Bibliyometrik Yasalar: Lotka, Bradford ve Zipf Yasaları
Bibliometric Laws: Lotka's Law, Bradford's Law, and Zipf's Law · Ayrıca şöyle bilinir: bibliometric distributions, productivity laws, frequency laws, information science laws
Bilimsel bilginin yapısını ve dağılımını tanımlayan üç temel ampirik yasa bulunmaktadır: Lotka Yasası yazar verimliliğini karakterize eder (çoğu yazar az sayıda makale yayımlar; az sayıda yazar ise çok sayıda makale yayımlar), Bradford Yasası dergi yoğunluğunu tanımlar (bir konudaki makalelerin çoğunluğu az sayıda temel dergide yer alır) ve Zipf Yasası kelime ve terim sıklığını modeller (kelime sıklığı, sıralamasıyla ters orantılıdır). 20. yüzyılın ortalarında keşfedilen bu düzenlilikler, disiplinler arasında olağanüstü derecede sağlamdır ve araştırma verimliliğini anlamak, bilgi kaynaklarını organize etmek ve arama stratejileri tasarlamak için temel araçlar haline gelmiştir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Lotka Yasası'nı bir alandaki yazar verimliliğini değerlendirirken, gelecekteki yayın modellerini tahmin ederken veya araştırma işgücü kompozisyonunu anlamak için kullanın (kaç aktif araştırmacı? Tipik kariyer çıktısı nedir?). Bradford Yasası'nı literatür tarama stratejileri tasarlarken (hangi dergilerde aranmalı?), dergi önemini değerlendirirken veya disiplinler arası yayın coğrafyasını anlamak için kullanın (yoğunlaşmış mı yoksa dağılmış mı?). Zipf Yasası'nı araştırma kelime dağarcığını analiz ederken, teknik terminoloji evrimini tespit ederken, dil aracılığıyla alanın olgunluğunu değerlendirirken veya arama algoritmaları tasarlarken kullanın (nadir alana özgü terimler yaygın kelimelerden daha bilgilidir). Üç yasa da kaynak tahsisini mümkün kılar: Bradford Yasası abonelik/kütüphane satın alımlarını yönlendirir (temel dergiler en iyi yatırım getirisini sunar); Lotka Yasası işe alımı yönlendirir (üretken araştırmacıları belirler); Zipf Yasası bilgi erişimini yönlendirir (aramada nadir terimleri daha yüksek ağırlıklandırır).
Güçlü yönler & sınırlılıklar
- Sağlamlık: bu yasalar disiplinler ve zaman dilimleri arasında geçerlidir, bu da bilimsel organizasyonun evrensel ilkelerini düşündürür.
- Tahmin gücü: bir alanın dağılımı karakterize edildikten sonra, gelecekteki verimlilik ve yayın modelleri tahmin edilebilir.
- Pratik fayda: ampirik desenlere dayalı olarak literatür tarama kapsamını, dergi seçimini ve kaynak tahsisini yönlendirir.
- Basitlik: her yasa matematiksel olarak basittir ancak karmaşık gerçek dünya dağılımlarını açıklar.
- Genellik: uygulanabilirliği bilimin ötesine uzanır (Bradford Yasası herhangi bir sınıflandırılmış bilgi için geçerlidir; Zipf Yasası herhangi bir doğal dil külliyatı için geçerlidir).
- Lotka Yasası: disipline bağlı üstel değerler, disiplinler arası karşılaştırmayı zorlaştırır. Erken aşamadaki alanlar, yeterli kariyer süresi geçene kadar yasayı ihlal eder. Yazar adı belirsizleştirme hataları, görünen verimlilik varyansını şişirir.
- Bradford Yasası: 'temel dergi' tanımı konuya bağlıdır ve biraz keyfidir (1/3 kesme evrensel değil, tarihsel bir gelenektir). Dergi prestiji ve erişilebilirliği önemlidir; gözden uzak yüksek kaliteli dergiler görünürlük nedeniyle az atıf alabilir.
- Zipf Yasası: üstel değer, metinler, diller ve alanlar arasında önemli ölçüde değişir (0.5–1.5 aralığı gerçekçidir). Sapmalar bilgilendiricidir ancak yorumlama gerektirir; 'doğru' bir üstel değer yoktur.
- Üçü de: tanımlayıcıdır, kural koyucu değildir—ne olduğunu tanımlar, ne olması gerektiğini değil. Dağılımlara aşırı güvenmek önemli aykırı değerleri (tek makalelik yüksek etkili yazar) göz ardı edebilir.
SSS
Lotka Yasası deterministik midir? Neden bazı yazarlar bir makale yayımlarken diğerleri elli makale yayımlar?
Lotka Yasası ampiriktir, deterministik değildir. Bireysel kariyerleri değil, toplu nüfus modellerini tanımlar. Bireysel varyasyon, kariyer aşaması, alan normları (deneysel vs. teorik), finansmana erişim, ekip büyüklüğü ve şanstan kaynaklanır. Yasa, birçok araştırmacı arasındaki istatistiksel sonucu tanımlar; tek bir kariyeri tahmin etmez. Yüksek verimliliğin olası nedenleri: kıdemli kariyer durumu, büyük laboratuvarların liderliği, yüksek finansman, üretken yazım stili. Yüksek verimliliğin yüksek etki anlamına geldiğini varsaymayın; atıflar ve yenilik, yayın sayısından ayrıdır.
Bradford Yasası modern dijital dergiler ve ön baskılar için kullanışlı mıdır?
Bradford Yasası geleneksel hakemli dergiler için hala geçerlidir. Ancak, ön baskılar (arXiv, bioRxiv) ve açık erişimli dergiler resmi daha karmaşık hale getirir: makaleler resmi hakemlik öncesinde mevcut olabilir ve küçük uzmanlaşmış dergiler küresel erişime sahiptir (1934'te var olan coğrafi engeller değil). Modern uygulama: 'temel' kaynakları belirleyin (formatından bağımsız olarak yüksek etkili yerler), ardından yalnızca tek bir bölgeden örneklem almadığınızdan emin olmak için literatür taramanızı denetleyin. İlke (az sayıda kaynak literatürün çoğunu içerir) geçerlidir; 'kaynak' tanımı evrimleşmiştir.
Gelecekteki eğilimleri tahmin etmek için Lotka veya Bradford Yasası'nı kullanabilir miyim?
Her iki yasa da olgun alanlarda istikrarlı denge modellerini tanımlar. Mevcut alan yapısı içinde tahmin edicidirler: bir alanın Lotka üstel değeri 2.0 ise, en iyi %10 yazarın makalelerin ~%50'sini yayımlayacağını tahmin edebilirsiniz. Ancak, ani değişiklikler (yeni finansman programı, ortaya çıkan alt disiplin, metodolojik atılım) dağılımları dramatik bir şekilde değiştirebilir. Yasaları mevcut koşullar içinde temel tahminler için kullanın; hızlı değişim dönemlerinde ihlaller bekleyin. Eğilim tahmini için, dağılımları zamansal analizle birleştirin (zaman pencereleri boyunca dağılımları karşılaştırın).
Araştırma özetleri için Zipf Yasası'nda ne tür bir üstel değer beklemeliyim?
Araştırma özetleri tipik olarak 0.9–1.1 arasında Zipf üstel değerleri gösterir. Alana özgü anahtar kelimeler (nadir terimler) daha dik üstel değerler (>1.2) gösterebilir çünkü uzmanlaşmış kelime dağarcığı yoğundur. Özet türetilmiş anahtar kelime analizi genellikle tam metin analizinden daha fazla Zipf'ten sapar (özetler daha kısadır, daha az tekrarlıdır). Anahtar kelime sıklıklarını (tam metin değil) analiz ediyorsanız, 1.0–1.3 arasında üstel değerler bekleyin. Her zaman verilerinizi log-log ölçekte çizin ve uyumu inceleyin; üstel değer, bir güç yasasının uyup uymadığı kadar önemli değildir.
Kaynaklar
- Lotka, A. J. (1926). The frequency distribution of scientific productivity. Journal of the Washington Academy of Sciences, 16(12), 317–323. link ↗
- Bradford, S. C. (1934). Sources of information on specific subjects. Engineering, 137, 85–86. link ↗
- Zipf, G. K. (1949). Human Behavior and the Principle of Least Effort. Addison-Wesley. ISBN: 978-0486435466
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 4). Bibliometric Laws: Lotka's Law, Bradford's Law, and Zipf's Law. ScholarGate. https://scholargate.app/tr/bibliometrics/lotka-bradford-zipf-laws
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bibliyografik Eşleşme AnaliziBibliyometri↔ karşılaştır
- Eş-atıf AnaliziBibliyometri↔ karşılaştır
- Bilim HaritalamaBibliyometri↔ karşılaştır