Akademik Veri Yönetim Sistemi
EĞİTİM & BİLİM 2023 -III, Songül KARABATAK,Murat KARABATAK, Editör, Efe Akademi, İstanbul, ss.299-320, 2023
YÜKSEKÖĞRETİM KURUMLARI İÇİN BİLİMSEL ÜRETKENLİK İZLEME ARAÇLARI: BİBLİYOMETRİK ANALİZ ARAÇLARI
Francis Bacon’dan bu yana, toplumların geleceği için hangi bilgi alanının gerekli olduğu, hangi bilimsel araştırmaların teşvik edilmesi gerektiği ve bilim ve teknoloji politikalarının nasıl seçileceğine ilişkin tartışmalar devam etmektedir (Stehr, 2005). Stratejik ve dönüşümsel kaynaklar sağlayan yükseköğretim kurumları, bu bilginin yaratılması ve büyütülmesinde kilit oyuncular arasında yer almaktadır. Bilgi politikası ve değerlendirmesinin özü, geleneksel bilim ve teknoloji politikalarının ötesine geçmektedir. Her ulusa bilgi toplumu olma yolunda rehberlik edecek ve temel kaynakların yaratılmasını teşvik edecek düzenlemelere ve girişimlere ihtiyaç vardır (Schmidt, 2007). Bilimsel yayınların görselleştirilmesi, yayın üretkenliğinin izlenmesi, bu bilgilerin belirli formlarda toplanması ve analiz edilmesi kural koyucular ve politika yapıcılar için kritik değerdedir. Bibliyometri bu noktada karşımıza çıkan kritik ve değerli bir araçtır. Bibliyometrik analizler sayesinde akademik üretimi temsil eden bilgiler izlenebilmekte, belirli alan, ülke, kurum veya konudaki yayın üretkenliği değerlendirilebilmekte, analiz edilebilmektedir. Bilimsel yayınlardaki parametreler yani meta veriler aracılığı ile, başlık, yazar, yayıncı, eserdeki konu anahtar kelimeleri ve diğer unsurlar bibliyometrik olarak analiz edilebilmektedir (Damar vd., 2022; Damar vd., 2018; Bilik vd., 2020). Çağdaş bilimi anlamak için iki unsur kilit öneme sahiptir. Birincisi, son derece dinamik olan ve şu anda çoğu disiplini yönlendiren küresel ölçekteki faaliyetlerin gelişimidir. Bu sayede doğa bilimleri kolayca tek bir oluşum, değişim ve karşılaştırma alanı olarak hayal edilebilmektedir. Küresel ölçekteki bilimsel üretkenlikteki dinamizm dört alanda kendini göstermektedir ve bilimsel üretkenliğin gelişimini anlamak gelecek öngörüsünde bulunabilmek ve bu yönde çalışmalar ortaya koyabilmek için oldukça önem arz etmektedir. Bunlardan birincisi, 2000 yılından bu yana küresel çapta dolaşıma giren makaleler yılda %5 oranında artmıştır. İkincisi, doğa bilimlerine dayalı alanlardaki kapasite, orta gelirli ve bazı düşük gelirli ülkelerin içsel olarak kendi kendini üreten bilim sistemleri oluşturmasıyla küresel ölçekte giderek daha fazla dağılmaktadır. Üçüncü olarak, birden fazla kuruluştan ağa bağlı bilim insanları tarafından ortaklaşa yazılan makaleler, genel makalelerden daha hızlı büyümüştür ve uluslararası ortaklaşa yazılan makaleler özellikle hızlı bir şekilde büyümüştür. Dördüncüsü, Amerika Birleşik Devletleri yüksek atıflı bilimde ve ağ bağlantılı işbirliğinde hala dünya lideri olsa da, bilimde eski Avrupa-Amerikan küresel düzeni, Çin’in ve Avrupa-Amerika dışındaki diğer bazı büyük ulusal bilim sistemlerinin yükselişiyle çoğullaşmaktadır (Marginson, 2022). Akademisyenler bibliyometrik analizi, makale ve dergi performansında, işbirliği modellerinde ve araştırma bileşenlerinde ortaya çıkan eğilimleri ortaya çıkarmak ve mevcut literatürde belirli bir alanın entelektüel yapısını keşfetmek gibi çeşitli nedenlerle kullanmaktadır (Donthu vd., 2021). Bibliyometri temel olarak bilimsel üretimi nicelleştirmeye, kalitesini ve bilimsel etkisini ölçmeye odaklanmaktadır (Cobo vd., 2011). Bilimsel üretkenlik ve bilimsel yayın kalitesi bibliyometrik göstergeler veya bibliyometrik endeksler aracılığıyla ölçülebilir. Bibliyometri genellikle akademik çıktının nicel araştırma değerlendirmesi için kullanılır ve uygulamaya dayalı araştırmalar için de kullanılmaya başlanmıştır (Henderson vd., 2009). Bibliyometri (İngilizce olarak Bibliometrics) kavramı bilimsel üretkenlik izleme için kullanılan, literatür madenciliği araçları olarak ifade edebileceğimiz günümüzün en popüler bilimsel üretkenlik izleme yöntemi veya aracı olarak ifade edilebilir. Bu araçlar sayesinde bilimsel üretkenlik için pek çok farklı metriğe göre üretkenlik izlenebilir, bilimsel haritalama gerçekleştirilebilmektedir (Şekil 1 ve Şekil 2). Bazı kurumlar Şekil 1 ve Şekil 2 üzerinde gösterilen bibliyometrik araçlar yanında kendileri akademik personellerinin bilimsel faaliyetlerini izlemek için kurumsal akademik izleme yazılımlarını kullanabilmektedir. Şekil 1 üzerinde Akademik özgeçmiş sistemi ve Şekil 2 üzerinde gösterilen Akademik Veri Yönetim Sistemi iki farklı bilimsel üretkenlik aracıdır. Fakat bu iki sistemin ortak yönü bilginin kullanıcılar tarafından girilmesi, o sayede kuruma ve bilgi sistemine değer katabilmesidir. Fakat bilimsel üretkenlik izleme araçlarından bibliyometrik veya bilimetrik analiz araçları sayesinde küresel literatür analizi gerçekleştirilebilmekte, daha büyük ve küresel veri seti ile çalışabilmek mümkün olabilmektedir.Ayrıca yukarıda belirtilen bilgi sistemleri sadece ilgili kuruma ait verileri raporlayabilmektedir. Ağ analizleri, yayın verilerindeki ortak kelime, başlık ve benzeri analizler konusunda pek çok kısıta sahip olduğu gibi daha çok yayın üretkenliğinin genel raporlanması özelliği taşımaktadır. Aşağıda sırasıyla bilimsel üretkenlik çerçevesinde bibliyometrik verinin görselleştirilmesi için web araçları ve paket programlar, alanda kullanılan en popüler yazılımlar ve literatürde bu yazılımlara istinaden gerçekleştirilen kıyaslama yazıları kapsamlı olarak konu kapsamında değerlendirilmekte ve alan okuyucusunun ilgisine sunulmaktadır. -------------------- Bibliyometrik Verinin Görselleştirilmesi İçin Araçlar -------------------------------- Bilgi ve iletişim teknolojilerindeki 20 yıllık gelişimin sonuçlarından biri de çok büyük miktarda verinin mevcut olmasıdır. Bazıları bu olguyu büyük veri olarak adlandırmaktadır. Artık pek çok veri bilgisayarda okunabilir elektronik formda mevcuttur. Araştırmacılar bu tür verileri toplamanın ve analiz etmenin gücünün farkına varmışlardır. Büyük veriyi analiz etmek ve görselleştirmek için bilgisayar programlarına ihtiyaç duyulması kaçınılmaz hale gelmiştir. Aynı durum sosyal ağ analizi alanında da söz konusudur. Artık farklı elektronik kaynaklardan devasa ağlar oluşturabiliyoruz (Mrvar & Batagelj, 2016). Bu ağların izlenmesi veya ağ yapısındaki genel durumun ortaya konulması için bibliyometrik veriler analiz edilebilmektedir. Bu yapının analizi için gerek web araçları gerekse açık kaynak kod veya lisanslı yazılımlar kullanılabilmektedir. Profesyoneller ve bilim insanları deneysel verileri ölçmek için bir dizi teorik ve pratik araca ihtiyaç duymaktadır (Moral-Muñoz vd., 2020). Bu başlıkta bibliometrik verilerin görselleştirilmesi iki farklı başlık altında ele alınmaktadır. Birincisi Web of Science, Scopus gibi bibliyometrik veri kaynaklarının raporlama ekranları, bir diğeri de bu paket programların bilgisayarımıza indirilip bibliyometrik veri üzerine analiz imkanı sunan paket programlardır. Aşağıda sırasıyla bu iki başlık detaylı olarak ele alınmaktadır.
SCIENTIFIC PRODUCTIVITY MONITORING TOOLS FOR HIGHER EDUCATION INSTITUTIONS: BIOMETRIC ANALYSIS TOOLS
Since the time of Francis Bacon, there has been an ongoing debate about what area of knowledge is necessary for the future of societies, what scientific research should be encouraged, and how to choose science and technology policies (Stehr, 2005). Higher education institutions, providing strategic and transformational resources, are among the key players in the creation and growth of this knowledge. The essence of knowledge policy and assessment goes beyond traditional science and technology policies. Regulations and initiatives are needed to guide every nation towards becoming a knowledge society and to encourage the creation of key resources (Schmidt, 2007). Visualizing scientific publications, monitoring publication productivity, collecting and analyzing this information in certain forms is critical for rule makers and policy makers. Bibliometrics is a critical and valuable tool at this point. Thanks to bibliometric analyses, information representing academic production can be monitored, and the productivity of publications in a particular field, country, institution or subject can be evaluated and analyzed. Through the parameters in scientific publications, i.e. metadata, title, author, publisher, subject keywords and other elements in the work can be analyzed bibliometrically (Damar et al., 2022; Damar et al., 2018; Bilik et al., 2020). Two elements are key to understanding contemporary science. The first is the development of activities on a global scale, which is highly dynamic and currently drives most disciplines. In this way, the natural sciences can be easily imagined as a single space of emergence, change and comparison. The dynamism in global scientific productivity manifests itself in four areas, and understanding the evolution of scientific productivity is crucial for predicting and working towards the future. First, since 2000, the number of globally circulated articles has increased by 5% per year. Second, capacity in natural science-based fields is increasingly distributed globally, with middle-income and some low-income countries creating internally self-generating science systems. Third, papers co-authored by networked scientists from multiple organizations have grown faster than general papers, and international co-authored papers have grown particularly fast. Fourth, while the United States is still the world leader in highly cited science and networked collaboration, the old Euro-American global order in science is being pluralized by the rise of China and several other major non-Euro-American national science systems (Marginson, 2022). Academics use bibliometric analysis for a variety of reasons, such as uncovering emerging trends in article and journal performance, collaboration patterns and research components, and exploring the intellectual structure of a particular field in the existing literature (Donthu et al., 2021). Bibliometrics mainly focuses on quantifying scientific production and measuring its quality and scientific impact (Cobo et al., 2011). Scientific productivity and scientific publication quality can be measured through bibliometric indicators or bibliometric indices. Bibliometrics is often used for quantitative research assessment of scholarly output and is beginning to be used for practice-based research (Henderson et al., 2009). The concept of bibliometrics (in English Bibliometrics) can be defined as the most popular scientific productivity monitoring method or tool today, which can be expressed as literature mining tools used for scientific productivity monitoring. With these tools, productivity can be monitored according to many different metrics for scientific productivity and scientific mapping can be realized (Figure 1 and Figure 2). In addition to the bibliometric tools shown in Figure 1 and Figure 2, some institutions may use institutional academic monitoring software to track the scientific activities of their academic staff. The Academic CV system shown in Figure 1 and the Academic Data Management System shown in Figure 2 are two different scientific productivity tools. However, the common aspect of these two systems is that the information is entered by the users, thus adding value to the institution and the information system. However, bibliometric or scientometric analysis tools, which are among the scientific productivity monitoring tools, make it possible to perform global literature analysis and work with a larger and more global data set. Network analyses have many limitations in terms of common words, titles and similar analyses in publication data, and are more of a general reporting of publication productivity. Below, web tools and package programs for the visualization of bibliometric data within the framework of scientific productivity, the most popular software used in the field, and the benchmarking articles in the literature based on these software are evaluated comprehensively within the scope of the subject and presented to the interest of the readers of the field.
Tools for Visualization of Bibliometric Data
One of the results of 20 years of development in information and communication technologies is the availability of vast amounts of data. Some refer to this phenomenon as big data. Much data is now available in computer-readable electronic form. Researchers have realized the power of collecting and analyzing such data. The need for computer programs to analyze and visualize big data has become inevitable. The same is true in the field of social network analysis. We can now create huge networks from different electronic sources (Mrvar & Batagelj, 2016). Bibliometric data can be analyzed to monitor these networks or to reveal the general situation in the network structure. Web tools, open source or licensed software can be used to analyze this structure. Professionals and scientists need a set of theoretical and practical tools to measure empirical data (Moral-Muñoz et al., 2020). In this chapter, the visualization of bibliometric data is discussed under two different headings. The first one is the reporting screens of bibliometric data sources such as Web of Science and Scopus, and the other is the package programs that can be downloaded to our computers and analyzed on bibliometric data. These two topics are discussed in detail below.