چکیده:
هدف: بررسی چهار قانون معروف در حوزه کتابسنجی و علمسنجی (لوتکا، برادفورد، زیپف، و پرتو) از زاویه دستهبندی دادههای آنها براساس توزیع فراوانی. روش/ رویکرد پژوهش: روش سندی- تحلیلی. با بررسی دادههای مرتبط با قواعد چهارگانه علمسنجی بهدستهبندی دادهها براساس توزیع فراوانی آنها پرداخته است. یافتهها: شکل اولیه دادهها در این چهار توزیع، حاوی رتبه هر موجودیت، فراوانی ویژگی مورد مطالعه، و مقدار فراوانی مطلق آن ویژگی در آن موجودیت است. در هریک از این قوانین، موجودیتها براساس میزان فراوانی در ویژگی مورد نظر به چند دسته تقسیم میشوند: پرتو (2 دسته)، برادفورد (3 دسته)، لوتکا (به تعداد حداکثر فراوانی)، و زیپف (به تعداد واژگان متن). نتیجهگیری: نتایج مربوط به نحوه دستهبندی موجودیتها و تعیین تعداد موجودیتهای درون هر دسته حاکی از آن است که تفاوت بین فراوانی دستهها تابع یک توزیع مشخص است. قوانین چهارگانه را میتوان برای دستهبندی موجودیتهای مختلف براساس ویژگیهای متعدد تعمیم داد.
خلاصه ماشینی:
در هر یک از این قوانین موجودیتها براساس میزان فراوانی در ویژگی مورد نظر به چند دسته تقسیم میشوند پرتو (۲) (دسته برادفورد (۳) دسته) لوتکا به تعداد حداکثر فراوانی و زیپف به تعداد واژگان متننتیجه گیری: نتایج مربوط به نحوه دسته بندی موجودیتها و تعیین تعداد موجودیتهای درون هر دسته حاکی از آن است که تفاوت بین فراوانی دستهها تابع یک توزیع مشخص است قوانین چهارگانه را میتوان برای دسته بندی موجودیتهای مختلف براساس ویژگی های متعدد تعمیم داد کلید واژه ها .
قانون لوتکا، قانون ،برادفورد قانون ،زیپف قانون ،پرتو توزیع ،آماری، قانون ،توانی علم سنجی قوانین تجربی دوره بیست و هفتم شماره اول بهار ۱۳۹۵ مقدمه ویژگیهای مشترک قوانین تجربی معروف در علم سنجی: نگاهی از زاویه دسته بندی دادهها بر اساس توزیع فراوانی محمد توکلی زاده راوری فرامرز سهیلی تاریخ دریافت: ۹۳/۱۱/۱۴ تاریخ پذیرش: ٩٤/٠٤/٣١ کشف قواعد توزیعات یا قوانین از اساسی ترین زیربناهای توسعه حوزه های سنجشی است (هود و ویلسون ، (۲۰۰۱ و بخش بزرگی از مطالعات علم سنجی به توزیع فراوانی موجودیت های علمی و روابط میان آنها می پردازد موجودیتهای علمی به متغیرهایی اطلاق می شود که به گونه ای با علم و فناوری در ارتباط هستند مدارک و منابع علمی و فنی، همراه با اطلاعات کتابشناختی و سایر فراداده های مرتبط با آنها را می توان موجودیتهای علمی و فنی نامید.
از این رو مقاله حاضر با هدف مطالعه ویژگی های مشترک قوانین تجربی معروف در علم سنجی از زاویه دسته بندی موجودیتهای علمی براساس توزیع فراوانی تدوین شده است.
Power law distributions in information science: Making the case for logarithmic binning.