Altmetric Attention Score

Kan tillämpas på: Kan tillämpas: Tidskriftsartiklar, böcker och alla forskningsresultat som deponeras i ett arkiv som företaget spårar (t.ex. Figshare, Zenodo eller ett institutionellt arkiv)

Metriskt mått: ”Altmetric Attention Score är en automatiskt beräknad, viktad räkning av all uppmärksamhet som ett forskningsresultat har fått.”

Beräkning av måttet: Altmetric använder sig av en automatisk beräknad, viktad räkning av all uppmärksamhet som ett forskningsresultat har fått: Beräkning: AAS tar hänsyn till den mängd uppmärksamhet som en forskningsproduktion har fått i ett antal källor för uppmärksamhet online (t.ex. Twitter, Pubpeer osv.). Varje källa viktas av företaget. AAS-viktningen tar också hänsyn till om författaren till ett omnämnande av ett forskningsresultat regelbundet skriver om vetenskapliga artiklar.

Datakällor: Nyhetsartiklar, bloggar, Twitter, Facebook, Sina Weibo, Wikipedia, policydokument (per källa), Q&A, F1000, Publons, Pubpeer, YouTube, Reddit, Pinterest, LinkedIn, Open Syllabus, Google+. Även om Altmetrics artikelsida visar Mendeley-läsare, Scopus-citeringstal och CiteULike-bokmärken, räknas dessa uppgifter inte in i poängsättningen.

Ampassande användningsområden: AAS används bäst av enskilda forskare för att förstå den totala mängden uppmärksamhet som forskningen har fått online. Enskilda personer kan också använda ”Score in Context” (som finns på Altmetrics detaljerade sidor) för att förstå hur en forskningsresultatets poäng står sig i förhållande till andra poäng. AAS kan också användas av förlag och institutioner för att gruppera den uppmärksamhet som publicerad och/eller producerad forskning har fått för att övervaka och jämföra dess räckvidd.

Begränsningar: AAS tar inte hänsyn till känslorna i de omnämnanden som görs om forskningsobjekt, och hjälper därför inte till att förstå den positiva eller negativa uppmärksamhet som ett forskningsobjekt har fått. Enligt Lockwood (2016) får ”artikeltitlar med resultatinriktad positiv inramning och mer intressanta formuleringar högre Altmetric-poäng”, och detsamma gäller artiklar med catchy titlar (Poplasen & Grgic, 2016). Det finns motstridig forskning om huruvida antalet medarbetare på en artikel kan öka eller minska ett AAS (Didegah, 2016; Haustein, Costas & Larivière, 2015). Internationella samarbeten kan öka ett AAS (Didegah, 2016). Författarnas institutionella prestige påverkar enligt uppgift inte ett AAS (Didegah, 2016). Författarnas legitima självmarknadsföring kan artificiellt öka ett AAS (Adie, 2013). Tidskriftens impaktfaktor och artikeltillgänglighet kan påverka en artikels AAS positivt; ”publikationer från Social Sciences & Humanities har fler omnämnanden på Twitter och Facebook… än publikationer från både Engineering & Technology och Medical & Natural sciences” (Didegah, 2016). Skillnader i täckning och frekvens av uppdateringar påverkar skillnader i antal altmetriska indikatorer (Bar-Ilan & Halevi, 2017). Studier visar att det finns mycket liten överlappning mellan mycket högt citerade artiklar och de som får höga altmetriska poäng (Banshal et al, 2018; Poplasen & Grgic, 2016).

Olämpliga användningsfall: AAS bör inte användas som ett direkt mått på forskningseffekt eller kvalitet av något slag.

Available metric sources:

Available metric sources:

Available metric sources: AAS kan hittas i alla produkter som erbjuds av Altmetric, inklusive det kostnadsfria bokmärket för forskare och på många tidskriftsutgivares webbplatser och arkiv (t.ex. Figshare). Dimensions databas innehåller också Altmetric Attention Score för de artiklar som den indexerar.

Transparens: Hittills är det inte möjligt att granska AAS fullt ut, eftersom viktningen av poängen beror på icke-offentliga, företagstilldelade ”nivåer” för nyhetskällor, Twitter-användare och vissa andra källor som nämner ett forskningsresultat.