Forskningsfronten inom informationsvetenskap - BADA
Forskningsfronten inom informationsvetenskap - BADA
Forskningsfronten inom informationsvetenskap - BADA
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Glänzel gör följande tillägg till ovanstående kommentar:<br />
Cociteringsanalys<br />
- From the viewpoint of information retrieval, co-citation clustering results<br />
in the restriction to frequently cited papers, whereas bibliographic<br />
coupling extends to practically all publications.<br />
Citeringsanalysmetoden cocitering introducerades av Small (1973). Small ville visa att<br />
genom att studera frekvensen av samciterade dokument och utifrån detta bilda<br />
grupper/kluster kan man få fram forskningens intellektuella bas. Den intellektuella<br />
basen är, till skillnad från den mer tidslåsta forskningsfront man får fram genom<br />
bibliografisk koppling, rörlig. Rörligheten beror på att användandet av de citerade<br />
dokumenten kan minska eller öka över tiden, emedan de citerande dokumenten man<br />
studerar i bibliografisk koppling blir statiska så fort de publiceras (Jarneving, 2005a, s.<br />
248). När man gör en cociteringsanalys arbetar man stegvis. Första steget är att göra en<br />
rangordnad frekvenslista över citerade dokument. Sedan går man vidare genom att<br />
räkna fram cociteringarna mellan varje par. För att kontrollera för variation ifråga om<br />
enskilda citeringsfrekvenser konstrueras en normaliserad cociteringsfrekvens genom att<br />
cociteringsfrekvensen divideras med roten ur produkten av de båda citerade<br />
dokumentens enskilda citeringsfrekvenser (Persson 1991, s. 58f). En variant av<br />
cocitering är författarcocitering (author cocitaton analysis, ACA) där man studerar<br />
cociteringar mellan författare istället för dokument (Diodato 1994, s. 43).<br />
2.3 Multivariat analys<br />
Statistiska analyser benämns och behandlas olika beroende på hur många variabler som<br />
studeras. Utgår man från en variabel talar man om univariat analys, när två variabler<br />
studeras samtidigt benämns det som bivariat analys. När man, som i vårt fall, simultant<br />
studerar tre eller flera variabler kallas det multivariat analys. Det finns ett flertal<br />
analysmetoder att utgå från vid multivariat analys. Vanligt förekommande är multipel<br />
regressionsanalys – då variationen i en beroende variabel, så kallad responsvariabel<br />
analyseras med hjälp av flera förklarande variabler. En annan vanligt förekommande<br />
multivariat analys är faktoranalys – här undersöker man möjligheterna att komprimera<br />
den information man arbetar med; vilka faktorer mäter vi egentligen med vårt<br />
datamaterial och är det möjligt att minska antal variabler? (Körner & Wahlgren 2005,<br />
kap. 9). Vi kommer i vår undersökning att använda oss av den multivariata<br />
analysmetoden klusteranalys.<br />
2.3.1 Klusteranalys<br />
Klusteranalys är en av de mest populära teknikerna för multivariat analys (Egghe, 1990,<br />
s. 112). Syftet vid klusteranalys är att samla objekt som är så lika varandra som möjligt i<br />
naturliga grupper, så kallade kluster. Vid användning av klusteranalys vill man alltså<br />
upptäcka grupper av objekt i data man använder sig utav – inte föra in objekt i redan<br />
kända klassificerade grupper. Vad själva likheten mellan objekten skall representera<br />
väljer man själv utifrån sin undersökning; det kan gälla tid, geografiskt avstånd,<br />
kostnader etc. I vårt fall mäter vi likhet i form utav gemensamma bibliografiska<br />
referenser. Eftersom man har flera variabler går det att räkna ut likhet till exempel med<br />
hjälp av matematiska formler. Ett annat alternativ är att normera mätvärdena genom att<br />
10