如何利用数据提高论文影响力？三万篇论文揭示数据中的重组理论

主要观点总结

本文介绍了PNAS上的一项研究，探讨了数据集组合与科学影响力之间的关系。研究表明，使用非典型数据集组合的论文通常更具影响力，这一发现为科学创新引入了重要的数据视角。文章还介绍了面向未来的科学学读书会的相关内容。

关键观点总结

关键观点1: PNAS研究探讨了数据集组合与科学影响力的关系。

研究使用了ICPSR的数据来识别研究与数据集之间的引用关系，使用OpenAlex和Altmetric识别研究论文在在线平台上的引用和提及数据，并编制了一个综合数据集。基于该数据集，研究者探讨了数据集组合与科学创新的关系。

关键观点2: 多个数据集的使用与高影响力相关。

研究结果显示，使用多个数据集的论文相比使用单一数据集的论文，其论文引用次数显著增加。此外，论文每多使用一个数据集，其引用量也会有所增加。

关键观点3: 非典型数据集组合与高影响力相关。

研究者使用Rao-Stirling指数评估了论文数据集组合的非典型性。结果显示，使用非典型数据集组合的论文会获得更高的引用量，并且这种影响在各种时间段和不同的引用指标中保持显著。

关键观点4: 非典型数据集组合的影响力不来自其独特的主题。

为了排除主题组合的影响，研究者分析了数据集主题组合的非典型性。结果显示，即使控制了主题组合的非典型性，使用非典型数据集组合的论文仍然具有显著更高的引用量。

关键观点5: 某些研究团队更可能使用非典型数据集。

研究发现，规模较小且经验较少的研究团队会更频繁地在研究中使用非典型的数据集组合。

关键观点6: 面向未来的科学学读书会招募中。

为了回应科学的多元化挑战、科学开放性面临的危机以及新兴技术对科学的冲击，集智俱乐部等共同发起了面向未来的科学学读书会。该读书会每周六晚进行，预计持续8-10周，欢迎感兴趣的朋友报名参与。

免责声明