиотековедом

Ш.Р. Ранганатаном в 1933 г. Создание фа-

сетных классификаций в первую очередь

было связано с потребностью читателей

отыскивать документ по специальной теме

«не только тогда, когда именно она явля-

ется непосредственным объектом поис-

ка, но также тогда, когда поиск ведется по

любому термину или группе терминов, вхо-

дящих всложное понятие. Для удовлетво-

рения этих требований необходимо, чтобы

не только понятия могли входить внеогра-

ниченное количество сочетаний, но также,

чтобы в структуре системы были отраже-

ны родовые связи понятий и связи между

разделами» [Ранганатан, 1970]. В качестве

примера можно привести построенные по

системе Ш.Р.Ранганатана фасеты ифокусы

из области медицины (табл. 5).

По этому фрагменту фасетной класси-

фикации индекс документа по диагности-

ке инфекционных заболеваний кишеч-

ника – 25:42:3, по лечению туберкулеза

легких – 45:421:4.

Предметные рубрикаторы распределяют

документы по предметам или понятиям, не

соотнося их с какими-либо областями зна-

ния. Предметный и классификационный

принципы организации документов, таким

образом, дополняют друг друга и облег-

чают поиски документов по разным типам

запросов.

Наиболее распространенный в России

Государственный рубрикатор научно-техни-

ческой информации (ГРНТИ) представляет

собой совмещение иерархического и фасет-

ного классификаторов. Первые два уров-

ня ГРНТИ представляют собой типичную

иерархическую классификацию, например:

— 02.00.00 Философия

— 02.01.00 Общие вопросы философии

— 02.11.00 Общие проблемы современной

философии и т. д.

На третьем уровне классификации появ-

ляются черты фасетной классификации: на-

пример, во всех рубриках код типа **.01.45

означает «Преподавание», а **.01.79 — «Ка-

дры» по соответствующей области.

Классификация документов по ГРНТИ

осуществляется, в частности, в Российском

индексе научного цитирования.

Еще один рубрикатор, построенный по ие-

рархическому принципу, часто используемый

132

для анализа научной деятельности, — это

номенклатура специальностей научных ра-

ботников. В основе этой номенклатуры ле-

жит дисциплинарная классификация наук

по их предметному содержанию, и именно

эта классификация представлена в иерар-

хическом виде. При этом вид присуждае-

мой степени, являющийся второй системой

классификации в данной номенклатуре, не

имеет своего кодового обозначения, а ха-

рактеризуется только словесно. Так, напри-

мер, в области «математических наук» ис-

следование характеризуется приоритетом

точных математических методов. В «тех-

нических науках» специфика заключается

в практическом приложении и внeдрении

полученных результатов в хозяйственную

практику. В области «педагогических наук»

специфика заключается в главной зада-

че— в распространении знаний в социаль-

ной среде.

Классификация наук в номенклатуре

специальностей научных работников двух-

или трехуровневая, причем трехуровневая

система есть не во всех специальностях.

Вдействующей в настоящее время номен-

клатуре есть еще и отсутствовавшая ранее

надуровневая классификация, выделяю-

щая группы специальностей — «Гумани-

тарные науки», «Искусствоведение и куль-

турология», «Социально-экономические

иобщественные науки».

Примерная схема классификации приве-

дена в табл. 6. Подробно до третьего уровня

в таблице приведены только специальности

в области математики.

Номенклатура ВАК через ГРНТИ сопряга-

ется с международной классификацией зна-

ния УДК, однако установить полное соответ-

ствие оказывается весьма затруднительно.

Из наиболее часто употребляемых между-

народных классификаций необходимо упо-

мянуть классификацию научных областей

Организации экономического сотрудниче-

ства и развития, которая в последнее время

используется все чаще для сравнительного

анализа развития науки в разных странах

(Frascati Fields of Science). В качестве верх-

него уровня классификации в ней выделено

шесть основных областей:

1. Естественные науки (Natural sciences).

2. Техника и технология (Engineering and

technology).

3. Медицинские науки (Medical sciences).

4. Сельскохозяйственные науки (Аgriсultu-

rаl sciences).

5. Общественные науки (Social sciences).

6. Гуманитарные знания (Humanities).

В последней версии этого рубрикато-

ра, утвержденной в 2006 г., на втором

уровне указанные области делятся еще

на 42 уровня, которые, в свою очередь,

детализированы еще больше. Основной

принцип данного рубрикатора состо-

ит в попытке сделать классификацию,

в максимальной степени совместимую

с имеющимися международными и на-

циональными системами классифика-

ции знаний для гарантии сопоставимо-

сти при сравнении данных, касающихся

Research &Development.

Сопоставимость различных рубрикато-

ров является одной из основных проблем

при проведении наукометрических иссле-

дований, поскольку затрудняет сравнение

данных, полученных из разных источни-

ков. Каждая из существующих баз данных

пользуется своим рубрикатором, а неред-

ко использует и несколько рубрикаторов

для разных целей.

Для примера рассмотрим используемые

для разных целей классификаторы различ-

ных ресурсов, размещенных на платформе

Web of Science.

133

Таблица 6

Схема классификации

Шифр Отрасль науки, группа специальностей, специальность

01.00.00

Физико-математические науки

01.01.00

Математика

01.01.01 Вещественный, комплексный

ифункциональный анализ

01.01.02

Дифференциальные уравнения,

динамические системы

иоптимальное управление

01.01.03 Математическая физика

01.01.04 Геометрия и топология

01.01.05 Теория вероятностей

иматематическая статистика

01.01.06 Математическая логика,

алгебра и теория чисел

01.01.07 Вычислительная математика

01.01.09 Дискретная математика

иматематическая кибернетика

01.02.00 Механика

01.03.00 Астрономия

01.04.00 Физика

02.00.00 Химические науки

03.00.00 Биологические науки

05.00.00 Технические науки

06.00.00 Сельскохозяйственные науки

14.00.00 Медицинские науки

25.00.00 Науки о земле

Гуманитарные науки

07.00.00 Исторические науки и археология

10.00.00 Филологические науки

09.00.00 Философские науки

Искусствоведение

икультурология

17.00.00 Искусствоведение

24.00.00 Культурология

134

Шифр Отрасль науки, группа специальностей, специальность

Социально-экономические

и общественные науки

19.00.00 Психологические науки

08.00.00 Экономические науки

13.00.00 Педагогические науки

22.00.00 Социологические науки

12.00.00 Юридические науки

23.00.00 Политология

Таблица 6 (продолжение)

Практически во всех базах, размещен-

ных на платформе, используется класси-

фикация Research Areas (Web of Science CC,

BIOSIS, Current Contents, Medline, National

Citation Indices, Zoological Records). Во мно-

гих используются Web of Science Categories

(Web of Science CC, Data Citation Index).

Кроме этого, в разных базах используются

и свои собственные рубрикаторы – Major

Concepts в BIOSIS, Subject Areas в Data

Citation Index и Derwent Innovation Index,

MeSH Headings и MeSH Qualiﬁers в Medline,

Disciplines в Current Contents и т. д.

Наиболее часто используемыми для нау-

кометрического анализа оказываются, та-

ким образом, Research Areas и Web of Science

Categories, поскольку один из этих рубрика-

торов (или оба) присутствуют во всех ресур-

сах, расположенных на платформе Web of

Science. Еще один классификатор– Research

Fields – используется в аналитическом ре-

сурсе Essential Science Indicators.

В связи с этим рассмотрим три варианта

классификации:

•ResearchAreas(152);

•WebofScienceCategories(251);

•ResearchFields(22).

Эти классификации используются для

разных целей, и полного соответствия между

ними установить практически невозможно.

Для классификации Research Areas ис-

пользуется иерархический принцип, в кото-

ром все 151 исследовательские области раз-

биты на 5 крупных направлений:

•Arts&Humanities;

•LifeSciences&Biomedicine;

•PhysicalSciences;

•SocialSciences;

•Technology.

Классификация Web of Science Categories

(предметной категории) в первую очередь

используется для определения тематиче-

ской принадлежности журнала в Journal

Citation Reports. 28 категорий, относящих-

ся к журналам по гуманитарным наукам

и искусству указателя Arts & Humanities,

в Journal Citation Reports, отсутствуют,

т.к.для них не производится расчет им-

пакт-факторов. Если осуществить поиск

всех статей конкретного журнала в жур-

нальных индексах Web of Science CC, то

получим полное совпадение указанных

в описании журнала предметной кате-

гории (или нескольких, если указана не

одна) и предметной категории, к которой

относятся все опубликованные в журнале

статьи. Однако обратный поиск по пред-

метной категории дает совершенно дру-

гие результаты – поиск по всем журналь-

ным индексам по определенной предмет-

135

ной категории даст в результате перечень

журналов, сильно отличающийся от того,

который мы увидим при аналогичном по-

иске по предметной категории в Journal

Citation Reports.

Поясним на примере.

Журнал PLoS ONE (один из наиболее

престижных журналов открытого до-

ступа) в Journal Citation Report отнесен

к Multidisciplinary Sciences, где представ-

лено всего 55 журналов, включая знаме-

нитые Science и Nature. Все статьи этого

журнала, представленные в Web of Science

CC, относятся именно к Multidisciplinary

Sciences, как и статьи из Science и Nature

ивсех остальных 55 журналов, относящих-

ся в соответствии с Journal Citation Reports

к мультидисциплинарным. Однако поиск

публикаций по признаку предметной ка-

тегории Multidisciplinary Sciences приведет

кобнаружению публикаций из почти сотни

журналов. Однако это, скорее всего, связа-

но с тем, что далеко не все журналы, индек-

сируемые в Web of Science, присутствуют

в Journal Citation Reports. Поиск по назва-

ниям журналов, отсутствующих в JCR, но

появляющихся в списке источников статей

категории Multidisciplinary Sciences, дает ре-

зультат, аналогичный поиску по мультидис-

циплинарным журналам из JCR.

136

Для журналов, отнесенных в JCR к другим

предметным категориям, наблюдается точ-

но такая же зависимость, причем если жур-

нал там отнесен к нескольким категориям,

то те же категории мы увидим и в поисковом

меню в Web of Science.

Тематические рубрикаторы Web of Science

Categories и Research Areas являются жур-

нальными рубрикаторами. То есть если индек-

сируемый журнал (или иной источник публи-

каций, например материалы конференции)

отнесен к одной или нескольким рубрикам

Web of Science Categories иResearch Areas, то

все статьи и прочие публикации данного жур-

нала (или иного источника) будут также отне-

сены к этим рубрикам. Рубрикаторы Web of

Science Categories являются более дробными

и используются только в Web of Science Core

Collection. Research Areas являются более ши-

рокими рубрикаторами и могут как совпадать

с Web of Science Categories, так и объединять

несколько рубрик. Research Areas использу-

ются во всех базах данных на платформе Web

of Science. Их наличие позволяет вести еди-

ный поиск по тематическим рубрикам.

В качестве примера сопоставления ру-

брикаторов можно рассмотреть результаты

анализа статей 2012 г., найденных по разде-

лу Evolutionary Biology из перечня Research

Areas (см. табл. 7).

Аналогичный поиск по разделу Research

Area Mathematics (su = mathematics) приве-

ден в табл. 8. Отличие в данном случае в том,

что названия раздела Evolutionary Biology

вWeb of Science Categories и Research Areas

полностью совпадают, а в области матема-

тики такое совпадение отсутствует.

В аналитическом ресурсе Essential Science

Indicators все материалы представлены всо-

ответствии с рубрикацией по Research Fields:

• AGRICULTURAL SCIENCES

• BIOLOGY & BIOCHEMISTRY

• CHEMISTRY

• CLINICAL MEDICINE

• COMPUTER SCIENCE

• ECONOMICS & BUSINESS

• ENGINEERING

• ENVIRONMENT/ECOLOGY

• GEOSCIENCES

• IMMUNOLOGY

• MATERIALS SCIENCE

• MATHEMATICS

• MICROBIOLOGY

• MOLECULAR BIOLOGY & GENETICS

• MULTIDISCIPLINARY

• NEUROSCIENCE & BEHAVIOR

• PHARMACOLOGY & TOXICOLOGY

• PHYSICS

• PLANT & ANIMAL SCIENCE

• PSYCHIATRY/PSYCHOLOGY

• SOCIAL SCIENCES, GENERAL

• SPACE SCIENCE

На архивной версии сайта ScienceWatch.com7

представлено определение исследователь-

ских областей для Essential Science Indicators

как обусловленных дискретным набором

журналов. Каждая из областей (за исключе-

нием Arts & Humanities, для которых основ-

ные научные индикаторы не рассчитываются)

представлена набором журналов по узким

научным направлениям. Двадцать двеширо-

кие области являются, таким образом, «верх-

ним» уровнем для Web of Science Categories,

по которым классифицируются журналы. Те

журналы, которые попадают вJournal Citation

Report в разные категории, при распределе-

нии по широким областям могут либо оказать-

ся внескольких категориях, либо попасть в ту

область, из которой получают максимальное

количество цитирований. В первую очередь

это касается журналов, которые относятся

7http://archive.sciencewatch.com/about/met/ﬁelddef/.

137

Web of Science Categories records % of 7021 Research Areas records % of 7021

ANTHROPOLOGY 1381 19.670 ANTHROPOLOGY 1381 19.670

BIOCHEMISTRY

MOLECULAR BIOLOGY 1578 22.475 BIOCHEMISTRY

MOLECULAR BIOLOGY 1578 22.475

BIODIVERSITY

CONSERVATION 39 0.555 BIODIVERSITY

CONSERVATION 39 0.555

BIOLOGY 930 13.246

LIFE SCIENCES

BIOMEDICINE

OTHER TOPICS 126 0.226

Таблица 8 (продолжение)

141

Web of Science Categories records % of 55671 Research Areas records % of 55671

SOCIAL SCIENCES

MATHEMATICAL METHODS 1634 2.935 MATHEMATICAL METHODS

IN SOCIAL SCIENCES 1634 2.935

SOCIOLOGY 11 0.020 SOCIOLOGY 11 0.020

STATISTICS PROBABILITY 9369 16.829

THERMODYNAMICS 144 0.259 THERMODYNAMICS 144 0.259

WATER RESOURCES 84 0.151 WATER RESOURCES 84 0.151

Таблица 8 (продолжение)

к категории мультидисциплинарных. В слу-

чае этих журналов анализ осуществляется

по отдельным статьям на основании списков

процитированной литературы и профиля

журналов, из которых статьи получили цити-

рования, поэтому такие журналы в Essential

Science Indicators могут попадать в несколь-

ко из выделенных 22 широких областей, при

этом их ранжирование определяется коли-

чеством статей и цитирований по соответ-

ствующей области. Для примера приведем

данные из Essential Science Indicators по уже

упоминавшемуся журналу PLoS ONE (табл. 9).

Таким образом, из-за большого разно-

образия вариантов рубрикаторов, даже

в пределах одного и того же ресурса, при

определении любых наукометрических по-

казателей (количество статей, количество

цитирований) необходимо четко указывать,

какие именно данные используются, на ос-

новании какой базы данных, за какой кон-

кретно период и с использованием какого

конкретно рубрикатора они получены.

3.8. Важность источника информации

о публикациях для оценки научной

деятельности

Огромное значение при проведении лю-

бых наукометрических исследований имеет

четкое указание источника получения све-

дений о публикациях и цитированиях. Это

связано в первую очередь с тем, что раз-

личные базы данных формируются по со-

вершенно различным принципам. Google

Scholar или Microsoft Academic Search фор-

мируется на основании данных из сети Ин-

тернет, т. е. любых данных о публикациях,

которые можно найти в сети: журналов от-

крытого доступа, списков процитированной

в найденных статьях литературы, репозито-

риев публикаций, личных страниц ученых

вИнтернете, материалов конференций, от-

крытых баз публикаций ит.д. С одной сторо-

ны, это обеспечивает максимальную широту

представленных материалов, асдругой сто-

роны, ограничивает тем, что в эти системы

не попадают сведения из закрытых источ-

ников ипубликации, отсутствующие вэлек-

тронном виде (или упоминания о таковых).

Кроме того, Google не может полностью га-

рантировать достоверность информации,

полученной, например, из размещенного на

личной странице ученого перечня публика-

ций, или достоверность вручную внесенных

ученым сведений опубликациях при созда-

нии личного профиля в Google Scholar.

Международные индексы цитирования

ставят перед собой задачу проиндексиро-

вать наиболее значимые журналы в каждой

области знаний (см., например, принципы

142

Таблица 9

Данные из Essential Science Indicators

Research Areas Rank in

Research Area Journals Web of Science

Documents Cites Cites/Paper

MULTIDISCIPLINARY 4PLOS ONE 5888 39861 6,769871

MICROBIOLOGY 16 PLOS ONE 4909 33427 6,80933

IMMUNOLOGY 21 PLOS ONE 706 46299 65,57932

MOLECULAR BIOLOGY

& GENETICS 29 PLOS ONE 12899 95157 7,377083

NEUROSCIENCE

& BEHAVIOR 30 PLOS ONE 9942 60119 6,046972

PLANT & ANIMAL SCIENCE 30 PLOS ONE 7123 3446 0,483785

CLINICAL MEDICINE 36 PLOS ONE 24375 118063 4,84361

BIOLOGY & BIOCHEMISTRY 43 PLOS ONE 9825 5328 0,54229

ENVIRONMENT/ECOLOGY 62 PLOS ONE 3621 16147 4,459265

SOCIAL SCIENCES,

GENERAL 88 PLOS ONE 1817 8235 4,532196

PSYCHIATRY/

PSYCHOLOGY 110 PLOS ONE 2543 8591 3,378293

PHARMACOLOGY

& TOXICOLOGY 152 PLOS ONE 951 4431 4,659306

AGRICULTURAL SCIENCES 192 PLOS ONE 477 1256 2,633124

GEOSCIENCES 200 PLOS ONE 541 2388 4,414048

COMPUTER SCIENCE 214 PLOS ONE 372 976 2,623656

отбора журналов для Web of Science СС8),

амногие национальные индексы цитирова-

ния стараются максимально охватить весь

сегмент национальных научных публикаций,

не ставя перед собой задачу исходного от-

бора лучших журналов – это становится уже

следующим этапом развития национальных

индексов, как, например, формирование

рейтинга журналов Science Index вРоссий-

ском индексе научного цитирования.

Профильные базы данных, такие, напри-

мер, как AGRIS, не индексируют некие наборы

журналов целиком, а формируются путем от-

8http://wokinfo.com/essays/journal-selection-process/

бора конкретных статей, в данном случае по

сельскохозяйственной тематике. Попадание

статьи в эту базу означает лишь то, что ее тема-

тика совпадает с профилем базы данных, но

не является критерием качества проведен-

ного исследования или написанной статьи.

Даже размещенные на одной и той же

платформе (например, на платформе Web of

Science) различные базы данных формируют-

ся по разным принципам. Для Web of Science

Core Collection осуществляется очень стро-

гий отбор журналов, Medline на платформе

Web of Science получает сведения о публи-

кациях из крупнейшей библиографической

базы статей по медицинским наукам, соз-

143

данной Национальной медицинской библи-

отекой США (U.S. National Library of Medicine,

NLM), охватывающей около 75 % мировых

медицинских изданий. База данных BIOSIS

Previews/RN — самая большая и наиболее

исчерпывающая база данных по биологи-

ческим наукам в мире — охватывает ориги-

нальные исследовательские отчеты, обзоры

и избранные патенты США в области био-

логии и биомедицины, от аэрокосмической

биологии до зоологии. Источниками BIOSIS

являются периодические издания, журналы,

труды конференций, обзоры, отчеты, патен-

ты и краткие сообщения. Отбираются для

включения в базу данных почти 6000 био-

логических журналов, 1500 международных

конференций, а также книги имонографии.

Zoological Record— крупнейшая база данных

по названиям животных, которая берет свое

начало от основанного в 1864 г. междуна-

родного зоологического журнала. Сведения

в эту базу попадают, кроме периодических

журналов, из книг, научных отчетов, мате-

риалов конференций, и основной принцип

отбора— достоверная информация, касаю-

щаяся вопросов биоразнообразия, система-

тики ииных зоологических данных.

После переименования в 2014 г. плат-

формы Web of Knowledge в Web of Science

вопрос корректного указания источника

данных встал особенно остро, поскольку

вбольшинстве российских нормативных до-

кументов, в формах заявок на гранты ит.д.

предлагается указывать количество публи-

каций, цитирований, индекс Хирша и т. д.

вWeb of Science, без уточнения, что имеется

в виду — база данных Web of Science Core

Collection или платформа Web of Science.

Рассмотрим на конкретном примере, ка-

кие возникают проблемы при игнориро-

вании точного указания источника данных

ипочему это происходит.

В связи с тем что среди индексов цитиро-

вания, размещенных на платформе Web of

Science, три относятся к области биологии

и медицины (BIOSIS, Medline и Zoological

Record), выберем из списка авторов в об-

ласти биологии в РИНЦ ученого со значи-

тельным количеством публикаций и нерас-

пространенной фамилией (для избежания

лишних ошибок в поиске) и попробуем

определить его наукометрические показа-

тели в Web of Science при выборе различно-

го набора баз данных.

Сразу отметим, что приведенный при-

мер не следует рассматривать как стро-

гую инструкцию для поиска публикаций

по фамилии автора, а лишь как иллю-

страцию того, что одинаковый алгоритм

может дать разные результаты при поис-

ке, если не обращать внимания на выбор

конкретной базы данных при поиске на

платформе. Однозначное определение

всех публикаций конкретного автора воз-

можно лишь самим автором, поэтому уче-

ным настоятельно рекомендуется зареги-

стрироваться в системе ResearcherID9 или

ORCID10 ирегулярно обновлять свой про-

филь вданных системах.

9http://www.researcherid.com.

10http://www.orcid.org.

144

Поиск по Web of Science Core Collection

при выборе нескольких возможных написа-

ний фамилии автора (TONEVITSKY AG OR

TONEVITSKII AG OR TONEVITSKI AG) дает

следующие результаты (рис. 24).

Поиск по тому же набору вариантов фами-

лии, но уже по всей платформе, а не только

по Web of Science CC, даст совершенно дру-

гие результаты (рис. 25).

Данные различия связаны с тем, что при

втором варианте поиска набор публика-

ций включает в себя также публикации из

BIOSIS и Medline (рис. 26).

Для ученых-зоологов большую роль будут

играть публикации в базе данных Zoological

Record, для ученых, занимающихся преиму-

щественно прикладными исследованиями

и разработками, при поиске по всей плат-

форме будут попадаться результаты, проин-

дексированные в Derwent Innovations Index.

Следует отметить, что при появлении,

как планируется, в 2015 г. на платфор-

ме Web of Science нового индекса Russian

Science Citation Index эта проблема станет

актуальной не только для ученых медико-

биологических или технических специаль-

ностей, но и для представителей всех дру-

гих областей наук.

Таким образом, при поиске по всем базам

данных платформы Web of Science к статьям,

обнаруженным в Web of Science CC, добавля-

ются данные из других баз, что дает измене-

ние наукометрических показателей ученого.

Если мы попытаемся определить ана-

логичные параметры в других базах дан-

ных, например в Google Scholar и Microsoft

Academic Search (в том случае, если у автора

имеется персональный профиль в этих ре-

сурсах или отсутствуют однофамильцы), то

получим опять другие данные как по коли-

честву статей и цитирований, так и для ин-

декса Хирша.

Регистрация авторов в таких свободных

системах значительно улучшает их види-

мость и, соответственно, дает более кор-

ректные результаты поиска, однако как

Google Scholar, так и Microsoft Academic

Search осуществляют поиск публикаций

по всему пространству Интернета, а также

позволяют авторам самостоятельно добав-

лять публикации в свои профили, поэтому

наукометрические показатели в таких си-

стемах, как правило, оказываются значи-

тельно выше, чем в Web of Science CC или

даже по всей платформе Web of Science.

Таким образом, невозможно говорить

о количестве публикаций, цитировании,

индексе Хирша и иных показателях во-

обще, необходимо указывать, по какой

конкретно базе данных получены данные.

Кроме этого, перед расчетом показателей

по Web of Science Core Collection необхо-

димо также проверить, достаточна ли глу-

бина архива базы данных Web of Science

Core Collection, зависящая от условий

подписки организации, для охвата всех

публикаций данного автора.

Размещение на платформе Web of Science

Российского индекса цитирования, плани-

руемое в недалеком будущем, может усугу-

бить неопределенность, если не будет точ-

ного указания, какие конкретно сведения о

публикациях необходимо приводить в заяв-

ках на конкурсы или отчетных документах.

3.9. Особенности публикаций

ицитирования в разных научных

областях

Прежде чем рассматривать возможные

способы сравнения результативности на-

учной деятельности на основании науко-

метрических показателей, необходимо рас-

смотреть, в чем же конкретно заключаются

различия в публикациях представителей

145

Рис. 24. Поиск по Web of Science Core Collection при выборе нескольких

возможных написаний фамилии автора

Рис. 25. Поиск по тому же набору вариантов фамилии, но уже по всей платформе

146

Рис. 26. Поиск по тому же набору вариантов фамилии по BIOSIS и Medline

Ранговое распределение научных дисциплин по числу

публикаций с одним автором:

1 — английский язык, 2 — история, 3 — философия, 4—ма-

тематика, 5 — педагогика, 6 — психология, 7 — физика,

8—биология, 9 — химия.

Массив не указан. Гипотеза, что данное распределение

является распределением Ципфа с α ≈ 0,36

иВ≈(8/((97/17)0,36–1))–1≈8,2, недостоверна, так как соот-

ветствующая кривая (пунктирная на графике) плохо описы-

вает данные. Поэтому фиксируем α ≈ 22, соответствующее

ципфовому распределению, с В ≈ (3/((97/85)22 – 1)) – 1 ≈ - 0,83

Рис. 27. Различия в научных дисциплинах

поколичеству публикаций с одним автором

[по: Хайтун, 1983]

1000

х (r)

12 3 4

α ≈ 22

α ≈ 0,36

2 4 5 9

Число публикаций , %

Ранг научной дисциплины, r

естественных наук и социально-гуманитар-

ных направлений.

В чем же реально проявляются особенно-

сти публикаций и их цитирования в разных

научных областях?

Еще в книге С. Д. Хайтуна «Наукоме-

трия. Состояние и перспективы» (1983)

приводятся данные о различиях в количе-

стве соавторов в разных дисциплинах. По

данным Берельсона [Berelson, 1960] при-

водится график распределения научных

дисциплин по числу публикаций с одним

автором (рис. 27).

Очень похожее распределение получает-

ся при анализе фактических данных о коли-

честве соавторов по базе данных РИНЦ. На

рис.28 приведены средние значения доли

статей с одним автором, рассчитанные по

сведениям о 100 авторах – лидерах по коли-

честву публикаций в РИНЦ по соответству-

ющему научному направлению.

Аналогичный анализ статей, у которых

количество авторов больше 10, дает прак-

тически прямо противоположный резуль-

тат (рис. 29). В статьях по физике количе-

ство авторов может доходить до 3 тысяч

147

Рис. 28. Различия в научных дисциплинах по количеству публикаций

с одним автором по данным РИНЦ

Рис. 29. Различия в научных дисциплинах по количеству публикаций

с более чем 10 авторами по данным РИНЦ

148

Рис. 31. Распределение публикаций по типам

2010–2012 гг. Web of Science CC SCI-EXPANDED,

CPCI-S, BKCI-S

Рис. 30. Распределение публикаций по типам

2010–2012 гг. Web of Science CC SSCI, A&HCI,

CPCI-SSH, BKCI-SSH

(например, большие коллаборации ЦЕРНа),

в то время как в статьях по математике и ме-

ханике чаще всего встречаются статьи с 2–5

авторами, а максимальное количество ста-

тей с 6–10 авторами — у химиков, биологов

и геологов.

Таким образом, первое отличие заклю-

чается уже в распространении соавтор-

ства в различных научных дисциплинах.

Очевидно, что внутри каждой дисципли-

ны также имеются различия — в физике

наибольшее количество соавторов у экс-

периментаторов в области ядерной физи-

ки, физики элементарных частиц, а число

соавторов в теоретических работах или,

например, в области математической фи-

зики значительно меньше — примерно как

у математиков. Однако разница по этому

параметру между естественно-научными

дисциплинами и социально-гуманитарны-

ми направлениями в целом видна нево-

оруженным глазом уже из распределения

статей с одним автором.

Значительно различается и распределе-

ние по типам публикаций. В базе данных

Web of Science Core Collection при анализе,

например, публикаций 2010–2012 гг., про-

индексированных в SSCI, A&HCI, CPCI-SSH,

BKCI-SSH, получаем следующее распреде-

ление по типам документов (рис. 30).

Аналогичный поиск по SCI-EXPANDED,

CPCI-S, BKCI-S дает следующий результат

(рис. 31).

Заметно, что книжные публикации игра-

ют в социальных науках и гуманитарных

направлениях значительно большую роль,

чем в естественно-научных дисциплинах,

где подавляющее большинство публикаций

составляют статьи в журналах и материалы

конференций.

Следующее отличие заключается в том,

что именно цитируют авторы в различных

научных областях. В гуманитарных и об-

щественных науках в списках литературы

встречается гораздо больше монографий,

а «естественники» ссылаются в основном

149

на статьи в журналах. Во многих научных

областях, таких как социология, образова-

ние, политология, антропология, гумани-

тарные направления, значительно большую

роль играют национальные публикации, со-

ответственно и ссылок на них оказывается

значительно больше, чем ссылок на индек-

сируемые в Web of Science СС издания. Впу-

бликациях по гуманитарным наукам и ис-

кусству также большую роль играют ссылки

на первоисточники (например, архивные

материалы и произведения искусства), ко-

торые не индексируются в реферативных

базах данных научных публикаций. В связи

с этим отсутствие публикаций ученого в Web

of Science не является свидетельством от-

сутствия к ним международного интереса.

Очень подробный анализ различий впри-

нятых устоявшихся нормах цитирований

в журнальных публикациях в социально-

гуманитарных науках представлен в книге

Хэнка Муда [Moed, 2005]. Отмечаются не

только отличие в стиле цитирования весте-

ственных науках и значительные различия

не только между разными направлениями

социально-гуманитарных наук, но даже

между разными направлениями в одной

итой же научной области. Так, всоциологи-

ческих журналах, публикующих преимуще-

ственно статьи, в которых используются ко-

личественные методы социологии, гораздо

больше цитируются журнальные статьи, чем

монографии, авжурналах с«качественны-

ми» исследованиями — наоборот. Таким

образом, «количественные» исследования

всоциологии по манере цитирования ближе

к Science, а«качественные»— кHumanities.

Кроме того, в «количественных» статьях

цитируются в основном «количественные»

журналы, тогда как в статьях «качествен-

ного» характера присутствуют ссылки на

оба типа журналов. Таким образом, простая

интерпретация результатов анализа цити-

рования вWeb of Science СС может привести

квыводу о том, что исследования в «коли-

чественной» социологии цитируются зна-

чительно больше, чем в«качественной».

Таким образом, показатели цитирования

в социально-гуманитарных науках в значи-

тельно большей степени, чем в естествен-

ных, находятся в зависимости от уровня

представления национальных журналов по

соответствующим областям в международ-

ных индексах цитирования, от языка публи-

кации и от конкретного направления науки.

Следовательно, подходы к оценке публика-

ционной активности в этих областях долж-

ны отличаться от применяемых для есте-

ственных наук. Делать выводы о состоянии

исследований в социально-гуманитарной

сфере только на основании цитирований

вWeb of Science СС надо весьма осторожно.

3.10. Способы оценки публикаций,

отличные от анализа цитирования

С развитием интернет-технологий начали

развиваться способы оценки публикаций,

отличные от привычных библиометриче-

ских методов. Это способы оценки публи-

каций не по числу их цитирований в базах

данных, а по их реальному использованию

или по уровню интереса к публикациям,

который также может быть измерен и вы-

ражен в совершенно конкретных значениях.

Особенно это актуально в отношении тех

областей науки, в которых цитирования,

как правило, могут не быть реальным отра-

жением их ценности. В 2010 г. был принят

манифест альтметрики11, в котором гово-

рится отом, что целью этого проекта явля-

ется предоставление ученым инструментов

быстрого анализа популярности научной

11http://altmetrics.org/manifesto/

150

Publication years 1976–2014

Publication count 851

Citation Count 27250

Available for download 851

Downloads (6 Weeks) 7535

Downloads (12 Months) 45355

Downloads (cumulative) 703227

Average downloads per article 826,35

Average citations per article 32,02

литературы, помогающей сделать выбор

в пользу тех или иных из огромного коли-

чества опубликованных статей. При поис-

ке публикаций через базы цитирований

читатель ориентируется не в последнюю

очередь на цитирование статей или им-

пакт-факторы журналов, однако от момен-

та публикации до появления цитирований

проходит достаточно продолжительное

время, поэтому показатели, рассматривае-

мые в альтметрике, могут оказаться весьма

полезным инструментом. Кроме того, что

очень существенно, такие показатели никак

не зависят от научной области, в отличие от

стандартных показателей цитирования.

В альтметрике учитываются такие пока-

затели, как загрузка статей в менеджерах

цитирования, их упоминания в социальных

сетях, научных блогах, обсуждения ста-

тей читателями на сайтах журналов и т. д.

Большая скорость представления данных

альтметрики предоставляет исследовате-

лям возможность оперативно получать све-

дения о рекомендованных коллегами пу-

бликациях, самим делиться прочитанными

статьями, настраивать оповещения о новых

поступлениях и т. д. Особенно актуально

это становится с расширением сети научных

блогов, системы препринтов, что сокращает

коммуникационный цикл с нескольких лет,

как в случае ознакомления с бумажными на-

учными изданиями, до нескольких недель

идаже дней. Развитие альтметрики созда-

ет также предпосылки создания мощной

системы общественной экспертизы публи-

каций, что уже реализуется как дополни-

тельная альтернативная экспертиза в таких

журналах открытого доступа, как PLoS One,

BMC Research Notes или BMJ Open. В отли-

чие от импакт-фактора журнала, альтме-

трики отражают влияние самой статьи, ис-

ключая показатели престижности журнала.

Такой подход позволяет отслеживать влия-

ние статей за пределами замкнутого акаде-

мического сообщества, причем независимо

от того, процитирована данная статья или

нет в рецензируемых журналах. В этом пла-

не развитые системы альтметрик могут ока-

заться более надежными показателями ис-

пользования журналов, чем стандартно вы-

числяемые импакт-факторы, которые также

подвержены манипулированию.

На основе регулярно обновляемой стати-

стики использования журналов по компью-

терным наукам, издаваемых ACM (например,

http://tods.acm.org/Statistics.html), видно, что

количество загрузок, а следовательно, про-

чтений статей из журналов значительно пре-

вышает количество цитирований статей из

того же журнала, что может косвенно служить

свидетельством в пользу использования. Так,

для журнала ACM Transactions on Database

Systems (на 25.05.2014 г.) приводятся следу-

ющие данные:

Показатели альтметрики для научных пу-

бликаций можно сравнить в какой-то мере

с показателями продаж для художествен-

ной и популярной литературы, помогаю-

щими читателям быстрее ориентироваться

вморе издаваемой литературы. Атакие по-

казатели, как закупка монографий иучеб-

ников в крупные научные и вузовские би-

151

блиотеки, предлагаются некоторыми иссле-

дователями в качестве критериев ценности

учебных и научных изданий как альтерна-

тива показателям цитируемости и импакт-

факторам журналов.

Появившийся в 2014 г. проект Altmetrics

for Institutions12 помогает университетам

инаучным организациям быстро отслежи-

вать влияние опубликованных сотрудни-

ками работ по появляющимся в Интернете

откликам, количеству скачиваний и отзывов

и другим параметрам. Альтметрика сопо-

ставляет упоминания о научных статьях во

всех традиционных и социальных медиа,

блогах, менеджерах цитирования, а так-

же отражает цитирование или упоминание

статей в документах государственной поли-

тики, обеспечивая сведения о применении

исследования в реальной жизни. Соответ-

ственно на уровне организаций становится

возможным определять реальное воздей-

ствие исследований конкретного института

или университета на экономические или об-

щественно-политические изменения вгосу-

дарстве и мире.

В то же время исследований, посвящен-

ных изучению альтметрик, пока еще немно-

го, и говорить о том, насколько достоверно

показатели альтметрики сегодня отража-

ют реальное влияние научных статей, еще

рано. В статье, опубликованной вжурнале

PLoS ONE в мае 2013 г. [Thelwall et al., 2013],

проведено исследование, демонстрирую-

щее, как работает альтметрика, на примере

ряда социальных сетей. На примере статей

из PubMed было проведено сравнение их

реального цитирования вWeb of ScienceСС

и 11 альтметрик из социальных сетей. Об-

наружены статистически значимые зави-

симости значительного цитирования ивы-

соких альтметрик для таких социальных

12http://www.altmetric.com/institutions.php

сетей, как Twitter, Facebook, RH (research

highlights, Nature Publishing Group journals),

научных блогов (Nature.com Blogs, Research

Blogging, ScienceSeeker), средств массовой

информации, статистически достоверных

свидетельств в пользу наличия положи-

тельной корреляции для LinkedIn, Reddits

и некоторых других альтметрик найдено не

было. На примере статей из других ресур-

сов (arXiv инекоторые отдельные журналы)

ранее была показана также положитель-

ная связь между цитированиями статей

и загрузками в Mendeley и упоминаниями

вTwitter. Ограничение таких исследований

пока состоит в отсутствии большой стати-

стики, поскольку для статей прошлых лет

с достоверными цитированиями отсутству-

ют показатели альтметрики, а для свежих

статей с доступной альтметрикой еще не-

достаточно цитирований, так что необходи-

мо проводить еще довольно много иссле-

дований и совершенствовать всю систему

альтметрик.

3.11. Возможные подходы

ксравнительному анализу

цитирования публикаций

в разных областях знаний

Из всего вышесказанного следует, что по

таким стандартным показателям цитирова-

ния, как среднее цитирование публикации

или индекс Хирша и его вариации, прово-

дить сравнение результативности научной

деятельности научных коллективов или

отдельных авторов, работающих в разных

научных направлениях, представляется

весьма затруднительным. Это представ-

ляет собой довольно серьезную проблему,

поскольку в настоящее время для приня-

тия административных, кадровых или фи-

нансовых решений все чаще используют-

ся публикационные показатели, которые

152

называют «объективными», т. е. количе-

ственные показатели, не зависящие от мне-

ния экспертов.

Какие возможны подходы для решения

этой проблемы?

В настоящее время присутствуют все ва-

рианты мнений о возможности использова-

ния библиометрических показателей для

оценки научной деятельности — от катего-

рического отказа от их использования, по

крайней мере для ряда дисциплин (гумани-

тарные науки, математика), до использова-

ния исключительно показателей цитируе-

мости и отказа от экспертной оценки. Исти-

на, конечно, где-то посередине, но для этого

необходим выбор адекватных показателей

и критериев и подходов к оценке.

Более или менее универсальным по от-

ношению к разным областям знаний можно

считать такой показатель, как доля публи-

каций в топовых журналах (или распреде-

ление публикаций по журналам, относя-

щимся к разным квартилям). Аналогичным

можно считать распределение публикаций

по процентилям (на основании сводных

данных, представленных в Essential Science

Indicators, например — Percentiles for papers

published by ﬁeld). Однако такой подход не

годится для гуманитарных специальностей,

поскольку, во-первых, ни импакт-факто-

ры журналов, ни процентили для них не

рассчитываются и, во-вторых, (по таблице

процентилей из ESI) данные приводятся по

укрупненным областям, акак показано вы-

ше, даже внутри одной области существуют

большие различия в цитируемости между

узкими направлениями науки (теоретиче-

ская/экспериментальная физика, напри-

мер, или систематика и генетика в биоло-

гических дисциплинах). Тем не менее для

сравнительной оценки крупных организа-

ций, где ведутся исследования по многим

направлениям науки, такой подход вполне

приемлем, как и для сравнения узкопро-

фильных организаций, работающих всход-

ных научных направлениях, но сильно раз-

личающихся по своим размерам (количе-

ству ученых).

Абсолютно очевидно, что более или ме-

нее корректного сравнения библиометри-

ческих показателей для наборов публи-

каций, относящихся к разным областям

знаний, можно добиться только путем вве-

дения показателей, в которых можно было

бы компенсировать тем или иным путем

различия в уровне цитирования в разных

научных областях и для разных типов до-

кументов вцелом, в динамике цитирования,

а в идеале и различия в распределении пу-

бликаций и цитирований в международных

и национальных изданиях.

На сегодняшний день наилучшим путем

для такого сравнения является расчет нор-

мализованных показателей цитирования,

который заключается в следующем. Как уже

отмечалось в главе 2 «Библиометрические

индикаторы в ресурсах Thomson Reuters»,

нормализованные показатели цитируемо-

сти широко используются в аналитическом

инструменте InCites, размещенном на плат-

форме Web of Science.

Для каждой узкой научной области икон-

кретного типа документов вычисляется

среднее цитирование одной статьи, опу-

бликованной в конкретном году, и далее

цитирование конкретной статьи, опублико-

ванной в том же году и относящейся к вы-

бранной категории, сравнивается со сред-

ним показателем.

Например, выбираются все обзоры по

молекулярной биологии, опубликованные

в2010 г., и определяется, сколько цитирова-

ний в среднем каждый из этих обзоров по-

лучил к 2013 г. Если разделить количество

153

Страны 2010 г. 2012 г.

США 33,18/28,19 = 1,18 13,58/11,03 = 1,23

Ге р м а н и я 33,55/28,19 = 1,19 13,15/11,03 = 1,19

Китай 20,99/28,19 = 0,74 8,52/11,03 = 0,77

Россия 10,22/28,19 = 0,36 4,32/11,03 = 0,39

Таблица 10

Значения нормализованного цитирования

цитирований к 2013 г. одного конкретного

обзора 2010 г. (или средний показатель

для всех обзоров, опубликованных ученым

или организацией в 2010 г.) на полученный

среднемировой показатель, то значение,

равное 1, будет означать, что рассматрива-

емый обзор(ы) цитируется точно так же, как

всреднем по миру, больше 1 — лучше, а мень-

ше 1 — хуже, чем в среднем по миру. Степень

отклонения от единицы в ту или иную сторо-

ну покажет уровень «превосходства» статей

ученого или организации (или наоборот).

Так, в базе данных Web of Science Core

Collection в 2010 г. представлено 5653 об-

зора (Review), относящихся к категории

Biochemistry & Molecular Biology. По состоя-

нию на август 2014 г. эти обзоры процити-

рованы в целом 159331 раз, что составляет

28,19 цитирований на 1 статью. Это средне-

мировой показатель. При этом статьи уче-

ных из США (2261 обзор) процитированы

75 016 раз (среднее значение 33,18), Гер-

мании (498 статей) — 16 708 раз (среднее

значение 33,55), Китая (256 статей) — 5373

раза (среднее значение 20,99), России (116

статей) — 1186 раз (среднее значение 10,22).

Аналогичные подсчеты по данным для об-

зоров 2012 г. приведены в табл. 10.

Таким образом, обзоры американских

и немецких ученых в области биохимии

имолекулярной биологии цитируются луч-

ше, чем в среднем по миру, а китайских

ироссийских — хуже, причем понятия «луч-

ше» и «хуже» имеют конкретное числовое

значение.

Если сделать такие расчеты для каждо-

го типа публикаций (оригинальные статьи,

обзоры, материалы конференций и т. д.)

для всех областей знаний и по всем годам,

то усреднение полученных значений нор-

мализованной цитируемости достаточно

адекватно отражает «качество» всего на-

бора публикаций ученого, научной группы,

организации, страны. Аналогичным обра-

зом можно провести сравнение, например,

российских организаций по отношению

ксреднероссийскому уровню или сравнение

разных подразделений внутри одной орга-

низации по отношению к средним показате-

лям по организации в целом. Естественно,

чем обширнее база данных, из которой по-

лучаются сведения о цитировании, тем бо-

лее корректными будут такие расчеты.

Однако и при таком способе анализа ре-

зультаты могут оказаться весьма спорными.

В случае, если статей у ученого или орга-

низации мало, существует вероятность то-

го, что единичные статьи окажутся высоко-

цитируемыми, что может исказить картину.

Так, например, всего 3 статьи МИФИ, опу-

бликованные по результатам исследований

в ЦЕРНе в составе больших коллабораций,

из 1,5 тысяч, опубликованных за 5лет, приве-

ли ктому, что нормализованный показатель

154

цитируемости МИФИ оказался настолько

высок, что этот университет опередил по это-

му показателю все вузы мира врейтинге THE

World University Ranking 2010г. Эти 3 статьи

составили более четверти от всех цитирова-

ний статей организации за данный период

(по состоянию на август 2014 г. — 6669 ци-

тирований из 21 841). Всего же за этот период

в коллаборациях ЦЕРНа сотрудниками МИ-

ФИ опубликовано около сотни статей сболее

чем 10 тыс. цитирований, т. е. около 6% всех

публикаций принесли половину цитиро-

ваний. Авторами самой высокоцитируемой

статьи (около 4 тыс. цитирований) являются

170 человек из 131 организации, из которых

только 1 — сотрудник МИФИ.

Таким образом, для корректной оценки

организации и автора по публикациям же-

лательно учитывать также и вклад автора

(или организации) в той или иной статье.

Поскольку в разных областях знаний бывают

абсолютно разные традиции в плане указа-

ния порядка авторов (главный автор может

стоять первым, последним, указан как reprint

author, авторы могут быть расположены

просто в алфавитном порядке), то всамом

простом случае вклад определяется как до-

ля от общего количества авторов, вслучае

организации — доля авторов с определен-

ной аффилиацией от общего количества ав-

торов. Такой принцип подсчета публикаций

и цитирований называется фракционирова-

нием. Так, если встатье имеются два автора

из двух разных организаций, то каждой ор-

ганизации в зачет идет 0,5 статьи и соответ-

ственно 0,5 от всех цитирований. Если орга-

низаций больше, то статья вместе со всеми

полученными цитированиями распреде-

ляется по организациям пропорционально

их вкладу. Таким образом удается избежать

артефактов, связанных с ростом числа авто-

ров в статьях, что особенно актуально при

усилении международного сотрудничества

и формировании больших распределенных

исследовательских коллективов.

В 2010 г. консорциум британских универ-

ситетов разработал систему метрик, незави-

симых от источника данных, позволяющих

проводить объективную оценку научной

деятельности университетов на основании

объективной информации, которые были

названы Snowball Metrics13. Целью данно-

го проекта была разработка прозрачной

методологии учета показателей научной

деятельности, которые могут применяться

в разных странах, обеспечивают прозрач-

ное и корректное сравнение сходных по

структуре и направлениям деятельности

организаций, которые могут быть использо-

ваны для различных целей самими органи-

зациями, грантодателями, вышестоящими

организациями и т. д.

Большая часть предлагаемых метрик свя-

зана с оценкой публикаций университетов.

В качестве основных метрик, характеризу-

ющих результативность исследовательской

деятельности, предлагаются следующие:

• Scholarly output — учитываются жур-

нальные публикации, серийные издания,

книги, включая монографии и учебники,

втом числе если сотрудники университета

являются не только авторами, но и редакто-

рами, произведения искусства, компьютер-

ные программы и т. д. В данном показателе

не учитываются патенты и диссертации. Эти

показатели учитываются за определенный

промежуток времени и для компенсации

различных размеров вуза нормируются на

количество персонала (в полных ставках).

•CitationCount—учитываетсяколичество

цитирований на единицу персонала (в пол-

ных ставках) за определенный период.

13http://www.snowballmetrics.com/

155

•CitationsperOutput—среднеецитиро-

вание одной публикации за определенный

период.

•h-index — используется только для срав-

нения исследователей в одной дисципли-

нарной области.

•Field-WeightedCitationImpact —норма-

лизованный по научным областям показа-

тель цитирования. Учитывается за опреде-

ленный временной промежуток (например,

за три полных календарных года) с учетом

типа публикации.

• Outputs in Top Percentiles — количество

публикаций или доля публикаций, попада-

ющих в определенный процент самых ци-

тируемых по конкретным научным областям

(1, 5, 10 и 25 %) за определенный проме-

жуток времени. Если учитывается именно

количество таких публикаций, то это значе-

ние нормируется на количество персонала

(вполных ставках).

•PublicationsinTopJournalPercentiles—ана-

логично предыдущему показателю, но вотно-

шении публикаций в журналах, попадающих

соответственно в 1–25% по журнальным по-

казателям (импакт-фактор, SNIP, SJR).

• Показатели сотрудничества (Collabora-

tion) — рассчитываются по количеству или

доле публикаций, подготовленных в сотруд-

ничестве с другими организациями, опре-

деляемыми по аффилиации авторов, при

этом отдельно учитывается международное

и национальное сотрудничество. Если учи-

тывается количество, то, как и в предыдущих

показателях, происходит нормирование на

количество сотрудников организации.

• Collaboration Impact (влияние сотруд-

ничества) — рассчитывается среднее ци-

тирование публикаций, подготовленных

в международном или национальном со-

трудничестве, за определенный промежу-

ток времени.

• Academic-Corporate Collaboration (со-

трудничество университетов с бизнесом)

иAcademic-Corporate Collaboration Impact—

аналогично предыдущим показателям, но

в отношении совместных с промышлен-

ными предприятиями публикаций, что

характеризует потенциал реального при-

менения результатов исследовательской

деятельности.

•Altmetrics—оценивается:

- Scholarly Activity — наличие публикаций

организации в различных менеджерах ци-

тирования, таких как Mendeley, CiteULike,

Google Scholar Library, QUOSA, Papers,

ScienceScape, MyScienceWork, colwiz,

zotero, Academia.edu, ResearchGate и т. д.;

- Scholarly Commentary — ссылки на пу-

бликации в научных блогах, на сайтах,

рецензии и комментарии к публикациям

вPubMed, Faculty of 1000, Wikipedia и др.;

- Social Activity — упоминание публикаций

организации в различных социальных

сетях;

- Mass Media — упоминание публика-

ций организации в средствах массовой

информации.

Эти показатели рассчитываются за опре-

деленный период времени как на количе-

ство сотрудников организации, так и на ко-

личество публикаций.

К показателям, используемым в Snowball

Metrics, относятся также различные фи-

нансовые показатели, характеризующие

научную деятельность (полученные гран-

ты, например), участие в конференциях,

количество объектов интеллектуальной

собственности и доходы от внедрения па-

тентов, количество созданных компаний,

внедряющих научные достижения универ-

ситета, их финансовое состояние.

Таким образом, для адекватной оцен-

ки научной деятельности предлагается

156

использовать весь спектр показателей,

учитывающих как различия по областям

знаний, так и размеры организаций, до-

полняя их показателями, альтернативными

библиометрическим.

3.12. Использование

библиометрических данных при

построении рейтингов вузов и научных

организаций

В международных рейтингах универси-

тетов, таких как Academic Ranking of World

Universities (ARWU, или Шанхайский рей-

тинг), Times Higher Education World University

Ranking (THE WUR) и QS World University

Ranking, показатели, связанные с публика-

ционной активностью, составляют от 20 до

60 % от окончательного балла, что говорит

о чрезвычайной важности научных публи-

каций для оценки всех сторон деятельности

университета — образовательной и научной,

а также международной составляющей.

В Шанхайском рейтинге используются как

«валовые» показатели продуктивности (ко-

личество тех или иных публикаций за опре-

деленные периоды времени), так и своего

рода «качественные» показатели, харак-

теризующие качество преподавательско-

го состава и научную производительность

университета. Эти показатели составляют

в общей сложности 60 % от общего балла:

• количество высокоцитируемых ученых

из числа работников университета (20 %);

• количество статей, опубликованных

в журналах Nature и Science за последние

пять лет (20 %);

•общеечислостатей,вошедшихвиндек-

сы научной цитируемости Science Citation

Index Expanded и Social Science Citation Index

в предыдущем году (20 %).

Эти показатели рассчитываются по базе

данных Web of Science Core Collection.

Отнесение ученого к категории высокоци-

тируемых означает, что по количеству цити-

рований своих статей он попадает в группу

250 самых цитируемых ученых по 22 пред-

метным областям по классификатору, при-

меняемому вEssential Science Indicators. На

обновленной в 2014 г. версии сайта14 пред-

ставлены данные суказанием аффилиации

авторов (включая дополнительную).

Для расчета показателя, связанного со

статьями в журналах Science & Nature, ис-

пользуется довольно сложная система

расчета весов для соавторов с введени-

ем различных весов для первого автора,

второго и для остальных авторов, т. е. по-

являются элементы фракционированно-

го подсчета. В данном случае такой рас-

чет можно рассматривать как своеобраз-

ный вариант «дробного счета», fractional

counting, описанного в предыдущей главе.

При этом в инструкции для авторов отсут-

ствует четкое указание на предмет поряд-

ка указания авторов (см., например, http://

www.sciencemag.org/site/feature/contribinfo/

prep/index.xhtml), т. е. данный способ рас-

чета «авторской доли» является в какой-то

мере искусственным, поскольку может не

учитывать реальный вклад авторов в на-

писание статьи, который в разных областях

науки и в разных журналах устанавлива-

ется по-разному в зависимости от сложив-

шейся практики и традиций. В ряде обла-

стей «главный» автор указывается первым,

вдругих — последним, при большом коли-

честве авторов часто используется просто

алфавитный порядок.

При подсчете общего количества ста-

тей учитываются только типы публикаций

articles и proceeding papers с удвоением

веса статей из Social Science Citation Index.

14http://highlycited.com/

157

Это в какой-то мере может компенсировать

отсутствие в методике учета публикаций,

индексируемых в третьем журнальном ин-

дексе Web of Science СС— Arts & Humanities

Citation Index.

Таким образом, если количество публика-

ций в данном случае можно рассматривать

как чисто количественный показатель, то

сведения по высокоцитируемым авторам

ипубликации в Science & Nature, скорее, яв-

ляются показателями качества публикаций

университета.

Кроме основного рейтинга составляются

также предметные рейтинги, учитывающие

особенности отдельных научных или пред-

метных областей. Так, для рейтингов ARWU-

FIELD, которые рассчитываются для Natural

Sciences and Mathematics, Engineering/

Technology and Computer Sciences, Life and

Agriculture Sciences, совсем не учитываются

показатели по статьям в Science & Nature,

Clinical Medicine and Pharmacy и Social

Sciences, кроме количества публикаций по

конкретной области знаний, учитывает-

ся количество публикаций в 20 % топовых

журналов соответствующей предметной

области. Для рейтингов ARWU-SUBJECT

(Mathematics, Physics, Chemistry, Computer

Sciences and Economics/Business), как

иврейтинге ARWU-FIELD, учитывается ко-

личество публикаций в 20 % топовых жур-

налов соответствующей предметной обла-

сти. Таким образом, предметные рейтинги

ARWU в значительной степени учитывают

как количественные, так и качественные

показатели.

С 2004 по 2009 г. приложение к газе-

те Times — еженедельник Times Higher

Education – в сотрудничестве с компанией

Quacquarelli Symonds (QS) представлял

свой собственный рейтинг ведущих уни-

верситетов мира. Данный рейтинг в каче-

стве источника наукометрических данных

использовал базу данных Scopus, однако

с 2009 по 2014 г. Times Higher Education

составлял рейтинг в сотрудничестве

сThomson Reuters уже на основе данных

Web of Science, а QS продолжает состав-

лять собственные рейтинги, используя

по-прежнему данные из Scopus.

Методика составления рейтинга QS пре-

дусматривает оценку научной деятельности

университета исходя из количества цитиро-

ваний статей вуза в базе данных Scopus, что

рассматривается как показатель качества

преподавательского состава. Учитывает-

ся количество цитирований, полученных

статьями университета за 5 лет по данным

базы Scopus в расчете на 1 преподавателя.

При этом с 2011 г. количество цитирований

учитывается без самоцитирований органи-

зации, т. е. показывает реальный внешний

интерес к работам, выполненным в вузе. Ис-

ключение самоцитирований стало самым

существенным изменением в методике со-

ставления рейтинга после 2009 г. Этот по-

казатель составляет 20 % в общем балле.

Одновременно с общим рейтингом уни-

верситетов (в сентябре-октябре каждого

года) публикуются рейтинги по научным

областям — QS World University Rankings

by Faculty. Эти рейтинги составляются по

5крупным областям по следующей методи-

ке, претерпевшей значительные изменения

с2013 г. (табл. 11).

Существенным отличием от основного

рейтинга является то, что цитирования рас-

считываются не на количество преподавате-

лей, а на статью, а также учитывается индекс

Хирша статей организации по соответству-

ющей области за определенный период.

С 2011 г. QS представляет также рейтинг

университетов по более узким предметных

областям — QS World University Rankings by

158

Faculty Area Academic Employer Citations H

Arts & Humanities 60 % 20 % 10 % 10 %

Engineering & Technology 40 % 30 % 15 % 15 %

Life Sciences & Medicine 40 % 10 % 25 % 25 %

Natural Sciences 40 % 20 % 20 % 20 %

Social Sciences & Management 50 % 30 % 10 % 10 %

Таблица 11

Рейтинги по научным областям

Subject. Рейтинги составляются по 30 от-

дельным предметным областям и публи-

куются топ-200 университетов по каждой

области. Методика составления данных

рейтингов практически аналогична мето-

дике QS World University Rankings by Faculty

с более ярко выраженными различиями

ввесах показателей для каждой из 30 оце-

ниваемых областей.

QS составляет также и региональные рей-

тинги — по странам Азии, Латинской Аме-

рики, БРИКС, атакже довольно интересный

рейтинг молодых университетов — Top 50

under 50. Для России в данном аспекте ин-

тересен рейтинг университетов БРИКС, соз-

данный QS в 2013г. Для этого рейтинга ба-

зовой методикой для составления являлась

основная методика составления общего

рейтинга, но с некоторыми видоизменени-

ями— повышен вес мнения работодателей,

учитывается не только количество цитиро-

ваний (в этом рейтинге цитирования учи-

тываются в расчете не на преподавателя,

а на статью), но и количество публикаций

вScopus, несколько снижен вес показателей

интернационализации и добавлен такой

показатель качества преподавательского

состава, как доля преподавателей с учены-

ми степенями. Показатели, связанные с пу-

бликациями, вданном рейтинге составляют

15 % от общей оценки — 5% цитируемость

врасчете на 1статью и 10 % — количество

статей врасчете на 1 преподавателя.

Рейтинг Times Higher Education World

University Ranking, составляемый с 2009 по

2014г. в сотрудничестве с Thomson Reuters,

претерпел по сравнению с тем, который со-

ставлялся вместе с QS, гораздо более силь-

ные изменения, особенно в отношении по-

казателей, связанных с публикациями.

Количественные и качественные данные

о публикациях входят в интегральные пока-

затели, характеризующие качество иссле-

дований (в целом 30 %), влиятельность ис-

следований (30 %) и интернационализацию

университета (7,5 %). В блоке показателей,

связанных с качеством исследований, оце-

нивается количество статей, опубликован-

ных университетом вжурналах, индексиру-

емых в Web of Science СС, причем данный

показатель рассчитывается с учетом как

численности преподавателей, так и с нор-

мализацией по областям знаний (6 %).

Влиятельность исследований рассчитыва-

ется по цитируемости статей университета.

Цитируемость рассчитывается как полно-

стью нормализованный показатель, учиты-

вающий особенности цитирования вразлич-

ный областях знаний, разницу в цитирова-

нии статей, опубликованных вразные годы,

разных типов публикаций (научные статьи

и обзоры, например). Кроме того, вводятся

159

Таблица 12

Сводные данные по весам групп показателей

Группа показателей/

научная область

Качество об-

разования

Исследо-

вательская

репутация

Цитирова-

ние

Доход от

промышлен-

ности

Интернаци-

онализация

Arts&Humanities 37,5 37,5 15 2,5 7,5

Clinical, Preclini-

cal&Health, Life Sciences

and Physical Sciences

27,5 27,5 35 2,5 7,5

Engineering & Technology 30 30 27,5 57,5

Social Sciences 32,5 32,5 25 2,5 7,5

повышающие или понижающие поправки

на средний уровень цитируемости страны

вцелом. Такой подход позволяет достаточно

корректно сравнивать цитируемость статей

в разных областях наук с учетом националь-

ных особенностей независимо от их количе-

ства и размера университета.

В показателях интернационализации

университета треть, т. е. 2,5 %, приходится

на долю статей, написанных в международ-

ном соавторстве.

Все показатели, связанные с публикаци-

ями, рассчитываются за 5-летний период

исоставляют в общей сложности 38,5 %.

Наряду с глобальным рейтингом состав-

ляются также и рейтинги по научным об-

ластям, содержащие все те же параметры,

что и для общего рейтинга, но с другими ве-

совыми коэффициентами. Так, для гумани-

тарных наук (Arts & Humanities) снижен вес

цитируемости (15 %) и значительно выше

оценивается качество образования (37,5%).

Сводные данные по весам групп показате-

лей приведены в табл. 12.

В 2012 г. появился рейтинг университетов

Азии, а осенью 2013 г. и рейтинг универси-

тетов стран БРИКС и развивающихся эконо-

мик. Оба эти рейтинга строятся по той же

методике, что и глобальный рейтинг.

Кроме глобальных рейтингов университе-

тов существуют еще и рейтинги публикаци-

онной активности. Эти рейтинги строятся

на основании данных как Web of Science СС,

так и Scopus.

На базе Scopus исследовательской груп-

пой SCImago из университета Гранады со-

ставляется рейтинг исследовательских орга-

низаций мира (SCImago Institutional Ranking).

В рейтинг 2014 г. вошли 132 организации

России (всего в рейтинге 4851 организация),

из них 29 университетов (всего — 2713). Ран-

жирование осуществляется на основании

данных о публикациях за предыдущие 5 лет

и включает следующие показатели:

• Output — общее число опубликованных

научных работ;

•Scientic Talent Pool — общее количество

авторов из организации;

• Excellence Rate — число работ, опубли-

кованных в изданиях, входящих в 10 %

наиболее цитируемых в мире (по научным

областям);

• Scientic Leadership — число опублико-

ванных научных работ, основные авторы

которых (corresponding author) указывают

свою принадлежность к организации;

• Excellence with leadership — количество

документов, включенных в показатель

160

Excellence rate, в которых основной автор

относится к рассматриваемой организации;

•International Collaboration — междуна-

родное сотрудничество (по количеству

совместных с зарубежными партнерами

публикаций);

•Normalized Impact — среднее цитирова-

ние научных работ организации, приведен-

ное к среднемировому цитированию;

•High Quality Publications — число научных

работ, опубликованных в самых авторитет-

ных журналах (издания, входящие в верх-

ний квартиль распределения по авторитет-

ности в соответствии с рейтингом SCImago

Journal Rank SJR по научным областям);

•Specialization Index — соответствие тематики

научных работ специализации организации.

По данным о публикациях в Web of Science

СС составляется Лейденский рейтинг, основ-

ной особенностью которого является возмож-

ность расчета всех показателей сучетом доли

соавторства ученых из разных университетов.

Доля соавторства в данном случае учитыва-

ется строго пропорционально авторам из

разных организаций, без учета их поряд-

ка (как в Шанхайском рейтинге для Science

& Nature) или «главности», обозначаемой

для “corresponding author” (как в показате-

ле Scientiﬁc Leadership вSciMago Institutional

Ranking). Показатели в этом рейтинге можно

подразделить на две основные группы — по-

казатели влиятельности (Impact Indicators)

исотрудничества (Collaboration Indicators).

К первой группе относятся следующие:

•Mean citation score (MCS). Среднее количе-

ство цитирований публикаций университета.

• Mean normalized citation score (MNCS).

Среднее цитирование публикаций универ-

ситета, нормализованное по области зна-

ний, виду публикаций, году публикации.

•Proportion top 10 % publications (PPtop

10 %). Доля публикаций университета, вхо-

дящих в 10 % самых цитируемых, в общем

числе публикаций.

Вторая группа характеризует как сотруд-

ничество с другими организациями, так

имеждународное сотрудничество:

•Proportion collaborative publications

(PPcollab). Доля публикаций университета

всоавторстве с другими организациями.

• Proportion international collaborative

publications (PPint collab). Доля публикаций

университета в соавторстве с двумя и более

странами.

• Mean geographical collaboration distance

(MGCD). Среднее географическое расстоя-

ние между соавторами.

• Proportion long distance collaborative

publications (PP > 1000 km). Доля публикаций

университета, написанных в соавторстве

сорганизациями, расположенными на рас-

стоянии более чем 1000 км.

В рейтинг включаются университеты, за-

нимающие первые 500 мест по количеству

публикаций за 4 года в целом (учитывают-

ся только типы публикаций Article и Review)

с возможностью проводить ранжирование

по любому из показателей как с учетом доли

соавторства (т. е. фракционированные пока-

затели), так и без учета, т. е. по всему набору

публикаций. С 2014 г. первичный отбор уни-

верситетов для дальнейшего ранжирования

осуществляется по количеству публикаций

не во всех журналах, индексируемых Web of

Science СС, а только восновных (core journals),

правила отбора которых и список приведе-

ны на сайте http://www.leidenranking.com/

methodology/indicators#core-journals. Таким

образом, из исходного подсчета публикаций,

по расчетам составителей рейтинга, исключа-

ется порядка 16 % всех публикаций, проиндек-

сированных в базе данных Web of Science CC.

Еще один рейтинг Performance Rank-

ing of Scientiﬁc Papers for World Universities

161

Таблица 13

Методология рейтинга Performance Ranking of Scientiﬁc Papers

for World Universities (HEEACT)

Критерий Индикаторы 2013 Вес индикатора

Исследовательская

продуктивность

Количество статей за последние 11 лет (2002–2012) 10 20

Количество статей в текущем году (2012) 10

Влиятельность

исследований

Количество цитирований

за последние 11 лет (2002–2012) 10

Количество цитирований

за последние 2 года (2011–2012) 10

Среднее количество цитирований

за последние 11 лет (2002–2012) 10

Исследовательское

превосходство

h-index за последние 2 года (2011–2011) 20

Количество высокоцитируемых статей (2002–2012) 15

Количество статей в высокорейтинговых

журналах в текущем году* (2012) 15

*Журналы, входящие в верхние 5 % по импакт-фактору в каждой предметной категории.

(HEEACT), который строится на основе публи-

каций, проиндексированных в Web of Science,

с 2007 г. составляет Национальный универ-

ситет Тайваня. Критериями отбора универси-

тетов для дальнейшего анализа исоставле-

ния рейтинга являются следующие:

1. Попадание в Топ-700 организаций,

представленных в аналитическом разде-

ле Essential Science Indicators на платфор-

ме InCites.

2. Присутствие в рейтингах ARWU, QS,

THE, U.S.News.

Получившийся перечень университе-

тов анализируется по параметрам, приве-

денным в табл. 13, которые также берутся

либо из Essential Science Indicators, либо

непосредственно по базе данных Web of

Science СС, и составляется окончательный

рейтинг, содержащий 500 университетов.

Кроме общего рейтинга Тайваньский уни-

верситет составляет и рейтинги по широ-

ким областям (6 областей) и предметным

категориям (14 категорий, относящихся

кестественным и техническим наукам).

Описанные выше рейтинги не исчерпы-

вают весь спектр существующих рейтин-

гов университетов, но являются наиболее

известными.

Таким образом, в описанных рейтингах

присутствует практически весь спектр воз-

можных показателей, от простого количе-

ства публикаций до сложных показателей

нормализованного цитирования и исполь-

зования фракционирования количества пу-

бликаций и цитирований для корректного

учета вкладов конкретных университетов.

Размер организации практически везде

учитывается путем нормирования показате-

лей на количество преподавателей (Faculty)

или Academic Staff (научно-педагогических

работников в российской терминологии).

Российские университеты в международ-

ных рейтингах представлены весьма скром-

но, при этом основные проблемы связаны

162

именно с показателями, характеризующими

как количество, так и качество научных пу-

бликаций. Какие можно сделать рекоменда-

ции для сотрудников и администрации уни-

верситетов по улучшению публикационных

показателей с учетом всех изложенных выше

способов учета и оценки публикаций и их

применения для составления рейтингов?

На сегодняшний день самым реальным так-

тически представляется расширение между-

народного сотрудничества, увеличивающего

как долю международных публикаций, так

и возможность публикаций российских ав-

торов в рейтинговых международных жур-

налах. Эффективным также может оказаться

расширение практики публикации научных

результатов в журналах открытого доступа

или использование опции открытого доступа

в журналах с гибридной моделью публика-

ции. Открытый доступ потенциально способ-

ствует более быстрому цитированию научных

статей, т. е. оказывает существенное влияние

на показатели цитируемости, используемые

при составлении рейтингов университетов.

На уровне каждого конкретного уни-

верситета возможны следующие направ-

ления, способствующие как повышению

публикационной активности, так и лучше-

му представлению научных результатов

университета в международных индексах

цитирования.

Административные меры:

•строгаярегламентацияуказанияназва-

ния университета как места работы автора

в публикациях, что позволит избежать оши-

бок и неточностей при индексации публика-

ций университета;

• введение требований по наличию пу-

бликаций при проведении конкурсов на

замещение должностей научно-педагоги-

ческих работников, позволяющее повышать

уровень кадрового состава.

Стимулирующие меры:

•установлениедоплатилипремирование

в зависимости от количества публикаций

вмеждународных базах, их цитирования;

• компенсация оплаты публикаций от-

крытого доступа в рейтинговых журналах

и т. д.;

• повышение квалификации научно-

педагогических работников, обучение

аспирантов и студентов основам акаде-

мического письма, использованию элек-

тронных ресурсов и наукометрических

инструментов для планирования своей

научной деятельности.

Инфраструктурные меры — расширение

подписки на электронные ресурсы, позво-

ляющие ученым знакомиться с самой ак-

туальной научной информацией и плани-

ровать направления своих исследований

в соответствии с мировыми трендами, мо-

дернизация научного оборудования и др.

Все это позволит развивать научные ис-

следования, представляющие интерес для

мирового научного сообщества и, следова-

тельно, способствующие появлению науч-

ных публикаций высокого уровня.

Акопов А. И. Научные журналы: обзор научных раз-

работок и попытка типологической дифференциации

на фоне социально-экономических и профессиональ-

ных проблем // Научно-культурологический журнал.

№12 (157). 25.08.2007. URL: http://www.relga.ru/

Environ/WebObjects/tgu-www.woa/wa/Main?textid=20

24&level1=main&level2=articles

Бредихин С. В., Кузнецов А. Ю. Методы библиометрии

и рынок электронной научной периодики. Новоси-

бирск: ИВМиМГ СО РАН, НЭИКОН, 2012. 256 с.

Бредихин С. В., Кузнецов А. Ю., Щербакова Н. Г. Анализ

цитирования в библиометрии. Новосибирск: ИВМиМГ

СО РАН, НЭИКОН, 2013. 344 с.

Гиляревский Р. С., Шапкин А. В., Белозеров В. Н. Рубри-

катор как инструмент информационной навигации.

СПб.: Профессия, 2008. 352 с.

Маршакова И. В. Система связей между документами,

построенная на основе ссылок: по данным Science

Citation Index // НТИ. Сер. 2. 1973. № 6. С. 3–8.

Налимов В. В., Мульченко З. М. Наукометрия. Изучение

развития науки как информационного процесса. М.:

Наука, 1969. 192 с.

Писляков В. В., Дьяченко Е. Л. Эффект Матфея вцити-

ровании статей российских ученых, опубликованных

за рубежом // НТИ. Сер. 2. Информационные процес-

сы и системы. 2009. № 3. С. 19–24.

Прайс Д., Бивер Д. Сотрудничество в «невидимом

колледже» / пер. с англ. М. К. Петрова // Коммуника-

ция в современной науке: сб. переводов / сост., общ.

ред. и вступ. ст. Э. М. Мирского, В. Н. Садовского. М.:

Прогресс, 1976.

Ранганатан Ш. Р. Классификация двоеточием.

Основная классификация / пер. с англ.; под ред.

Т.С.Гомолицкой. М.: ГПНТБ СССР, 1970.

Хайтун С. Д. Наукометрия. Состояние и перспективы.

М.: Наука, 1983. 343 с.

Alonso S., Cabrerizo F., Herrera-Viedma E., Herrera F.

hg-index: A new index to characterize the scientiﬁc

output of researchers based on the h- and g-indices //

Scientometrics. 2010. Vol. 82. № 2. P. 391–400.

Beall J. Predatory publishers are corrupting open access

// Nature. 2012. Vol. 489. P. 179.

Berelson B. Graduate education in the United States.

N.Y.: McGraw-Hill Book Co, 1960. Р. 55

Bonitz М., Bruckner Е., Scharnhоrst А. Characteristics and

Impact of the Matthew Effect for Countries // Sciento-

metrics. 1997. Vol. 40. № 3. Р. 407–422.

Bonitz М., Bruckner Е., Scharnhоrst А. The Matthew

Index— Concentration Patterns and Matthew Core Jour-

nals // Scientometrics. 1999. Vol. 44. № 3. Р. 361–378.

Bonitz М., Scharnhorst А. Competition in Science аnd the

Matthew Core Journals // Scieпtometrics. 2001. Vol. 51.

№ 21. Р. 37–54.

Börner K., Jeegar T. Maru, Robert L. Goldstone The Simul-

taneous Evolution of Author and Paper Networks // Proc.

Natl. Acad. Sci. USA. 2004. Apr. 6; 101 Suppl 1:5266-73.

Chubin D. E., Moitra S. D. Content analysis of references:

adjunct or alternative to citation counting. Social Studies

of Science. 1975. Vol. 5. P. 423-441.

Gareld E. Citation Indexes for Science. A new Dimen-

sions in Documentation through association of ideas //

Science. 1955. Vol. 122.

González-Pereira B., Guerrero-Bote V. P., Moya-AnegónF.

Anew approach to the metric of journals’ scientiﬁc pres-

tige: The SJR indicator // Journal of informetrics. 2010.

№4 (3). Р. 379–391.

Gross P. L. K., Gross E. M. College libraries and chemical

education // Science. 1927. Vol. 66. № 1713. P. 385–389.

Guerrero-Bote V.P., Moya-AnegónF. Afurther step

forward in measuring journals’ scientiﬁc prestige: The

SJR2 indicator // Journal of Informetrics. 2012. № 6 (4).

Р. 6 74 – 6 8 8 .

Hirsch J. An index to quantify an individual’s scientiﬁc

research output // Proceedings of the National Academy

of Sciences. 2005. Vol. 102. P. 16569–16572.

Kessler M. M. Bibliographic coupling between scientiﬁc

papers // American Documantation. 1963. Vоl. 14. Iss. 1.

P. 10–25.

Latour B., Woolgar S. Laboratory life: The construction

ofscientiﬁc facts. N. J.: Princeton, 1986. 297 p.

Merton R. K. The Matthew Effect in Science // Science.

January 1968. Vоl. 5. № 159 (3810). Р. 56–63.

Merton R. K. The Sociology of Science ed by N.W.Storer .

Chicago: University of Chicago Press, 1973.

Moed H. F. Citation Analysis in Research Evaluation.

Springer, 2005. 346 p.

Moed H. F. Measuring contextual citation impact of

scientiﬁc journals // Journal of Infometrics. 2010. Vol. 4.

Р.265–277.

Nicolaisen J. Social behavior and scientiﬁc practice: Miss-

ing pieces of the citation puzzle: PhD thesis. Copenha-

gen: 321 Royal School of Library and Information Science,

2004. 214 p. URL: http://books.google.com.

Page L., Brin S., Motwani R. and Winograd T.

The PageRank Citation Ranking: Bringing Order to the

Web. Technical Report. 1998. Stanford InfoLab. URL:

http://ilpubs.stanford.edu:8090/422/.

Prathap G. Hirsch-type indices for ranking institutions’

scientiﬁc research output // Current Science. 2006. Vol.

91. Iss. 11. P. 1439–1439.

Price D. Little Science, Big Science. N. Y.: Columbia Univ.

Press, 1963 [Издание на рус. яз.: Прайс Д. Малая

наука, большая наука // Наука о науке / под ред.

В.Н.Столетова. М., 1996. С. 281–384.]

Small H. Co-citation in the scientiﬁc literature: A new

measure of the relationship between documents //

J.Amer. Soc. Inform. Sci. 1973. Vol. 24. Р. 256–269.

Thelwall M., Haustein S., Lariviere V., Sugimoto C. R.

DoAltmetrics Work? Twitter and Ten Other Social Web

Services // PLoS ONE. 2013. Vol. 8. Iss. 5. Art. number

e64841.

Wouters P. The signs of science // Scientometrics. 1998.

Vol. 41. Iss. 1−2. P. 225−241.

Wouters P. Beyond the holy grail: From citation theory to

indicator theory // Scientometrics. 1999. Vol. 44. Iss.3.

P.561−580.

164

КАРТИРОВАНИЕ НАУКИ

ИТЕХНОЛОГИИ,

ПРОГНОЗРАЗВИТИЯ

MAPPING SCIENCE AND TECHNOLOGY,

FORECASTING RESEARCH AND DEVELOPMENT

DOI 10.15826/B978-5-7996-1352-5.0007

The chapter explores visualization of research documents relationships through subject, semantic,

chronological and geographical mapping. Examples from different citation indexes and patent

databases are used. Methods of analyzing a selection of documents using such vizualizations are

demonstrated. Possibilities and limitations of R&D forecasting are examined. The author highlights

the ways to improve research productivity, and indentify new promising directions for research.

В данной главе рассматриваются вопросы визуализации взаимосвязей документов

втематическом, семантическом, хронологическом и географическом представлениях на

примерах публикаций из различных указателей цитирования и патентных баз. Описаны

методы проведения анализа набора документов с использованием такой визуализации.

В главе рассмотрены вопросы ограничений в прогнозировании научно-технического раз-

вития и аспекты повышения качества существующих научных направлений и развития

новых направлений в организации.

М. А. Акоев

Заместитель

директора Центра

мониторинга на-

уки и образования

Уральского феде-

рального универси-

тета имени первого

Президента России

Б.Н.Ельцина.

При переходе от наукометри-

ческого анализа отдельных

ученых, коллективов и орга-

низаций к их сравнению аналитик

сталкивается с необходимостью

выявлять закономерности в боль-

ших объемах информации. Ис-

пользование приемов визуализа-

ции данных позволяет сократить

затраты на нахождение зависимо-

стей и в дальнейшем — на пред-

ставление результатов анализа.

Помимо построения диаграмм

к ним относится также и пред-

ставление сложноорганизован-

ной информации в формате карт

(картирование), на которых можно

показать связи анализируемых

элементов. С вопросами картиро-

вания наукометрической инфор-

мации тесно связаны задачи по-

строения прогноза развития науки

и технологии и задачи повышения

качества существующих и разви-

тия новых направлений исследо-

ваний в научных организациях.

4.1. Картирование науки

итехнологии

Картирование, являясь одним из

приемов наглядного представле-

ния данных, подчиняется общим

165

принципам визуализации, т. е. компактному

представлению большого объема инфор-

мации, делающему заметными найденные

в ходе анализа закономерности1. Информа-

ция о типах и уровнях наукометрического

анализа с примерами названий визуализа-

ций приведена в табл. 14, построенной на

основании классификации, приведенной в

[Börner, Polley, 2014, p. 7]. Вданном разделе

для каждого типа из табл. 14 мы рассмо-

трим характерные примеры анализа с це-

лью показать возможности и ограничения

конкретных типов визуализации в приме-

нении к наукометрическим исследованиям.

Каждый из представленных типов науко-

метрического анализа отвечает на один из

вопросов о предмете исследования (вопро-

сы приведены в скобках). На практике ча-

ще всего встречается комбинация разных

типов анализа, например, карта распреде-

ления публикационной активности органи-

заций РАН будет одновременно отвечать на

вопросы: где? с кем? и когда?

В настоящий момент наиболее исчерпы-

вающие сведения о приемах научной визу-

ализации содержатся в руководстве [Börner,

Polley, 2014], а также в открытом онлайн-кур-

се тех же авторов [IVMOOC, 2014]. Примеры

визуализаций, представленные в выше-

указанных руководстве и курсе, построены

с использованием интегрированной плат-

формы анализа и визуализации данных Sci²

1Проект «Карта российской науки» Министерства

образования и науки РФ (http://www.mapofscience.ru/)

является информационной системой для регулярно-

го и автоматического обновления базы данных ученых

иорганизаций, включая показатели их деятельности,

осуществления статистического анализа научно-ис-

следовательской активности и обеспечения основы

для создания аналитических материалов о состоянии

российского сектора научных исследований и раз-

работок. В «Карте российской науки» использованы

отдельные методы картирования, представленные

вданном разделе.

Tool, разработанной вCyberinfrastructure for

Network Science Center Университета Ин-

дианы [Sci² Tool, 2010]. Sci² Tool представ-

ляет собой модульный набор программ-

ных средств для изучения и обработки

наукометрической информации, который

поддерживает проведение всех типов нау-

кометрического анализа на всех уровнях,

описанных в табл. 14. Платформу Sci² Tool

можно рекомендовать для изучения при-

емов визуализации и дальнейшей работы,

при этом необходимо учитывать, что неко-

торые возможности по импорту и анализу

данных ориентированы на данные о науке

США (например, данные о грантах NSF, при-

вязанные к формату даты США).

Примерами статистического анализа

и построения профилей авторов служат

визуализации в форме разнообразных диа-

грамм и таблиц данных. Систематическое

введение в визуализацию с использова-

нием диаграмм можно получить, обратив-

шись к книге [Желязны, 2009] и учебнику

[Яу,2013]. Книга [Желязны,2009] представ-

ляет приемы использования диаграмм для

коммуникаций в процессе поддержки при-

нятия решений. В учебнике [Яу, 2013] под-

робно описаны технические аспекты под-

готовки данных для визуализации. Кратко

остановимся на важных аспектах визуали-

зации, проиллюстрировав их на примере

визуализации диаграммы и таблицы исход-

ных данных.

Визуализация числа элементов в коли-

честве большем, чем можно удерживать

в оперативной памяти, нецелесообразна.

Объем оперативной памяти человека опре-

деляет «магическое» число семь плюс-

минус два («кошелек Миллера»). Сравните

представление одной и той же информа-

ции на рис.36а и36б (см.с.187). В качестве

сравниваемых элементов выступают десять

166

Таблица 14

Соотношение типов наукометрического анализа (в скобках указан вопрос,

идентифицирующий субъект) и уровней наукометрического анализа

Тип

наукометрического

анализа

Уровень наукометрического анализа

Микро/

Индивидуальный

(1–100 записей)

Промежуточный/

Локальный

(101–10 000 записей)

Макро/

Глобальный

(более 10 000 записей)

Статистический

анализ / Построение

профиля (Кто?)*

Экспертные данные

оперсональной на-

учной продуктивности

Исследовательские

центры, университеты,

предметные области

или государства

Все публикации

США или все пу-

бликации в мире

Геопространствен-

ный анализ (Где?)

Индивидуальная

траектория переме-

щения исследователя

Распределение мест

работы авторов

публикаций в на-

учном журнале

Распределение публи-

кационной активности

организаций РАН

Темпоральный

анализ (Когда?)

Динамика полу-

чения индивиду-

альных грантов

Развитие тематик

институтов отде-

ления физических

наук РАН за 20 лет

113 лет физических

исследований

Тематический

анализ (Что?)

Ключевые слова,

указанные в записях

оцитируемых источ-

никах в публикациях

по теме исследования

Тематики публикаций

институтов отделе-

ния химии и наук

оматериалах РАН

Карты ключевых

слов и тематики

исследований РАН

Сетевой

анализ (С кем?)

Сеть организаций,

ученые которых

выполняют работы

всоавторстве с данной

научной группой

Сеть соавторства

между исследова-

телями по анализи-

руемой тематике

Ключевые

компетенции РАН

*В скобках указан вопрос, идентифицирующий субъект. В ячейках таблицы приведены примеры названий визу-

ализаций. Таблица основана на классификации, приведенной в [Börner, Polley, 2014, p. 7], с изменением примеров.

тематик, а не отдельные характеристики

в ячейках таблицы. Единственное преиму-

щество диаграммы перед табличным пред-

ставлением — это возможность визуально

оценить степень отличия абсолютных зна-

чений, сравниваемых элементов сразу по

нескольким показателям; например, число

публикаций в первых трех областях при-

близительно одинаково, но они отличаются

по нормализованной цитируемости.

Визуализация как метод представления

информации не может компенсировать от-

сутствие или низкое качество исходных

данных. Также визуализация не может вы-

167

явить закономерности, которые не обна-

руживаются количественными методами

анализа. Визуализация делает закономер-

ности в предварительно собранных и об-

работанных данных более доступными для

восприятия. Визуализация, по сути, пред-

ставляет собой краткое обобщение резуль-

татов анализа, которое позволяет понять

контекст при переходе к данным, лежащим

в основе анализа. Доверие к представлен-

ным в форме визуализации результатам

анализа будет высоким, если обеспечивает-

ся верифицируемость результатов анализа,

т. е. получение всех элементов представ-

ляемого отчета может быть прослежено до

первичных данных и методик их обработки.

Пример визуализации, представленный

на рис. 36а и36б (см.с.187), иллюстриру-

ет необходимость обеспечения верифици-

руемости данных при принятии решений.

Диаграмма была подготовлена для при-

нятия решений о выборе мероприятий по

развитию десяти анализируемых направ-

лений (названия тематик для дальнейшего

обсуждения несущественны, публикации

были отобраны в ручном режиме с привле-

чением экспертов в предметной области

и представляют узкие тематические на-

правления). Для всех анализируемых об-

ластей характерен уровень цитируемости

ниже, чем среднемировой, что позволяет

для всех научных групп сформулировать

задачу повышения видимости их научного

результата в мире. Для научных групп, ко-

торые представляют тематику Subject 10,

только из анализа представленных данных

можно было бы сделать вывод, что при вы-

делении дополнительного финансирова-

ния можно ожидать роста качественных

показателей публикаций при сохранении

количества публикаций. К данному выводу

можно прийти исходя из того, что ученые,

опубликовавшие анализируемые работы,

при высоких темпах роста смогли сохра-

нить самый высокий уровень востребован-

ности своих результатов в анализируемых

предметных областях (косвенно об этом

свидетельствует значение нормализован-

ной цитируемости публикаций). Однако при

обращении к первичным данным о цити-

руемости публикаций данной предметной

области выявляется высокий процент само-

цитирования. Из этого следует, что на фоне

увеличения числа публикаций по тематике

группа в меньшей степени ориентирована

на привлечение внешнего внимания к сво-

им работам. Принятие решений по выделе-

нию ресурсов для данной группы требует

дополнительного анализа с привлечением

экспертов в этой предметной области.

Возможность визуализации данных за-

висит от наличия готовых инструментов

построения визуальных представлений.

Только опыт регулярных созданий и пред-

ставлений визуализаций при наличии

инструментов и подготовленных для ви-

зуализации данных гарантирует создание

оптимального, с точки зрения восприятия,

типа визуального представления результа-

тов. Многие типы визуального представле-

ния результатов, обобщающие опыт многих

пользователей, встроены в библиометри-

ческие базы данных или аналитические

надстройки над ними (подробнее про би-

блиометрические инструменты см. в раз-

деле2.1). Однако при проведении исследо-

ваний с одновременным использованием

разных типов анализа (табл. 14) штатных

средств анализа обычно бывает недоста-

точно. Приходится прибегать к использо-

ванию готовых инструментов или создавать

свои инструменты визуализации под кон-

кретный вид представления или подготов-

ку данных для визуализации. Обзор готовых

168

средств визуализации приведен в [Science

mapping…,2011].

Картирование — одна из сложнейших

форм визуализации как по трудоемкости

процесса подготовки данных, так и по вос-

приятию и интерпретации результата потре-

бителем. Трудоемкость подготовки данных

определяется необходимостью, содной сто-

роны, указать координаты на карте для каж-

дого отображаемого элемента (публикации,

исследователя ит.п.), асдругой— получить

«картографическую» основу, полезную для

целей анализа и отражающую представле-

ние о реальности. Например, в случае гео-

пространственных визуализаций «картогра-

фическая» основа отражает реальный мир

и распределение элементов в географиче-

ском пространстве, авслучае тематических

карт или схем — соотнесение тематик, ко-

торые отражают науку ровно в той степени,

вкоторой ее отражают исходные данные, ис-

пользованные для построения основы карты.

Существенное отличие тематических «кар-

тографических» основ от географических

втом, что мы не можем на момент построения

знать все тематики исследований с учетом

будущих результатов исследований. Темати-

ческие карты не обладают предсказательной

силой «белых пятен» географических карт.

Основная ценность картографического

способа визуализации данных заключа-

ется в возможности продемонстрировать

распределение элементов в условном про-

странстве карты, показывая расстояния

между ними. Зная распределение элемен-

тов в пространстве карты, мы можем нахо-

дить в окрестности выбранного элемента

все существующие элементы, которые счи-

таются близкими, например тематически

связанные публикации одного временного

периода. Именно возможность определить

окрестности выбранного элемента делают

картографические способы отображения

полезными для анализа, так как позволя-

ют найти эталонный набор элементов для

сравнения. Отметим, что поиск окрест-

ностей элемента не является следствием

их картографического отображения. Обе

возможности— как поиск, так и отображе-

ние— являются следствием моделей, лежа-

щих в«картографических» основах. Обзор

подходов к выбору моделей для построения

«картографических» основ представлен

в[Mapping research…, 2008].

4.1.1. Геопространственный анализ (где?)

В качестве примера геопространствен-

ного анализа построим карту мест работы

авторов, указываемых в аффилиации в жур-

нале ACM Transactions on Database Systems

(TODS). Публикации в научном журнале от-

носятся к узкой тематике, исключения со-

ставляют мультидисциплинарные журналы

(подробнее обсуждение классификаций

журналов см.в разделе3.7). Следователь-

но, по аффилиации авторов можно отсле-

дить, где расположены научные центры,

вкоторых выполняются работы по узкой те-

матике. Результат анализа представлен на

рис. 37 (см.с.188). Информация о коорди-

натах каждого места работы была получена

геокодированием адресной информации из

аффилиации авторов в библиографических

записях. Геокодирование– это автоматизи-

рованный процесс сопоставления почтовых

адресов с координатами на карте (в данном

анализе использовалась служба Geocoding

API Google2). За анализируемый период,

с 2008 г. по первый выпуск 2014г., в жур-

нале была опубликована 181 работа, что

составляет порядка 21 % всех публикаций

вжурнале с момента его создания (журнал

2https://developers.google.com/maps/documenta-

tion/geocoding/ (дата обращения: 25.06.2014).

169

выходит четыре раза в год). Данные рабо-

ты написали 437 авторов, которые указали

420 текстуально разных вариантов аффи-

лиации (некоторые авторы указали более

одной аффилиации). Из представленной на

рис.37 (см.с.188) карты видно, что авторы

за небольшим исключением сконцентриро-

ваны в Европе и США.

Процесс, использующий автоматическое

геокодирование, не всегда возвращает

правильные координаты. Например, от-

метка вТихом океане у берегов Чили явля-

ется результатом геокодирования следую-

щей аффилиации: «Departamento de Cien-

ciadela Computación, Escuelade Ingeniería,

Pontiﬁcia Universidad Católicade Chile, Chile»

(при повторной обработке в июле 2014 г.

геокодирование данной строки возвраща-

ло координаты вг.Сантьяго). Также при ге-

окодировании необходимо учитывать, что

не все аффилиации могут быть корректно

найдены, например, строка «Microsoft Re-

search Asia, Beijing, China» может быть рас-

познана по координатам географического

центра Пекина, а Microsoft вернет неопре-

деленное значение в силу множества под-

ходящих вариантов. При геокодировании

адресов необходимо учитывать, что, на-

пример, для действительных членов РАН

геокодирование аффилиации может воз-

вращать координаты адреса: г.Москва, Ле-

нинский просп., д.14.

Применение созданных при разработке

геоинформационных систем (ГИС) и ак-

тивно применяемых в географии методов

геопространственного анализа к наукоме-

трическим данным находится в начальной

стадии освоения. Систематическое приме-

нение методов геопространственного ана-

лиза требует использования специализиро-

ванных пакетов ГИС. Для начального зна-

комства с темой можно порекомендовать

обратиться к форуму GIS-Lab3 и в дальней-

шем перейти к чтению специализирован-

ной литературы.

4.1.2. Темпоральный анализ (когда?)

Исторически темпоральный анализ как ин-

струмент анализа наукометрических данных

появился первым, что связано сиспользова-

нием SCI для установления научных приори-

тетов в работах 1940-х гг. Первую публично до-

ступную программу визуализации публика-

ций на временной шкале суказанием связей

между ними (HistCite) создал Юджин Гарфилд

[HistCite, 2012]. Пример визуализации с ис-

пользованием HistCite можно увидеть в ста-

тье Ю.Гарфилда «Эволюция Science Citation

Index», включенной в данное руководство.

При использовании инструмента темпо-

рального анализа в визуализации возмож-

ны два варианта представления времени:

либо в качестве одной из осей, либо в по-

следовательности анимированных изобра-

жений. Второй способ применяется для

визуализации структур, которые требуют

двумерного отображения, например, дина-

мика во времени и географическое распре-

деление публикационной активности авто-

ров журнала. Визуализировать время для

сложных структур также можно, используя

цветовое кодирование времени, если это

уместно. Однако этот способ менее распро-

странен, так как затрудняет чтение карт,

перегружая их визуальной информацией.

Самым простым примером темпорально-

го анализа является столбчатая диаграм-

ма распределения числа публикаций во

времени. Для демонстрации возможностей

темпорального анализа, требующего ото-

бражения на карте, приведем распределе-

ние во времени связей между кластерами

публикаций авторов, прямо или косвенно

3http://gis-lab.info

170

Таблица 15

Журналы по наукометрии с 1945 г., индексируемые в Web of Science CC

American Documentation Journal of Information Science

The Annual Review of Information

Science & Technology Journal of Informetrics

Aslib Proceedings Journal of the American Society

for Information Science

Information Processing & Management Journal of the Association for Information

Science and Technology

Information Scientist Research Evaluation

Information Storage and Retrieval Research Policy

Journal of Documentation Scientometrics

цитирующих самую раннюю из самых ци-

тируемых в наукометрии публикаций мате-

матика А. Дж. Лотки [Lotka, 1926] (рис. 38,

см. с. 189). Визуализация выполнена в ин-

струменте CitNetExplorer, развивающем

идеи инструмента HistCite [CitNetExplorer,

2014]. CitNetExplorer позволяет визуализи-

ровать большие массивы публикаций и кла-

стеризовать их, скрывая несущественные

детали [Eck, Waltman, 2014].

Визуализация, представленная на рис.38

(см.с.189), была выполнена на основе публи-

каций за период 1945–2014 гг., полученных

из Web of Science CC для 14 журналов, пере-

численных в табл. 15. Всего было найдено

37 989 публикаций и 232 202 ссылки на них

в анализируемом массиве. Визуализация

воспроизводит пример, приведенный в лек-

ции Н. Ван Эйка (N. Van Eck) о возможностях

CitNetExplorer на конференции STI в2014 г.

Визуализация кластеров анализируемых

публикаций позволяет увидеть все клю-

чевые фамилии авторов, оказавших наи-

большее влияние на развитие наукометрии

и упоминавшихся в предыдущих главах.

Также на представленном рис.38 (см.с.189)

можно увидеть связи группы публикаций

по наукометрии (они выделены зеленым

цветом) с группой публикаций по инфор-

мационному поиску (выделены синим цве-

том), например, с публикациями Г.Сэлтона

(G. Salton) и с группой публикаций автора

концепции тройной спирали Г. Ицковица

(H. Etzkowitz) [Ицковиц, 2010] (выделены

фиолетовым цветом).

4.1.3. Сетевой анализ (с кем?)

Для исследования науки как процесса на-

учной коммуникации можно использовать

инструменты сетевого анализа, развитые

вдисциплине Social Network Analysis (SNA).

Сетевой анализ позволяет выявить законо-

мерности в совместных работах отдельных

авторов и научных организаций. Однако

возможности применения сетевого ана-

лиза для наукометрических исследований

реализуются в полной мере только при на-

личии машиночитаемой информации она-

учных связях ученых, о полученных ими ре-

зультатах и применении специализирован-

ных инструментов. В качестве инструмента

для знакомства с возможностями сетевого

анализа рекомендуется использовать Sci²

Tool [Sci² Tool, 2010]. В качестве инструмен-

та анализа и визуализации сетей большого

размера можно порекомендовать бесплат-

171

ную программу Pajek [Pajek, 1996]. Однако

для проведения сложных видов анализа

необходимо владеть компетенциями для

работы со специализированными продук-

тами и освоить навыки программирования.

Если у аналитика отсутствуют необходимые

компетенции программирования, то для

преобразования и подготовки данных для

анализа в проект нужно привлекать про-

граммиста. Однако аналитику желательно

самостоятельно освоить основы програм-

мирования в одном из онлайн-курсов ана-

лиза и обработки данных4. Для большин-

ства задач подготовки данных требуются

минимальные навыки программирования.

Дополнительным плюсом от освоения про-

граммирования будет улучшение взаимо-

понимания с программистами, которым вы

ставите задачи.

В качестве примера сетевого анали-

за построим сеть соавторства (рис. 39,

см.с.190) для публикаций четырех авторов:

Стенли Васерман (S. Wasserman), Юджин

Гарфилд (E. Garﬁeld), Алесандро Веспи-

ньяни (A. Vespignani) и Альберт-Ласло Ба-

рабаши (A.-L.Barabasi), 361запись, период—

1955–2007гг., источник— Web of ScienceCC.

Построение выполнено с использованием

Sci² Tool, исходные данные визуализации

входят в комплект поставки данного инстру-

мента. Методика построения сетей описана

в [Börner, Polley, 2014, p. 204–206]. Итак, со-

авторы образуют четыре четко выраженных

кластера. Два кластера публикаций, Стенли

Васермана иЮджина Гарфилда, не связаны

между собой исостальными кластерами и,

таким образом, образуют изолированные

«острова» соавторства. Выявление изоли-

рованных «островов» в сетях соавторства

для публикаций по одной тематике может

4https://www.coursera.org/courses?categories=stats

свидетельствовать как о возможности нала-

дить новые научные связи, так и о неверном

отнесении публикаций к тематике. Выпол-

няя анализ только на основе данных о соав-

торстве, без привлечения дополнительной

информации, например о ко-цитировании,

можно прийти к неверным выводам, так как

перечисление в списке авторов не несет ин-

формации о вкладе каждого из них в напи-

санную статью.

Визуализации сетевого анализа на про-

межуточном и макроуровнях (табл.14) ста-

новятся нечитаемыми, так как содержат

множество узлов с одной-двумя связями,

загромождающими построенную карту.

Концентрация связей позволяет визуально

подчеркнуть центры анализируемой актив-

ности, однако затрудняет общее восприятие

и делает метки нечитаемыми. Для пред-

ставления карт, построенных по результа-

там сетевого анализа, рекомендуется со-

кращать концентрацию связей, используя

вместо них цветовую раскраску, например

тепловую карту (heatmap), или используя

в качестве дополнительного параметра

кольцо вокруг узла с данными.

Сетевой анализ не замыкается только на

анализе библиометрических данных. Уче-

ные, активно применяя современные ком-

муникационные возможности при работе

синформацией, дают аналитикам возмож-

ность использовать при анализе данные,

сбор которых ранее был затруднен или не-

возможен. В качестве примера можно при-

вести сетевой анализ и визуализацию исто-

рии переходов читателей между статьями

на сайтах издательств [Clickstream Data…,

2009]. За два года, с 2007-го по 2008-й,

была собрана информация о более чем

одном миллиарде обращений к страницам

полнотекстовых ресурсов, данные о пере-

ходах и идентификации пользователей

172

представили издательства. Анализ, выпол-

ненный в статье, базируется на предположе-

нии, что большинство переходов на страни-

цы издательств с целью получения полного

текста были предприняты для чтения запра-

шиваемой работы как минимум с целью оз-

накомления. Полученная в результате ана-

лиза карта (рис.40, см.с.191) представляет

данные о связях между журналами на осно-

ве анализа динамики перехода читателей

между страницами изданий. Связи между

журналами отражают статистически значи-

мое число переходов в процессе чтения.

На карте сетевого анализа можно увидеть

ожидаемую концентрацию переходов меж-

ду журналами одной тематики и переходы

между журналами традиционно связанных

тематик. Однако из карты следует «неожи-

данный» результат— в центре карты область

социально-гуманитарных журналов ока-

залась связана с областями естественных,

технических и медицинских наук, что не со-

ответствует картам, которые строятся только

на основании данных о цитировании публи-

каций. В качестве дополнительного при-

мера сетевого анализа в применении к на-

укометрии гуманитарных дисциплин можно

привести исследование Р.Коллинза [Collins,

2000]. В рамках данного исследования были

выявлены и проанализированы связи между

философами на протяжении более чем двух

тысяч лет и было показано, что в философии

наблюдаются процессы, идентичные тем, ко-

торые мы видим в естественных науках. В ка-

честве примера выбора источников данных

для проведения сетевого анализа внутри

организации можно обратиться к диаграм-

ме, представленной вразделе 1.5.

4.1.4. Тематический анализ (что?)

Ответы на вопросы «Что является пред-

метом исследований?» и «Как связаны

предметы исследований между собой

и с практикой?» — это священный Грааль

наукометрии. Основным препятствием в от-

ветах на оба вопроса является научный про-

цесс, который ориентирован на порождение

компактного представления новых знаний

для нужд практики, ане для облегчения на-

укометрических исследований (подробнее

см. в разделе 1.2). Предмет исследований

надежно идентифицируется только комби-

нацией трех элементов: текстов спредстав-

лением результатов исследований, контек-

ста привлеченных для аргументации ссылок

на факты и имплицитных знаний в голове

сообщества исследователей и практиков,

работающих над предметом исследований.

Современные методы, используемые для

идентификации предмета исследований,

являются грубым приближением, ориен-

тированным на сокращение числа доку-

ментов, которые необходимо просмотреть

и прочитать в процессе поиска информа-

ции. Достигнутое качество аппроксимации

определяется прежде всего потребностями

поиска информации, а не проведением на-

укометрических исследований. Для запи-

сей баз данных о публикациях считается

достаточным, если классификация статьи

базируется на журнальной классификации.

Единственное неудобство возникает при

классификации статей из мультидисципли-

нарных журналов (подробнее обсуждение

классификаторов см. в разделе 3.7).

Возможности поиска информации в базах

данных публикаций, основанных на словах

в названии статей и источнике, в котором

опубликован текст, могут быть дополнены

поиском по ключевым словам. Ключевые

слова способствуют уточнению тематики

публикации, но не подменяют содержимое

публикации. Два ограничения препятству-

ют широкому использованию ключевых

173

слов для идентификации предмета иссле-

дования. Это, во-первых, необходимость

указывать достаточное число ключевых

слов для полноты идентификации тематики

статьи, а во-вторых, проблема унификации

и синонимии с целью повышения точности

поиска. Для многих российских статей по

экономике одно из наиболее популярных

ключевых слов — это «экономика». Пре-

одолеть подобные ограничения может

механизм приписывания ключевых слов

на основе информации из библиографии,

указанной в публикации, например инстру-

мент KeyWords Plus, используемый в Web of

Science CC. К сожалению, подобные меха-

низмы не могут полностью заменить работу

автора текста или издателя при генерации

поисковых образов документов для всех

записей в базе.

Несмотря на ограничения, присущие

ключевым словам, их можно использо-

вать прежде всего для проведения поис-

ка, а также ориентироваться на них при

выявлении тематик исследований. Для

примера визуализируем по ключевым сло-

вам изменение тематики публикаций ав-

торов из Казахстана с 2004 по 2014г. (см.

рис.41 — с.192), используя в качестве ин-

струмента облако ключевых слов Wordle5

[Participatory…, 2009]. Число публикаций

авторов из Казахстана, отраженных в Web

of Science CC, за указанный период удвои-

лось (периоды сравнения— пять лет). Об-

лако ключевых слов строится по значению

поля KeyWords Plus, которое указано менее

чем в половине записей. Размер ключевого

слова отражает долю публикаций в общем

числе публикаций. Из динамики ключевых

слов и факта просмотра соответствующих

им публикаций можно сделать вывод, что

тема моделирования и астрофизики в Ка-

5http://www.wordle.net/

захстане на подъеме, а интерес к экологии

водных ресурсов снизился.

На представленной визуализации можно

увидеть и основное ограничение инстру-

мента облака ключевых слов, а именно от-

сутствие унификации ключевых слов. Сло-

во «модель» в единственном и множествен-

ном числе одновременно присутствует на

диаграмме, и без обращения к исходным

публикациям выяснить контекст примене-

ния этих понятий невозможно. Использо-

вать визуализацию в виде облака ключевых

слов желательно только на массиве, относя-

щемся к одной предметной области.

Альтернативой облаку ключевых слов,

лишенной их недостатков, является ин-

струмент картирования на основе моде-

ли векторного пространства (Vector space

model, VSM). Обзор современных методов

приведен в [An approach to…, 2009]. При-

мером использования модели вектор-

ного пространства является построение

патентных ландшафтов. Его применение

возможно, если все записи на публикации

в базе снабжены ключевыми словами, обе-

спечивающими полноту и точность опи-

сания публикации для поиска. В качестве

примера такой базы данных можно при-

вести международную реферативную па-

тентную базу данных Derwent World Patents

Index, размещенную на информационной

платформе Thomson Innovation Thomson

Reuters. Каждая запись о патенте снабже-

на описанием патентной формулы в форме

ключевых слов, составленным экспертами

вручную (в дополнение к патентной фор-

муле, описанной в тексте патента), которое

позволяет идентифицировать существен-

ное сходство патентов, выданных в разной

юрисдикции и разным правообладателям.

Единицей анализа вDerwent World Patents

Index выступает патентное семейство— пул

174

патентов, обладающих идентичной патент-

ной формулой.

Пример патентного ландшафта приведен

на рис.42 (см.с.193). В основе построения

патентного ландшафта лежит метод изме-

рения расстояний между двумя патентны-

ми семействами. Расстояние между ними

определяется на основании числа ключе-

вых слов описания патентной формулы, на

которое отличаются два описания. Патент-

ный ландшафт строится по пулу предвари-

тельно отобранных патентов, т. е. не суще-

ствует единой картографической основы, на

которую можно нанести патенты и увидеть

их глобальное взаиморасположение. Если

у двух патентных семейств, для которых вы-

числяется расстояние, нет общих ключевых

слов, то расстояние вычисляется как мини-

мальный путь из всех возможных путей, об-

разуемых пулом анализируемых патентов,

включающих оба семейства, между которы-

ми вычисляется расстояние.

С помощью цветов на патентном ланд-

шафте кодируются названия тематических

областей. Области не изолированы между

собой, например, область гражданского

строительства в анализируемом пуле гра-

ничит с материаловедением, информаци-

онно-телекоммуникационными технологи-

ями, электроникой и полупроводниками.

Изменением оттенка и изолиниями на

ландшафте показаны области с высокой

патентной активностью, условные верши-

ны на карте подписаны для ориентации.

Так же как и остальные виды картографи-

ческой визуализации, патентные ланд-

шафты не позволяют принимать решения

без дополнительного анализа патентных

семейств. Например, условная низина на

ландшафте, в которой у организации на-

блюдается концентрация патентов, может

служить указанием на потенциально пер-

спективную область получения патентов

для данной организации, но также может

свидетельствовать о том, что область оста-

новилась в развитии. Возможность постро-

ения патентных ландшафтов подтвержда-

ет возможность выявления сходных патен-

тов и их последующего анализа.

Основная ценность библиографических

баз данных, обеспечивающих точность

и полноту поиска по предмету исследо-

ваний, заключается прежде всего в воз-

можности снизить затраты специалистов

на поиск публикаций. Если информация

ккаждой записи добавляется единообраз-

но и в машиночитаемом виде, то возника-

ет возможность найти близкие по темати-

ке записи и использовать их для расчета

средних показателей, которые могут быть

референтными для сравнения показате-

лей научной результативности как для от-

дельных ученых, так и для научных коллек-

тивов (подробнее см. в разделах3.6 и3.9).

Подобные базы позволяют автоматизиро-

ванно выявлять закономерности в данных

о публикациях и на их основании косвенно

судить о динамике приоритетов развития

науки вретроспективном режиме.

Эталонным примером подобных баз вы-

ступали реферативные журналы ВИНИТИ,

в которых для каждой отраженной в них

записи приведены сведения о классифи-

кации записей, ключевых словах и написан

реферат специалистом в предметной обла-

сти, который дает представление о содер-

жимом работы. Создание и поддержание

вактуальном состоянии подобных баз дан-

ных требует привлечения большого числа

квалифицированных специалистов. Недо-

статком подхода к созданию баз «сручным»

реферированием является также и задерж-

ка с обновлением информации в базе, так

как от момента появления публикации до

175

появления реферата на нее проходит пол-

года и более. Эффективно работать над

развитием научного направления с подоб-

ными задержками затруднительно. Одна-

ко для задач мониторинга трендов разви-

тия науки и технологии подобный подход

эффективен.

В некоторых областях науки возможно

альтернативное решение по идентифика-

ции предметов исследований, снижающее

зависимость от человеческого фактора

при создании поискового описания доку-

ментов. Например, в органической химии

активно используются подходы по иденти-

фикации предмета исследований на осно-

вании структурной формулы соединений,

упоминаемых в статье. В качестве подобной

базы данных можно привести базу Chemical

Abstracts (SciFinder), выпускаемую Амери-

канским химическим обществом. Исполь-

зуя единый подход к описанию структурных

формул органических соединений, можно

добиться однозначности в идентификации

предмета исследований, но без обраще-

ния к тексту статьи невозможно получить

однозначное понимание контекста, в ко-

тором упоминается данное вещество. Как

ивпримере с реферативными журналами

ВИНИТИ, вChemical Abstracts создание по-

искового описания требует квалифициро-

ванного труда, однако поскольку для иден-

тификации соединений в тексте не требу-

ется полностью читать статью, обновление

базы происходит без существенных задер-

жек. Можно привести в качестве примера

несколько баз, использующих аналогичные

подходы к созданию описаний, основанных

на возможности идентификации заболева-

ний по международной классификации бо-

лезней (International Statistical Classiﬁcation

of Diseases and Related Health Problems) или

индекса художественных произведений.

Использованию идентификации как ин-

струмента для поиска всех научных публи-

каций зачастую препятствует отсутствие

надежных методов однозначной идентифи-

кации предметов исследований и высокие

затраты на создание и актуализацию по-

добных баз. Затраты на создание баз дан-

ных для областей с разработанными мето-

дами идентификации в будущем могут быть

снижены в результате развития методов

автоматического извлечения информации,

однако универсальных подходов к созда-

нию методов однозначной идентификации

на данный момент не создано.

Компромисса между скоростью создания

поискового аппарата, его качеством, обе-

спечивающим полноту и точность поиска,

и стоимостью актуализации библиогра-

фических баз данных сумели достичь при

использовании такого инструмента, как

цитирование — естественное для научной

публикации средство указания на факты,

привлекаемые для доказательства утверж-

дений (обсуждение связи фактов и ссылок

приведено в [Латур, 2013, с. 64–106], также

см. раздел 3.3). Science Citation Index как ин-

струмент в первую очередь сделал доступ-

ным перспективный поиск информации,

а также позволил использовать информа-

цию, аппроксимирующую предмет иссле-

дований публикации для автоматического

анализа информации.

Использование информации о том, с ка-

кими свойствами цитировались публика-

ции ванализируемом массиве публикаций,

позволяет наглядно показать, как связаны

группы публикаций. В качестве примера на

рис.43 (см.с.194) приведена карта публика-

ций авторов СПбГУ, группировка работ вы-

полнена по журналам, в которых они были

опубликованы. Для визуализации исполь-

зована программа VOSviewer [VOSviewer,

176

2013], позволяющая представлять резуль-

таты анализа методами «библиографиче-

ского сочетания», ко-цитирования и соав-

торства [Eck, Waltman, 2010]. Основы пере-

численных методов анализа рассмотрены

в разделе 3.4. Визуализация методом «би-

блиографического сочетания» позволяет

судить о том, как связаны публикации по

совместно используемым источникам ин-

формации: например, для карты на рис.43

(см. с. 194) связь осуществляется по ссыл-

кам на публикации в одних и тех же жур-

налах. Классификация тематики публика-

ций закодирована цветом и соответствует

классификации, используемой в Web of

Science CC (см. раздел 3.7). На карте вид-

но, что публикации по математике, физике,

геологии и химии образуют последователь-

ность сильно связанных звеньев одной це-

пи. Кэтим статьям примыкают публикации

по астрономии и отдельные публикации по

биологии. При этом основная часть биоло-

гических публикаций образует отдельный

«архипелаг», что может говорить о том, что

биологическая тематика и остальные ис-

следования не имеют существенных общих

предметов изучения в университете. Без

проведения дополнительного анализа пу-

бликаций невозможно сделать вывод о при-

чинах подобной обособленности.

Построение визуализации связей между

публикациями на макроуровне способствует

пониманию связей между научными дисци-

плинами. Часто подобным визуализациям

дают название – карта науки. Такое громкое

название, скорее, отражает амбиции авто-

ров. В качестве примера на рис.44 (см.с.195)

показана карта науки, построенная методом

ко-цитирования. Принцип, определяющий

размер и цветовое кодирование кругов, от-

ражающих число публикаций в каждом жур-

нале в выбранный год, тот же, что и на пре-

дыдущем рисунке. Взаимное расположение

кругов на диаграмме определяется на осно-

вании числа цитирований идентичных набо-

ров публикаций в работах, опубликованных

в каждой паре журналов. В основе анали-

за, базирующегося на ко-цитировании, ле-

жит предположение, что статьи связаны не

только общим предметом исследований, но

иконтекстом, в котором происходит исследо-

вание общего предмета, если есть более чем

одна общая цитируемая работа. Необходимо

обратить внимание на отличие связей, суще-

ствующих между научными дисциплинами

впредставленной карте науки, от визуализа-

ции связей между журналами, построенных

на основании анализа истории переходов

между журналами на сайтах издательств

(см.рис.40 — с.191). Данный факт можно ин-

терпретировать следующим образом: ссылки

на социальные и гуманитарные исследова-

ния не указываются в работах по дисципли-

нам, связанным на карте чтения как непри-

емлемые для «строгих» дисциплин. Однако

возможны и другие объяснения, например,

что представители остальных дисциплин чи-

тают социальные и гуманитарные исследо-

вания для общего развития. Однозначно от-

ветить на вопрос о причинах противоречий

между картами, отражающими два взгляда

на науку, без дополнительных исследований

не представляется возможным.

После визуализации связей и взаимного

расположения журналов на основании ана-

лиза ко-цитирования их публикаций мож-

но перейти к построению классификаций

журналов, притязающих на естественность

по способу своего построения. Классифи-

кация журналов, построенная на основе ко-

цитирования публикаций, отражает связи

между классами журналов, определяемых

на основании общности предмета иссле-

дований. Примером подобной классифи-

177

Таблица 16

Примеры категорий классификации UCSD

Номер UCSD Подкатегория Категория

393 Mathematical

Science (Russia) Math&Physics

491 Chemistry (Russia) Chemistry

Источник [Design and Update…, 2012]; данные опу-

бликованы на сайте http://sci.cns.iu.edu/ucsdmap/

кации является карта науки, созданная для

University of California, San Diego (UCSD)

ипредставленная на рис.45 (см.с.196). Ме-

тодика построения базируется на анализе

ко-цитирования публикаций за три периода

с 2001 по 2010 г. по данным Web of Science

CC и уточнена по данным Scopus. Детали

методики построения и история построе-

ния карты описаны в [Design and Update…,

2012]. Итоговая классификация содержит

13 категорий и554 подкатегории. Увеличе-

ние дробности классификации ииспользо-

вание классов ко-цитирования в качестве

основания для выделения приводит к по-

явлению интересных классов (табл.16). На-

звания категорий свидетельствуют о том,

что публикации в журналах, которые вхо-

дят в представленные подкатегории, су-

щественно изолированы от остальных пу-

бликаций в категориях. Отметим, что в по-

следующих обновлениях классификации

кподкатегориям «российская математика»

и «российская химия» добавилась и «рос-

сийская физика».

Картирование с использованием готовой

тематической топоосновы, например пред-

ставленной на рис.45 (см.с.196), позволяет

сравнить степень специализации анали-

зируемого массива публикаций со всеми

публикациями мира, а фиксированное рас-

положение элементов классификации на

диаграмме позволяет быстро читать исрав-

нивать карты, построенные для разных

«пулов» публикаций. На рис.46 (см.с.197)

представлен результат анализа публика-

ций авторов из СПбГУ, которые уже анали-

зировались на рис.43 (см.с.194). Сравнивая

два метода визуализации, можно отметить,

что на карте, построенной на основании

информации только из анализируемых пу-

бликаций, незаметны исследования в обла-

сти мозга, медицины, а также не охвачены

социально-гуманитарные области. Таким

образом, дополнительным достоинством

метода картирования на основании готовой

тематической топоосновы является воз-

можность увидеть относительно небольшие

группы исследований, которые в случае

применения другого метода визуализации

теряются на фоне публикаций, относящих-

ся к тематикам с самым большим числом

публикаций.

Описанный выше метод, лежащий восно-

ве построения естественной классификации

журналов на основании ко-цитирований,

можно применить и для классификации

отдельных публикаций. Классификация от-

дельных публикаций позволяет надежно

определить категорию, ккоторой относится

публикация, не на основании классифика-

ции журнала, а на основании тематической

окрестности каждой публикации. Это по-

зволяет преодолеть сложность в класси-

фикации статей в мультидисциплинарных

журналах. Используя данный подход, мож-

но не ограничиваться уже предложенными

категориями, а строить существенно более

подробную систему классификации. Одна-

ко данный метод как в отношении журна-

лов, так и в отношении статей обладает су-

щественным недостатком. Если мы постро-

или классификацию на массиве данных,

например, за 2001–2010гг., то надежность

классификации публикаций, написанных

178

существенно позднее данного периода,

будет сомнительной, ведь за это время мо-

жет существенно поменяться схема связей

между категориями. Однако обновление

классификации на основании более све-

жих данных приводит к тому, что элементы

классификации изменяются. Изменения ка-

тегорий верхнего уровня, может быть, и не-

значительные, но для узких категорий, ис-

пользуемых для классификации отдельных

публикаций, становится невозможным про-

ведение сравнений между классификация-

ми, построенными на массивах публикаций

разных лет.

Представленные в разделе техники визу-

ализации информации о науке и техноло-

гии путем картирования наукометрической

информации позволяют облегчить пони-

мание результатов анализа, однако они не

могут подтвердить существование законо-

мерностей, которые не следуют из исход-

ных данных. Доступность современных ин-

струментов визуализаций позволяет с ми-

нимальными усилиями создавать большое

число диаграмм, которые привлекут внима-

ние к представлению результатов анализа,

однако могут содержать дублирование уже

представленной информации. В большом

числе визуализаций можно скрыть недо-

статки проведенного анализа и сформиро-

вать искаженное понимание представлен-

ных результатов.

4.2. Прогнозирование и развитие

Лица, принимающие решения при обсуж-

дении методов картирования науки и техно-

логии, неявно считают, что подобные мето-

ды обладают свойствами географических

карт, важнейшим из которых была иден-

тификация «белых пятен», позволяющая

«планировать» научные и технологические

достижения. Тематические «картографиче-

ские» основы принципиально отличаются

от географических тем, что мы не можем

на момент построения карты знать все по-

тенциально возможные тематики исследо-

ваний, из которых можно было бы сложить

карту для прогнозирования развития науки

и техники.

Одно исключение, при котором возможно

плановое управление направлением разви-

тия с использованием для прогноза мето-

дов «наукометрии», представлено в форме

схемы системной динамики (рис.32а). Речь

идет о догоняющем развитии науки отдель-

ной страны. Если в мире есть технологиче-

ский лидер, который обладает достаточным

объемом ресурсов для проведения иссле-

дований по широкому спектру направле-

ний, то догоняющая страна может сэконо-

мить свои усилия на развитие собственных

перспективных научных исследований за

счет мониторинга изменения тематик ис-

следований у лидера и соответственно

перераспределять имеющиеся научные ре-

сурсы для воспроизведения уже получен-

ных результатов, «подражая» поведению

научного лидера. Если у научной тематики

возникает возможность прикладного при-

менения, то подобный подход может га-

рантировать, что в стране найдется специ-

алист, который разбирается в проблеме или

может быстро переключиться на нее за счет

того, что он занимается тематически близ-

кой проблематикой. У предложенной схемы

есть два недостатка. Во-первых, всегда бу-

дет наблюдаться отставание от лидера, так

как доступные для мониторинга изменения

тематик на основе видимых результатов за-

частую появляются в момент, когда авторы

публикации работают над развитием тема-

тики или уже отказались от нее. Задержка

возникает вследствие необходимости до-

несения проблематики до конкретного ис-

179

Гр а н т ы

Наукометрические

исследования Эксперты

Прикладные

НИОКР

Направление

исследований в голове

уисследователя

Прогноз развития

науки и техники

Гр а н т ы

Наукометрические

исследования Эксперты

Прикладные

НИОКР

Направление

исследований в голове

уисследователя

Прогноз развития

науки и техники

Рис. 32. Варианты управления тематикой на-

учных исследований: а) плановое управление

с использованием наукометрии для прогноза;

б)схема подстройки направлений исследо-

ваний, формирующая цикл управления через

изменение приоритетов грантового распределе-

ния ресурсов

а)

б)

следователя, который может находиться

вне контекста исследований. Во-вторых,

вцелях экономии ресурсов эксперты могут

пожертвовать тематиками, развиваемыми

у лидера, которые не соответствуют высо-

коуровневым приоритетам практической

деятельности в стране. Эти тематики мо-

гут быть востребованы в дальнейшем, но

в момент начала работ их необходимость

неочевидна.

На схеме (рис. 32а) представлено форми-

рование прогноза развития науки и техни-

ки на основании мониторинга результатов

уже выполненных исследований. Эксперты

в данной схеме играют роль оракулов при

мониторинге научных результатов, полу-

чаемых в стране-лидере. В предложенной

модели возможно внесение небольших кор-

ректировок в прогноз развития за счет уче-

та потребностей развития локальных ис-

следований (указано пунктирной стрелкой),

однако эта коррекция незначительна. Не-

явно в схеме предполагается, что эксперты

при составлении прогноза развития учиты-

вают потребности развития приоритетных

направлений техники, если это необходимо.

Обратим внимание на потенциальную

проблему в рассматриваемой схеме, аимен-

но на отрыв экспертов от практической де-

ятельности и полное их сосредоточение на

анализе входного документального потока

информации для составления плана раз-

вития. Также у исследователей атрофи-

руется навык поиска новых направлений

исследований и развиваются иждивенче-

ские настроения в отношении получения

финансирования. Использование принци-

па, заложенного в схеме на рис. 32а, пре-

дусматривает установление такого уровня

развития науки и техники, при котором раз-

витие переходит на методы, используемые

страной-лидером. Обсуждение уровней

развития науки в стране описано в [Tracking

scientiﬁc…, 2014].

Схема формирования направлений раз-

вития науки и техники, реализуемая в стра-

нах-лидерах, представлена на рис.32б. Она

визуализирует процедуру, описанную в раз-

деле 1.1. В предложенной схеме эксперты

находятся в тесном контакте с исследовате-

лями, а часто и сами являются исследова-

телями и находятся в контексте тематик ис-

следований. Данные наукометрии привле-

каются как вспомогательный инструмент

для калибровки и настройки понимания

экспертом цели экспертизы при формиро-

вании экспертных заключений. В результате

180

процесса экспертизы формируются направ-

ления развития науки и техники, которые

используются при изменении приоритетов

в выделении объемов ресурсов для научных

исследований по тематике (на схеме пред-

ставлены в форме грантов).

Если возможности применения схемы

рис. 32а в развитии науки ограниченны,

нельзя ли применить ее для развития тех-

нологии? Если правообладатель не заинте-

ресован в получении локального патента,

то это хороший шанс получить патент всво-

ей юрисдикции и наладить выпуск про-

дукции по имеющимся описаниям. Однако

не во всех технологических областях все

продукты защищаются патентами. В иссле-

довании инновационных продуктов, полу-

чивших в период 1977–2004 гг. ежегодную

премию R&D 100 Awards журнала Research

and Development, было обнаружено, что на

90,9 % продуктов не были получены па-

тенты [Reassessing patent…, 2013]. Вопро-

сы полноты отражения знания технологий

впатентах требуют дополнительных иссле-

дований, так же как и вопрос о выявлении

связи между научным и технологическим

знанием (см. обсуждение в разделе 1.2).

Если схема рис. 32а не работает в рам-

ках страны, может ли она сработать в рам-

ках отдельной научной организации? Да,

может, но только на начальном этапе раз-

вития. Например, созданный в 2009г. Уни-

верситет науки и технологии имени короля

Абдулы (King Abdullah University of Science

and Technology, KAUST), определив тема-

тический план своего развития и привле-

кая высококвалифицированных ученых со

всего мира, смог увеличить объем и каче-

ство своих научных результатов до уровня,

позволившего ему войти в топ-500 Шан-

хайского рейтинга. Сможет ли университет

продолжить свое развитие, если прекратит-

ся подпитка высокорейтинговыми учеными,

покажет время.

При принятии решения о развитии новых

научных направлений необходимо учиты-

вать доступность ресурсов человеческого

капитала и специфику региона, понимание

которой не может быть достигнуто сред-

ствами наукометрии. Такие данные можно

получить исключительно через экспертов

и уже работающих в организации ученых,

знакомых с местной спецификой и местной

научной составляющей.

При определении направлений раз-

вития нужно выбирать тематики, которые

позволят сформировать жизнеспособные

научные группы. Критерии для выбора те-

матики, которая позволяет сформировать

жизнеспособную научную группу, основы-

ваются не столько на выявленных методами

наукометрии перспективных направлениях,

сколько на наличии возможности создать

группу ученых, которая сможет привлечь

к обсуждению и использованию своих ре-

зультатов коллег и практиков вне организа-

ции (см. обсуждение в разделе 1.2).

Работа научной группы по новому направ-

лению начинается с чтения публикаций по

теме исследований. Чем лучше группа ис-

следователей знакома с уже вышедшими

публикациями, тем лучше понимание чле-

нами группы контекста исследований, про-

водимых в мире, и тем выше шансы пред-

ложить для обсуждения новые результаты,

которые отвечают на актуальные вопросы.

В качестве средства ранней диагностики

развития научного направления можно

предложить отслеживание динамики чте-

ния. Связь между чтением и последующи-

ми публикациями статистически значима

иподтверждалась в большом числе иссле-

дований университетов и научных органи-

заций, ориентированных на создание ново-

181

го знания. Динамика увеличения числа об-

ращений к полнотекстовым ресурсам может

задолго до появления первых публикаций

сигнализировать о том, что процесс разви-

тия нового направления запущен.

Для членов новой научной группы также

требуются и навыки представления науч-

ных результатов (см. обсуждение в разде-

ле1.5). Привлечение внимания к результа-

там своих исследований и, как следствие,

повышение уровня качества научных ре-

зультатов подразумевает систематическое

чтение и обсуждение актуальных научных

статей, поездки на семинары/конферен-

ции для общения с коллегами и получение

обратной связи о потребностях от местной

промышленности и общества.

Навыки систематического чтения на-

учной литературы, обсуждения и пред-

ставления новых научных результатов не

исчерпывают всех навыков, необходимых

исследователям в научных группах. Список

универсальных навыков исследователей,

на которые нужно обращать внимание при

обучении новых научных сотрудников или

привлечении существующих, был опреде-

лен в рамках исследования мобильности

научных сотрудников на основе результатов

анализа факторов, способствующих при-

своению степени PhD вЕвропейском союзе,

см. табл.17 [Transferable Skills…, 2012, р.20].

Предложенный выше процесс формиро-

вания жизнеспособных научных групп для

развития новых научных направлений в ор-

ганизации требует учета потребности про-

мышленности (практики). Хорошим индика-

тором востребованности уже выполненных

исследований в практике является регуляр-

ное выполнение научной группой приклад-

ных работ в интересах внешнего заказчика.

Однако для новых научных групп этот ин-

дикатор не является релевантным, так как

группой еще не получены результаты, кото-

рые могут привлечь практиков. Исключе-

ние составляют группы, которые создаются

изначально для решения практических за-

дач, а в дальнейшем переходят к развитию

научной тематики. Для выявления и учета

долгосрочных потребностей практики вна-

учных исследованиях можно обратиться

кконцепции тройной спирали Г. Ицковица

[Ицковиц, 2010].

В основе концепции лежит модель вза-

имодействия государства, университета

и бизнеса, названная автором тройной

спиралью. Автор концепции на многочис-

ленных примерах создания инновационных

центров в США, Швеции и Бразилии демон-

стрирует, что в разных странах и географи-

ческих регионах одного государства наблю-

даются различные формы реализации мо-

дели тройной спирали. Но общим моментом

во всех рассмотренных примерах является

формирование условий непрерывного соз-

дания в регионе новых фирм, реализующих

идеи, разработанные в стенах университе-

тов. Ключевым условием появления новых

фирм автор считает создание в регионе

университета нового типа — предприни-

мательского. Прослеживая исторические

причины успешности двух эталонных пред-

принимательских вузов, Массачусетского

технологического института и Стэнфорд-

ского университета, можно сделать вывод,

что видимые и активно воспроизводимые

вдругих университетах структуры, такие как

центры трансфера технологий, инкубаторы

и технопарки, являются вторичными по от-

ношению к концепции предприниматель-

ских университетов. Университет нового

типа не просто создает региональный пул

экспертов — преподавателей университета,

но инициирует передачу своих разработок

в региональную промышленность, способ-

182

Таблица 17

Перечень универсальных навыков для исследователей

Источник: [Transferable Skills…, 2012, р. 20]

Категория навыков Перечень универсальных навыков

Когнитивные

способности

 Креативность (творческий подход) и абстрактное мышление.

 Решение задач.

Навыки

коммуникаций

 Письменные и устные навыки общения и подачи информации.

 Навыки общения и ведения диалога с неспециалистами (связи

собщественностью).

 Навыки преподавания / группового обучения.

 Научный подход к формированию политики организации

изаконотворчеству.

Предпринима-

тельские навыки

 Бизнес-навыки (основы предпринимательской деятельности, инновации,

коммерциализация новых товаров, интеллектуальная собственность ипа-

тентное дело).

Межличност-

ные навыки

 Групповая деятельность / работа в команде.

 Навыки репетиторства / индивидуального обучения.

 Ведение переговоров.

 Налаживание связей (установление контактов) и неформальное общение.

Организацион-

ные навыки

 Навыки ведения проектов и планирование рабочего времени.

 Планирование карьеры.

Исследователь-

ские компетенции

 Навыки планирования и управления исследовательской работой.

 Знакомство с методами и технологиями из областей научного знания,

лежащих вне тематики квалификационной работы.

 Научная этика и принципы научной честности.

 Написание заявок на получение грантов.

ствуя созданию новых фирм из числа своих

ученых и выпускников, если в регионе нет

фирм, готовых реализовать идеи. Автором

концепции университета как инициатора

передачи технологий в промышленность

был Уильям Бартон Роджер, основатель

и первый президент Массачусетского тех-

нологического института, изложивший свои

идеи в докладе 1846г. Спустя сто лет данная

концепция была реализована в Стэнфорд-

ском университете благодаря Фредерику

Терману, который, работая во время войны

в Массачусетском технологическом инсти-

туте, мог наблюдать эффективность кон-

цепции в военных разработках.

Государство в предложенной модели вы-

ступает не просто как гарант правил игры,

но и как источник инвестиций с высоким ри-

ском и горизонтом получения результатов

десять и более лет. По мнению Г.Ицковица,

гарантией того, что инвестиции со столь

долгим сроком появления первых резуль-

татов будут эффективны, является то, что

каждый элемент в тройной спирали обеспе-

чивает процесс уточнения целей исследо-

ваний с учетом потребностей практики, ко-

183

Желязны Дж. Говори на языке диаграмм. Пособие

по визуальным коммуникациям. М.: Манн, Иванов

иФербер, 2009. 320 с.

Ицковиц Г. Тройная спираль: университеты — пред-

приятия — государство: инновации в действии. Томск:

Изд-во Томского гос. ун-та систем управления, 2010.

237 с.

Латур Б. Наука в действии: Прагматический поворот.

СПб.: Изд-во Европейского университета вСанкт-

Петербурге, 2013. 416 с. [Оригинал: LatourB. Science

inAction: How to Follow Scientists and Engineers

Through Society. Cambridge, Mass.: Harvard University

Press, 1988. 288 p.]

Яу Н. Искусство визуализации в бизнесе. Как пред-

ставить сложную информацию простыми образами.

М.: Манн, Иванов и Фербер, 2013. 352 с.

An approach to discovering new technology opportunities:

Keyword-based patent map approach / S.Lee, B.Yoon,

Y.Park // Technovation. 2009. Vol. 29. № 6–7. P.481–497.

Börner, K., Polley, D.E. Visual Insights: A Practical Guide to

Making Sense of Data. Cambridge, Massachussetts: The

MIT Press, 2014. 312 p.

CitNetExplorer - Analyzing citation patterns in scientiﬁc

literature. [2014]. URL: http://www.citnetexplorer.nl/

Home (дата обращения: 22.07.2014).

Clickstream Data Yields High-Resolution Maps of Sci-

ence/ J. Bollen et al. // PLoS ONE. 2009. Vol. 4. №3.

P.e4803.

Collins R. The Sociology of Philosophies: A Global Theory

of Intellectual Change. Belknap Press of Harvard Univer-

sity Press, 2000. 1098 p. [Русский перевод: КоллинзР.

Социология философий: глобальная теория интел-

лектуального изменения. Новосибирск: Сибирский

хронограф, 2002. 1280 с.]

Design and Update of a Classiﬁcation System: The

UCSD Map of Science / K.Borner et al. // PLoS ONE.

2012. Vol.7. №7. P. e39464. [Материалы классифи-

кации опубликованы по адресу http://sci.cns.iu.edu/

ucsdmap/]

Eck N. J. van, Waltman L. Software survey: VOSviewer,

acomputer program for bibliometric mapping //Sciento-

metrics. 2010. Vol. 84. № 2. P. 523–538.

Eck N. J. van, Waltman L. CitNetExplorer: A new software

tool for analyzing and visualizing citation networks //

Journal of Informetrics. 2014. Vol. 8. №4. P. 802–823.

торые могут возникнуть в будущем. Модель

тройной спирали демонстрирует, что идеи

исследований в университетах возникают

в результате общения представителей ре-

гиональной промышленности и вузовской

науки в рамках ассоциаций, поддержива-

емых региональными властями, но финан-

сирование идеи получают только в том слу-

чае, если проходят экспертизу на предмет

возможности практического применения на

горизонте десятилетий.

Заключение

Методы визуального представления на-

укометрической информации позволяют

сформировать начальные гипотезы о за-

кономерностях при анализе наукометриче-

ской информации и представлении конеч-

ных результатов анализа. Обнаруженные на

диаграммах закономерности обязательно

требуют подтверждения в рамках даль-

нейших исследований с опорой на методы

количественного анализа, представлен-

ные вглавах 2 и 3 данной книги. Показана

связь между приемами компактного пред-

ставления результатов наукометрического

анализа и логикой развития и совершен-

ствования научного процесса. Проведен-

ный в главе анализ свидетельствует, что

при принятии решений о векторе развития

науки на макроуровне нельзя опираться

исключительно на методы наукометрии,

привлечение экспертного мнения принци-

пиально важно для получения адекватного

результата. Развитие новых научных на-

правлений на уровне организаций зависит

в большей степени от наличия и уровня раз-

вития человеческого капитала и в меньшей

степени от определения перспективных на-

правлений развития науки и техники.

HistCite / ThomsonReuters. [2012]. URL: http://inter-

est.science.thomsonreuters.com/forms/HistCite/ (дата

обращения: 22.07.2014).

IVMOOC: Information Visualization [Открытый онлайн

курс]. [2014]. URL: http://ivmooc.cns.iu.edu/ (дата

обращения: 21.06.2014).

Lotka A. J. The Frequency Distribution of Scientiﬁc Pro-

ductivity // Journal of the Washington Academy ofSci-

ences. 1926. № 16. P. 317–323.

Mapping research specialties / S. A. Morris, B. Van der

Veer Martens // Annual Review of Information Science

and Technology. 2008. Vol. 42. №1. P. 213–295.

Pajek / Vladimir Batagelj, Andrej Mrvar. 1996.

Participatory visualization with wordle / F.B.Viegas, M.Wat-

tenberg, J.Feinberg // Visualization and Computer Graphics,

IEEE Transactions on. 2009. Vol.15. №6. P.1137–1144.

Reassessing patent propensity: Evidence from a dataset

of R&D awards, 1977–2004 / R.Fontana, A.Nuvolari,

H.Shimizu, A.Vezzulli // Research Policy. Ser. Eco-

nomics, innovation and history: Perspectives inhon-

our of Nick von Tunzelmann. 2013. Vol. 42. №10.

P.1780–1792.

Sci2 Tool : A Tool for Science of Science Research and

Practice. [2010]. URL: https://sci2.cns.iu.edu/user/index.

php (дата обращения: 23.07.2014).

Science mapping software tools: Review, analysis, and

cooperative study among tools / M.J.Cobo, A.G.Lopez-

Herrera, E.Herrera-Viedma, F.Herrera // Journal of the

American Society for Information Science and Technolo-

gy. 2011. Vol. 62. №7. P. 1382–1402.

Tracking scientiﬁc development and collaborations – The

case of 25 Asian countries / Henk Moed, Gali Halevi //

Research Trends. 2014. №38. P. 25–30.

Transferable Skills Training for Researchers / OECD.

Paris: Organisation for Economic Co-operation and

Development, 2012. 151 p.

VOSviewer // Centre for Science and Technology Studies,

Leiden University, 2013. URL: http://www.vosviewer.com.

(дата обращения: 25.06.2014).

185

признаком. На следующих рис. 10 представлено в аналогичном формате распределение

российских авторов по научным областям (а) и по городам (б) по данным РИНЦ, а также

распределение авторов по количеству публикаций по данным Core Collection Web of Sci-

ence (в) за 2000–2014 гг. (всего, по США, по предметной категории Biochemistry molecular

biology – в мире, США и Калифорнийском университете).

Рис. 33. Распределение авторов по количеству публикаций по научным областям по данным РИНЦ.

Пояснение см. на с. 124

186

Рис. 10. Распределение авторов по количеству публикаций по данным РИНЦ (а, б)

и Web of Science (в)

Таким образом, статистически распределение является общим для любой совокуп-

ности авторов и очень похоже на уже упоминавшийся закон Парето.

В работе Налимова и Мульченко [Налимов, Мульченко, 1969] — основополагающем

труде по наукометрии — отмечается, что оценка деятельности ученых по суммарному

числу публикаций приносит большой вред науке, поскольку из того, что талантливые

ученые публиковали много работ, совершенно не следует обратное: что любой, опублико-

вавший много работ, является талантливым ученым. Следовательно, просто количество

публикаций нельзя считать критерием эффективности ученого. Принимая то, что мерой

полезности публикации является ее цитируемость, становится возможным производить

сравнительную оценку работ разных ученых.

Широко распространенное возражение против оценки работ ученых по цитируемо-

сти их публикаций, связанное с учетом отрицательных цитирований, Налимов считает не-

существенным. Он отмечает, что «в науках, не имеющих острой политической направлен-

ности, не нужно проводить разграничения между положительным и отрицательным цити-

рованием. Если работа цитируется, значит, высказанные в ней идеи послужили толчком

для развития новых работ. И с этой точки зрения неважно, продолжают ли исходные идеи

развиваться или они радикально переосмысливаются». Второе возражение — о возмож-

ном запаздывании признания некоторых работ — остается неснятым, однако и учесть это

каким-либо образом оказывается невозможно.

В качестве подтверждения возможности использования критерий цитируемости в

признаком. На следующих рис. 10 представлено в аналогичном формате распределение

российских авторов по научным областям (а) и по городам (б) по данным РИНЦ, а также

распределение авторов по количеству публикаций по данным Core Collection Web of Sci-

ence (в) за 2000–2014 гг. (всего, по США, по предметной категории Biochemistry molecular

biology – в мире, США и Калифорнийском университете).

Рис. 34. Распределение авторов по количеству публикаций по городам по данным РИНЦ.

Пояснение см. на с. 124

Рис. 35. Распределение авторов по количеству публикаций по данным Web of Science CC.

Пояснение см. на с. 124

187

Рис. 36. Представление сравнительных количественных и качественных характеристик публикаций

попредметным областям (см. пояснение на с. 165–167):

а) графическое представление предметных областей на пузырьковой диаграмме, где по горизонтали представлено

количество публикаций (Output), а по вертикали – нормализованная цитируемость публикаций (Impact, см. раздел

2.3); цветом закодирована динамика роста за десять лет; предметная область Subject_8 исключена из диаграммы по

причине малого числа публикаций по сравнению с остальными областями;

б) исходные данные, показанные на предыдущей диаграмме; цветом закодирован диапазон значений по столбцам

а)

Предметная

область

Число

публикаций

Нормализованная

цитируемость

публикаций

Ростчислапубликацийв

2009‐2013гг.посравнению

с2004‐2008гг.

Subject_1205 0,35 13,50%

Subject_2201 0,26 -12,10%

Subject_3204 0,42 17,00%

Subject_4229 0,14 72,60%

Subject_597 0,3 -2,00%

Subject_6138 0,17 15,60%

Subject_7146 0,31 110,60%

Subject_810 0,83 800,00%

Subject_952 0,18 -20,70%

Subject_10164 0,52 78,00%

б)

Рисунок 1 – Представление сравнительных количественных и качественных

характеристик публикаций по предметным областям:

а) графическое представление предметных областей на пузырьковой диаграмме, где по

горизонтали представлено количество публикаций (Output), а по вертикали -

нормализованная цитируемость публикаций (Impact, смотри раздел 2.4); цветом

40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240

Output

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

Impact

Subject_9

Subject_2

Subject_5

Subject_1

Subject_6

Subject_3

Subject_4

Subject_10

Subject_7

-0,207 1,106

Рост числа публикаций в 2009-2013 гг. по сравнению с 2004-2008 гг.

Примечание [m1]: fake_excellence.e

а)

б)

0,55

0,50

0,45

0,40

0,35

0,30

40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240

0,25

Impact

Output

0,20

0,15

188

Рис. 37. Географическое распределение авторов ACM Transactions on Database Systems (TODS) 2008–2014 гг.

Пояснение см. на с. 168—169

189

Рис. 38. Связи между кластерами публикаций, прямо или косвенно цитирующих работу [Lotka, 1926] в массиве публикаций запе-

риод 1945–2014 гг. Представлено 4284 публикации и 28482 ссылки. В качестве меток кластеров используется фамилия первого

автора. Исходный массив публикаций описан в тексте.

Пояснение см. на с. 170

190

Рис. 39. Сеть связей соавторства публикаций четырех авторов: A.-L. Barabasi, A. Vespignani, E. Garﬁeld,

S.Wasserman (361 запись, период 1955–2007 гг., источник записей – Web of Science CC).

Построено по методике из [Börner, Polley, 2014, p. 204–206].

Пояснение см. на с. 171

191

Рис. 40. Карта науки построена на основании истории переходов между страницами публикаций,

размещенными на сайтах издательств [Clickstream Data…, 2009].

Карта опубликована под лицензией Creative Commons.

Пояснение см. на с. 172

192

Рис. 41. Облако ключевых слов, указанных в публикациях авторов из Казахстана. Цветом показано изменение числа ключевых

слов за 2009–2014 гг. по сравнению с 2004–2008 гг. Показано 140 ключевых слов из поля KeyWords Plus, встречавшихся более

10 раз (20 % от всех указанных в публикациях). Проанализировано 4737 публикаций за 2004–2014 гг., где хотя бы один автор

указал в аффилиации Казахстан. Источник записей: Web of Science CC. Пояснение см. на с. 173

193

Рис. 42. Патентный ландшафт УрФУ (Theme Scape Map). Точками отмечены патенты, полученные

УрФУ за период 1993–2001 гг. Ландшафт построен на основании патентных семейств, полученных за

указанный период времени 8 университетами, выбранными в качестве бенчмарков, и 20 институтами

УрО РАН. Инструмент – ThomsonInnovation. Источник: Отчет НИР для разработки плана развития на-

уки в УрФУ, первый этап. Thomson Reuters, 2013.

Пояснение см. на с. 174

Industrial

Materials Science

Electronics/Semiconductors

Electronics/

Semiconductors

Biotechnology/

Pharmaceuticals

Civil Eng

IT/Telecoms

Mechanical

IT/Telecoms

194

Рис. 43. Визуализация методом «библиографического сочетания» по журналам массива публикаций авторов СПбГУ (10785 запи-

сей, период 2004–2013 гг., источник записей – Web of Science CC, построено с использованием VOSviewer). Цветом закодирова-

ны тематические категории; площадь круга отражает число публикаций в источнике; расположение и линии связи указывают

насилу связи публикаций, цитирующих работы, опубликованные в одном и том же журнале.

Пояснение см. на с. 175–176

195

Рис. 44. Карта науки, построенная методом ко-цитирования для 5000 базовых научных журналов (публикации за период 2007г.,

анализ цитирований за 1997–2006 гг., источник записей – Web of Science CC, построено с использованием VOSviewer). Цветом за-

кодированы тематические категории; площадь круга отражает число публикаций в источнике; расположение указывает на силу

связи цитирования одинакового набора публикаций; описание метода построения представлено в [Eck, Waltman, 2010]. Обрабо-

танные данные для построения карты включены в состав поставки VOSviewer.

Пояснение см. на с. 176

196

Рис. 45. Визуализация карты науки UCSD (2001–2010 гг.). Слева – отображение карты науки в двумерной проекции Меркатора

(левая сторона карты имеет продолжение справа), сверху – три врезки с отображением на 3D-сферу, справа – отображение на

одномерное колесо. Источник: [Design and Update…, 2012]. Карта опубликована под лицензией Creative Commons, права на клас-

сификацию и карту принадлежат University of California, San Diego.

Пояснение см. на с. 177

197

CNS (cns.iu.edu)

Topical Visualization

Generated from 10785 Unique ISI Records

154 out of 1 595 publications were mapped to 202 subdisciplines and 13 disciplines.

19, 2014 | 10:46 PM YEKT

2008 The Regents of the University of California and SciTech Strategies.

Map updated by SciTech Strategies, OST, and CNS in 2011.

Area

2,8

16,19

29,09

Map continued on right

Map continued on left

Social Sciences

Electrical Engineering

& Computer Science

Biology

Biotechnology

Brain Research

Medical Specialties

Chemical, Mechanical, & Civil Engineering

Chemistry

Earth Sciences

Health Professionals

Humanities

Infectious Disease

Math & Physics

How To Read This Map

The UCSD map of science depicts a network of 554 subdiscipline nodes that

are aggregated to 13 main disciplines of science. Each discipline has a distinct

color and is labeled. Overlaid are circles, each representing all records per

unique subdiscipline. Circle area is proportional to the number of fractionally

assigned records. Minimum and maximum data values are given in the legend.

Legend

Circle area: Fractional Journal Count

Unclassified = 1441

Minimum = 0

Maximum = 36

Color: Discipline

See end of PDF for color legend.

Рис. 46. Визуализация массива публикаций авторов СПбГУ на карте классификации UCSD (10785 записей, период–

2004–2013гг., источник записей – Web of Science CC, построено с использованием Sci² Tool). Цветом закодированы категории;

площадь круга отражает число публикаций в журналах подкатегории; расположение соответствует карте подкатегорий

журналов, представленной на рис. 45. Описание метода построения представлено в [Börner, Polley, 2014, р. 140–141].

Пояснение см. на с. 177

Ю. Гарфилд и В. В. Налимов,

сентябрь 1981 г., Международная выставка-ярмарка в Москве

Ю. Гарфилд и В. А. Маркусова,

2002 г., Москва

201

Ю. Гарфилд

Впервые опубликована в Gareld. E. Errors Theirs, Ours and Yours // Current Contents. 1974.

№25. June 19. Р. 5–6.

Перевод выполнен по изданию Essays of an Information Scientist. Vol. 2. 1974–76. Р. 80–81.

Переводчик Валентина Александровна Маркусова.

Перевод на русский язык выполнен с любезного разрешения автора.

ИХ ОШИБКИ, НАШИ ОШИБКИ

И ВАШИ ОШИБКИ

Недавно автор написал нам

остатье, которую он опубли-

ковал. В содержании журна-

ла в заглавии его статьи было про-

пущено слово “touch” из сочетания

“light touch”. В результате этой

ошибки он получил огромное ко-

личество запросов на репринты от

людей, интересующихся исследо-

ваниями, связанными со зрением.

Надеюсь, что мой призыв к чита-

телям обратить внимание на этот

случай поможет автору получить

запросы от исследователей, кото-

рые заинтересованы в его темати-

ке. Однако мы с радостью смогли

отметить, что эта досадная ошибка

в содержании журнала не попа-

ла в «Еженедельный предметный

указатель» (Weekly Subject Index)

ивScience Citation Index (SCI).

Понятно, что ISI (Institute for

Scienﬁtic Information — Институт

научной информации) будет со-

вершать собственные ошибки. По-

рог допустимости этих ошибок яв-

ляется экономическим вопросом.

Я всегда настаиваю на том, что

мы должны охватывать не менее

100 % каждого выпуска научного

журнала, который мы обрабатыва-

ем. Пропуск даже одного выпуска

непростителен. Возможно, проще

вообще не обрабатывать журнал.

С другой стороны, если в среднем

в журнале публикуется 300 ста-

тей ежегодно, то допустимо ли

упущение в 0,33 %? Может быть,

некоторые читатели готовы по-

зволить нам пропустить одну ста-

тью из 300, но наша цель — иметь

порог ошибок ниже этого. Я знаю,

что нет легкого способа определе-

ния уровня наших ошибок. Даже

наших обращений к редакторам

5000 научных журналов, которые

мы обрабатываем, недостаточно.

Значительная часть этой пробле-

мы — точное определение вида

статей, которые мы индексируем.

У журналов, которые содержат

только исследовательские ста-

тьи в стандартном формате, нет

проблем. Но как много вы мо-

жете назвать журналов, которые

никогда не публикуют заметки

редактора, рецензии на книги,

заметки о конференциях, объяв-

ления, некрологи, письма к редак-

тору и другие более эфемерные

202

материалы? «Письмо к редактору» мо-

жет означать практически все, что угодно.

«Письмо к редактору» в журнал Nature или

в журнал Science отличается от письма к ре-

дактору журнала по растениеводству или

научно-популярного журнала.

Ошибки в написании или пропуски

в адресе автора являются достаточно се-

рьезными ошибками. Мы обрабатываем

более миллиона адресов ежегодно. До сих

пор тысячи журналов отказываются давать

полный адрес. (Не обращались ли вы слу-

чайно к редактору какого-нибудь журнала

с этой проблемой?) В то время как мы пыта-

емся предоставить полный адрес, включая

почтовый индекс, когда это возможно, есть

много случаев, когда это невозможно сде-

лать. В некоторых университетах подраз-

деления разбросаны по городу или штату,

иукаждого из них может быть свой почто-

вый индекс.

Существует общее мнение, что не сле-

дует открыто говорить о недостатках, не-

адекватности, неудачах и т. п. Большинство

публикаций, а также организаций следуют

совету Наполеона «стирать грязное белье

у себя дома». Однако я полагаю, что ISI

имеет особые отношения с опытными чи-

тателями Current Contents (далее — СС.—

Прим. ред.). Мы осознаем свои достижения

и признаем свои недостатки. Мы не можем

удовлетворить всех. Поэтому для нас важ-

но, чтобы вы знали, в чем мы можем оши-

биться и насколько обоснована ваша уве-

ренность в CC и ISI, если речь идет о ваших

индивидуальных требованиях. Но в то же

время мы рассчитываем на то, что СС явля-

ется для вас частью большой информаци-

онной системы, к которой большинство из

вас имеет доступ.

Экономический прессинг, а также фраг-

ментация научных исследований по муль-

тидисциплинарным направлениям или

кластерам все чаще приводят нас к необхо-

димости исключать некоторые журналы из

одного или нескольких изданий CC. Каж-

дый раз, когда мы принимаем такое реше-

ние, некоторые читатели чувствуют себя

обиженными или уязвленными. Эти читате-

ли полагают, что это «серьезное» упущение.

Универсальной удовлетворительной аль-

тернативой этому могла бы быть обработка

всех журналов в одном громадном выпуске

CC. Его пришлось бы выпускать ежедневно.

Я хотел проверить эту идею несколько лет

назад и предложил Национальному науч-

ному фонду (National Science Foundation)

опубликовать научную ежедневную газе-

ту– Daily Newspaper of Science. Но об этом

вдругой раз.

Есть и другие ошибки, которые мы не мо-

жем контролировать без чрезмерных за-

трат. Предположим, слово в заглавии ста-

тьи напечатано с ошибкой в содержании

журнала, но не внутри журнала. Мы про-

изводим довольно значительное «редак-

тирование» содержания, чтобы исключить

пробелы или другие ненужные характери-

стики. Однако мы не сравниваем по буквам

содержание с заглавиями каждой статьи

внутри журнала. Каждое слово заглавия,

фамилия автора, адрес организации ит.д.

отдельно вводятся в банк данных ISI. Для

этого используется непосредственно текст

заглавия и содержание статьи. Таким об-

разом, даже если есть ошибка в оглавлении

журнала, правильное написание слова все

равно будет введено в банк данных и наш

еженедельный предметный индекс (Weekly

Subject Index).

Адреса многих организаций являются

технически правильными, но они не уни-

фицированы. Когда мы недавно закончили

ежегодное издание ISI Who is Publishing in

203

Science — WIPIS (Кто публикуется в науке),

то после сортировки компьютером нам при-

шлось скорректировать 75 000 названий!

Иначе в банк были бы включены дубликаты:

Prof. R.E. Jones at Columbia University, Physics

Dep., 118 St. & Broadway, New York City, 10 027

иProf. R.E. Jones, Columbia University, Dep.

of Physics, 118 St.& Broadway, New York,N.Y.,

10 027. Проблема еще более усложняется,

если два человека с одной и той же фами-

лией и инициалами работают в одном и том

же университете. Как много людей, которых

зовут T.Yamakawa, работают в Университете

Токио? Если вы найдете серьезную ошибку

в написании вашего адреса в СС или WIPIS,

пожалуйста, сообщите нам об этом. Мы опу-

бликуем правильный адрес, который потом

будет включен в наш кумулятивный индекс.

Часто грамматические ошибки и ошиб-

ки в написании встречаются в переводе на

английский содержаний, опубликованных

в неанглоязычных журналах. Я уверен, что

если бы нам в ISI пришлось переводить с ан-

глийского языка на русский, японский, не-

мецкий, французский и др. языки, то мы со-

вершали бы подобные ошибки. Тем не менее

имидж ISI не улучшается в глазах читателей,

когда они находят подобные ошибки и ви-

нят нас в этом. Например, советский журнал

«Доклады»1 обрабатывается для подго-

товки СС в его оригинальной версии, и мы

воспроизводим содержание на английском

1В то время журнал «Доклады АН СССР» не разби-

вался на серии, как это осуществляется сейчас компа-

нией МАИК-НАУКА.

языке, которое публикуется в этом журнале.

Должно быть, это нелегкая задача для пер-

сонала Академии наук СССР переводить на

английский язык статьи по стольким науч-

ным дисциплинам. Мы можем только восхи-

щаться такой многогранностью.

Однако другие советские журналы не за-

служивают такой похвалы, но их квалифи-

кация по переводу выше, чем многих других

неанглоязычных журналов, публикуемых

на Западе. Мы можем только надеяться,

что они консультируются с авторами ста-

тей в использовании терминологии. Нам

трудно критиковать качество перевода за-

головков статей, когда существует так много

журналов, которые решительно отказыва-

ются переводить на английский язык содер-

жание журнала. Поскольку мы стремимся

улучшить качество нашей работы, мы обра-

тились к атташе по науке ряда стран и по-

просили помощи в решении этой проблемы.

Мы надеемся, что они также смогут помочь

в опубликовании полных адресов авторов

из этих стран, включая почтовые индексы.

И наконец, я обращаюсь за помощью

к нашим читателям, поскольку многие из

них являются авторами. Сделайте так, что-

бы редакторы ваших любимых журналов

обеспечивали полные и точные данные,

чтобы ваши коллеги из других областей

знания смогли вас найти, когда ваша ста-

тья появится в СС.

204

РУССКИЕ ИДУТ!

Ю. Гарфилд

Часть 1. Сто самых влиятельных советских ученых 1973–1988. Впервые опубликована

в: Gareld E. The Russians are Coming. Part 1. The Red-Hot 100 Soviet Scientists, 1973–1988 //

Current Contents. 1990. № 24, June 11. Р. 202–215.

Часть 2. Пятьдесят самых цитируемых советских статей за 1973–1988 гг . вScience

Citation Index ивзгляд на исследовательские фронты 1988 г. Впервые опубликована

в: Gareld E. The Russians are Coming. Part 2. The Top 50 Soviet Papers Most Cited in the

1973–1988 Science Citation Index and a Look at 1988 Research Fronts // Current Contents. 1990.

№ 25, June 18. Р. 216–226.

Переводчик Валентина Александровна Маркусова

Сокращенный перевод. Перевод на русский язык выполнен слюбезного разрешения автора.

Часть 1

Советская наука игласность

Горбачева

Во многих смыслах 1990 г. –

это решающий год для Со-

ветского Союза. Изменения,

которые происходят вСССР, невоз-

можно было предугадать пять лет

назад, ивсе, что происходит вна-

чале 1990г., говорит о том, что этот

год тоже будет полон событиями.

Кто мог подумать, что многопар-

тийная система, создание запад-

ного типа президентства и пра-

вительства будут предложены Ге-

неральным секретарем советской

коммунистической партии?

Гласность и перестройка вы-

зывают надежду не только на

улучшение политических иэконо-

мических условий, но и бóльшую

открытость и свободу советской

науки. Действительно, в послед-

ние 24 месяца новые научные свя-

зи были установлены между СССР

и Западом, в особенности между

СССР иее соперником вхолодной

войне – США. Беспрецедентным

событием было участие советской

делегации, возглавляемой вице-

президентом АН СССР академи-

ком К. Фроловым, вежегодном со-

брании Американской ассоциации

по достижениям внауке (American

Association for the Advancement

of Science – AAAS), прошедшей

в феврале 1988 г. в Бостоне. Это

событие открыло новую главу

в научном диалоге между СССР

и США. С тех пор различные со-

глашения по научному обмену бы-

ли подписаны между различны-

ми научными делегациями СССР

иСША.

В 1989 г. рост научных связей

между СССР иСША привел кпак-

там по научному сотрудничеству,

в том числе между рядом уни-

верситетов, например Brookhaven

National Laboratory (Upton, NY)

и Институтом физики высоких

энергий (Протвино), в которых

в середине 1990-х гг. 15 амери-

канских и 15 советских физиков

205

будут выполнять совместный эксперимент

на советском ускорителе. В августе Геоло-

гическая служба США (US Geological Survey)

иАН СССР подписали контракт о работе по

совместному предупреждению землетрясе-

ний, включая будущую установку станций

совместного мониторинга вобеих странах.

Национальная академия наук США (NAS)

иАН СССР собираются создать общий коми-

тет по экологии.

В течение прошедших 12 месяцев влияние

гласности сказалось на опубликовании ма-

териалов, до этого неизвестных на Западе,

материалов о неудачах идаже катастрофах

научных проектов, финансируемых прави-

тельством СССР.

Согласно данным, обнародованным ми-

нистром финансов В. Павловым, прави-

тельство собирается выделить на граж-

данскую науку 17,34 млрд долл. в1990г. по

сравнению с 11,5 млрд долл. в 1989г. (т.е.

наблюдается беспрецедентный рост с1,5 до

2,3 %). Нужно подождать, чтобы увидеть, как

гласность повлияет на количество статей

советских ученых, но есть положительные

признаки того, что более свободное и ши-

рокое распространение результатов иссле-

дований вСССР возможно.

Имеется несколько примеров создания

новых англоязычных журналов, которые яв-

ляются совместными изданиями АН СССР

и Королевского общества Великобрита-

нии по химии (журналы Biomedical Science,

Mendeleev Communications).

Институт ISI (Institute for Scientiﬁc

Information) всегда поддерживал научные

обмены по информатике. В марте 1987 г.

институт посещал профессор С.П.Капица.

Другими приглашенными учеными были

морской биолог профессор А. Пудовкин

из Института биологии моря во Владиво-

стоке (ноябрь 1987– март 1988 г.), матема-

тик В.Налимов из МГУ (октябрь – декабрь

1988 г.), заведующий информационным

отделом ВИНИТИ В. Маркусова (сентябрь

1989 – январь 1990 г.). Маркусова внесла

значительный вклад в подготовку этой пу-

бликации. Совсем недавно И. Маршакова-

Шайкевич из Института философии, кото-

рая независимо от Генри Смолла открыла

«анализ на основе ко-цитирования», также

была гостем ISI.

Поскольку интерес ко всему происходяще-

му в СССР огромен, мы решили выполнить

анализ цитируемости советской науки. Нель-

зя сказать, что мы игнорируем страны Вос-

точной Европы, но их работы имеют ограни-

ченный импакт в наших исследованиях по

публикациям свысокой цитируемостью.

Методология ивопросы, связанные

с институтской аффилиацией

Мы решили проанализировать советскую

литературу за 15-летний период. Данные

для нашего исследования мы взяли из ISI

Science Indicators. Эта база данных содер-

жит сведения о 4,5 млн процитированных

статей за 1973–1988 гг. и является частью

массива базы данных SCI за 1945–1988 гг.

Все статьи из этого массива были процити-

рованы по крайней мере один раз. Около

3,83 млн статей из этого массива никогда

не были процитированы за этот период

времени. Для нашего исследования были

отобраны 180 тыс. статей1, опубликованных

1Все журналы, используемые для подготовки Ин-

декса, называются журналами-источниками (Source

Journals), а содержащиеся в них статьи – статья-

ми-источниками. Статьи, опубликованные в этих

журналах, называют статьями-источниками (source

article). Авторов этих статей-источников называют

цитирующими авторами (citing authors). Ссылки, со-

держащиеся вэтих статьях, называют цитируемыми

статьями (cited articles), аих авторов – цитируемыми

авторами (cited authors).

206

советскими учеными за 1973–1988 гг. Для

анализа идальнейшего обсуждения из это-

го массива были отобраны 892 статьи, про-

цитированные не менее 50 раз. Наш анализ

не был ограничен выбором только первого

автора, учитывались все соавторы.

Хочу отметить, что советские ученые, опу-

бликовавшие высокоцитируемые статьи до

1973 г., отсутствуют в этом файле. Напри-

мер, нобелевский лауреат Лев Ландау был

вторым по цитируемости внашем исследо-

вании из 250 самых цитируемых авторов за

1961–1975 гг. по массиву SCI. Однако Лан-

дау, умерший в 1968 г., публиковал статьи

с1930г. до середины 60-хгг. ипоэтому от-

сутствует в нашем списке. Недавно появи-

лась очень интересная рецензия на книгу

оего отношениях сП.Капицей.

Дополнительным препятствием в на-

шем исследовании явилась идентифика-

ция автора статьи. Когда советские ученые

работают за границей по научному обмену

ивстатье ставят адрес организации, вкото-

рой они работают за рубежом, эта статья не

может попасть вфайл советских ученых. По

этой причине внашем анализе отсутствует

статья известного советского математика

академика Л. Фадеева Operator anomaly

for the Gauss law, опубликованная в 1984 г.

ипроцитированная кконцу 1988г. более 160

раз. Но Фадеев проставил адрес организа-

ции, вкоторой он работал вИталии – Scuola

Normale Superiore di Pisа.

Проблемы садресами – наша постоянная

забота. Хуже всего, когда адрес вообще не

проставлен. Многие советские журналы во-

обще не содержат адреса авторов. Обычно

это объясняется соображениями секретно-

сти. Советский биохимик и историк науки

Ж.Медведев, работающий вНациональном

институте по медицине в Лондоне, именно

так объясняет эту проблему.

Многие задаются вопросом, зачем бес-

покоиться об адресах авторов, если они

все равно не могут иметь личные контакты.

Ятолько могу надеяться, что гласность по-

зволит советским ученым давать не только

их адреса, но ителефоны, ифаксы.

Еще одна проблема сидентификацией ав-

торов связана стем, что два или три автора

могут иметь одну иту же фамилию ииници-

алы. Обычно вбольшинстве случаев эта про-

блема легко разрешается при обращении

к журналу, если они работают в областях,

очень далеких друг от друга, например имму-

нологии ипереработки нефти. Однако если

они работают в одном и том же направле-

нии, мы должны полагаться только на адрес

организации автора, чтобы отличить их друг

от друга. Очевидно, что эта стратегия менее

эффективна, если мы имеем дело ссоветски-

ми авторами, укоторых вообще нет адресов.

Мы не можем обращаться к каждому автору

ипросить дополнить библиографию его ста-

тьи, это отнимает много времени ислишком

дорого стоит, поэтому нет никакой гарантии,

что эта проблема может быть решена. Мы сде-

лали все, что было внаших силах, чтобы га-

рантировать точность внашем списке наибо-

лее цитируемых советских ученых, иуверены,

что эта проблема была сведена кминимуму.

Сто советских ученых — все ли члены

академии?

В таблице 1 приведен список 100 самых

цитируемых советских ученых за 1973–

1988 гг. В колонках слева направо распо-

ложены сведения о количестве цитирова-

ний (A) и статей (B) за 15-летний период,

а также среднее количество ссылок на

статью (импакт, C) и количество ссылок на

каждого автора, полученных в 1988 г.2 (D).

2Звездочкой отмечены ученые, являющиеся члена-

ми АН СССР, акрестиком – члены-корреспонденты.

207

Автор A B С D

1. Letokhov V. S.

Institute of Spectroscopy

Troitsk

4 575 270 16,9 248

2. Zakharov V. I.

Theoretical and Experimental Physics Institute (A)

Moscow

4 401 129 34,1 14

3. Shifman M. A.

Theoretical and Experimental Physics Institute (A)

Moscow

4 268 101 42,3 303

4. Vainshtein A. I.

Theoretical and Experimental Physics Institute (A)

Moscow

4 181 78 53,6 64

5 * Ovchinnikov Y.A.

ShemyakinM.M.Bioorganic Сhemistry Institute (A)

Moscow

4 082 113 36,1 286

6. +Polyakov A. M.

L.D.LandauTheoretical Physics Institute

Moscow

3 980 20 199,0 576

7. * Kochetkov N. K.

Zelinskii N. D. Organic Chemistry Institute (A)

Moscow

3 326 329 10,0 241

8. + Voronkov M. G.

Institute of Organic Chemistry (A)

Irkutsk

3 290 624 5,3 263

Таблица 1

Список ста самых цитируемых советских ученых за 1973–1988 гг.

Учитывая колоссальное влияние АН СССР

в выборе политики в науке и технике,

можно было ожидать ученых с наиболее

высоком импактом именно среди членов

академии. Но это не так. Четыре наиболее

цитируемых советских ученых не являют-

ся членами академии или ее членами-

корреспондентами: физики В.С.Летохов,

В.И.Захаров, В.А.Шифман иА.И.Вайн-

штейн. Только 35 ученых из списка топ-100

являются членами академии. Трое ака-

демиков – биохимик Ю. А. Овчинников,

А. Н. Несмеянов (бывший президент АН

СССР) и ядерный физик Я. Б. Зельдо-

вич – умерли. Внашем списке есть также

умерший академик Академии медицин-

ских наук В.М.Жданов. Следует отметить,

чтобы быть честными, что не все члены

не советских академий являются высоко-

цитируемыми учеными. Когда в1981г. мы

изучали список тысячи самых цитируемых

авторов, только 240 человек из 736 были

идентифицированы как члены Американ-

ской академии наук (NAS).

208

Автор A B С D

9. * Prokhorov A. M.

Institute of General Physics (A)

Moscow

3 177 490 6,5 52

10. * Georgiev G. P.

V.A.EngelhardtMolecularBiology Institute (A)

Moscow

3 140 123 25,5 69

11. Linde A. D.

P. N. Lebedev Physics Institute ( A)

Moscow

2 777 53 52,4 329

12. * Korshak V. V.

A.N.Nesmeyanov Organoelemental Compounds Institute (A)

Moscow

2 626 617 4,3 25

13. Berezin I. V.

M.V.LomonosovState University Department of Chemistry

Moscow

2 432 220 11,1 110

14. + Pudovik A. N.

A.E.ArbuzovOrganic and Physical Chemistry Institute (A)

Kazan

2 389 548 4,4 116

15. *Zeﬁrov N. S.

M.V. LomonosovState University Department of Chemistry

Moscow

2 188 253 8,6 210

16. * Nesmeyanov A. N.

A.N.Nesmeyanov Organoelemental Compounds Institute

Moscow

1 997 226 88,4 375

17. * Kostyuk P. G.

A.A. BogomoletsPhysiology Institute (U)

Kiev

1 924 55 35,0 247

18. Lippmaa E.

Chemical and Biological Physics Institute (E)

Tallin

1 887 72 26,2 102

19. +Skulachev V. P.

M.V.LomonosovState University

A.N.Belozerski Laboratory of Molecular

Biology and Bioorganic Chemistry

Moscow

2 681 135 19,8 123

20. Struchkov Y. T.

A.N.Nesmeyanov Organoelemental Compounds Institute (A)

Moscow

3 303 464 7,1 24

21. +Sunyaev R. A.

Space Research Institute (A)

Moscow

1 877 35 53,6 87

209

Автор A B С D

22. Martinek K.

M.V.LomonosovState University Department of Chemistry

Moscow

1 842 118 15,6 208

23 Kiselev A. V.

M.V.LomonosovState University Department of Chemistry

Moscow

1 763 182 64,6 178

24. Altshuler B. L.

B.P. KonstantinovNuclear Physics Institute (A)

Leningrsd

1 813 36 50,4 393

25. *Reutov O. A.

M.V.LomonosovState University Department of Chemistry

Moscow

1 733 206 8,4 48

26. *Zeldovich Y. B.

Institute of Physics Problems (A)

Moscow

1 732 91 19,0 952

27. Bergelson L. D.

Cardiology Research Center (M)

Moscow

1 708 176 66,5 64

28. *Kabanov V. A.

A. V. Topchiev Petrochemical Synthesis Institute (A)

Moscow

1 622 224 7,2 51

29. Shashkov A. S.

N. D. ZelinskiiOrganic Chemistry Institute

Moscow

1 597 171 9,3 38

30. +Privalov P. L.

Institute of Protein Research (A)

Pushchino-on-Oka

159a 61 26,1 218

31. + Fradkin E. S.

P.N.LebedevPhysics Institute (A)

Moscow

1 652 76 21,7 388

32. * Basov N. G.

P.N.LebedevPhysics Institute (A)

Moscow

1 544 199 7,8 316

33. * Ivanov V. T.

M.M.Shemyakin Bioorganic Chemistry Institute (A)

Moscow

1 478 90 16,4 23

34. Belov N. V.

M.V.LomonosovState University Department of Physics

Moscow

1 475 409 3,6 45

35. + Larkin A. I.

L.D.LandauTheoretical Physics Institute

Moscow

1 475 55 26,8 23

210

Автор A B С D

36. Novikov V. A.

Theoretical and Experimental Physics Institute (A)

Moscow

1 463 56 26,1 62

37. *Razuvaev G. A.

N.I.LobachevskiiState University Chemical Research Institute

Gorki

1 454 220 52,1 85

38. Aronov A. G.

B.P.Konstantinov Nuclear Physics Institute

Gatchina

1 449 54 26,8 45

39. Spitsyn V. I.

Physical Chemistry Institute (A)

Moscow

1 397 293 4,8 96

40. +Tsvetkov V. N.

Institute of Macromolecular Compounds

Leningrad

1 367 143 9,6 185

41. Shklovskii B. I.

A.F.IoffePhysical Technical Institute (A)

Leningrad

1 347 51 26,4 131

42. * Bayev A. A.

Institute of Molecular Biology

Moscow

1 338 77 17,4 14

43. *Goldanskii V. I.

Chemical Physics Institute (A)

Moscow

1 309 136 9,6 167

44. Zamolodchikov A. B.

L.D.LandauTheoretical Physics Institute (A)

Moscow

1 295 38 34,1 188

45. + Petrov A. A.

Physical Technical Institute (A)

Moscow

1 280 283 4,5 47

46. Magi M.

Institute of Chemistry and Biological Physics (E)

Tallin

1 251 40 31,3 21

47. * Plate N. A.

M.V.LomonosovState University Department of Chemistry

Moscow

1 220 131 9,3 108

48. + Bunkin F. V.

General Physics Institute (A)

Moscow

1 197 137 8,7 121

211

Автор A B С D

49. Shuryak E. V.

Novosibirsk Nuclear Physics Institute (A)

Novosibirsk

1 196 40 30,0 232

50. Krishtal O. A.

A.A.Bogomolets Physiology Institute (U)

Kiev

1 192 30 40,0 35

51. + Bystrov V. F.

M.M.ShemyakinBioorganic Chemistry Institute (A)

Moscow

1 185 55 21,5 76

52. Kuzmin V. A.

Chemical Physics Institute (A)

Moscow

1 181 148 8,0 58

53. Drachev L. A.

M.V.LomonosovState University

Belozerskii A. N.

Laboratory of Molecular Biology and Bioorganic Chemistry

Moscow

1 179 54 21,8 34

54. Akhrem A. A.

Institute of Bioorganic Chemistry (B)

Minsk

1 170 213 5,5 68

55. Minkin V. I.

Rostov State University Physics and Organic

Chemistry Research Institute

Rostov

1 170 198 5,9 66

56. * Sagdeev R. Z.

Space Research Institute (A)

Moscow

1 168 119 9,13 117

57. Bakayev V. V.

Novosibirsk Medical Institute

Novosibirsk

1 149 22 52,2 6

58. Shuvalov L. A.

Institute of Crystallography (A)

Moscow

1 141 181 6,3 17

59. Petrovskii P. V.

A.N.Nesmeyanov Organoelemental Compounds Institute

Moscow

1 135 137 8,3 0

60. Efros A. L.

A.F.IoffePhysical Technical Institute (A)

Leningrad

1 119 57 19,6 94

61. Dmitriev B. A.

N.F.Gamaleya Epidemiology and Microbiology Institute (M)

Moscow

1 117 89 12,6 29

212

Автор A B С D

62. *Gorkov L. P.

L.D.LandauTheoretical Physics Institute (A)

Moscow

1 116 54 20,7 111

63. Belavin A. A.

L.D.LandauTheoretical Physics Institute (A)

Moscow

1 114 18 61,9 235

64. Lipatov Y. S.

Institute of the Chemistry of Macromolecular Compounds (U)

Kiev

1 112 196 5,7 134

65. + Zakharov V. E.

L.D.LandauTheoretical Physics Institute (A)

Moscow

1 109 61 18,1 275

66. Ryskov A. P.

Molecular Biology Institute (A)

Moscow

1 090 51 21,4 4

67. Shuvalov V. A.

Institute of Soil Science and Photosynthesis(A)

Pushchino-on-Oka

1 089 54 20,2 4

68. Tseytlin A. A.

P.N.LebedevPhysics Institute (A)

Moscow

1 087 41 26,5 51

69. Nametkin N. S.

A.V.Topchiyev Petrochemical Synthesis Institute (A)

Moscow

1 082 125 8,7 0

70. Levanyuk A. P.

A.V.ShubnikovaCrystallography Institute (A)

Moscow

1 072 73 14,7 59

71. Nefedov V. I.

N.S.KurnakovGeneral and Inorganic Chemistry Institute (A)

Moscow

1 063 105 10,1 70

72. Skryabin K. G.

Molecular Biology Institute (A)

Moscow

1 062 40 26,6 9

73. Davankov V. A.

A.N.Nesmeyanov Organoelemental Compounds Institute (A)

Moscow

1 040 84 12,4 34

74. Shibaev V. P.

M.V.LomonosovState University Department of Chemistry

Moscow

1 039 108 9,6 53

75. Zhdanov V. M.

D.I.IvanovskiiVirology Institute (M)

Moscow

1 035 138 7,5 34

213

Автор A B С D

76. Klimov V. V.

A.N.Bakh Biochemistry Institute (A)

Moscow

1 021 67 15,2 55

77. Lutsenko I. F.

M.V.LomonosovState University Department of Chemistry

Moscow

1 001 191 5,2 20

78. Abdulaev N. G.

M.V.Shemyakin Bioorganic Chemistry Institute (A)

Moscow

997 37 27,0 12

79. Kumakhov M. A.

M.V.LomonosovState University Institute of Nuclear Physics

Moscow

990 50 19,8 35

80. Voloshin M. B.

Theoretical and Experimental Physics Institute

Moscow

987 44 22,4 62

81. Yermakov Y. I.

Institute of Catalysis

Novosibirsk

982 95 10,3 36

82. Orlov S. N.

Central Research Laboratory Ministry of Public Health USSR

Moscow

969 67 14,5 43

83. Boreskov G. K.

Institute of Catalysis (A)

Novosibirsk

964 109 8,8 46

84. Postnov Y. V.

Central Research Laboratory Ministry of Public Health USSR

Moscow

957 47 20,4 79

85. * Spirin A. S.

Institute of Protein Research (A)

Pushchino-on-Oka

952 60 15,9 65

86. *Knorre D. G.

Institute of Bioorganic Chemistry (A)

Novosibirsk

937 76 12,3 34

87. Ptitsyn O. B.

Institute of Protein Research (A)

Pushcbino-on-Oka

932 57 16,4 48

88. *Chazov E. I.

Moscow Cardiology Center

Moscow

932 42 22,2 118

89. Kachanov V. A.

Serpukhov High Energy Physics Institute

Serpukhov

925 82 11,3 0

214

Автор A B С D

90. Feigina M. Y.

M.M.Shemyakin Institute of Bioorganic Chemistry (A)

Moscow

924 23 40,2 0

91. Osipov O. A.

Rostov Don University Physical and Organic Chemistry Institute

Rostov Don

923 178 5,2 31

92. Sokofov V. I.

A.N.Nesmeyanov Organoelemental Compounds Institute (A)

Moscow

919 117 7,9 443

93. Shakura N. I.

Shternberg Astronomy Institute

Moscow

916 14 65,4 77

94. Makarov G. N.

Spectroscopy Institute( A)

Troitsk

908 41 22,1 1

95. Brandt N. B.

M.V.LomonosovState University Department of Physics

Moscow

903 124 7,3 115

96. Saks V. A.

Cardiovascular Surge~Institute (M)

Moscow

902 51 17,7 33

97. Rubin A. B.

M.V.LomonosovState University Department of Biophysics

Moscow

902 125 7,2 13

98. Samoson A.

Institute of Chemical Physics and Biophysics (E)

Tallin

897 21 42,7 31

99. Karden A. D.

M.V.LomonosovState University

A. N. Belozerstii

Laboratory of Molecular Biology and Bioorganic Chemistry

Moscow

897 33 27,0 2

100. Frankkamenetskii M. D.

Institute of Molecular Genetics

Moscow

880 32 27,5 44

(A) = Academy of Sciences

(M) = Academy of Medical Sciences

(E) = Academy of Sciences EsSSR

(U) = Academy of Sciences UkSSR

(B) = Academy of Sciences BeSSR

215

Кто есть кто всоветской науке: физики

доминируют

Среди ста наиболее высокоцитируемых

советских ученых (табл. 1) треть – физики

(35 человек), 32 человека – ученые из об-

ласти наук о живой природе, 30 химиков

и трое занимаются исследованиями кос-

моса. Среди 35 физиков десять являются

членами академии: члены-корреспонденты

Ф. В. Бункин, Е. С. Фрадкин, А. И. Ларкин,

А. М. Поляков и В. Е. Захаров; академики

нобелевский лауреат Н.Г.Басов, В.И.Голь-

данский, Л.П.Горьков, нобелевский лауреат

А.М.Прохоров ипокойный Я.Б.Зельдович.

Все они работают в институтах, располо-

женных вМоскве. Не члены академии впо-

давляющем большинстве работают также

вМоскве (16), но есть ипредставители дру-

гих городов: вЛенинграде(3), Таллине (3),

Гатчине (1), Новосибирске (1), Свердлов-

ске(1), Серпухове(1) иТроицке(1). Ж.Медве-

дев полает, что доминирование физиков бы-

ло бы большим, если бы физики-ядерщики

могли публиковать свои работы за рубежом.

Более того, он указывает, что многие физи-

ки-ядерщики (а также физики, работающие

вдругих областях оборонного значения) не

могут публиковать свои работы всоветских

журналах. Без сомнения, то же самое от-

носится к западным ученым, работающим

воборонных областях.

Среди 32 ученых, занимающихся иссле-

дованиями в науках о жизни, четыре наи-

более высокоцитируемых ученых являются

членами академии. Это покойный академик

Ю. А. Овчинников, молекулярный биолог

Г.П.Георгиев (автор комментария вCitation

Classics), физиолог П. Г. Костюк и биохи-

мик В. П. Скулачев. Среди этих 32 ученых

вМоскве работают 23 человека, двое вКи-

еве, вПущино-на-Оке– четверо (в том чис-

ле академик Спирин, автор комментария

в Citation Classics), двое в Новосибирске

иодин вМинске.

Среди 30 химиков двенадцать являются

членами академии. Подавляющее боль-

шинство из них работает вМоскве, по двое

вНовосибирске ив Ростове-на-Дону, по од-

ному вкаждом из следующих городов: Ле-

нинград, Иркутск, Казань, Горький, Киев,

Таллин иТроицк.

Все трое ученых, занимающихся космиче-

скими исследованиями, являются членами

Академии наук иработают вМоскве.

В общем среди топ-100 советских ученых

71 человек работает в Москве, по четыре

вЛенинграде, Новосибирске иПущино-на-

Оке, по три человека вКиеве иТаллине. На

рис. 1 представлена карта СССР и отмече-

ны города, ученые которых опубликовали

не менее 250 статей в1989г. В1989г. для

подготовки SCI использовались свыше 3200

научных журналов, среди которых 127 – со-

ветские журналы, публикуемые на русском

или английском языке.

Факторы, влияющие на цитируемость

советских ученых

Ознакомившись с моей статьей, Жо-

рес Медведев заметил, что большинство

ссылок на работы советских ученых были

сделаны в советских журналах и очень

мало ссылок из американских и запад-

ных журналов. Медведeв также отметил,

что наиболее цитируемые и наиболее

плодовитые авторы, Летохов иВоронков,

имеют значительный процент самоцити-

руемости. Он отмечает, что вСССР почти

обязательно цитировать так называемых

«классиков» и ученых, которые имеют

большое влияние. Например, у Чазова,

бывшего министра здравоохранения, да-

же его статья вгазете «Аргументы ифак-

ты» включена всписок его работ. Все это

216

Рис. 1. Карта СССР, на которой отмечены города, ученые которых опубликовали

не менее 250 статей в 1989 г.

Pushchino

Leningrad

Riga

Lvov Minsk

Kiev Dubna

Kharkov

Odessa Donetsk

Rostov

Tbilisi

Erevan

Baku

Moscow Chernogolovka

Novosibirsk

Vladivostok

Tashkent

Irkutsk

Sverdlovsk Tomsk

Gorki

Kazan

Ufa

A B

Baku 263

Chernogolovka 409

Donetsk 413

Dubna 289

Erevan 255

Gorki 327

Irkutsk 429

Kazan 374

Kharkov 884

Kiev 3.106

Leningrad 3.414

Lvov 346

A B

Minsk 995

Moscow 14.044

Novosibirsk 1.265

Odessa 326

Pushchino-on-Oka 316

Riga 274

Rostov-on-Don 325

Sverdlovsk 678

Tashkent 420

Tbilisi 292

Tomsk 491

Ufa 261

Vladivostok 321

только потому, что он был министром, ане

благодаря его научным достижениям.

Другим фактором, влияющим на цити-

руемость, является должность главного

редактора научного журнала. Например,

это относится икцитируемости академи-

ка В. П. Скулачева, главного редактора

журнала «Биохимия», и к цитируемости

покойного академика В. М. Жданова,

бывшего главным редактором журнала

«Вопросы вирусологии».

Советские ученые снаиболее

высоким импактом не обязательно

опубликовали большее количество

работ

Самый высокий импакт среди советских

авторов за 15-летний период принадлежит

физику-ядерщику А. Полякову, члену-кор-

респонденту АН СССР. 20 его статей полу-

чили 4000 ссылок, цитируемость каждой

статьи всреднем – 200. Укристаллографа

Белова самый низкий из топ-100 импакт

217

(3,6 ссылки). Средний импакт в этом спи-

ске– 23,3 ссылки. Для членов академии этот

импакт– 24,6 ссылки. Однако если из этого

списка исключить супер-звезду А. Н. По-

лякова, то средний импакт академии– 19,4

ссылки. После Полякова самый высокий

импакт имеют шесть ученых: покойный

академик Несмеянов (88,3 ссылки), карди-

олог Бергельсон3 (66,5 ссылки), астроном

Шакура (65,4 ссылки), физик Киселев (64,6

ссылки), физик Вайнштейн испециалист по

исследованию космоса Сюняев (у каждого

из них по 53,6 ссылки на статью). Авторы,

опубликовавшие наибольшее количество

работ, это физики ихимики: Воронков, опу-

бликовавший 624 статьи, Коршак (617 ста-

тей), Пудовик (548 статей), Прохоров (490

статей), Стручков (464 статьи), Белов (409

статей) иКочетков (329 статей). 53ученых,

включенных в табл. 1, опубликовали 100

или менее статей, а30 ученых – от 100 до

200. Из 17 ученых, опубликовавших более

200 статей, одиннадцать являются членами

академии.

Преобладание физиков – признак

советского милитаризма?

Физика – это та область, в которой

в СССР были выполнены первокласс-

ные исследования в течение последних

50 лет. Советские физики – уважаемые,

влиятельные ученые, они выполняли на-

учные исследования на передовом крае

мировой науки. Данные, представленные

вэтой статье, подтверждают это: из свы-

ше 100 наиболее цитируемых ученых 35–

физики. Обычно всписке самых цитируе-

мых ученых, не разделенных по областям

науки, ученые в области наук о жизни

доминируют. Противоположный случай

3Ю. Гарфилд ошибся, его специальностью была

биохимия.

с учеными СССР. Мы попросили Медве-

дева прокомментировать это. Он предпо-

ложил, что впрошлом вСоветском Союзе

военный истеблишмент сконцентрировал

усилия национальной науки на проектах

в области физики, таких как создание

ядерного оружия. Физики, по мнению

Медведева, имели самое лучшее финан-

сирование по сравнению слюбой другой

областью науки. Вто же время существо-

вало идеологическое вмешательство,

следствием чего было катастрофиче-

ское влияние на биологию (деятельность

Т. Лысенко), химию (отрицалась теория

Л.Поллинга) икибернетику.

Согласно мнению нобелевского лауре-

ата Р. Хоффмана (R. Xoffman), милита-

ризм не единственная причина домини-

рования физики в советской науке. По

его мнению, другим фактором является

традиция в советском (русском) обще-

стве, подразумевающая огромное уваже-

ние кученым. «Роль модели очень важна

всоветской (русской) истории. Три вели-

ких физика сформировали советскую на-

уку: Л.Ландау, И.М.Френкель иП.Л.Ка-

пица, ине только физику, поскольку они

привели советскую молодежь в науку.

Знаменитость и престиж науки пред-

шествовали периоду Второй мировой

войны.

Превосходство советской физики под-

тверждается, если мы посмотрим на

список нобелевских лауреатов. Из деся-

ти Нобелевских премий, которыми были

удостоены советские ученые, семь отно-

сятся кфизике. В1958г. эту премию по-

лучили И.М.Франк, И.Е.Тамм и П.Че-

ренков. Ландау получил премию в1962г.

за работы в области конденсированных

сред, особенно по жидкому гелию. Басов,

Прохоров иамериканец Ч.Тоунс (Charles

218

Таблица 2

Список пятидесяти наиболее цитируемых статей,

опубликованных советскими учеными, из массива ISI Science Indicators

Количество

ссылок Библиографические данные

839 Shifman M. A., Vainshtein A. I. & Zakharov V. I. QCD and resonance

physics: theoretical foundations. Nucl. Phys. B 147:385-447, 1979.

730 Shakura N. I. & +Sunyaev R. A. Black holes in binary systems:

observational appearance. Astron. Astrophys. 24:337-55, 1973.

682 +Polyakov A. M. Particle spectrum in quantum ﬁeld

theory. LETP Lett.-Engf. Tr. 20:194-5, 1974.

Townes) получили премию в1964г. (Про-

хоров занимает 9-e место в списке наи-

более цитируемых советских ученых,

см.табл.1). П.Капица, который разделил

в1978г. премию самериканцами А.Пен-

зиасом (Arno Penzias) иР.Улсоном (Robert

Wilson), был удостоен награды за изо-

бретения и открытия в области низких

температур.

Среди советских физиков-лауреатов на-

блюдается интересная тенденция в пре-

миях за 1958 и1964гг., врученных за ис-

следования, связанные слазерами. Тамм

и Франк нашли объяснение фосфорес-

цированию жидкости при ее облучении

гамма-лучами, явление, открытое Черен-

ковым. Это открытие оказало огромное

влияние на лазерные технологии ибыло

удостоено премии в 1958 г. Исследова-

ния Басова, Прохорова и Ч. Тоунса были

направлены на развитие лазеров ибыли

удостоены премии в 1964 г. Самый вы-

сокоцитируемый в массиве ISI Science

Indicators советский ученый Летохов яв-

ляется пионером в области лазерной

спектроскопии.

Во второй части моего очерка мы про-

анализируем наиболее цитируемые ста-

тьи, институты, исследовательские фрон-

ты ижурналы.

Часть 2.

Пятьдесят статей из СССР,

принадлежащих кCitation Classics

В таблице2 представлен список пятидеся-

ти наиболее цитируемых статей, опублико-

ванных советскими учеными, из массива ISI

Science Indicators. Большинство из этих иден-

тифицированных статей могут быть отнесены

кCitation Classics, поскольку их цитируемость

превышает порог в200 ссылок. Из этих пяти-

десяти статей к тематике, связанной с физи-

кой, относятся 28 статей. Эти статьи относятся

к исследованиям по физике элементарных

частиц, сверхпроводимости, электропровод-

ности твердых веществ ифизике низких тем-

ператур. Кисследованиям по наукам о жизни

относятся 15 статей, и они посвящены изуче-

нию структуры, формы иактивности молекул

белка, хроматина иаминокислот (aminoascy1-

tRNA). Несколько статей по наукам о жизни

посвящены исследованиям прохождения (пе-

редачи) через мембраны красных кровяных

телец, электрических токов в нейронах мол-

люсков (electrical currents in mollusk neurons).

Пять статей по химии связаны сисследовани-

ями по анализу абсорбции ядра ииспользова-

нию ядерно-магнитного резонанса для изуче-

ния структуры силикатов ядра и углеводных

соединений. Оставшиеся две статьи посвяще-

ны наукам о земле иисследованию космоса.

219

Количество

ссылок Библиографические данные

677 +Polyakov A. M. Quantum geometry of bosonic strings. Phys. Lett. B 103:207-10, 1981.

615 Shifman M. A., Vainshtein A. I. & Zakharov V. L. QCD and resonance

physics: applications, Nucl. Phys. B 147:448-518, 1979.

533 + Chlrikov B V. Universal instability of many-dimensional oscillator

syate.ms. Phys. Rep. –Rev. Sect. Phys. Lat. 52:263-379, 1979.

503 Linde A. D. A new inﬂationary universe scenario: a possible solution

of the horizon, ﬂatness, homogeneity, isotropy and primordial

monopole problems. Phys. far. B 108:389-93, 1982.

437 +Polyakov A. M. Quark conﬁnement and topology of gauge

theories. Nucl. Phys. B 120:429-58, 1977.

417 Belavin A. A., +Polyakov A. M. & Zamolodchikov A. B. Inﬁnite conformal symmetry

in two-dimensional quantum ﬁeld theory. Nucl. Phys. B 241:333-80, 1984.

399 Altshuler B. L., Aronov A. G. & Lee P. A. Interaction effects in disordered

Fermi systems in two dimensions. Phys. Rev. Lat. 44:1288-91, 1980.

394 Matveev V. A., Muradyan R. M. & +Tavkhelidze A. N. Automodellism in the large-angle

elastic scattering and structure of hadrons. Mr. Nuovo Cimento 7:719-23, 1973.

377 +Polyakov A. M. Interaction of Goldstone particles in two dimensions: applications

to ferromagnets and massive Ymg-Mills ﬁelds. Phys. Lat. B 5979-81, 1975.

369 Privalov P. L. Thermodynamic approach to problem of stabilization of globular

protein structure: calorimetric study. J. Mol. Biol. 6565-84, 1974.

366 Gerr R. G., Yanovsky A. I. & Struchkov Y. T. Perfection of the system of

crystallographic programs in the laboratory of X-ray structure: analysis of

the A. N. Nesmeyanov Institute of Organoelemental Compounds of the

USSR Academy of sciences. Kristalfograﬁya SSSR 28:1029-30, 1983.

359 Altshuler B. L., Khmelnitzkii D., +Larkin A. I. & Lee P. A. Magneto-

resistance and Hall effect in a disordered two-dimensional electron

gas. Phys. Rev. B—Condensed Matter 22:5142-53, 1980.

337 Varshavsky A. J., Bakayev V. V. & Georgiev G. P., Heterogeneity of chromatin

subunits in vitro and location of histone H 1. Nucl. Acid. Res. 3:477-92, 1976.

336 +Polyakov A M. Compact gauge ﬁelds and infrared

catastrophe. Phys. Lest. B 59:82-4, 1975.

331 Linde A. D. Phase transitions in gauge theories and

cosmology. Rep. Progr. Phys. 42:389-437, 1979.

324 *Ovchinnikov Y. A., Abdulaev N. G., Feigina M. Y., Kiselev A. V. & Lobanov N. A. Structural

basis of the functioning of bacteriorhodopsin: overview. FEBS Lert. 100:219-24, 1979.

304 Ivanov V. I., Minchenkova L. E., Schyolkina A. K. & Poletayev A. L.

Different conformations of double-stranded nucleic acid in solution

asrevealed by circular dichroism, Biopolymers 12:89-110, 1973.

220

Количество

ссылок Библиографические данные

300 +Polyakov A. M. Quantum geometry of fermionic strings. Phys. lets. B 103:211-3, 1981.

296 Novikov V. A., +Okun L. B., Shifman M. A., Vainshtein A. I., Voloshin M. B. & ZakharovV.L.

Charmonium and gluons. Phys. Rep. – Rev. Sect. Phys, Len. 41:1-133, 1978.

293 Lvov B. V. Electrothermal atomization: way toward absolute methods of atomic-

absorption analysis. Spectrochim. Acts Pt. B—At. Spec. 33:153-93, 1978.

292 *Kostyuk P. G., + Kriashtal O. A. & Shakhovalov Y. A. Separation of sodium and calcium

currents in somatic membrane of mollusk neurons. J. Physiol-London 270:545-68, 1977.

280 Lippmaa E., Magi M., Samoson A., Engelрrdt G. & Grimmer A.-R. Structural studies of

silicates by solid-state high-resolution SF9 NMR. J. Arncr. Chem. WC. 102:4889-93, 1980.

279 Yogubskii E. B., Shchegolev I. F., Laukhin V. N., Kononovich P. A.,

Karatsovnik M. V., Zvarykirm A. V. & Boravov L. L. Normal-pressure

superconductivity in an organic metal (BEDT-TTP)2I3 bis(ethylene dithiolo)

tetrathiofulvalene triiodide]. JETP Lett.–Engl. Tr-39:12-6, 1984.

271 *Migdal A. B. Pion ﬁelds in nuclear matter. Rev. Mod. Phys. 50:107-72, 1978.

269 Sifman M. A., Vainrshtein A. I. & Zakharov V. L. QCD and resonance

physics: RHO-omega mixing. Nucl. Phys. B 147:519-34, 1979.

264 Sun S. S., Nesbitt R. W. & Sharaskin A. Y. Geochemical characteristics

ofmid—ocean ridge basalts. Earh Planet. Sci. &m. 44:119-38, 1979.

256 Serbinenko F. A. Balloon catheterization and occlusion of major

cerebral vessels. J. Neurosurg. 41:125-45, 1974.

252 Shuryak E. V. Quantum chromodynamics and the theory of superdense

matter. Phys. Rep. —Rev. Sect Phys. Lett. 61:71-158, 1980.

249 Burstein E. A., Vedenkina N. S. & Ivkova M. N. Fluorescence and the location

oftryptophan residues in protein molecules. Photochem. Photobiol. 18:263-79, 1973.

247 Vaskovsky V. E., Kostetsky E. Y. & Vasendin I. M. Universal reagent

for phospholipid analysis. J. Chromatog. 114:129-41, 1975.

246 Lubimov V. A., Novikov E. G., Nozik V. Z., Tretyakov E. F. & KozikV.S.

An estimate of the upsilon-E mass from the beta-spectrum of tritium

in the valine molecule. Phys. Lett. B 94:266-8, 1980.

246 Rubakov V. A. Adler-Bell-Jackiw anomaly and fermion number breaking

inthe presence of a magnetic monopole. Nucl. Phys. 203:311-48, 1982.

236 Lim V. I. A1goritms for prediction of alpha-helical and beta-structural

regions in globular proteins. J. Mol. Biol. 88:873-94, 1974.

235 Shifman M. A., Vainshtein A. I. & Zakharov V. I. Asymptotic freedom, light quarks and origin

of δt = 1/2 rule in non-leptonic decays of strange particles. Nucl. Phys. B 120316-24, 1977.

228 Starobinsky A. A. Dynamics of phase transition in the new inﬂationary universe

scenario and generatioﬁ of perturbations. Phys. Lat. B 117:175-8, 1982.

221

Количество

ссылок Библиографические данные

226 Kukhtarev N. V., Markov V. B., Odulov S. G., Soskin M. S. & Vinetskii V. L. Holographic

storage in electrooptic crystals. 1. Steady-state. Ferroelectrics 22:949-60, 1979.

225 Fesenko E. E., Kolesnikov S. S. & Lyubarsky A. L. Induction by cyclic GMP of cationic

conductance in plasma membrane of retinal rod outer segment. Nature 313:310-3, 1985.

221 Friedenstein A. J., Chailakhyan R. K., Latsinik N. V., Panasyuk A. F. & Keiliss-BorokI.V.

Stromal cells responsible for transferring the microenvironment of hematopoietic

tissue: cloning in vitro and retransplantation in vivo, Transplantation 17:331-40, 1974.

214 Atiyah M. F., Hitchin N. J., Drinfeld V. G. & Manin Y. I. Construction

of instantons. Phys. Lett. A 65:185-7, 1978.

211 Abelev G. L. Alpha-fetoprotein as a marker of embryospeciﬁc differentiations

in normal and tumor tissues. Transplant. Rev. 20:3-37, 1974.

205 Pustnov Y. V., Orlov S. N., Shevchenko A. & Adler A. M. Altered sodium

permeability, calcium-binding and Na-K-ATPase activity in red bind cell membrane

inessential hypertension. Pﬂugers Arch. –Eur. J. Physiol. 371:263-9, 1977.

204 *Kostyuk P. G. & +Krishtal O. A. Effects of calcium and calcium-

chelating agents on inward and outward current in membrane

ofmollusk neurons. J. Physiol. — London 270:569-80, 1977.

201 Bugomolnyi E. B. Stability of classical solutions, Sov.J.

Nucl. Phys. – Engl. Tr. 24:449-54, 1976.

201 Efros A. L. & Shklovskii B. I. Coulomb gap and low-temperature conductivity

of disordered systems. J. Phys, C—Solid State Phys. 8:IA9-51, 1975.

201 Kisselev L. L. Aminoacyl-tRNA synthetases: some recent results and

achievements. Advan. Enzymol. Relat. Areas Mol. 40:141-238, 1974.

198 +Polyakov A. M. String representations and hidden symmetries

for gauge ﬁelds. Phys. Lett. B 82:247-50, 1979.

193 Shashkov A. S. & Chizhov O. S. C13 NMR spectroscopy in chemistry

ofcarbohydrates and related compounds. Bioorg. Khim. 2:437-97, 1976.

В первой части мы говорили о домини-

ровании физики в анализируемом масси-

ве высокоцитируемых статей (892 статьи)

за 1973–1988 гг.: 43 % относятся к физике,

32 % – к биологическим наукам и 19 % –

к химии. Сходные данные были получены

при наукометрическом изучении значи-

тельно большего массива (140 тыс. статей)

мирового потока за 1981–1985 гг., выпол-

ненном венгерскими специалистами Т.Бра-

уном (T. Braun), В. Глэнцелом (W. Glänzel)

иА. Шубертом (A.Schubert), работающими

вБудапеште. Граф ввиде пирога по распре-

делению советских статей по предметным

категориям в обоих исследованиях пред-

ставлен на рис.2.

Кроме распределения статей по предмет-

ным областям из ряда стран А.Шуберт иего

коллеги проанализировали импакты этих

стран, т. е. среднее количество ссылок на

одну статью в ряде областей знания. СССР

занимал второе место в мире после США

222

Рис. 2. Распределение статей советских ученых по предметным категориям

в исследованиях 892статей за 1973–1988 гг. (А) и массива из 140 тыс. статей мирового потока

за 1981–1985 гг. (В)

Phisics

(42.9%)

Phisics

(33.8%)

Biology

(31.5%)

Biology

(25.5%)

Chemistry

(18.8%) Chemistry

(29.8%)

Engineering/Math

(1.9%)

Engineering/Math

(11%)

Astronomy

(4.9%)

А В

по количеству статей по физике и химии.

Но СССР был шестым по импакту по физи-

ческим наукам после США, Федеративной

Республики Германии, Великобритании,

Японии иФранции. Вобласти химии СССР

занимал седьмое место вмире по импакту

после США, Японии, ФРГ, Великобритании,

Франции и Канады. СССР был седьмым по

количеству статей по наукам о жизни, апо

их импакту – на шестнадцатом месте.

Десять топ-статей: физика,

астрономия/астрофизика

Все десять самых цитируемых статей по-

священы физике или астрофизике. Шесть

статей посвящены исследованиям по физи-

ке, вчастности тематике квантовой хромо-

динамики (QCD). Эта область исследований

ищет объяснение, почему кварки, которые

считаются фундаментальной составляю-

щей материи, объединяются, формируя на-

блюдаемые закономерности элементарных

частиц, таких как протон инейтрон. Силь-

ное взаимодействие между кварками яв-

ляется тематикой фундаментальной науки

отом, как атомные ядра связаны друг сдру-

гом. Теория (QCD) привлекает исследова-

телей из-за своей математики, практиче-

ски идентичной той, которая используется

вквантовой электродинамике (QCD) иеди-

ной теории слабых и электромагнитных

взаимодействий. Физики, занимающиеся

частицами, надеются, что математическое

сходство между этими теориями может быть

индикатором того, что «универсальная тео-

рия поля» близка креализации.

Три наиболее цитируемые статьи по про-

блемам QCD (табл. 1) были опубликованы

учеными из Института теоретической физи-

ки АН СССР им.Л.Д.Ландау: это М.А.Шиф-

ман, А.И.Вайнштейн, В.И.Захаров. Все три

этих физика находятся вгруппе из четырех

самых цитируемых советских авторов вмас-

сиве за 1973–1988гг.

Автором четырех статей, связанных с те-

матикой QCD, является сотрудник этого же

института член-корреспондент А. М. По-

ляков4. В списке пятидесяти самых цити-

руемых советских статей (табл.2) А.М.По-

4Профессор А. М. Поляков с 1989 г. работает

вPrinceton University. За свои открытия всфере тео-

рии поля, теории струн, магнитных монополей идру-

гие достижения удостоен премии Fundamental Physics

Prize (3млндолл.), учрежденной бывшим сотрудником

ФИАНа Ю. Мильнером, является лауреатом многих

научных премий, в 2005 г. избран действительным

членом вU.S.National Academy of Sciences.

223

лякову принадлежат 8 статей. Вайнштейн,

Захаров и Шифман опубликовали по

пять статей каждый. Каждый из следую-

щих перечисленных ученых опубликовал

по две статьи из этого списка: математик

В.Л.Альтшулер из Института ядерной фи-

зики АН СССР им.В.П.Константинова (Ле-

нинград), физик А.Д.Линде из Физическо-

го института им. А. П. Лебедева АН СССР,

П.Г.Костюк иО.А.Криштал (оба из Инсти-

тута физиологии им. А. А. Богомольца АН

УкраинскойССР).

Вторая по количеству ссылок статья

«Черные дыры в бинарной системе: появ-

ление при наблюдении» была опубликова-

на совместно Н. И. Шакурой из Института

астрономии им.Штернберга ичленом-кор-

респондентом Р.А.Сюняевым из Института

космических исследований АН СССР. Пред-

полагается, что черные дыры – это послед-

ствие погасших звезд, когда силы грави-

тации настолько сильны, что даже свет не

может исчезнуть.

Другая статья по астрофизике, имеющая

седьмой ранг, была опубликована Линде

и связана с выдвинутой им идеей непре-

рывно расширяющейся Вселенной. Линде,

Шакура иСюняев входят вгруппу наиболее

цитируемых советских ученых, о чем было

написано впервой части статьи.

Шестая, наиболее цитируемая статья опу-

бликована Б. В. Чириковым из Института

ядерной физики СО АН СССР. Эта статья по-

священа механизму нестабильности вколе-

бательных системах (Арнольда).

Десятая по цитируемости статья посвяще-

на эффекту взаимодействия в беспорядоч-

ных системах Ферми, статья была опублико-

вана совместно двумя советскими учеными

Альтшулером иАроновым (Институт ядерной

физики им.Б.П.Константинова) иамерикан-

цем P.A.Lee (Bell Laboratories, New Jersy).

Научные центры свысоким импактом

Был составлен список из 25 организаций,

ученые которых опубликовали 50 самых ци-

тируемых статей. Вэтот список вошли один-

надцать институтов АН СССР, опубликовав-

ших 36 таких статей (72 %). Среди неака-

демических институтов выделяется ИТЭФ,

опубликовавший 6 статей, три статьи были

опубликованы учеными из двух институтов

АН Украины иодна статья учеными АН Эсто-

нии. Три института Академии медицинских

наук (АМН) СССР опубликовали четыре ста-

тьи. Почти все организации, опубликовав-

шие самые цитируемые статьи, расположе-

ны в Москве или Ленинграде. Втаблице3

представлен список институтов с самым

высоким импактом, т.е. средней цитируемо-

стью одной статьи. Вэтом списке доминиру-

ют институты, выполняющие исследования

по физике иядерной физике. Первое место

занимает Институт теоретической физики

им. Л. Ландау со средней цитируемостью

одной статьи— 15,86 ссылки. Этот институт

также находится на первом месте по коли-

честву самых цитируемых статей. Среди

других институтов ФИАН им.Лебедева, Ин-

ститут биорганической химии им.М.М.Ше-

мякина АН, Институт органической химии

им. Н. Д. Зелинского АН, Физико-техниче-

ский институт им.А.И.Иоффе АН иИТЭФ.

Советские научные публикации–

выход из русского обледенения

Был составлен список журналов, опу-

бликовавших пятьдесят самых цитируемых

статей. Вэтом списке только два советских

журнала (ЖЭТФ и «Биохимия»), двенад-

цать из США, по восемь из Великобрита-

нии иНидерландов ипо одному из Италии

иДании. Все эти журналы публикуются на

английском языке. Из 239 научных жур-

налов, содержащих проанализированный

224

Таблица 3

Список институтов с самым высоким значением импакта

Rank Institute Number of Papers Number of Citation Citation Impact

1L. D. Landau Theoretical

Physics Institute 1,254 19,896 15,86

2Theoretical and Experimental

Physics Institute 1,001 13,324 13,31

3M. M. Shemyakin Bioorganic

Сhemistry Institute 1,203 10,490 8,71

4 P. N. Lebedev Physics Institute 4,615 32,742 7,09

5I. V. Kurchаtov Institute

of Atomic Energy 1,812 11,246 6,20

6N. D. Zelinskii Organic

Chemistry Institute 1,408 8,647 6,14

7Joint Institute for Nuclear

Research (Dubnа) 2,729 16,702 6,12

8A. F. Ioffe Physical Technical

Institute (Leningrad) 5,539 28,153 5,08

9 M. V. Lomonosov State University 16,952 82,080 4,84

10 L. Y. Karроv Physicochemicаl

Research Institute 2,165 9,964 4,60

массив советских статей за 1973–1988 гг.,

только 18 % статей были опубликованы на

русском языке. Оставшиеся 82% статей бы-

ли или опубликованы взападных журналах

или впереводе на английском. В.Маркусо-

ва во время ее пребывания вISI отмечала,

что опубликование статьи на английском

привлекает более широкую аудиторию

читателей. Кроме того, временной лаг от

представления статьи в редакцию до ее

опубликования в советских журналах мо-

жет составлять 2–2,5 года, в то время как

на Западе десять лет назад он составлял от

8 до 18 месяцев. Внастоящее время, суче-

том технологического совершенствования

издательского процесса, он может быть

короче. Среди 32 журналов только один,

Bioorganicheskaya Khimiya («Биоорганиче-

ская химия»), относится к наукам о жизни.

Может быть, поэтому, как я упоминал впер-

вой части моей статьи, создано совместное

советско-английское предприятие для вы-

пуска журнала Biomedical Science.

Советские исследовательские

фронты— акцент на изучение

кристаллов, прикладную химию

иизучение сердца

В этом разделе я буду обсуждать ис-

следовательские фронты в массивах SCI

иSocial SCI только за 1988г., вкоторых со-

ветские публикации составляют не менее

55 % всех цитирующих статей за этот год.

Эти фронты — небольшая часть базы дан-

ных исследовательских фронтов (всего их

8177). Исследовательские фронты форми-

225

руют по специальной методике. Этот метод,

называемый кластерингом, создан на ос-

нове ко-цитирования документов. Статьи,

которые часто совместно процитированы

текущими статьями, создают «ядро» специ-

альности. Цитирующие статьи создают ис-

следовательский фронт, название которого

выбирается из фраз, встречающихся вэтих

цитирующих статьях.

Советские статьи составляют 45 иссле-

довательских фронтов. Мы полагаем, что

специальности, вкоторых 55% из всех ци-

тирующих статей являются советскими, мо-

гут рассматриваться как области, вкоторых

советские ученые особенно активны. До-

минирующими являются исследования по

физике (20 фронтов), материаловедению

(13 фронтов), с прикладной химией связа-

ны 11 фронтов. Исследования по наукам

о жизни и медицине представлены также

одиннадцатью фронтами, причем четыре

из них по сердечно-сосудистым заболева-

ниям. Другие исследовательские фрон-

ты представляли: геологию (один фронт),

психологию и генетику дрозофилы (один

фронт) и генетику личинок сальмониды

(один фронт).

Необходимо отметить, что только один ис-

следовательский фронт по исследованию

Вселенной (Low ﬂying quadropole vibration of

superﬂuid nuclei and cross section for universe

beta decay) не имел советских авторов среди

ядра цитируемых статей.

Классика цитирования

На сегодняшний день 18 советских ученых

дали нам комментарии по поводу своих са-

мых высокоцитируемых статей, опублико-

ванных вразделе Citation Classics. Эти ком-

ментарии относятся к публикациям более

раннего периода времени, чем тот, который

мы обсуждали в этой статье. Исключение

составляют академик В. И. Гольданский

(Институт химической физики АН СССР)

иакадемик А.С.Спирин (Институт исследо-

ваний белка АН СССР). Среди авторов ком-

ментариев восемь являются членами АН.

Мне хотелось бы узнать мнение советских

ученых о тех ученых, кого нам бы следовало

номинировать как авторов высокоцитируе-

мых статей. Только, пожалуйста, не забудьте

указать их адрес, тогда мы сможем обра-

титься непосредственно к авторам и при-

гласить написать комментарий.

Улучшат ли перестройка игласность

советскую науку?

Наше исследование показало, что физи-

ка является «королевой» всоветской науке.

Науки о жизни по сравнению сней занимают

второе место как по количеству публикаций,

так ипо импакту. Вероятной причиной этого

является отрицательное влияние академика

Т.Д.Лысенко (1898–1976), которого поддер-

живали Сталин иХрущев. Псевдонаука Лы-

сенко контролировала сконца 30-х до конца

60-хгг. аграрную науку инауки о жизни.

По мнению историка советской науки

ибиолога Ж.Медведева, даже теперь, ког-

да влияние «лысенковщины» рассеялось,

продолжительный эффект политизации

еще существует всоветской науке.

Секретность — это еще одна причина,

которая влияет на развитие советской нау-

ки ине дает советским ученым воспользо-

ваться выгодами от научных и технологи-

ческих достижений. В недавнем интервью

академик В.Овдуевский, председатель со-

ветского комитета по продвижению пере-

говоров, отметил, что распространенная

атмосфера секретности не дает возможно-

сти людям, работающим водном направле-

нии промышленности, узнать о результатах

исследований в другом, замедляя, таким

образом, распространение и внедрение

инновационных технологий. Технологии,

разработанные для военных целей, которые

могли бы принести пользу гражданскому

сектору, не раскрываются из-за соображе-

ний секретности. Такие технологии включа-

ют обработку деталей, сварку, укрепление

поверхностей, выращивание кристаллов,

атакже использование гибких автоматизи-

рованных производственных линий. Акаде-

мик Р. Сагдеев, бывший директор ИКИ АН

СССР, отмечает, что до перестройки ученые,

работающие на военную промышленность,

были избалованы, в то время как ученые,

работающие вгражданских областях, име-

ли устаревшее оборудование, низкую зар-

плату и невысокий шанс продвижения по

служебной лестнице или международного

признания. Но реструктуризация привела

кхудшему, по мнению Сагдеева. Вместо того

чтобы поднять всех ученых до уровня воен-

ных стандартов, все ученые были понижены

до уровня гражданских стандартов.

В попытке получить социальные иэконо-

мические выгоды от научных исследований

советские научные институты поощряются

для укрепления связей с промышленно-

стью. Таким примером может служить со-

вместное предприятие американского моз-

гового центра (think tank) – Arthur D. Little

(Cambridge, MA) и АН СССР. Совместное

предприятие займется поиском советских

разработок в фундаментальных науках,

привлечет западных партнеров для их раз-

вития и передаст лицензию компаниям,

которые сделают конечный продукт. Наибо-

лее обещающие области разработок— ма-

териаловедение иисследования лазеров.

Другим направлением в осуществлении

реформ является введение конкурсного

финансирования. Вместо финансирования

через академические институты часть фи-

нансирования распределяется комитетами

по науке и технике. В прошлом году было

подано 6200 заявок на выполнение про-

ектов, и3800 из них были удовлетворены.

По мнению Р.Сагдеева, часть денег все еще

вкладывается вубыточные предприятия.

Эта статья представляет собой обзор со-

ветской науки, ив ней обсуждаются только

ученые истатьи, имеющие высокий импакт.

Вней отмечены только некоторые факторы,

препятствующие советской науке в дости-

жении ее полного потенциала. Усоветской

науки много проблем, но реформы Горба-

чева вселяют в западную и советскую на-

уку большие надежды. Можно надеяться,

что вближайшем будущем произойдет как

рост научных обменов между советскими

изападными учеными, так ираспростране-

ние электронного оборудования, такого как

факсы иперсональные компьютеры.

227

Переводчик Валентина Александровна Маркусова.

Перевод на русский язык выполнен с любезного разрешения автора.

Ю. Гарфилд

ЭВОЛЮЦИЯ

SCIENCE CITATION INDEX

Впервые опубликована в: Eugene Gareld The evolution of the Science Citation Index //

CONTRIBUTIONS to SCIENCE, 5 (1): p. 63–70 (2009)

Institut d’Estudis Catalans, Barcelona

DOI: 10.2436/20.7010.01.60

Введение

Впервые концепция исполь-

зовния Science Citation

Index (SCI) как интеллек-

туального инструмента, об-

легчающего процесс распро-

странения и поиска научной

литературы, была обнародова-

на в 1955 г. Старшее поколение

ученых наверняка вспомнит уже

существовавший к тому време-

ни информационный продукт

под названием Current Contents,

бывший первой революционной

«идеей», которая сделала воз-

можной практическую реали-

зацию SCI. Примечательно, что

Current Contents все еще ежене-

дельно публикуется в печатной

форме, хотя его электронная

версия существует более деся-

ти лет. Даже ярые поклонники

Current Contents вряд ли помнят,

какую роль сыграл компьютер в

его (Current Contents) создании,

позволяя осуществлять ежене-

дельный выпуск, где одновре-

менно с названиями статей так-

же приводился указатель слов

и указатель адресов авторов.

Вте дни обычные указатели по-

являлись через шесть месяцев,

а иногда даже ичерез три года

после опубликования научной

литературы. Мы же в это время

получали ежегодно более десяти

миллионов запросов на реприн-

ты из разных стран мира после

прочтения Current Contents.

Тем не менее успех SCI связан

не с его первоначальной функ-

цией— инструмента информаци-

онного поиска, а с его последую-

щим использованием в качестве

инструмента для измерения на-

учной продуктивности, благодаря

побочному продукту — базе дан-

ных Journal Citation Reports (JCR)

и ранжированию научных журна-

лов по импакт-фактору IF.

Междисциплинарнaя база дан-

ных SCI имеет две цели: пер-

вая — определить, что каждый

ученый опубликовал, и вторая—

228

определить, где и как часто статьи1 этого

ученого были процитированы. Следова-

тельно, SCI всегда делится на две части

по фамилиям авторов статей: Указатель

авторов статей-источников — Source

Author Index и Указатель цитируемых

авторов — Citation Index. Существует до-

полнительная возможность определить,

в какой организации и стране были пу-

бликованы статьи автора и как часто они

были процитированы. Это особенно важ-

но, потому что трудно найти полный спи-

сок публикаций конкретного автора.

The Web of Science (WoS), являясь элек-

тронной версией SCI, связывает эти две

функции: публикации авторов могут быть

расположены в хронологическом порядке,

по названию журнала или по частоте цити-

рования. Также можно проводить поиск по

фамилиям ученых, опубликовавших статьи

в течение определенного периода. В табли-

це 1 приведен список, полученный в резуль-

тате поиска ученых, публиковавших работы

в течение 70–85 лет. Например, за строкой

Izaak M. Kolthoff следует молекулярный био-

лог Michael Heidelberger, чья последняя ра-

бота появилась в 2004 г., незадолго до его

смерти в возрасте 104 лет.

Когда SCI был опубликован в 1964 г., Ир-

винг Шер (Irving Sher) и я уже начали ис-

пользовать библиографические ссылки для

создания топологических карт, называемых

историограммами, чтобы исследовать воз-

можность использовать индексы цитиро-

вания в создании мини-историй научных

направлений. Совсем недавно благодаря

1Все журналы, индексируемые для подготовки, на-

зываются журналами-источниками, а содержащиеся

вних статьи называются статьями-источниками.

Citing author — цитирующий автор, т. е. автор ста-

тьи-источника.

Cited author — цитируемый автор, т. е. автор, работа

которого была процитирована в статье-источнике.

мощным современным компьютерам с ги-

габайтами памяти была создана программа

под названием HistCite. Эта запатентован-

ная программа находилась в разработке

около пяти лет и будет доступна для про-

дажи начиная с февраля 2009 г. Благода-

ря этой программе, выполнив поиск в WoS

и загрузив в нее полученный файл, можно

автоматически построить историограмму.

Собирая все соответствующие релевант-

ные цитируемые документы по предмету

поиска в WoS, HistCite представляет собой

коллективную память цитирующих авторов

и производит визуальное описание исто-

рии по данной тематике. Ключевой вопрос,

который часто возникает, связан со способ-

ностью метода цитирования отождествлять

(извлекать) все релевантные публикации по

данной теме.

В предвоенные времена и задолго до по-

явления молекулярной биологии практика

цитирования была не так стандартизирова-

на, как сегодня, и неявное использование

ссылок было довольно распространенным

явлением. В результате явное цитирование

ранней релевантной работы не всегда мо-

жет быть найдено.

Гейдельберг (Heidelberger) был одним из

первых молекулярных биологов. Он еще

до Второй мировой войны, работая вме-

сте с Освальдом Т. Авери (Oswald T. Avery)

идругими учеными в Институте Рокфелле-

ра (в том числе с Colin M. Macleod и с Maclyn

McCarthy), опубликовал пионерскую работу

по истории ДНК. Фактически эта работа яв-

ляется ключевым звеном в генеалогической

истории статьи Уотсона — Крика (J.Watson

& Crick) по структуре двойной спирали

ДНК2. Мы использовали HistCite, чтобы про-

следить неявную связь между этой статьей

2В 1955 г. Уотсон и Крик были удостоены Нобелев-

ской премии за раскрытие структуры ДНК.

229

Таблица 1

Ученые, опубликовавшие статьи в течение 69 и более лет

Scientist Birth/Death Pub Years Years Pub

Izaak Maurits (Piet) Kolthoff (analytical chemist) 1894–1993 1917–2002 86

Michael Heidelberger

(organic chemist–immunologist) 1888–1991 1909–1993 85

Melvin Guy Mellon (chemist) 1893–1993 1920–2003 84

Ernst Mayr (geneticist) 1904–2005 1923–2005 83

Michel Eugene Chevreul (chemist) 1786–1889 1808–1889 82

Carl S. Marvel (polymer chemist) 1894–1988 1917–1996 80

Joel H. Hildebrand (chemist) 1881–1983 1907–1983 77

Linus Pauling (chemist) 1901–1994 1923–1998 76

John Carew Eccles (neurophysiologist) 1903–1997 1929–1992 74

Donald Coxeter (mathematician) 1907–2003 1930–2001 72

Charles Scott Sherrington (physiologist) 1857–1952 1882–1952 71

Hans Albrecht Bethe (physicist) 1906–2005 1934–2004 71

Alexander Kossiakoff (engineer; guided missile expert) 1914–2005 1935–2005 71

Norman Hackerman (chemist) 1912 1936–2006 71

Michael DeBakey (cardiac surgeon) 1908 1937–2006 70

Gerhard Herzberg (chemist) 1904–1999 1924–1992 69

Herman Mark (polymer chemist) 1895–1992 1922–1990 69

Уотсона — Крика и работой Авери и других

соавторов по пневмококковой ДНК, опубли-

кованной в 1944 г.

Те, кто знаком с историей, знают, что

Джим Уотсон несколько лет назад наконец

признал, что сожалеет, что они не про-

цитировали работу Авери 1944 г. в сво-

ей знаменитой статье, опубликованной

в 1953г. Он и Крик очень торопились от-

править статью в печать ине выполнили

обычной проверки списка цитируемой ли-

тературы. Для того чтобы продемонстри-

ровать значимость работы Авери, в дей-

ствительности известную современным

исследователям, мы создали несколько

файлов с помощью HistCite, выполнив по-

иск в SCI, размещенный в WoS. Для того

чтобы исследовать историческую связь

между работой Гейдельберга иего соав-

тора О.Авери, необходимо было отредак-

тировать тысячи таких неявных ссылок.

На рис. 1 представлена историограмма,

созданная на основе связей между рабо-

той Гейдельберга, Авери, Уотсона и Крика.

Продемонстрировав, как поисковая си-

стема WoS может быть использована для

отслеживания истории развития научного

направления, мы теперь можем обратить-

ся к вопросу о часто упоминаемом импакт-

факторе журнала. Ежегодный Указатель

цитируемости научных журналов (Journal

Citation Reports (JCR)) официально был

230

Рис. 1. Историограмма, созданная на основе свя-

зей между работой Гейдельберга (Heidelberger),

Авери (Avery), Уотсона и Крика

выпущен в свет в 1975 г., хотя мы производи-

ли эти данные уже более десяти лет.

JCR возник как статистическая коллекция

данных Индекса цитирования журналов

(Journal Citation Index), который, в свою оче-

редь, явился результатом пересортиров-

ки Индекса цитирования авторов (Author

Citation Index), т. е. вместо сортировки в ал-

фавитном порядке фамилий авторов, файл

был отсортирован по названиям журналов,

в которых были опубликованы работы ав-

торов. Когда в начале 1960-х гг. этот тест

был впервые выполнен, мы обнаружили,

что журналы, уже индексируемые в Current

Contents, включали либо те, которые пу-

бликовали большое число статей, либо те,

которые были процитированы больше всех.

Однако необходим был простой метод, по-

зволявший сравнивать толстые (большие)

журналы, такие как Nature, Science и JAMA,

с небольшими журналами, как, напри-

мер, Annual Reviews. В первые дни Current

Contents мы уделяли особое внимание моле-

кулярной биологии и биохимии. Мы замети-

ли, что 25% всех ссылок в литературе, опу-

бликованной в текущем году, были на ста-

тьи, опубликованные только 2–3 года назад.

Именно поэтому было принято решение ис-

пользовать цитирование за два года, пред-

шествующих текущему, в качестве основы

для расчета импакт-фактора за текущий

год. Таким образом, импакт-фактор — это

среднее число ссылок на опубликованную

статью. Тем не менее мы также осознавали,

что относительно небольшие, но важные,

обзорные и специализированные журналы

могут не попасть в выборку, если мы сосре-

доточимся исключительно на общем числе

публикаций или на общем количестве цити-

рований [1]. «Импакт-фактор» журнала был

создан в качестве метода сравнения журна-

лов независимо от их размера или частоты

цитируемости. На рисунке 2 сопоставлены

три таблицы, содержащие сведения по трем

журналам в области наук о живой природе,

отсортированных по:

– (А) наиболее цитируемым журналам

в2008 г.;

– (B) количеству статей, опубликованных

в2008 г.;

– (C) значениям импакт-факторов за

2008г.

Термин «импакт-фактор» постепенно

эволюционировал, особенно в Европе, как

характеристика влияния как журнала, так

и автора. Эта неоднозначность часто вы-

зывает проблемы, так как использовать им-

пакт-факторы для сравнения журналов —

это одно дело, и совсем другое дело — ис-

231

Рис. 2. Журналы в области наук о живой природе, отсортированные следующим образом:

(A) – наиболее цитируемые в 2008 г.; (B) – по числу статей, опубликованных в 2008 г.;

пользовать IF для сравнения авторов. В то

время как индивидуальный автор обычно

публикует всреднем небольшое количество

статей (хотя есть некоторые феноменально

производительные авторы), импакт-факто-

ры журналов обычно включают относитель-

но большие популяции статей и ссылок. Им-

пакт-фактор журнала основан на двух эле-

ментах: числитель, который представляет

собой количество ссылок, сделанных в теку-

щем году на любые статьи из этого журнала,

опубликованные в течение двух лет, пред-

шествующих году обследования; и знамена-

тель— это общее число статей (статьи-источ-

ники), опубликованных за те же два года.

Импакт-фактор может быть легко рас-

считан только на основе статей предыду-

щего года, что давало бы лучшее представ-

ление о быстро изменяющихся областях

232

исследования; или же на основе более дли-

тельного периода цитирования статей-ис-

точников, но такой показатель не был бы

достаточно оперативным.

Важно отметить, что корреспонденция,

письма в редакцию, новости, некрологи, ре-

дакционные интервью не включаются при

подсчете числа статей-источников в JCR.

Тем не менее, поскольку числитель включа-

ет ссылки на подобные «более эфемерные»

виды публикаций, это приводит к некото-

рым искажениям. Обычно только небольшое

количество журналов подвержено таким

искажениям, и оно колеблется в пределах

5–10 % [2]. Кроме того, в настоящее время

JCR содержит ссылки из более чем 5000

журналов; поэтому обсуждение настолько

незначительных отклонений вJCR не пред-

ставляется целесообразным.

Наукометрия и журналология

(Journalology)

Анализ цитирования расцвел за послед-

ние три десятилетия и превратился в на-

учную область — наукометрию, которая

теперь имеет свое собственное общество—

International Society for Scientometrics and

Informetrics (ISSI, http://www.issi-society.info)

и научный журнал Scientometrics, публику-

ющийся с 1978 г. Более 15 лет назад Стив

Локк (Steve Lock) назвал применение науко-

метрии к оценке журналов журналологией

(«Journalolog») [3].

Все исследования цитирования должны

быть нормализованы, чтобы принять во вни-

мание такие переменные, как предметная

область знания, период полужизни научной

литературы в этой области и плотность ци-

тирования [4]. Период полужизни (количе-

ство ретроспективных лет, за которые было

процитировано 50 % научной литературы)

значительно больше для журнала по физио-

логии, чем для физического журнала. Для

некоторых областей знания импакт-факторы

JCR за двухлетний период могут дать / или

не дать той полной картины, которую дают

пятилетние или десятилетние импакт-фак-

торы. Тем не менее, когда журналы изуча-

ются в рамках дисциплинарных категорий,

ранжирование на основе значений импакт-

факторов за один, 7 или 15 лет существенно

не отличается [5]. Другими словами, когда

журналы были изучены по предметным кате-

гориям, то обнаружилось, что ранги журна-

лов по физиологии значительно улучшились

с течением лет, но рейтинги в пределах кате-

гории физиологии существенно не измени-

лись. Плотность цитирования— это среднее

количество ссылок, процитированных в ста-

тье-источнике. Плотность цитирования (R/S)

значительно ниже для математических жур-

налов, чем для журналов по молекулярной

биологии. Существует широко распростра-

ненное, но ошибочное мнение, что размер

научного сообщества, значительно влияет на

импакт-фактор журнала. Это предположе-

ние игнорирует тот факт, что большое науч-

ное сообщество (т. е. большое число авторов)

производит большое количество ссылок,

а эти ссылки используются большим чис-

лом цитируемых статей. Большинство статей

в большинстве областей не очень хорошо

цитируются, в то время как некоторые статьи

в небольших научных областях могут иметь

значительное влияние, особенно когда они

имеют междисциплинарное значение.

Хорошо известно, что существует нерав-

номерное распределение ссылок в боль-

шинстве областей в соответствии справи-

лом 80/20, т. е. 20% статей дают около 80%

ссылок. Следует повторить, что среднее

число ссылок на статью и показатель опе-

ративности (immediacy) цитирования, а не

количество авторов или статей в области

233

Таблица 2

Краткий список высокоцитируемых статей в области наук о жизни

Authors Title Source Year Volume Page Hits

Lowry O. N.,

RosebroughN.J.,

Farr A. L.,

Randall R. J.

Protein Measurement with

the Folin Phenol Reagent

Journal of

Biological

Chemistry

1951 193 265 293,328

Laemmli U. K.

Cleavage of Structural

Proteins During Assembly of

Head of Bacteriophage T4

Nature 1970 227 680 192,022

Bradford M. M.

Rapid and Sensitive

Method for Quantitation of

Microgram Quantities of

Protein Utilizing Principle

of Protein-Dye Binding

Analytical

Biochemistry 1976 72 248 120,179

Sanger F., Nicklen

S., Coulson A. R.

DNA Sequencing with

ChainTerminating Inhibitors

Proceedings

of the Na-

tional Acad-

emy of Sci-

ence USA

1977 74 5463 63,909

ChomczynskiO.,

Sacchi N.

Single-Step Method of

RNA Isolation by Acid

Guanidinium Thiocyanate

Phenol Chloroform Extraction

Analytical

Biochemistry 1987 162 156 55,987

Towbin H.,

Staehelin T.,

Gordon J.

Electrophoretic Transfer of

Proteins from Polyacramide

Gels to Nitrocellulose

Sheets – Procedure and

Some Applications

Proceedings

of the Na-

tional Acad-

emy of Sci-

ence USA

1979 76 4350 48,671

Folch J., Lees M.,

Stanley G. H. S.

A Simple Method for the

Isolation and Puriﬁcation

of Total Lipides from

Animal Tissues

Journal of

Biological

Chemistry

1957 226 497 35,646

Southern E. M.

Detection of Speciﬁc

Sequences among DNA

Fragments Separated by

Gel Electrophoresis

Journal of

Molecular

Biology

1975 98 503 31,273

являются важными [6]. Размер области зна-

ния, как правило, увеличивает количество

«высокоцитируемых» («super-cited») статей.

И в то время как несколько классических

методологических статей превышают вы-

сокий порог цитирования, этого не про-

исходит с тысячами других методических

и обзорных статей. Обзорные статьи, как

234

правило, цитируются примерно в два раза

чаще, чем другие статьи, но опубликование

обзорных статей не обязательно повысит

влияние импакта вашего журнала. Если

посмотреть на таблицу 2, в которой пред-

ставлен краткий список высокоцитируемых

статей в области наук о жизни, то можно

увидеть, что лидирует статья Лоури. Статья

О. Лоури (O. N. Lowry)3 недавно обсужда-

лась в журнале Biological Chemistry [7], но

авторы не упомянули комментарий Лоури

по поводу того, что его самая цитируемая

статья вистории науки, по его мнению, не

является наиболее важной работой [8].

Неравномерность распределения ссылок

повторяется как заклинание критиками им-

пакт-фактора. Некоторые редакторы хотели

бы видеть импакт, рассчитанный исключи-

тельно на основе самых цитируемых работ,

таким образом, малоцитируемые работы

следовало бы проигнорировать. Однако не-

равномерность распределения ссылок ха-

рактерна для большинства журналов, апо-

этому это не должно существенно повлиять

на рейтинги журналов. Кто-то хотел бы ви-

деть ранжирование по географическим об-

ластям, поскольку SCI обвиняют в домини-

ровании англоязычных журналов. Еврофи-

лы хотели бы иметь возможность сравнить

свои журналы по языкам или по географи-

ческим группам, особенно в общественных

игуманитарных науках. Время, необходимое

для рецензирования рукописей, может так-

же оказывать влияние: если процесс работы

над рукописью задерживается, то ссылки

встатьях не появятся втечение двухлетнего

окна цитирования, необходимого для JCR

[9, 10]. С другой стороны, появление статей

3Методическая статья Лоури (O. N. Lowry) Protein

measurement with the Folin Phenol reagent // J. Biol.

Chem. 1951. 193–265 была признана самой цитируемой

работой (300 тыс. ссылок).

на ту же тему в том же номере журнала мо-

жет оказать положительное влияние.

Для большей точности было бы желатель-

но провести анализ каждой статьи в жур-

нале, чтобы оценить разницу в величине

импакта разных типов редакционных доку-

ментов и учесть это [11].

Другие возражения в отношении им-

пакт-факторов связаны и с системой клас-

сификации журналов, используемой в JCR.

В идеальной системе следовало бы иметь

возможность сравнивать журналы с иден-

тичными профилями. Но на самом деле

редко можно найти два журнала с иден-

тичными семантическими или библиогра-

фическими профилями. Эвристические,

вкакой-то степени несколько субъективные

методы отнесения журналов к предметным

категориям, используемые в ISI, отнюдь не

являются совершенными, в действительно-

сти даже специалисты используют анализ

цитируемости для обоснования своего ре-

шения. Недавно были выполнены попытки

сгруппировать журналы более объективно,

опираясь на двусторонний анализ отноше-

ний цитируемости между журналами, чтобы

уменьшить влияние названий журналов на

их классификацию [12]. Например, анализ

цитируемости показал, что журнал Journal

of Experimental Medicine был ведущим жур-

налом по иммунологии и даже в наши дни

по-прежнему входит в пятерку лидирующих

журналов по иммунологии по показателю

их импакт-факторов. В JCR недавно до-

бавили новую функцию, которая позволя-

ет пользователям более точно установить

предметную категорию журнала на осно-

ве взаимосвязей цитируемости. Рисунок 3

показывает общую формулу для расчета

взаимосвязей цитируемости между двумя

журналами и коэффициента взаимосвязи,

выражающего его средний максимум и ми-

235

Рис. 3. Общая формула для расчета

взаимосвязей цитируемости между двумя

журналами и коэффициент взаимосвязи,

отражающий средний максимум и минимум

нимум. Этот коэффициент отражает, как ча-

сто журнал цитирует и цитируется каждым

из журналов, с которым он сравнивается,

иучитывает размеры журналов (количество

опубликованных статей), а также сколько

раз каждый журнал цитирует другой. Тем

не менее с использованием метода связан-

ности JCR некоторые журналы могут быть

отнесены к другим предметным категориям

JCR. Рассмотрим это на примере журнала

Circulation. Этот журнал имеет самый высо-

кий импакт-фактор среди журналов в об-

ласти кардиологии. Однако мы выявили,

что журнал New England Journal of Medicine

(NEJM), являющийся журналом по общим

проблемам медицины, занимает седьмой

ранг среди наиболее связанных с карди-

ологией журналов. До сих пор можно бы-

ло только догадываться о близости NEJM

кэтой или другой тематике.

C – количество ссылок;

Ref1 – количество публикаций, процитированных

вжурнале 1;

Ref2 – количество публикаций, процитированных

вжурнале 2;

Pap1 – количество публикаций, содержащихся

вжурнале 1;

Pap2 – количество публикаций, содержащихся

вжурнале 2.

Многие недостатки импакт-факторов

журналов были устранены в другой базе

данных ISI, называемой Journal Performance

Indicators (JPI, http://scientiﬁc.thomson.com/

products/jpi). Эта ежегодная компиляция ох-

ватывает период с 1981-го по текущий год.

В отличие от JCR, эта база данных связыва-

ет каждую статью-источник с уникальными

ссылками на нее, позволяя рассчитать им-

пакт более точно. Взнаменатель включают-

ся только ссылки на оригинальные статьи,

и это дает возможность получить кумуля-

тивный импакт, охватывающий более дли-

тельный период. Для анализируемого пе-

риода с 1999 по 2004г., втаблице 3указано,

что значение кумулятивного импакта для

статей, опубликованных в JAMA в 1999 г.,

было равно 84,5. Данное значение полу-

чено путем деления 31 257 ссылок в период

с1999 по 2004 г. на 370 статей, опублико-

ванных в 1999 г. В этом году в JAMA всего

вышло 1905 публикаций, в том числе 630

писем и253 редакционных текста, цитиро-

вания которых не включены в расчет им-

пакта по JPI. Несущественность возможных

искажений итогового значения импакта,

вносимых неучетом ссылок на все редакци-

онные материалы в SCI, показана вдокладе

González и Campanario, исследователей из

Университета Алкала (Alcalá) [13].

Кроме библиотекарей, использующих

импакт-фактор журнала для принятия

решения о том, какие научные журналы

необходимо приобрести, он также исполь-

зуется авторами для выбора журнала, в ко-

торый они представляют свои статьи для

опубликования. Как правило, журналы

свысоким импакт-фактором являются так-

же и самыми престижными, хотя восприя-

тие престижа является довольно туман-

ным понятием. Специалисты по библио-

течным наукам утверждают, что числитель

R1>2 = C1>2 × 106

Ref1 × Pap2

R1<2 = C1<2 × 106

Ref2 × Pap1

Rcoeff = R1>2 × R1>2

236

Таблица 3

Данные JPI по импакту цитирования журнала JAMA (все статьи-источники),

распределение по годам с 1981 по 2004 г.

(БД ISI, Journal Performance Indicators, массив 2004 г.)

31,257 Citacions received 1999–2004 = 84.5

370 Articles published in JAMA in 1999

Rank Year Impact Citations Papers

11981 29.57 16,291 551

21982 35.53 20,358 573

31983 40.11 22,219 554

41984 35.26 21,791 618

51985 35.05 18,436 526

61986 48.76 24,576 504

71987 44.70 26,688 597

81988 48.40 30,009 620

9 1989 55.79 34,979 627

10 1990 54.83 35,968 656

11 1991 47.19 30,389 644

12 1992 58.48 34,389 588

13 1993 65.55 38,349 585

14 1994 70.54 39,148 555

15 1995 81.99 45,094 550

16 1996 60.16 32,908 547

17 1997 58.19 32,821 564

18 1998 75.20 37,372 497

19 1999 84.48 31,257 370

20 2000 56.71 21,040 371

21 2001 49.98 18,842 377

22 2002 42.84 16,921 395

23 2003 19.09 7311 383

24 2004 3.34 1174 351

237

при расчете импакт-фактора сам по себе

является более релевантным. Bensman

утверждал, что само по себе количество

ссылок, посчитанных за двухлетний пе-

риод, — лучший показатель значимости

иэкономической эффективности журнала,

чем импакт-фактор [14]. Импакт-фактор

журнала также может быть полезным при

сравнении ожидаемой иреальной частоты

цитирования. Таким образом, когда ISI го-

товит персональный доклад оцитируемо-

сти, то предоставляются данные об ожида-

емом импакте цитируемости не только для

конкретного журнала, но идля конкретно-

го года, потому что импакт-факторы могут

меняться из года в год.

Использование импакт-фактора журнала

вместо актуального числа цитирований са-

мой статьи является довольно спорным во-

просом. Поскольку статьи, опубликованные

недавно, возможно, не имели достаточно

времени, чтобы быть процитированными

в работе, то появляется соблазн исполь-

зовать импакт-фактор журнала в качестве

суррогатного инструмента оценки. Предпо-

ложительно само принятие документа для

публикации в журнал с высоким импактом

расценивается как показатель престижа.

Как правило, когда рассматривается недав-

няя библиография работ автора, импакт-

факторы журналов, в которых автор публи-

ковался, используются вместо реального

подсчета цитируемости. Эта практика на-

чалась около десяти лет назад, когда адми-

нистраторы решили, что они могут оценить

будущий импакт недавно опубликованной

статьи по импакту журнала, вкотором была

опубликована статья. Это особенно акту-

ально для молодых ученых, так как многие

из их работ, перечисленных вC.V., опубли-

кованы в течение периода времени, ис-

пользуемого для расчета импакта, и боль-

шинство из них не будут процитированы в

течение нескольких ближайших лет или

более, в зависимости от темпов развития

предметной области, в которой они прово-

дят исследования.

Таким образом, импакт-фактор исполь-

зуется для оценки ожидаемого влияния от-

дельных статей, и это довольно сомнитель-

ная практика с учетом вышеупомянутых от-

клонений, наблюдаемых для большинства

журналов. Сегодня «Webometrics» все чаще

используется, хотя существует мало свиде-

тельств, что это лучше, чем традиционный

анализ цитируемости. «Веб-citation» может

произойти немного раньше, но это не то

же самое, что цитируемость. Следует раз-

личать чтение и выгрузку статей, а также

и фактическое цитирование новых науч-

но-исследовательских работ. Тем не менее

некоторые исследования показывают, что

веб-сitation является предвестником буду-

щего цитирования.

Предположение, что импакт недавних

статей не может быть оценен по SCI, не

является абсолютно правильным. Хотя за-

держка в несколько лет по некоторой тема-

тике возможна, статьи, которые достигают

высокого импакта, как правило, цитируются

в течение нескольких месяцев с момента

публикации и, конечно, в течение года или

около того. Этот образец «оперативности»

позволяет ISI идентифицировать «горячие

публикации» (“hot papers”) раз в два ме-

сяца для публикации в Science Watch. Тем

не менее полное подтверждение высокого

импакта, как правило, следует через два го-

да. The Scientist ждет до двух лет, чтобы вы-

брать «горячие статьи» для комментариев

авторов, но большинство из этих работ вко-

нечном счете продолжают цитироваться,

чтобы стать классикой цитирования (http://

www.citationclassics.org).

Резюмируя множество противоречивых

мнений о факторах воздействия, К. Хоф-

фел (Hoeffel C.) так описал ситуацию:

«Импакт-фактор не является идеальным

инструментом для измерения качества

статей, но нет ничего лучше. ИФ имеет то

преимущество, что он уже существует и,

следовательно, является хорошим инстру-

ментом для научной оценки. Опыт показал,

что в каждой специальности лучшие жур-

налы это те, в которых труднее всего опу-

бликоваться, и эти журналы имеют более

высокий импакт-фактор. Большинство из

этих журналов существовали задолго до

того, как импакт-фактор был разработан.

Использование импакт-фактора как пока-

зателя качества широко распространено,

потому что это хорошо совпадает с мнени-

ем, которое есть у нас о лучших журналах

внашей специальности» [15].

Очевидно, что было бы лучше, если бы

система оценки качества основывалась на

прочтении каждой статьи, но даже тогда

у экспертов возникли бы трудности c при-

нятием общего решения по ее оценке. Когда

речь идет о такой сфере как оценивание,

большинство людей не имеет достаточ-

но времени или не хочет его тратить на

это. Даже если они провели оценку, на их

суждения, конечно, будут влиять коммен-

тарии тех, кто цитировал работу, а это, как

известно, называется контекстный анализ

цитирования. К счастью, в ближайшем буду-

щем, возможности полнотекстового доступа

вСети сделают эту практическую задачу бо-

лее выполнимой.

1. Brodman E. Choosing physiology journals // Bull. Med.

Library Association. 1944. Vol. 32. P.479–483.

2. Gareld E. Citation analysis as a tool in journal

evaluation // Science. 1972. Vol. 178. P.471–479. [Reprinted

in: Current Contents. 1973. № 6. Р. 5–6; Essays of an

Information Scientist. 1977. Vol.1. P.527–544.]

3. Lock S. P. Journalology: Are quotes needed? // CBE

Views. 1989. Vol. 12. P. 57–59.

4. Pudovkin A. I., Gareld E. Rank-normalized Impact

Factor: A way to compare journal performance across

subject categories. Annual Meeting, Providence, RI.

November 17, 2004 // Proceedings of the 67th Annual

Meeting of the American Society for Information Science

& Technology. 2004. Vol. 41. P. 507–515.

5. Gareld E. Long-term vs. short-term journal impact:

Does it matter? (part II) // The Scientist. 1998. Vol. 12.

P.12–13.

6. Gareld E. Is the ration between number ofcitations

and publications cited a true constant? // Current

Contents. 1976. № 6. Р. 5–7. [Reprinted in: Essays ofan

Information Scientist. 1977. Vol.2. P. 419–421.]

7. Kresge N., Simoni R. D., Hill R. L. The most highly cited

paper in publishing history: Protein determination by

Oliver H. Lowry // J. Biol. Chem. 2005. Vol. 280. P.e25.

8. Lowry O. H. Protein measurement with folin phenol re-

agent // Current Contents / Life Sciences. 1977. Vol. 1. P.5–7.

9. Yu G., Wang X.-Y., Yu D.-R. The inﬂuence ofpublication

delays on impact factors // Scientometrics. 2005. Vol.64

P.235–246.

10. Gareld E. Long-term vs. short-term journal impact:

Does it matter? // The Scientist. 1998. Vol. 12. P.10–12.

11. Gareld E. Which medical journals have the greatest

impact? // Annals of Internal Medicine. 1986. Vol. 105.

№2. P. 313–320 [Available in: http://garﬁeld.library.

upenn.edu/essasys/ v10p007y1987.pdf.]

12. Pudovkin A. I., Gareld E. Algorithmic procedure for

ﬁnding semantically related journals // Journal of the

American Society for Information Science &Technology

(JAS-IST). 2002. Vol. 53. P. 1113–1119.

13. González L., Campanario M. Structure of the Impact

Factor of journals included in the Social Sciences Citation

Index: Citations from documents labeled “Editorial

Material” // J. Am. Soc. Infor. Sci Technol. 2006. Vol.58.

P. 252–262.

14. Bensman S. J., Wilder S. J. Scientiﬁc and technical

serials holdings optimization in an inefﬁcient market:

aLSU serials redesign project exercise // Library

Resources & Technical Services. 1998. Vol. 42. P.147–242.

15. Hoeffel C. Journal Impact Factors (letter) // Allergy.

Vol.53. P.1225.

239

DOI 10.15826/B978-5-7996-1352-5.0008

СПИСОК СОКРАЩЕНИЙ

ВИНИТИ – Всесоюзный институт научной

итехнической информации РАН.

ГРНТИ – Государственный рубрикатор на-

учно-технической информации.

ИИЕТ АН СССР – Институт истории есте-

ствознания и техники АН СССР.

ИПКИР – Институт повышения квалифика-

ции информационных работников Госкоми-

тета СССР по науке и технике.

ЮНЕСКО – Международная организация Ор-

ганизации Объединенных Наций по вопро-

сам образования, науки и культуры.

НИОКР – научно-исследовательские иопыт-

но-конструкторские разработки.

НТИ – научно-техническая информация.

РЖ – реферативные журналы.

РИНЦ – Российский индекс научного цити-

рования.

УЦЛ – указатель цитированной литературы.

ЦЕРН – Европейская организация по ядер-

ным исследованиям (Conseil Européen pour

la Recherche Nucléaire, сокращение назва-

ния на французском языке).

A&HCI – Arts & Humanities Citation Index (ука-

затель цитируемой литературы по гумани-

тарным наукам и искусству).

ASCA – Automatic Subject Citation Alert (авто-

матизированная служба сигнального опове-

щения абонентов по интересующей их тема-

тике, цитируемым или цитирующим авторам).

BKCI-S – Book Citation Index Science.

BKCI-SSH – Book Citation Index Social Sciences

& Humanities.

CA – Chemical Abstracts (реферативный

журнал, охватывающий все направления

химии, биохимии и химической технологии).

CAS – Chemical Abstracts Service (химиче-

ская реферативная служба, подразделение

Американского химического общества).

CC – Current Contents (еженедельные бюл-

летени сигнальной информации, содержа-

щие оглавления научных журналов по раз-

личным направлениям науки).

CPCI-S – Conference Proceedings Citation

Index Science.

CPCI-SSH – Conference Proceedings Citation

Index Social Science & Humanities.

CWTS – Centre for Science and Technology

Studies (Центр исследования науки и техно-

логии Лейденского университета, сокраще-

ние названия на голландском языке).

ESI – Essential Science Indicators.

FTE – Full-Time Equivalent (среднесписочная

численность персонала).

GCI – Genetic Citation Index (указатель цити-

руемой литературы по генетике).

IF – Impact Factor (импакт-фактор журнала).

ISI – Institute for Scientiﬁc Information (Инсти-

тут научной информации).

ABBREVIATIONS

ISSI – International Society for Scientometrics

and Informetrics (Международное общество

по наукометрии и информетрии).

JCR – Journal Citation Reports.

JNCI – Journal Normalized Citation Impact.

NASA – National Aeronautics and Space

Administration (Национальное управление

по воздухоплаванию и исследованию кос-

мического пространства США).

NCI – Normalized Citation Impact.

NIH – National Institutes of Health (Нацио-

нальный институт здравоохранения США).

NSF – National Science Foundation (Нацио-

нальный научный фонд США).

OECD – Organization for Economic Co-operation

and Development (Организация по экономи-

ческому сотрудничеству и развитию).

PNAS – Proceedings of the National Academy

of Sciences.

PPP$ – Purchasing power parity US dollars

(паритет покупательной способности в дол-

ларах США).

S&EI – Science & Engineering Indicators (От-

чет NSF, публикуемый каждые два года,

содержит библиометрическую статистику

Web of Science CC).

SCI – Science Citation Index (указатель цити-

руемой литературы).

SCIE – Science Citation Index Expanded (ука-

затель цитируемой литературы по есте-

ственным наукам и технике).

SDI – Selective Dissemination of Information

(Служба избирательного распределения

информации).

SJR – SCImago Journal Rank.

SNA – Social Network Analysis.

SNIP – Source Normalized Impact per Paper

(цитируемость, нормализованная по источ-

никам ссылок).

SSCI – Social Sciences Citation Index (указа-

тель цитируемой литературы по обществен-

ным наукам).

TRL – Technology readiness level (уровни го-

товности технологии к использованию на

практике).

Web of Science CC – Web of Science Core

Collection.

WoS – Web of Science (информационная

платформа компании Thomson Reuters, на

которой размещены ее основные информа-

ционные продукты).

UCSD – University of California, San Diego.

241

DOI 10.15826/B978-5-7996-1352-5.0009

a-индекс 128

hα-индекс 104

λ-знания 56

-знания 56

агрегированный импакт-фактор–

aggregate impact factor

Американская ассоциация по развитию

науки– American Association for the

Advancement of Science (AAAS)

204

Американское общество генетиков–

American Society on Human Genetics

(ASHG)

Американское химическое общество–

American Chemical Society (ACS)

16, 122, 175

аннотация статьи (реферат) 77

Атлас науки– Atlas of Science 38

аффилиация 18, 77, 117,

168

библиографические сведения 77

ВИНИТИ 17, 27, 33,

174, 205

время полужизни полученных ссылок–

cited half-life

107

время полужизни сделанных ссылок–

citing half-life

107

геоинформационные системы (ГИС) 169

геокодирование 168

гипотеза Пуанкаре 51

горячие публикации – hot papers 37, 237

государственный рубрикатор научно-

технической информации (ГРНТИ)

131

готовность технологии к использованию

на практике– Technology readiness level

(TRL)

дробный счет– fractional counting 80

Европейская ассоциация наукометриче-

ских институтов– European Network of

Indicators Designers

Еженедельный предметный индекс–

Weekly Subject Index

201

журналология– Journalology 232

закон Парето 112, 125

заметка редактора (тип документа)–

Editorial

затраты валового национального

продукта на одного человека– wealth

intensity

избирательное распределение ин-

формации– Selective Dissemination

ofInformation (SDI)

импакт-фактор журнала– journal impact

factor (классический, двухлетний)

импакт-фактор журнала, пятилетний 84

индекс Хирша 43, 50,

102, 127,

144, 151

Индекс цитируемости по генетике–

Genetic Citation Index (GCI)

Институт истории естествознания итех-

ники (ИИЕТ) АН СССР

Институт научной информации США–

Institute for Scientiﬁc Information (ISI)

15, 201,

205

ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ

INDEX

242

Институт повышения квалификации

информационных работников (ИПКИР)

Госкомитета СССР по науке и технике

Институт проблем развития науки РАН 62

Казахстан 173

каиновая кислота 61

картирование– mapping 164

классификация University of California,

San Diego (UCSD)

177

ключевые слова 77, 172

книжная рецензия (тип документа)–

Book Review

концепция гандикапа 119

Корпус экспертов по естественным

наукам

ко-цитирование 29, 37, 71,

108, 121,

171, 176,

205, 225

кошелек Миллера 165

коэффициент нецитируемости 99

Кто есть кто в российской науке 127

Кто публикуется в науке– Who is

Publishing in Science (WIPIS)

203

Манхэттенский проект 72

Матфея, индекс 94, 120

Матфея, эффект 73, 119

международная классификация болез-

ней– International Statistical Classiﬁcation

of Diseases and Related Health Problems

175

Международное общество по науко-

метрии и информетрии – International

Society on Scientometrics and Informetrics

(ISSI)

25, 38,

232

Международный математический союз–

International Mathematical Union

метод библиографического сочетания–

Bibliographic coupling

121, 176

МИФИ 153

модель векторного пространства–

Vector space model (VSM)

173

научная статья (тип документа)– Article 79, 92, 98,

122, 156,

160

Научная электронная библиотека

eLIBRARY.RU

117

научный обзор (тип документа)– Review 79, 92, 98,

122, 160

Национальный институт здравоохране-

ния– National Institutes of Health (NIH)

Национальный научный фонд США–

National Science Foundation (NSF)

15, 19, 38,

165

негативное цитирование 26, 120

номенклатура ВАК 132

нормативная теория цитирования 118

окно цитирования– citation window 82

Организация экономического сотруд-

ничества и развития– Organization of

Economic, Cooperation and Development

(OECD)

41, 55, 62,

113

относительная цитируемость разнород-

ного потока публикаций– normalized

citation impact, crown indicator

относительный импакт-фактор 90

Офис по науке и технике– Ofﬁce Science

and Technology (OST)

паритет покупательной способности в

долларах США– Purchasing power parity

US dollars (PPP$)

патентный ландшафт 71, 173

письмо (тип документа)– letter 79

плотность цитирования 232

полный счет– total counting, whole

counting

публикационное окно– publication

window

ранговые индикаторы 96

реферативные журналы 16, 113, 116,

129, 175

243

рефлексивная теория цитирования 119

решения при полной информации–

informed decision

108

Российский индекс научного цитирова-

ния (РИНЦ)

124, 146

самоцитирование 26, 87, 101,

121, 157,

167

Северо-Западный научно-методический

центр (СЗНМЦ)

совокупный импакт-фактор 86

социальная конструктивистская теория

цитирования

119

список Белла 115

средневзвешенный импакт-фактор 86

Среднее цитирование статей по обла-

стям знаний– Average Citation Rates for

papers published by ﬁeld

125

среднесписочная численность персона-

ла Full-Time Equivalent (FTE)

66, 115

средняя частота цитирования, также

см.цитируемость в расчете на одну

статью

125

Статистический институт ЮНЕСКО 41

тематика (рубрика) 77, 94, 129,

тепловая карта– heatmap 171

тип публикации 79

указатели цитируемой литературы (УЦЛ) 36

Указатель ссылок Шепарда– Shepard’s

Citations

16, 20, 116

универсальная десятичная классифи-

кация

130

фасетная классификация 130

Центр по изучению науки и техни-

ки– Observatoire des Sciences et des

Techniques (Франция)

ЦЕРН 148, 153

цитируемость в расчете на одну статью–

cites per document

27, 31, 85,

152, 154,

206, 216,

223, 230

цитируемые авторы– cited authors 21, 205

цитируемые статьи– cited articles 21, 205

Academic Ranking of World Universities

(ARWU, Шанхайский рейтинг)

43, 156, 161

ACM Transactions on Database Systems 150, 168

AGRIS 142

Altmetrics (альтметрики) 149, 155

Altmetrics for Institutions 151

Arts & Humanities Citation Index (A&HCI) 28, 38, 80,

112

article inﬂuence score

(индекс влияния статьи)

44, 100

arXiv 115, 151

Automatic Subject Citation Alert (ASCA) 27

Baselines (expected citation rate, ожидае-

мое число ссылок)

81, 93, 126

biases 57

Book Citation Index– Science 81

Book Citation Index– Social Sciences &

Humanities

Centre for Science and Technology Studies

(CWTS)

39, 43

Chemical Abstracts 175

Chinese Science Citation Database 43, 117

Citation Classics 36, 215,

218, 225

CitNetExplorer 170

COLLNET 38

Conference proceedings (тип документа) 124

Conference Proceedings Citation Index–

Science

43, 81

Conference Proceedings Citation Index–

Social Science & Humanities

43, 81

Current Contents 17, 21, 27,

35, 37, 134,

202, 227

Cyberinfrastructure for Network Science

Center

165

244

Cybermetrics 44

Derwent Innovations Index 117, 134,

144

Derwent World Patents Index 173

DIALOG 43

DORA 45

Eigenfactor 44, 100

Essays of an Information Scientist 23, 30

Essential Science Indicators (ESI) 38, 42, 81,

85, 98,

134, 152

Eugene Garﬁeld Associates, Information

Engineers

Frascati Fields of Science 132

Geocoding API Google 168

GIS-Lab 169

Google Scholar 141, 144,

155

g-индекс 105, 129

HEEACT 161

Highly Cited Papers 98

HistCite 169, 229

immediacy index (индекс оперативности,

или индекс немедленного цитирования)

85, 232

Impact Factor Without Journal Self Cites 87

InCites 44, 81, 122,

152,

Index Medicus 116

Individual h-index (original) 129

Individual h-index (PoP variation) 129

I-индекс 129

Journal Citation Reports (JCR) 28, 35, 43,

81, 90, 101,

135, 227

Journal Normalized Citation Impact (JNCI) 94

KeyWords Plus 173

Korean Citation Index (KCI) 43, 117

Leiden Ranking 43, 160

MERIL 72

Microsoft Academic Search 141, 144

NASA 50

ORCID 143

Organization Enhanced 18

PageRank 45, 100,123

Pajek 171

Percentiles for papers published by ﬁeld 152

Permuterm Subject Index 17

PLoS ONE 135, 141,

150

Public Library of Science (PLoS) 114

PubMed 115

QS World University Ranking 157, 161

Quacquarelli Symonds (QS) 157

R&D 100 Awards 180

references 23

reprint author 154

Research Excellence Framework 41

Research Front 37, 71, 81,

122, 224

ResearcherID 18, 143

Royal Society Publishing 45

Russian Science Citation Index 117, 144

Sci2 Tool 165, 170

SciELO Citation Index 43, 117

Science and Engineering Indicators 45

Science Citation Index (SCI) 15, 30, 38,

43, 80,

201, 227

Science Index 142

Science Indicators (в настоящее время

Science & Engineering Indicators)

ScienceWatch 136

SCImago 44, 159

SCImago Institutional Ranking 159

SCImago Journal Rank (SJR) 44, 123,

155, 160

Scopus 44, 124,

157, 177

Snowball Metrics 154

Social Network Analysis (SNA) 170

Social Sciences Citation Index— SSCI 28, 38, 43,

80, 100,

148

source article 21, 205

Source Normalized Impact per Paper

(SNIP)

123, 155

super-cited 233

Thomson Reuters 28, 35, 40,

45, 76, 80,

84, 117, 157,

173

Times Higher Education World University

Ranking (THE WUR)

43, 154,

156, 161

U.S. News 161

VOSviewer 175

Web of Science (WoS) 18, 26, 44,

76, 117, 120,

132, 152,

157, 228

Webometrics 44, 237

Welsh Machine Project 17, 29

Wordle 173

246

ИМЕННОЙ УКАЗАТЕЛЬ1

1Из именного указателя исключены персоналии, упомянутые в переводах статей Ю.Гарфилда.

DOI 10.15826/B978-5-7996-1352-5.0010

PERSONS

Абрикосов, А. А. 37

Адeйр, У. (William Adair) 16

Адамс, К. 30

Акоев, М. А. 40

Алахвердян, А. А. 40

Аллен, Гордон (Gordon Allen) 20

Алфимов, М. В. 36

Атвуд, К. (K. C. Atwood) 22

Барабаши, Альберт-Ласло (A.-L. Barabasi) 171, 190

Баринова, З. 33

Батлер, Л. (Linda Butler) 39

Бедфорд, Г. (G. Bedford) 20

Белинский, В. Г. 111

Белл, Джеффри 115

Бергстром, Карл (Carl Bergstrom) 100

Берельсон, Б. (B. Berelson) 146

Бернал, Дж. (John Desmond Bernal) 24, 32

Бониц, М. (M. Bonitz) 120

Браун, Тибор (Tibor Braun) 34, 40

Браун, Эндрю 24

Бреховских, Л. М. 37

Броад, В. (W. J. Broad) 18

Брэдфорд, С. (Bradford, S.) 18

Бухарин, Николай Иванович 32

Буш, Ванневар (Vannevar Bush) 15

Бэр, К. Э. 130

Вайнберг, А. (Alvin Weinberg) 25, 41

Валтман, Л. (L. Waltman) 104

Васерман, Стенли (S. Wasserman) 171, 190

Васильев, Р. Ф. 125

Васьковский, В. Е. 28

Вернадский, Владимир Иванович 32

Веспиньяни, Алесандро (A. Vespignani) 171, 190

Влахи, Я. (Y. Vlachy) 40

Влэдуц, Г. 33

Воутерс, П. (P. Wouters) 11, 32, 39

Гарвей, У. (William (Bill) Garvey) 29

Гарфилд, Юджин (Eugene Garﬁeld) 15, 19, 23,

41, 45, 116,

122, 169,

171, 190,

198, 199

Гессен, Борис Михайлович 32

Гильберт, Давид 57

Гиляревский, Руджеро Сергеевич 35

Глушков, В. М. 34

Глэнцел, В. (W. Glänzel) 39, 104

Горькавый, Н. Н. 50

Грановский, Ю. В. 10, 33, 35,

Гриффит, Белвер (Belver C. Grifﬁth) 25, 29

Грэхам, Л. (L. R. Graham) 32

Добров, Г. М. 10, 34

Дьюи, М. 130

Зитт, М. (M. Zitt) 39

Ицковиц, Г. (H. Etzkowitz) 170, 181

Капица, А. П. 28

247

Каплан, Н. (N. Kaplan) 26

Катц, С. (Sylvan Katz) 39

Кедров, Бонифатий Михайлович 32

Кинг, Д. (D. King) 42

Кожевников, В. Л. 52

Коллинз, Рэндалл (Randall Collins) 58, 172

Коренной, А. А. 27

Кронин, Б. (B. Cronin) 31

Латур, Бруно (Bruno Latour) 55

Ле Пеир, Кейс (C. Le Pair) 39

Ледерберг, Дж. (Joshua Lederberg) 15, 20, 26,

Лейдесдорф, Л. (L. Leidesdorff) 39

Либкинд, А. Н. 36, 40

Лотка, Альфред Джеймс (Alfred James

Lotka)

170

Лоури, Оливер Х. (Oliver H. Lowry) 36

Лысенко, Т. Д. 26

Маркусова, В. А. 40, 199

Мартин, Б. (B. Martin) 39

Маршакова, И. В. 38, 40

Медведев, Дмитрий Анатольевич 35

Мертон, Р. К. (Robert K. Merton) 25, 30, 118

Мехтиев, А. 36

Микулинский, Семен Романович 32

Миндели, Л. Э. 40

Минин, В. А. 36

Михайлов, А. И. 33

Мокир, Джоэль (Joel Mokyr) 56

Москалева, О. В. 40, 96

Муд, Хэнк (Henk Moed) 149

Мульченко, З. М. 33, 125

Мэй, Р. (R. May) 41

Налимов, Василий Васильевич 31, 34, 125,

198

Николайсен, Ж. (Nicolaisen, J.) 119

Ольденбург, С. Ф. 32

Ориент, И. М. 33

Перельман, Г. Я. 51

Перри, Дж. (J. Perry) 16

Писляков, В. В. 40, 120

Прайс, Дерек де Солла (Dеrek de Solla

Price)

22, 24, 29,

40, 55, 58,

111, 118,124

Пудовкин, А. И. 40

Раан, А. Ван (Antony (Ton) Van Raan) 39, 45

Ракитов, А. И. 40

Ранганатан, Ш. Р. 131

Рид, Л. (L. Reed) 16

Роджер, Уильям Бартон 182

Роус, П. (Peyton Rous) 30

Руссо, Р. (R. Rousseau) 87

Славинский, Б. В. 28

Смолл, Г. (Henry Small) 25, 29,

38, 41

Соколов, М. М. 53

Стяжкин, Н. И. 33

Сэлтон, Г. (G. Salton) 170

Терещенко, В. И. 34

Терман, Фредерик 182

У э л л с , Г. 17

Хайтун, С. Д. 146

Хамфри, Х. (Hubert Humphrey) 19

Хирш, Хорхе (J. Hirsch) 43, 50, 102,

127

Цукерман, Г. (Harriet Zuckerman) 30

Червон, Х. Ю. 40

Чжан, Итан (Yitang Zhang) 52

Шер, И. (Irving Sher) 28, 31

Шуберт, А. (A. Schubert) 40

Эйзенхауэр, Д. (Dwight Eisenhower) 19

Эйк, Н. Ван (N. J. Van Eck) 104, 170

Ярошевский, Михаил Григорьевич 40

248

Руководство обобщает и систематизи-

рует знания о наукометрии для чи-

тателей, имеющих начальные пред-

ставления и поставившиx перед собой цель

разобраться в предмете. Материал, пред-

ставленный в книге, должен послужить для

читателя основой для продолжения из-

учения практического применения методов

наукометрии при оценке результативности

и эффективности исследователей и на-

учных коллективов. В книге представлена

история возникновения идеи Юджина Гар-

филда по использованию библиографиче-

ских ссылок как средства научного поиска,

борьбы за воплощение этой идеи в жизнь

и создания универсального инструмента

для поиска научной информации Science

Citation Index. Рассмотрены возможности

и ограничения наукометрии при принятии

решений о целесообразности выделения

ресурсов для поддержки научной работы

и показана важность привлечения экспер-

тов в предметной области к проведению

оценок. В книге рассматриваются библи-

ометрические индикаторы, оценивающие

цитируемость журналов, авторов, научных

коллективов, организаций и целых стран.

Подчеркивается необходимость грамотной

и аккуратной трактовки наукометрических

индикаторов при принятии администра-

тивных решений, распределении грантов,

осуществлении кадровой политики и т. д.

Рассмотрена связь наукометрических пока-

зателей с природой научной коммуникации.

В книге описаны альтернативные способы

оценки публикаций и использование би-

блиометрических показателей при постро-

ении рейтингов университетов и научных

организаций. Дана характеристика методов

визуального представления наукометриче-

ской информации. Рассмотрены ограниче-

ния в прогнозировании научно-техническо-

го развития и вопросы повышения качества

существующих научных направлений и раз-

вития новых направлений в организации.

Вкнигу включены три статьи Ю. Гарфилда,

с любезного согласия автора впервые изда-

ваемые на русском языке.

Руководство предназначено для научных

работников, руководителей и администра-

торов вузов, научных организаций ипроек-

тов, библиотек и информационных центров,

аспирантов и студентов соответствующих

специальностей и всех интересующихся во-

просами измерения и оценки развития на-

уки и технологии.

РЕФЕРАТ

The Russian Scientometric Handbook

is designed to provide an overview of

the field of scientometrics. The Hand-

book describes the history of creation of the

breakthrough concept of citation indexing

by Dr. Eugene Garfield, and development of

the first multidisciplinary scholarly citation

index, the Science Citation Index. Applica-

tion of scientometric tools and methods in

research management and resource alloca-

tion is discussed. Authors survey various sci-

entometric indicators relevant to individual

researchers, journals, research institutions

and whole countries. Authors explore new

types of indicators, such as altmetrics, rela-

tionship between scientometric indicators

and the nature of scientific communication,

and various methods of visualizing sciento-

metric information. Possibilities and limita-

tions of various scientometric techniques are

examined. Authors highlight the need for an

informed and reasonable approach to the

use of quantitative indicators for research

assessment. The Handbook includes the

first Russian translations of three articles by

Dr.Eugene Garfield.

The Handbook is intended for use by re-

searchers, science analysts, universities and

research institutions administrators, libraries

and information centers staff, graduate stu-

dents, and the general public interested in

scientometrics and research evaluation.

ABSTRACT

Подписано в печать 26.01.2015.

Бумага офсетная. Формат 70×90/16. Уч.-изд. л. 19,37. Усл. печ. л. 18,28

Заказ № 1756. Тираж 2600 экз.

Издательство Уральского университета

620000, Екатеринбург, ул. Тургенева, 4

Отпечатано в типографии ИПЦ УрФУ

620000, г. Екатеринбург, ул. Тургенева, 4

Тел./факс: +7 (343) 358-93-06, 358-93-22

e-mail: press-urfu@mail.ru

http://print.urfu.ru

Научное издание

М. А. Акоев, В. А. Маркусова, О. В. Москалева, В. В. Писляков

РУКОВОДСТВО

ПО НАУКОМЕТРИИ:

ИНДИКАТОРЫ РАЗВИТИЯ

НАУКИ И ТЕХНОЛОГИИ

Редактор М. А. Акоев

Корректор Н. В. Шевченко

Дизайн обложки С. Г. Слюсарев

Компьютерная верстка В. В. Таскаев