SciELO - Scientific Electronic Library Online

 
vol.30 issue68Growth of Literature on Bradford's LawA case study of knowledge organization patterns within Curricular Information Systems author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Investigación bibliotecológica

On-line version ISSN 2448-8321Print version ISSN 0187-358X

Investig. bibl vol.30 n.68 México Jan./Apr. 2016

http://dx.doi.org/10.1016/j.ibbai.2016.02.004 

Artículos

¿Se ajustan las ventanas fijas de citación a las velocidades de maduración del impacto de las revistas científicas?

Do fixed citation windows match impact maturation rates of scientific journals?

María Isabel Dorta González* 

Pablo Dorta González** 

* Universidad de La Laguna, Tenerife, España. isadorta@ull.es

** Universidad de Las Palmas de Gran Canaria, Gran Canaria, España. pdorta@dmc.ulpgc.es

RESUMEN

Los distintos campos científicos presentan prácticas de citación diferentes. Por ello, los indicadores bibliométricos basados en citas necesitan ser normalizados para permitir comparaciones entre campos. En este trabajo se analizan más de 600 revistas de ocho categorías JCR . Los resultados obtenidos indican que la velocidad de maduración del impacto varía considerablemente de una categoría a otra. El tiempo transcurrido hasta que la distribución de citas alcanza su máximo oscila entre 2 y 5 años, de ahí que el comienzo y finalización de la ventana de citación tengan un efecto determinante sobre el factor de impacto. Algunas revistas son penalizadas por el factor de impacto a 2 años y favorecidas por el de 5 años, y viceversa. Sin embargo, existen factores de impacto con ventanas variables de citación que producen, en términos generales, medidas de tendencia central más próximas.

Palabras clave Evaluación de revistas; Indicador bibliométrico; Análisis de citas; Factor de impacto de revistas; Ventana de citación; Tiempo de maduración del impacto.

ABSTRACT

Scientific fields employ distinct citation practices. As such, bibliometric indicators based on citations need to be standardized to allow comparisons between fields. This paper examines more than six hundred journals in eight JCR categories. Results indicate that impact maturation rates vary considerably from one category to another. The time elapsed until the citation distribution reaches a maximum oscillates between two and five years; hence the opening and closing of the citation window is crucial to the impact factor. Some journals are penalized by the two-year impact factor and benefited by the five-year impact factor, and the reverse situation was also found. Nonetheless, there are impact factors of variable citation windows that produce closer measures of central tendency.

Keywords Journals Assessment; Bibliometric Indicator; Citations Analysis; Journal Impact Factor; Citation Window; Impact Maturity Time

Introducción

Durante décadas se ha aceptado el factor de impacto (FI) de las revistas como un indicador válido para su evaluación. Sin embargo, cada vez hay más argumentos en contra del uso del factor de impacto como único criterio de comparación (Waltman y Van Eck, 2013).

El factor de impacto a 2 años, publicado por Thomson Reuters en el Journal Citation Reports (JCR ), es el número medio de referencias a cada revista en el año actual con respecto a los ítems citables publicados en esa revista durante los 2 años previos (Garfield, 1972). Desde su formulación se han criticado algunas decisiones arbitrarias, como la definición de "ítems citables", el hecho de centrarse exclusivamente en los 2 años previos, etc. (Bensman, 2007; Moed et al. , 2012), dando lugar a diversas modificaciones (Althouse et al. , 2009; Bornmann y Daniel, 2008). Como respuesta, Thomson Reuters incorporó en 2007 tres indicadores que emplean una ventana de citación de 5 años: el factor de impacto a 5 años, el eigenfactor score y el article influence score (Bergstrom, 2007). Sin embargo, no existen diferencias significativas entre los rankings de revistas que emplean 2 y 5 años (Leydesdorff, 2009), si bien en muchos casos los impactos obtenidos usando 5 años son mayores a los que se obtienen con 2 años (Rousseau, 2009).

Estos indicadores son útiles para comparar revistas del mismo campo; sin embargo, no lo son al comparar revistas de diferentes campos científicos. Este problema procede de la evaluación institucional, ya que en los centros de investigación trabajan, con frecuencia, científicos con formaciones muy diversas (Leydesdorff y Bornmann, 2011; Van Raan et al. , 2010; Wagner et al. , 2011). Los diferentes hábitos de publicación y citación provocan que sea necesario normalizar los indicadores bibliométricos basados en citas antes de comparar las revistas.

Existen patrones estadísticos que permiten la normalización del factor de impacto. Garfield (1979) propone el término potencial de citación , basado en el número promedio de referencias, para justificar las diferencias sistemáticas entre los campos científicos. En biomedicina, por ejemplo, son comunes los listados con más de 50 referencias, mientras que en matemáticas el estándar está por debajo de 20 referencias (Dorta González y Dorta-González, 2013a). Estas diferencias son consecuencia de los diversos hábitos de citación y afectan la probabilidad de ser citado. El promedio de referencias se ha empleado frecuentemente en la literatura para justificar las diferencias entre campos (Leydesdorff y Bornmann, 2011; Moed, 2010; Zitt y Small, 2008). Sin embargo, el número promedio de referencias no se encuentra entre las variables que explican en mayor medida la varianza del factor de impacto (Dorta-González y Dorta-González, 2014). Por ello, es necesario considerar algunas otras fuentes de varianza en el proceso de normalización, como el crecimiento del campo, el ratio de referencias a revistas JCR , el ratio de referencias JCR a la ventana de citación y la proporción entre documentos citantes y citados. Dadas estas importantes diferencias en las prácticas de citación, es una cuestión prioritaria el desarrollo de indicadores bibliométricos que permitan comparaciones significativas entre campos científicos (Waltman y Van Eck, 2013).

Tradicionalmente, la normalización de las diferencias entre campos se ha basado en algún sistema de clasificación de revistas. En esta aproximación, cada publicación pertenece a uno o más grupos, y el impacto se calcula de forma relativa a las otras publicaciones del mismo grupo. La mayor parte de los esfuerzos para clasificar revistas en campos científicos se ha centrado en las correlaciones entre los patrones de citación. Este es el caso, por ejemplo, de las categorías de revistas JCR. En este sentido, Egghe y Rousseau (2002) proponen el factor de impacto agregado , que considera todas las revistas de una categoría como una única meta-revista. Sin embargo, el campo de muchas revistas es difícil de determinar con precisión, y algunas de ellas se asignan a dos o más categorías. Además, la delimitación de los campos científicos, o sus especialidades, es un problema no resuelto en bibliometría, ya que estas delimitaciones son difusas en cada momento y se desarrollan dinámicamente en el tiempo. Por esta razón, la clasificación de un sistema dinámico en términos de categorías fijas puede llevar a error, porque el sistema de clasificación se define según el histórico, mientras que la dinámica de la ciencia es evolutiva (Leydesdorff, 2012: 359).

Se ha propuesto recientemente la idea de normalización por la fuente, que ofrece un enfoque alternativo a la normalización por el campo. En esta aproximación, la normalización se realiza con base en las revistas citantes. La calidad de una revista es un concepto complejo, multidimensional, difícil de ser recogido en una sola métrica (Moed et al. , 2012: 368). Esto ha provocado la aparición de muchos indicadores, tales como el factor de impacto con recuento fraccional (Leydesdorff y Bornmann, 2011), el factor de audiencia (Zitt y Small, 2008), el factor de impacto normalizado por la fuente (Moed, 2010), el factor de impacto normalizado por el tópico (Dorta-González et al. , 2014), el SJR del grupo Scimago (González-Pereira, Guerrero-Bote y Moya-Anegón, 2009) y el índice de área central (Egghe, 2013; Dorta González y Dorta-González, 2010,2011), por citar algunos de ellos. Sin embargo, aunque todos estos indicadores tienen utilidad, ninguno recoge adecuadamente las diferencias en relación con la velocidad de maduración del impacto.

Como se mencionó, en la literatura al respecto se han considerado factores de impacto con ventana de citación fija (de entre 2 y 5 años). Hasta donde alcanza nuestro conocimiento, no existen trabajos donde se analicen indicadores en los que la variable sea el año de comienzo y finalización de dicha ventana de citas. De esta forma, el objetivo principal de este trabajo es estudiar cómo afecta el año de comienzo y finalización de la ventana de citación sobre el indicador de impacto, para lo cual se comparan los factores de impacto de 2 y 5 años (que emplean ventanas fijas) con otros obtenidos para ventanas variables.

El propósito que se persigue con esta nueva metodología es recoger las diferencias entre campos, ajustando el año de comienzo y la amplitud de la ventana de citación a la velocidad de maduración de las citas en cada campo. Para ello, se presenta una aplicación empírica con 600 revistas de 8 categorías JCR y se comparan entre sí 5 indicadores.

Ventana de citación y velocidad de maduración del impacto

Un indicador de impacto para revistas es una medida del número de veces que los artículos publicados en cierto periodo censal citan los artículos publicados durante alguna ventana de citación previa. La velocidad de maduración del impacto de una revista está relacionada con el tiempo que transcurre desde la publicación de un volumen de la misma hasta el año en que su distribución de citas alcanza el máximo.

Ventanas de citación de 2 y 5 años

El factor de impacto a 2 años de Thomson Reuters considera un periodo censal de un año y usa los 2 años previos como ventana de citación. Como un promedio, este indicador se basa en dos elementos: el numerador, que es el número de citas en el año actual a ítems publicados en una revista en los 2 años previos, y el denominador, que es el número de ítems citables publicados en esos dos mismos años (Garfield, 1972). Los ítems publicados incluyen los ítems citables, pero también editoriales, noticias, correcciones, etc. De forma similar, el factor de impacto a 5 años considera un periodo censal de un año y usa los 5 años previos como ventana de citación.

Si NArti t es el número de ítems citables en el año t de la revista i y NCiti t, t−j el número de veces en el año t que los volúmenes del año t-j de la revista i son citados, se define el factor de impacto a n años, para el año t de la revista i , como:

De forma particular se tienen los factores de impacto a 2 y 5 años:

y

El potencial de citación es una fuente de varianza en el factor de impacto a n años. Este potencial depende del campo científico y está determinado por la frecuencia y la rapidez con la que los autores citan otros trabajos, además de la profundidad con la que dicho campo está cubierto por la base de datos considerada. De esta forma, el potencial de citación es una medida de la actualidad y popularidad del campo (Moed et al. , 2012). Los campos más populares tienden a atraer a muchos autores con un interés compartido, por lo que los desarrollos en estos campos avanzan rápidamente. Los artículos se publican en un número limitado de revistas de gran visibilidad y los autores tienden a citar los trabajos más recientes de sus colegas. Estos campos suelen tener un factor de impacto a 2 años mucho más alto (Moed et al. , 2012).

De esta manera, no existe un valor de n óptimo para todas las revistas y campos. En algunos casos, con 2 años se obtiene una buena medida del impacto, pero en otros son necesarios 3 o más años.

Ventana de citación de 3 años

El indicador de impacto de Elsevier Scopus considera también un periodo censal de un año, aunque usa los 3 años previos como ventana de citación. El numerador es el número de citas en el año actual a los ítems publicados en una revista en los 3 años previos, y el denominador es el número de ítems que han pasado revisión por pares (artículos, revisiones y actas de congresos) y han sido publicados en ese mismo lapso. Sin embargo, esta ventana de citación intermedia no es una solución al problema, ya que en algunos casos el máximo de la distribución de citas se alcanza antes de los 3 años, mientras que en otros casos dicho máximo se alcanza mucho después.

Ventana de citación completa

Además de la varianza dentro de cada año, la varianza interanual se puede reducir usando todas las citas, es decir, empleando la ventana de citación completa en lugar de aquella con los últimos n años. Sin embargo, este modelo no mejora al que emplea la ventana de los n años previos (Leydesdorff y Bornmann, 2011: 228).

Ventana de citación con año de comienzo y amplitud variables

Un indicador de impacto para revistas es, como ya dijimos, una medida del número de veces que los artículos publicados en cierto periodo censal citan los artículos publicados durante alguna ventana de citación previa. Sin embargo, la amplitud óptima de la ventana de citación puede variar tanto entre campos como con el tiempo. Por tanto, a pesar de que durante décadas se han considerado ventanas de citación fijas, no hay evidencias en la literatura que justifiquen su idoneidad con respecto a las ventanas de citación variable.

Un problema que no ha sido resuelto adecuadamente en bibliometría es la correcta delimitación entre campos o especialidades, debido a que dichas delimitaciones son difusas en cada momento y se desarrollan dinámicamente en el tiempo. Por esta razón no es recomendable seleccionar una ventana de citación en relación con la categoría temática de la revista.

Los investigadores, en aquellos campos en los que el impacto madura más rápidamente, hacen un "consumo" inmediato de la producción científica, esto es, una rápida difusión y citación. Esto sucede, por ejemplo, en biomedicina y ciencias de la computación. Por el contrario, el "consumo" de la producción científica es más lento en los campos donde el impacto madura más lentamente, como en matemáticas y economía.

No existe un tiempo de maduración óptimo que sea válido para todas las revistas. La elección de una ventana de citación variable, en lugar de una fija de 2, 3 o 5 años, se basa en la evidencia empírica de que en muchos campos las citas no han alcanzado aún su valor máximo transcurridos 2 años, mientras que en otros campos dicho máximo se alcanza mucho antes de los 5 años. Por lo tanto, la aplicación de una ventana variable es el compromiso óptimo para que aquellos campos en los que el impacto madura lentamente puedan alcanzar sus citas máximas, sin penalizar aquellos otros en los que el impacto madura con mayor rapidez.

La Figura 1 muestra la distribución de citas de cuatro revistas diferentes. Las revistas A y C pertenecen a un campo en el que el impacto madura rápidamente, mientras que las revistas B y D pertenecen a un campo en el que el impacto madura lentamente. Dado que el número de citas es el numerador en la fórmula de impacto, si todas ellas tienen el mismo tamaño (han publicado el mismo número de artículos en los últimos años), entonces A tiene mayor impacto que C y B tiene mayor impacto que D . Sin embargo, ¿qué revistas tienen mayor impacto: A o B, C o D ?

Figura 1 Distribución de citas para revistas en campos de impacto rápido (A con mayor impacto que C) y lento (B con mayor impacto que D). 

Definimos el factor de impacto con ventana de comienzo en j y finalización en k , para el año t de la revista i , como:

Por simplicidad emplearemos la notación FI j,k , entendiendo que la revista y el año están fijados. Por ejemplo, FI 3,4 representa el factor de impacto con ventana de comienzo en 3 y finalización en 4, esto es, considerando las citas a artículos de entre 3 y 4 años de antigüedad. En la Figura 1 pueden observarse varios factores de impacto con diferentes comienzo y finalización en la ventana de citación. Obsérvese que FI 1,2 y FI 1,5 coinciden con los factores de impacto a 2 y 5 años de Thomson Reuters.

Definimos el tiempo de maduración del impacto en el año t de una revista i como el número de años que transcurren desde t hasta aquél en el que se alcanza el impacto máximo. En la Figura 1 se observa cómo el tiempo de maduración del impacto de las revistas A y C es de 2 años, mientras que el tiempo de maduración del impacto de las revistas B y D es de 6 años. La velocidad de maduración del impacto es, por tanto, muy superior en el caso de las revistas A y C .

Métodos y materiales

En la aplicación empírica estudiamos que la ventana de citación, para el indicador de impacto, produce una distribución de datos más próxima entre campos científicos en relación con sus medidas de centralidad y variabilidad.

Los datos bibliométricos utilizados se han obtenido de la versión online del Journal Citation Reports (JCR ) de 2011, durante la primera semana de noviembre de 2012. La base de datos JCR está gestionada por Thomson Reuters (Philadelphia, USA) y se encuentra disponible en www.webofscience.com. En el JCR , los expertos de Thomson Reuters asignan las revistas a una o más categorías de acuerdo con las revistas citantes y citadas. Dichas categorías se consideran como campos o especialidades de la ciencia.

En el análisis comparativo hemos considerado aleatoriamente una categoría de revista de cada uno de los 8 clusters obtenidos por Dorta González y Dorta-González (2013a,b). Esto se ha hecho en orden de obtener revistas con diferencias significativas en los hábitos de publicación y citación. En los trabajos mencionados se analizaron todas las categorías temáticas en los índices de revistas Science Citation Index Expanded y Social Science Citation Index . De entre los 8 clusters identificados, 6 incluyen un número significativo de categorías. Dos de ellos son considerablemente amplios, con más del 25 % de las categorías cada uno de ellos, que incluyen las ciencias físicas y de la vida (matemáticas, física, química, ingeniería y biomedicina). Los 2 clusters siguientes contienen aquellas áreas de ciencias sociales que usan en menor medida los métodos matemáticos (educación, sociología, lengua y derecho). Finalmente, los 2 últimos clusters incluyen, en general, las ciencias de la vida con un componente social más importante, y aquellas ciencias sociales que usan en mayor medida métodos matemáticos (psicología, economía y empresa).

En este trabajo se ha considerado un total de 618 revistas. Las categorías y el número de revistas son: Astronomy & Astrophysics (56); Biology (85); Ecology (134); Engineering, Aerospace (27); History & Philosophy of Science (56); Mathematics, Interdisciplinary Applications (92); Medicine, Research & Experimental (112); Multidisciplinary Sciences (56).

Resultados y discusión

La Tabla 1 incluye una muestra de 24 revistas, seleccionadas aleatoriamente de entre las más citadas en las 8 categorías JCR . Esta tabla contiene las citas en el año 2011 de ítems y el número de publicaciones en el periodo 2006-2010. Nótese las importantes diferencias en el número de publicaciones y en las citas entre las revistas y los campos. Esta varianza en los datos incide de manera directa en la variabilidad de los factores de impacto. En particular, se observa un incremento exponencial en el número de publicaciones en PLOS ONE y reducciones lineales en ANN NY ACAD SCI y LIFE SCI .

Tabla 1 Muestra de 24 revistas seleccionadas aleatoriamente de entre las más citadas de su categoría JCR. 

Categoría Número de citas Número de publicaciones
Título abreviado JCR 2010 2009 2008 2007 2006 2010 2009 2008 2007 2006
AIAA J EA 239 354 474 418 467 275 286 301 311 356
AM NAT E 663 1.052 1.028 1.159 1.003 171 192 190 197 179
ANN NY ACAD SCI MS 2.505 3.382 3.827 2.947 3.193 702 1.164 975 1.034 1.415
ASTRON ASTROPHYS A&A 8.657 8.330 6.992 7.174 6.270 1.916 1.787 1.789 1.977 1.935
ASTROPHYS J A&A 14.641 17.267 12.160 11.738 10.412 2.501 2.796 2.128 2.848 2.707
BIOL PHILOS H&PS 66 29 39 59 49 39 40 36 35 28
BIOMETRIKA B 103 203 222 246 225 79 81 75 74 79
BRIT J PHILOS SCI H&PS 27 41 59 38 45 31 31 32 32 28
ECOLOGY E 1.292 2.073 2.317 2.227 2.237 357 337 345 317 333
ECONOMETRICA MIA 136 239 228 326 373 65 61 47 51 53
EXP HEMATOL MR&E 308 485 627 644 570 127 146 172 214 194
FASEB J B 2.348 2.633 2.845 2.655 3.200 462 410 412 388 486
HIST SCI H&PS 9 15 12 12 10 17 19 14 17 16
IEEE T AERO ELEC SYS EA 124 163 216 270 302 136 126 128 133 117
J ECONOMETRICS MIA 156 165 435 541 448 139 99 161 176 124
J GUID CONTROL DYNAM EA 151 213 261 268 208 187 200 183 203 177
LIFE SCI MR&E 538 675 883 1.364 1.919 228 252 289 498 702
P NATL ACAD SCI USA MS 31.558 41.331 39.642 38.547 35.707 3.764 3.765 3.508 3.494 3.306
P ROY SOC A-MATH PHY MS 397 346 323 453 359 183 194 175 197 196
PHYS REV D A&A 13.330 12.498 11.508 8.183 7.528 2.854 2.813 2.863 2.268 2.375
PLOS ONE B 22.741 22.780 15.676 7.041 765 6.722 4.403 2.717 1.230 137
STRUCT EQU MODELING MIA 99 193 98 308 374 31 31 30 29 28
TRENDS ECOL EVOL E 965 1.476 1.527 1.468 1.594 75 80 92 89 78
VACCINE MR&E 3.729 4.702 3.787 3.536 3.182 1.105 1.134 905 1.046 928

Categorías JCR: A&A, Astronomy & Astrophysics; B, Biology; E, Ecology; EA, Engineering, Aerospace; H&PS, History & Philosophy of Science; MIA, Mathematics, Interdisciplinary Applications; MR&E, Medicine, Research & Experimental; MS, Multidisciplinary Sciences.

La Tabla 2 muestra, para las revistas consideradas, algunos factores de impacto variando el año de comienzo y final de la ventana de citación. La velocidad de maduración del impacto varía considerablemente de una categoría a otra. El número de años transcurridos hasta que la distribución de citas alcanza su máximo oscila entre 2 y 5 años. Obsérvese también la amplitud en el intervalo de variación para cada indicador. El FI1,2 varía entre 0.667 y 15.748, por ejemplo.

Tabla 2 Efecto de la ventana de citación en el factor de impacto 

Título abreviado Categoría FI 1,2 FI 2,3 FI 3,4 FI 4,5 FI 1,5 Maduración del impacto
AIAA J EA 1.057 1.411 1.458 1.327 1.277 4
AM NAT E 4.725 5.445 5.651 5.750 5.280 5
ANN NY ACAD SCI MS 3.155 3.370 3.372 2.507 2.997 4
ASTRON ASTROPHYS A&A 4.587 4.285 3.762 3.437 3.979 2
ASTROPHYS J A&A 6.024 5.976 4.803 3.987 5.102 2
BIOL PHILOS H&PS 1.203 0.895 1.380 1.714 1.360 5
BIOMETRIKA B 1.913 2.724 3.141 3.078 2.575 4
BRIT J PHILOS SCI H&PS 1.097 1.587 1.516 1.383 1.364 3
ECOLOGY E 4.849 6.437 6.864 6.868 6.007 5
ECONOMETRICA MIA 2.976 4.324 5.653 6.721 4.700 5
EXP HEMATOL MR&E 2.905 3.497 3.293 2.975 3.088 3
FASEB J B 5.712 6.664 6.875 6.699 6.340 4
HIST SCI H&PS 0.667 0.818 0.774 0.667 0.699 3
IEEE T AERO ELEC SYS EA 1.095 1.492 1.862 2.288 1.680 5
J ECONOMETRICS MIA 1.349 2.308 2.896 3.297 2.496 5
J GUID CONTROL DYNAM EA 0.941 1.238 1.370 1.253 1.159 4
LIFE SCI MR&E 2.527 2.880 2.855 2.736 2.732 3
P NATL ACAD SCI USA MS 9.681 11.133 11.167 10.920 10.472 4
P ROY SOC A-MATH PHY MS 1.971 1.813 2.086 2.066 1.987 4
PHYS REV D A&A 4.558 4.229 3.838 3.384 4.027 2
PLOS ONE B 4.092 5.401 5.756 5.710 4.537 4
STRUCT EQU MODELING MIA 4.710 4.770 6.881 11.965 7.195 5
TRENDS ECOL EVOL E 15.748 17.459 16.547 18.335 16.981 5
VACCINE MR&E 3.766 4.163 3.753 3.403 3.700 3

Maduración del impacto: año en el que la distribución de citas alcanza su máximo. Categorías JCR: A&A, Astronomy & Astrophysics; B, Biology; E, Ecology; EA, Engineering, Aerospace; H&PS, History & Philosophy of Science; MIA, Mathematics, Interdisciplinary Applications; MR&E, Medicine, Research & Experimental; MS, Multidisciplinary Sciences.

La Tabla 3 proporciona el coeficiente de correlación de Pearson para todos los pares de indicadores considerados con ventana de 2 años, tanto para las categorías de revistas como para los datos agregados, en la muestra de 618 revistas de 8 categorías JCR . El patrón general que se observa en esta tabla es una fuerte correlación, con la mayor parte de los coeficientes por encima de 0.90. Sin embargo, se debe ser cauto a la hora de sacar conclusiones de las correlaciones presentadas en esta tabla. Los diferentes indicadores tienen distribuciones sesgadas, con muchas revistas con valores relativamente bajos, y sólo un pequeño número de revistas con valores altos. Estas distribuciones sesgadas muy frecuentemente dan lugar a correlaciones de Pearson altas.

Tabla 3 Correlaciones de Pearson para rankings con ventana de citación de 2 años. 

Categoría JCR Núm. Revistas FI 2,3 FI 3,4 FI 4,5
Astronomy& Astrophysics 56 FI 1,2 0.96 0.93 0.92
FI 2,3 0.94 0.91
FI 3,4 0.88
Biology 85 FI 1,2 0.98 0.93 0.94
FI 2,3 0.98 0.96
FI 3,4 0.98
Ecology 134 FI 1,2 0.99 0.98 0.97
FI 2,3 0.98 0.95
FI 3,4 0.97
Engineering,Aerospace 27 FI 1,2 0.95 0.83 0.83
FI 2,3 0.91 0.90
FI 3,4 0.98
History& Philosophyof Science 56 FI 1,2 0.89 0.82 0.85
FI 2,3 0.93 0.83
FI 3,4 0.92
Mathematics,InterdisciplinaryApplications 92 FI 1,2 0.91 0.81 0.77
FI 2,3 0.92 0.82
FI 3,4 0.90
Medicine,Research& Experimental 112 FI 1,2 0.90 0.80 0.76
FI 2,3 0.94 0.89
FI 3,4 0.96
MultidisciplinarySciences 56 FI 1,2 0.96 0.91 0.91
FI 2,3 0.97 0.94
FI 3,4 0.94
Total 618 FI 1,2 0.97 0.93 0.91
FI 2,3 0.97 0.94
FI 3,4 0.96

En la Tabla 4 se muestra el número de revistas en las que el factor de impacto alcanza el valor máximo dentro de cada ventana de citación de 2 años. Nótese que no hay un tiempo de maduración del impacto óptimo para todos los campos. En algunos casos se obtiene una buena medida del impacto con 2 años, pero en otros casos son necesarios 3 o más años. Obsérvese que el impacto madura rápidamente en Astronomy & Astrophysics (2 años), seguido por Medicine, Research & Experimental (3 años). Sin embargo, el impacto madura lentamente en Ecology y en Mathematics, Interdisciplinary Applications (5 años). El resto de los campos están en una situación intermedia (de 4 a 5 años).

Tabla 4 Número de revistas con maduración de impacto dentro de la ventana de citación 

Categoría JCR Núm. Revistas FI 1,2 FI 2,3 FI 3,4 FI 4,5
Astronomy & Astrophysics 56 2239.3% 1730.4% 1119.6% 610.7%
Biology 85 1315.3% 2529.4% 2832.9% 1922.4%
Ecology 134 75.2% 3123.1% 4130.6% 5541.0%
Engineering, Aerospace 27 414.8% 725.9% 829.6% 829.6%
History & Philosophy of Science 56 1221.4% 1628.6% 1221.4% 1628.6%
Mathematics, Interdisciplinary Applications 92 1010.9% 2223.9% 2223.9% 3841.3%
Medicine, Research & Experimental 112 2219.6% 4641.1% 2219.6% 2219.6%
Multidisciplinary Sciences 56 1323.2% 1425.0% 1832.1% 1119.6%
Total 618 10316.7% 17828.8% 16226.2% 17528.3%

Finalmente, la Tabla 5 muestra las medidas de tendencia central y de variabilidad para las 8 categorías JCR analizadas. Todos los indicadores presentan distribuciones sesgadas, siendo muchas las revistas con valores relativamente bajos del indicador, y sólo unas pocas con valores altos. Esta es la razón por la que las medianas de las distribuciones están muy por debajo de las medias en todos los casos analizados. Obsérvense las grandes diferencias en las medianas, las medias y las desviaciones estándar entre las categorías. Como caso particular, la media es cuatro veces la mediana en Multidisciplinary Sciences, con la mayor desviación estándar. En términos generales, parece que FI 3,4 produce las medianas más próximas.

Tabla 5 Medidas de tendencia central y de variabilidad 

Categoría JCR Medida FI 1,2 FI 2,3 FI 3,4 FI 4,5 FI 1,5
Astronomy& Astrophysics Mediana 1.683 1.874 1.679 1.600 1.757
Media 3.070 3.407 3.551 2.868 3.180
Sd 4.292 5.563 5.597 4.931 4.803
Biology Mediana 1.540 1.505 1.553 1.624 1.719
Media 2.097 2.341 2.346 2.500 2.374
Sd 2.115 2.293 2.488 2.897 2.390
Ecology Mediana 1.829 2.343 2.421 2.425 2.250
Media 2.643 3.168 3.292 3.530 3.122
Sd 2.681 3.056 2.858 3.444 2.871
Engineering,Aerospace Mediana 0.549 0.623 0.737 0.672 0.654
Media 0.680 0.799 0.869 0.885 0.833
Sd 0.605 0.762 0.787 0.880 0.727
History& Philosophyof Science Mediana 0.442 0.446 0.500 0.588 0.553
Media 0.580 0.659 0.682 0.735 0.725
Sd 0.603 0.694 0.642 0.672 0.632
Mathematics,InterdisciplinaryApplications Mediana 0.893 1.079 1.230 1.132 1.131
Media 1.108 1.291 1.435 1.593 1.394
Sd 0.771 0.884 1.087 1.662 1.033
Medicine,Research& Experimental Mediana 2.297 2.376 2.320 2.274 2.418
Media 3.033 3.476 3.121 3.291 3.337
Sd 3.290 3.979 3.943 4.197 3.635
MultidisciplinarySciences Mediana 0.510 0.571 0.828 0.650 0.789
Media 2.313 2.461 2.471 2.521 2.866
Sd 6.419 7.003 6.918 6.823 7.231

Sd: desviación estándar

CONCLUSIONES

Los resultados obtenidos indican que los años de comienzo y finalización de la ventana de citación tienen un efecto determinante sobre el factor de impacto. Las categorías de revistas analizadas en este trabajo son muy diferentes. Los años transcurridos hasta que la distribución de citas alcanza su máximo oscilan entre 2 y 5, por lo que la velocidad de maduración del impacto varía considerablemente de una categoría a otra. Algunas revistas son penalizadas por el factor de impacto a 2 años y favorecidas por el de 5 años, y viceversa. Esta es la razón por la que se debe ser cauto al comparar factores de impacto de revistas de campos diferentes. Sin embargo, existen factores de impacto con ventanas variables que producen, en términos generales, medidas de tendencia central más próximas.

Respecto a la pregunta de investigación (¿se ajustan las ventanas fijas de citación a las distintas velocidades de maduración del impacto de las revistas científicas?), los resultados obtenidos indican que las ventanas de citación de comienzo y finalización fijos que han sido empleadas en la literatura no se ajustan a las diferentes velocidades de maduración del impacto de las revistas científicas, favoreciendo a algunas de ellas y penalizando a otras. Por tanto, es necesario adoptar algún tipo de ventana variable de citación de comienzo y finalización ajustados al campo de investigación.

REFERENCIAS

Althouse et al., 2009 B.M. Althouse, J.D. West, C.T. Bergstrom, T. Bergstrom. “Differences in impact factor across fields and over time”. en Journal of the American Society for Information Science and Technology. 2009; 60:pp.27-34. [ Links ]

Bensman, 2007 S.J. Bensman. Garfield and the impact factor. en Annual Review of Information Science and Technology. 2007; 41:pp.93-155. [ Links ]

Bergstrom, 2007 C. Bergstrom. “Eigenfactor: Measuring the value and prestige of scholarly journals”. en College and Research Libraries News. 2007; 68:pp.314-314. [ Links ]

Bornmann y Daniel, 2008 L. Bornmann, H.D. Daniel. “What do citation counts measure? A review of studies on citing behavior”. en Journal of Documentation. 2008; 64:pp.45-80. [ Links ]

Dorta-González y Dorta-González, 2014 M.I. Dorta-González, P. Dorta-González. “Factor de impacto agregado según campos científicos”. en Investigación Bibliotecológica. 2014; 28:pp.15-28. [ Links ]

Dorta González y Dorta-González, 2010 P. Dorta González, M.I. Dorta-González. “Indicador bibliométrico basado en el índice h”. en Revista Española de Documentación Científica. 2010; 33:pp.225-245. [ Links ]

Dorta González y Dorta-González, 2011 P. Dorta González, M.I. Dorta-González. “Central indexes to the citation distribution: A complement to the h-index”. en Scientometrics. 2011; 88:pp.729-745. [ Links ]

Dorta González y Dorta-González, 2013a P. Dorta González, M.I. Dorta-González. “Comparing journals from different fields of science and social science through a JCR subject categories normalized impact factor”. en Scientometrics. 2013; 95:pp.645-672. [ Links ]

Dorta González y Dorta-González, 2013b P. Dorta González, M.I. Dorta-González. “Hábitos de publicación y citación según campos científicos: Principales diferencias a partir de las revistas JCR”. en Revista Española de Documentación Científica. 2013; 36: en012 [ Links ]

Dorta-González et al., 2014 P. Dorta-González, M.I. Dorta-González, D.R. Santos-Peñate, R. Suárez-Vega. “Journal topic citation potential and between-field comparisons: The topic normalized impact factor”. en Journal of Informetrics. 2014; 8:pp.406-418. [ Links ]

Egghe, 2013 L. Egghe. “Theoretical justification of the central area indices and the central interval indices”. en Scientometrics. 2013; 95:pp.25-34. [ Links ]

Egghe y Rousseau, 2002 L. Egghe, R. Rousseau. “A general framework for relative impact indicators”. en Canadian Journal of Information and Library Science. 2002; 27:pp.29-48. [ Links ]

Garfield, 1972 E. Garfield. “Citation analysis as a tool in journal evaluation”. en Science. 1972; 178:pp.471-479. [ Links ]

Garfield, 1979 E. Garfield. “Is citation analysis a legitimate evaluation tool?”. en Scientometrics. 1979; 1:pp.359-375. [ Links ]

González-Pereira et al., 2009 B. González-Pereira, V.P. Guerrero-Bote, F. Moya-Anegón. “The sjr indicator: A new indicator of journals’ scientific prestige”. en Journal of Informetrics. 2009; 4:pp.379-391. [ Links ]

Leydesdorff, 2009 L. Leydesdorff. “How are new citation-based journal indicators adding to the bibliometric toolbox?”. en Journal of the American Society for Information Science and Technology. 2009; 60:pp.1327-1336. [ Links ]

Leydesdorff, 2012 L. Leydesdorff. “Alternatives to the journal impact factor: I3 and the top-10% (or top-25%?) of the most-highly cited papers”. en Scientometrics. 2012; 92:pp.355-365. [ Links ]

Leydesdorff y Bornmann, 2011 L. Leydesdorff, Bornmann. “How fractional counting of citations affects the Impact Factor: Normalization in terms of differences in citation potentials among fields of science”. en Journal of the American Society for Information Science and Technology. 2011; 62:pp.217-229. [ Links ]

Moed, 2010 H.F. Moed. “Measuring contextual citation impact of scientific journals”. en Journal of Informetrics. 2010; 4:pp.265-277. [ Links ]

Moed et al., 2012 H.F. Moed, L. Colledge, J. Reedijk, F. Moya-Anegon, V. Guerrero-Bote, A. Plume, M. Amin. “Citation-based metrics are appropriate tools in journal assessment provided that they are accurate and used in an informed way”. en Scientometrics. 2012; 92:pp.367-376. [ Links ]

Rousseau, 2009 R. Rousseau. “What does the Web of Science five-year synchronous impact factor have to offer?”. en Chinese Journal of Library and Information Science. 2009; 2:pp.1-7 [ Links ]

Van Raan et al., 2010 A.F.J. Van Raan, T.N. Van Leeuwen, M.S. Visser, N.J. Van Eck, L. Waltman. “Rivals for the crown: Reply to Opthof and Leydesdorff”. en Journal of Informetrics. 2010; 4:pp.431-435. [ Links ]

Wagner et al., 2011 C. Wagner, J.D. Roessner, K. Bobb, J. Klein, K. Boyack, J. Keyton, I. Rafols, K. Börner. “Approaches to understanding and measuring interdisciplinary scientific research (idr): A review of the literature”. en Journal of Informetrics. 2011; 5:pp.14-26. [ Links ]

Waltman y Van Eck, 2013 L. Waltman, N.J. Van Eck. “Source normalized indicators of citation impact: an overview of different approaches and an empirical comparison”. en Scientometrics. 2013; 96:pp.699-716. [ Links ]

Zitt y Small, 2008 M. Zitt, H. Small. “Modifying the journal impact factor by fractional citation weighting: The audience factor”. en Journal of the American Society for Information Science and Technology. 2008; 59:pp.1856-1860. [ Links ]

Bibliografía recomendada

Frandsen y Rousseau, 2005 T.F. Frandsen, R. Rousseau. “Article impact calculated over arbitrary periods”. en Journal of the American Society for Information Science and Technology. 2005; 56:pp.58-62. [ Links ]

1Para citar este artículo como revista electrónica: Dorta González, María Isabel y Pablo Dorta González. 2016. "¿Se ajustan las ventanas fijas de citación a las velocidades de maduración del impacto de las revistas científicas?". Investigación Bibliotecológica: Archivonomía, Bibliotecología e Información. 68: 73-89. Aquí se agrega la dirección electrónica (Consultado el día-mes-año)

2Para citar este artículo tomado de un servicio de información: Dorta González, María Isabel y Pablo Dorta González. 2016. "¿Se ajustan las ventanas fijas de citación a las velocidades de maduración del impacto de las revistas científicas?". Investigación Bibliotecológica: Archivonomía, Bibliotecología e Información. 68: 73-89. En: Aquí se agrega el nombre del servicio de información y la dirección electrónica (Consultado el día-mes-año)

Recibido: 01 de Noviembre de 2013; Aprobado: 09 de Marzo de 2015

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons