This study examines the phenomenon of authors in computer science accumulating citations abnormally, potentially using deviant practices. Using the “DBLP-Citation-network” dataset, the analysis reveals patterns of self-referral and high volumes of publications, suggesting correlations between prolific practices and citations. The results prompt a critical evaluation of citation metrics, proposing future insights into possible anomalies, without generalizing across all cases.

Questo studio esamina il fenomeno degli autori nell'informatica che accumulano citazioni in modo anomalo, potenzialmente utilizzando pratiche deviate. Utilizzando il dataset "DBLP-Citation-network", l'analisi rivela pattern di auto-riferimento e volumi elevati di pubblicazioni, suggerendo correlazioni tra pratiche prolifiche e citazioni. I risultati sollecitano una valutazione critica delle metriche di citazione, proponendo approfondimenti futuri su possibili anomalie, senza generalizzare su tutti i casi.

Analisi e studio di un dataset esplorandone gruppi di citazioni

MIOT, MATTIA
2023/2024

Abstract

Questo studio esamina il fenomeno degli autori nell'informatica che accumulano citazioni in modo anomalo, potenzialmente utilizzando pratiche deviate. Utilizzando il dataset "DBLP-Citation-network", l'analisi rivela pattern di auto-riferimento e volumi elevati di pubblicazioni, suggerendo correlazioni tra pratiche prolifiche e citazioni. I risultati sollecitano una valutazione critica delle metriche di citazione, proponendo approfondimenti futuri su possibili anomalie, senza generalizzare su tutti i casi.
Analysis and study of a dataset by exploring groups of citations
This study examines the phenomenon of authors in computer science accumulating citations abnormally, potentially using deviant practices. Using the “DBLP-Citation-network” dataset, the analysis reveals patterns of self-referral and high volumes of publications, suggesting correlations between prolific practices and citations. The results prompt a critical evaluation of citation metrics, proposing future insights into possible anomalies, without generalizing across all cases.
Autorizzo consultazione esterna dell'elaborato
File in questo prodotto:
File Dimensione Formato  
Tesi_Mattia_Miot_916375.pdf

non disponibili

Dimensione 1.9 MB
Formato Adobe PDF
1.9 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14240/3861