В статье представлен комплексный анализ функциональных возможностей российских систем научного цитирования - Российского индекса научного цитирования (РИНЦ) и CoLab. ws в контексте изменений государственной научно-публикационной политики России. Актуальность работы обусловлена введением новых регулирующих инструментов, таких как «Белый список», Единый государственный перечень научных изданий (в разработке), а также ряда официальных документов, устанавливающих показатели эффективности и их количественные значения. Методология исследования основана на комплексном анализе ключевых параметров обеих платформ: функций и количественных характеристик систем; возможностей профилей организации; инструментов мониторинга публикационной активности и степени соответствия современным требованиям к функционалу наукометрических систем. Практическая часть включает анализ профилей научных организаций на примере Уральского отделения РАН. Особое внимание уделено распределению публикаций по уровням «Белого списка» в РИНЦ и CoLab. ws. Сравнительное исследование выявило преимущества и недостатки каждой системы: РИНЦ, как классическая база данных научного цитирования, обеспечивает высокую репрезентативность данных, в то время как CoLab. ws предлагает современные инструменты для научной коммуникации и международного сотрудничества. В выводах подчеркивается необходимость дальнейшего развития этих систем для отражения полноты показателей эффективности научных организаций в соответствии с государственными требованиями. Статья представляет ценность для исследователей, сотрудников научных организаций, разработчиков наукометрических систем и органов научной политики, формирующих критерии оценки исследовательской деятельности.
Данная статья посвящена систематизации ограничений индекса Хирша как библиометрического индикатора в условиях современной научно-информационной экосистемы. Актуальность темы обусловлена ростом зависимости кадровых, грантовых и институциональных решений от количественных метрик при одновременном формировании норм ответственного оценивания в рамках инициатив DORA и CoARA, а также изменением национальных регуляторных режимов. Цель исследования - систематизация и всесторонний анализ ключевых ограничений индекса Хирша и его модификаций, пригодный для использования в оценочных практиках научных и технических библиотек, исследовательских подразделений и экспертных советов. Методологически реализуется аналитический нарративный обзор с элементами обзора предметной области: на основе структурированного поиска в Web of Science, Scopus, Google Scholar, Crossref/OpenAlex и RSCI/ядре РИНЦ за 2020-2025 гг. анализируются рецензируемые наукометрические исследования, инфраструктурные отчеты и регулятивные документы, в которых индекс Хирша выступает центральным объектом рассмотрения. Путем тематико-количественной группировки и критического синтеза вторичных данных выделено три блока ограничений: метрико-методологический и реплицируемостный, инфраструктурно-этический и управленческо-регулятивный; показаны вариативность значений индекса Хирша в зависимости от используемой базы данных, волатильность значений индекса, чувствительность к самоцитированию, структуре соавторства, режимам открытого доступа, ретракциям и протокольным различиям поиска. На основании сопоставления международной и российской повестки формулируется операциональная схема ответственного применения индекса Хирша внутри многоиндикаторного досье, включающая требования к нормализации, учету авторских вкладов и прозрачности протоколов извлечения данных. Новизна данной работы заключается в интеграции разрозненных результатов недавних исследований в единую управленческую рамку, которая учитывает быстроменяющуюся инфраструктуру метаданных и специфику российского сегмента и тем самым расширяет инструментальный арсенал библиотечно-информационной аналитики.
Предложен подход к исследованию тематических сообществ, основанный на графе соавторства учёных, выполняющих исследования в рамках одной научной дисциплины. Графы соавторства являются одними из часто исследуемых конструкций научного сотрудничества из-за изначальной очевидности определения «знакомства» учёных, что документируется самими статьями. Характерная особенность многих реальных сетей заключается в наличии у них свойства кластеризации, в соответствии с которым топология графа, являющегося моделью реальной сети, организована в сообщества, то есть подграфы, имеющие больше связей внутри себя, чем вовне. Анализ полученного разбиения графа соавторства на сообщества позволяет получить базовые характеристики сообществ, такие как их тип (тематическое направление исследований), количество учёных, входящих в каждое сообщество, и связей между ними. В случае наличия сообществ с одинаковой тематикой их укрупнение задаёт перечень основных направлений исследований в рамках научной дисциплины и обобщённые данные типа суммарного количества сообществ и учёных в каждом укрупнённом направлении. Эти данные, в свою очередь, могут быть использованы для принятия управленческих решений по стимулированию научных направлений, представляющих безусловную актуальность и практическую ценность на сегодняшний день. Изложены результаты апробации предложенного подхода на основе данных математического портала Math-Net. Ru. С практической точки зрения результаты апробации непосредственно указывают на необходимость стимулирования работ по таким направлениям, как роботы и робототехнические системы, горение и взрыв, методы и системы защиты информации. Результаты апробации предлагаемого подхода показывают адекватность используемых математических моделей и потенциал его прямого переноса на другие научные дисциплины. Основным условием такого переноса является наличие полной и достоверной базовой библиографической информации о соавторстве учёных в предполагаемой к исследованию научной дисциплине за достаточно большой временной отрезок
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.