Уровень научного журнала - ключевой показатель в современной национальной системе оценки результативности исследований. Категорирование научных журналов - одна из основных задач библиометрии, постоянный рост объёма данных об изданиях и публикациях требует эффективного анализа соответствия между декларируемыми и наблюдаемыми паттернами категорирования. Цель статьи заключается в апробации исследовательского анализа данных (Exploratory Data Analysis, EDA) для изучения распределения научных журналов по уровням в «Белом списке» и выявления статистических закономерностей, связывающих уровень издания с его индексацией в наукометрических базах данных (БД). Объект исследования - открытые данные о научных журналах из «Белого списка». В работе применён статистический подход к анализу данных об изданиях, реализованный в цифровой среде Google Colaboratory с использованием библиотек для EDA (Pandas, Matplotlib, Seaborn) на языке программирования Python. Результаты позволили провести количественный анализ соответствия эмпирических данных правилам категорирования изданий «Белого списка» и выявить различия в паттернах индексации журналов разных уровней. Практическая значимость заключается в интеграции цифровых технологий EDA в библиометрический инструментарий, что открывает возможности для верификации систем категорирования и развития методов библиометрии в условиях цифровизации науки.
Идентификаторы и классификаторы
- SCI
- Коммуникации
Эти элементы формируют комплексную систему, способствующую пониманию вклада науки в развитие цифровой экономики. При этом ключевым каналом распространения научных знаний выступают авторитетные журналы, индексируемые в специализированных БД.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Котляров И. Д. Проблемы функционирования российской системы научных публикаций и пути их решения // Образование и наука. Известия УрО РАО. 2011. № 1 (80). С. 92-101. EDN: NEKTZX
2. Сюнтюренко О. В., Гиляревский Р. С. Использование методов наукометрии и сопоставительного анализа данных для управления научными исследованиями по тематическим направлениям // Научно-техническая информация. Сер. 2. 2016. № 12. С. 1-12.
3. Медведева О. О., Дьяченко Е. Л. Белые списки журналов: международный опыт составления и роль в управлении наукой. 9-я Международная научнопрактическая конференция “Научное издание международного уровня: мировые тенденции и национальные приоритеты”, г. Москва; 24-27 мая 2021 г. URL: https://rassep.ru/academy/biblioteka/106130/ (дата обращения: 11.11.2025).
4. Patwardhan B., Nagarkar Sh., Gadre Sh., Lakhotia S., Katoch V., Moher D. A Critical Analysis of the ‘UGC-Approved List of Journals’ // Current science. 2018; 114 (6): 1299-1303. DOI: 10.18520/cs/v114/i06/1299-1303
5. Singh J. Indian LIS Journal: Current Status and Scenario as seen through UGC CARE List in the year 2019-2020. 2023. DOI: 10.1729/Journal.36020
6. Кочетков Д. М. Белый список российских журналов: вопросы, ждущие ответа // Научный редактор и издатель. 2022. Т. 7, № 2. С. 185-190. EDN: HJMDNO
7. Горелкин В. А. Регламентация издания научных журналов в России: проблемы и предложения // Научный редактор и издатель. 2022. Т. 7, № S1. С. 6-15. EDN: HRJKCB
8. Полилова Т. А. Рейтинги библиографической базы и “белые списки” // Электронные библиотеки. 2022. Т. 25, № 6. С. 640-670. EDN: IWGSDW
9. “Белый список” журналов на веб-сайте Российского центра научной информации. URL: https://journalrank.rcsi.science/ru (дата обращения: 11.11.2025).
10. Скиен С. Наука о данных: учебный курс / пер. с англ. Санкт-Петербург: ООО “Диалектика”, 2020. 544 с.
11. Дэви С. Основы Data Science и Big Data. Python и наука о данных. Санкт-Петербург: Питер, 2017. 336 с.
12. Баканова Н. Б. Анализ данных публикационной активности для исследования направлений научного сотрудничества организации // Научные и технические библиотеки. 2024. № 11. С. 31-47.
13. Баканова Н. Б. Многокритериальная оценка публикационной результативности научных подразделений организации // Искусственный интеллект и принятие решений. 2022. № 3. С. 88-95. DOI: 10.14357/20718594220307 EDN: FTMPWR
14. Захарова С. С. Библиометрическая аналитика в результатах научных разработок // НТИ-2022. Научная информация в современном мире: глобальные вызовы и приоритеты экономики. Москва: Всероссийский институт научной и технической информации РАН, 2022. С. 430-433. DOI: 10.36535/2022-9785945770829-74 EDN: SEXTWJ
15. Pessin V., Vilker L., Yamane L., Siman R. Smart bibliometrics: an integrated method of science mapping and bibliometric analysis. Scientometrics. 2022. No. 127. DOI: 10.1007/s11192-022-04406-6 EDN: VSUMFH
16. Maliha H. A Review on Bibliometric Application Software. Sci. Lett. 2023. No. 1. DOI: 10.58968/sl.v1i1.458
17. Moral-Muñoz J. A., Herrera-Viedma E., Santisteban-Espejo A., Cobo M. J. Software tools for conducting bibliometric analysis in science: An up-to-date review. El profesional de la información. 2020. v. 29, No. 1, e290103. DOI: 10.3145/epi.2020.ene.03 EDN: XEZVKL
18. Pessin V., Vilker L., Yamane L., Siman R. Smart bibliometrics: an integrated method of science mapping and bibliometric analysis. Scientometrics. 2022. No. 127. DOI: 10.1007/s11192-022-04406-6 EDN: VSUMFH
19. Tan C. N.-L., Fauzi M. The bibliometric overview of research on healthcare information systems using big data analytics. International Journal of Data Science and Big Data Analytics. 2023. No. 3. Pp. 45-57. DOI: 10.51483/IJDSBDA.3.1.2023.45-57
20. Rivest M., Vignola-Gagné E., Archambault É. Article-level classification of scientific publications: A comparison of deep learning, direct citation and bibliographic coupling. PLOS ONE. 2021. No. 16. e0251493. DOI: 10.1371/journal.pone.0251493 EDN: AGGZBY
21. Rao A. S., Vardhan B. V., Shaik H. Role of Exploratory Data Analysis in Data Science. Proc. 6th Int. Conf. Commun. Electron. Syst. ICCES 2021. 2021. No. 7. Pp. 1457-1461. DOI: 10.1109/ICCES51350.2021.9488986
22. Практическая статистика для специалистов Data Science / пер. с англ. П. Брюс, Э. Брюс, П. Гедек. 2-е изд., перераб. и доп. Санкт-Петербург: БХВ-Петербург, 2021. 352 с.
23. МакКинни У. Python и анализ данных: Первичная обработка данных с применением Pandas, NumPy и Jupiter / пер. с англ. А. А. Слинкина. 3-е изд. Москва: МК Пресс, 2023. 536 с.
24. Simangunsong J., Simanjuntak M., Simanjuntak N. Mental disorder classification with exploratory data analysis (EDA). Journal of Intelligent Decision Support System (IDSS). 2024. No. 7. Pp. 210-217. DOI: 10.35335/idss.v7i3.252
25. Karunia R., Hidayati N. Analisis Data dan Visualisasi Pola Ancaman Siber Global (2015- 2024) menggunakan Exploratory Data Analysis (EDA). Dinamik. 2025. No. 30. Pp. 203-211. DOI: 10.35315/dinamik.v30i2.10136 EDN: QQEXWR
Выпуск
Другие статьи выпуска
В условиях стремительного увеличения объёма издаваемой научной литературы автоматическое реферирование текстов с помощью технологий искусственного интеллекта становится актуальной задачей. Современные модели реферирования основаны на использовании предварительно обученных больших языковых моделей, развёртывание которых часто требует значительных аппаратных ресурсов. В то же время применение для реферирования текстов специализированных моделей, основанных на той же архитектуре трансформеров, не требует больших аппаратных ресурсов, что позволяет использовать их как на локальных серверах, так и в облачной среде со значительно меньшими затратами. В статье приводятся результаты оценки на основе метрики ROUGE для рефератов, сформированных на больших языковых моделях MBart (специализированная модель) и T-lite (универсальная модель). Исходные текстовые массивы для анализа формировались из статей, опубликованных в журнале «Научные и технические библиотеки» в 2025 г. Проведённый анализ показал, что лучшие значения метрики ROUGE даёт использование модели MBart. Однако полученные данные не могут свидетельствовать о качестве содержания рефератов, формируемых сравниваемыми моделями, поскольку метрика ROUGE показывает лишь степень совпадения слов и фраз в реферате и эталонном тексте. Вывод авторов заключается в том, что достаточно «лёгкие» модели, такие как MBart, в библиотеках могут быть развёрнуты локально и без использования графического процессора, а это предпочтительнее для их широкого использования на практике.
Статья посвящена исследованию функционала электронных информационных ресурсов федеральных архивных учреждений в Российской Федерации: их способности удовлетворить имеющиеся и возникающие запросы в современном обществе, а также готовности архивных учреждений страны к работе в едином информационном пространстве. Исторически на европейской части Российской Федерации сконцентрирована большая часть государственных федеральных архивных учреждений, доступ в которые и сегодня остаётся затруднительным для многих граждан страны. Это объясняется удалённостью регионов проживания потенциальных посетителей, их различием в уровне экономического благосостояния, банальной нехваткой времени для работы в архивах, ограниченными возможностями читальных залов архивов для размещения и необходимостью заблаговременно записываться для посещения. В статье представлены результаты тестирования интернет-ресурсов отечественных государственных федеральных архивных учреждений на предмет возможности дистанционной работы пользователей. Предлагаемый электронными ресурсами функционал представлен в виде таблицы. Описаны встречающиеся при работе проблемы и недостатки. Сформулированы предложения по дальнейшим направлениям развития информационных ресурсов отечественных федеральных архивных учреждений: создание и расширение предоставляемого функционала, наполнение информацией, внутриотраслевое и внешнее взаимодействия.
В рамках выполнения темы НИР «Открытый доступ в научноинформационной деятельности и разработка прототипа многофункциональной системы открытого архива хранения и аналитической обработки научнотехнической информации с учётом механизмов открытых лицензий и элементов искусственного интеллекта» в ГПНТБ России ведётся работа по анализу использования рекомендательных систем в библиотечно-информационной сфере и смежных областях. Основная цель статьи - определить ключевые подходы к разработке рекомендательных систем в библиотечно-информационной сфере и возможные перспективы их развития. Используемые методы: контентанализ профильных публикаций по рекомендательным системам, анализ функционала рекомендательных систем, используемых в библиотечно-информационной практике. В статье рассмотрены различные подходы к разработке рекомендательных систем, применяемые в зарубежной и отечественной практике в различных областях деятельности. Определены основные технологии применения рекомендательных систем в библиотечно-информационной сфере: коллаборативная и контентная фильтрация. Сделан вывод о перспективности использования контентной фильтрации. Проанализированы возможности применения лингвистических средств в рекомендательных системах, использующих стратегию контентной фильтрации. Предложены варианты формирования рекомендательных систем в библиотечно-информационной практике с использованием лингвистических средств. Сформулированы задачи, которые должны реализовывать рекомендательные системы в библиотечно-информационной сфере. Намечены перспективные направления развития рекомендательного сервиса. Предложения по формированию рекомендательных систем, представленные в статье, могут быть применены в практической работе по созданию рекомендательных сервисов в библиотечно-информационных системах.
В стратегии развития современной университетской библиотеки в эпоху цифровой трансформации происходят кардинальные изменения. Научной библиотеке Казанского федерального университета (КФУ) в рамках реализации проекта «Приоритет-2030» предстоит выполнение важных задач. Обозначена и детально рассмотрена стратегия развития университетской библиотеки на ближайшую перспективу. В исследовании обоснована необходимость саморазвития и повышения профессионального уровня библиотекарей с целью формирования у них необходимых компетенций; обозначена роль собственной электронной библиотеки (репозитория), определены умения и навыки, необходимые сотрудникам библиотеки для работы с репозиторием; проанализированы результаты анкетирования, позволившие выявить пожелания пользователей к библиотечным поисковым системам; описан разработанный на площадке КФУ программный комплекс, предназначенный для создания институциального репозитория на базе программной платформы с открытым кодом DSpace. Сделан вывод о том, что трансформация вузовских библиотек связана с общими тенденциями развития вузов как в области научных исследований, так и в образовании. Основные изменения в деятельности библиотеки связаны с широким внедрением цифровых технологий: от разработки собственных электронных архивов (репозиториев) и поисковых систем до программ повышения квалификации пользователей, как студентов, так и преподавателей.
Представлены результаты исследований по подготовке новой эталонной версии Государственного рубрикатора научно-технической информации (ГРНТИ) в части раздела Технические и прикладные науки. Отрасли экономики и раздела Межотраслевые проблемы. Проведены информационноаналитические исследования следующих информационных объектов: классификационная таблица версии ГРНТИ 2022 г. с исправлениями и дополнениями 2023 г.; Программа фундаментальных научных исследований РФ на 2021- 2030 гг.; верифицированная версия Номенклатуры научных специальностей ВАК; Перечень важнейших наукоёмких технологий, утверждённый Указом Президента РФ от 18 июня 2024 г. № 529; тематически систематизированный по направлениям ГРНТИ входной поток научно-технической литературы ГПНТБ России. В результате выполненных исследований определены изменения, необходимые для внесения в тематические классы раздела Технические и прикладные науки. Отрасли экономики и раздела Межотраслевые проблемы действующей версии ГРНТИ с целью обеспечения соответствия структуры классификационной таблицы новой версии ГРНТИ современному состоянию и тенденциям развития научного и технического знания. Статистика внесённых изменений следующая: раздел Технические и прикладные науки. Отрасли экономики - введено 332 новые рубрики, исключено 67 рубрик, у 630 рубрик актуализированы наименования; раздел Межотраслевые проблемы - введено 30 новых рубрик, исключено 17 рубрик, у 101 рубрики актуализированы наименования.
Моделирование является распространённым методом научного познания, особенно в тех областях, где проведение реальных экспериментов сопряжено с высокими финансовыми затратами или невозможно физически. Данный метод позволяет исследователям создавать упрощённые модели сложных систем, что даёт возможность анализировать и изучать их поведение в различных условиях. В общем смысле моделирование можно охарактеризовать как экспериментальный подход к изучению реально существующих систем на основе их моделей. В статье представлена схема, иллюстрирующая процесс обслуживания пользователей библиотеки. Схема включает в себя потоки (входящие, выходящие, управляющие и ресурсные), с помощью которых детализируется функционирование библиотеки. Кроме того, приведены обобщённые схемы двух моделей библиотек высшего учебного заведения - реактивной и проактивной. Схемы обслуживания дополнены обобщёнными схемами моделирующего алгоритма процесса обслуживания пользователей библиотек.
Правительством Российской Федерации утверждена Стратегия развития библиотечного дела, одной из задач которой являются обеспечение равного доступа граждан к информации и формирование инклюзивного библиотечного пространства. Чтобы оценить, как воплощается в жизнь эта стратегия, сотрудники Федерального научно-образовательного центра медикосоциальной экспертизы и реабилитации им. Г. А. Альбрехта Минтруда России ежегодно проводят мониторинг уровня доступности библиотечного обслуживания, проверяя реализацию региональными властями планов мероприятий («дорожных карт») по улучшению показателей. Сбор данных проводится с помощью информационно-цифрового ресурса. Целью работы являются изучение и оценка уровня доступности для лиц с инвалидностью электронного библиотечного обслуживания в субъектах Российской Федерации. В статье приведены результаты мониторинга: число доступных электронных библиотек в разных субъектах Российской Федерации, а также количество сайтов муниципальных и региональных библиотек, приспособленных для инвалидов по зрению. Оценка уровня достигнутых показателей проводилась согласно доменам и Единой шкале Международной классификации функционирования, ограничения жизнедеятельности и здоровья. По результатам ранжирования полученных данных можно утверждать, что в Российской Федерации широко представлена индустрия инклюзивного библиотечного обслуживания. Однако следует отметить, что данная оценка базируется исключительно на показателях, включённых в региональные «дорожные карты». Результаты исследования учитываются при планировании мер по улучшению доступности библиотек на региональном уровне. Исследование проведено в рамках научно-исследовательской работы «Научное обоснование и разработка предложений по формированию показателей обеспечения доступности для инвалидов объектов и услуг», утверждённой Министерством труда и социальной защиты Российской Федерации.
Издательство
- Регион
- Россия, Москва
- Почтовый адрес
- 123298, Москва, 3-я Хорошевская ул., д. 17
- Юр. адрес
- 123298, Москва, 3-я Хорошевская ул., д. 17
- ФИО
- Карауш Александр Сергеевич (Руководитель)
- E-mail адрес
- gpntb@gpntb.ru
- Контактный телефон
- +7 (495) 6989305
- Сайт
- https://www.gpntb.ru