polarforskning: en bibliometrisk underso kningpolarforskning: en bibliometrisk underso kning med sa...

Polarforskning: en bibliometrisk underso kning

med sa rskilt avseende pa hur isbrytaren ODEN bidragit till forskningens fronter 2001-2015

Rapport 2 till Polarforskningssekretariatet av Ulf Sandström v2 (2016-12-07)

Sammanfattning

Föreliggande rapport analyserar polarforskningen utifrån ett antal aspekter:

Portföljaspekten visar hur ODEN-relaterade publikationer fördelar sig över olika

forskningsfronter (kluster). Enligt den analys som presenteras i rapporten förefaller ODEN

bidra till en rimligt utspridd verksamhet med aktiviteter i olika forskningsfält som inte på

något uppseendeväckande sätt avviker från vad som kunde förväntas av ett land med

Sveriges styrka inom polarforskningsområdet. Sverige har en god specialiseringsprofil och

ODEN bygger vidare på denna genom att till 70 procent ligga i de kluster som drar till sig

flest citeringar.

Tillväxtaspekten besvarar en frågeställning som går ut på att undersöka den senaste

sjuårsperioden i relation till den föregående åttaårsperioden. Analysen visar att ODEN-

forskningen ligger i de kluster som har en god tillväxt och som visas ett allmänt ökat

kollegialt intresse.

Nyhetsaspekten handlar mera direkt om huruvida ODEN bidragit till path-breaking papers,

särskilt viktiga artiklar som bryter väg för nya forskningsinsatser inom tillväxtområden.

Analysen visar att ODEN har ledande papers i tre olika kluster.

Samarbetsaspekten ställer frågan huruvida ODEN samarbetar med viktiga organisationer

inom respektive kluster. Av analysen framgår att ODEN har samarbete med organisationer

som ligger i topp inom respektive kluster.

Inledning och frågeställningar

Föreliggande rapport har sin utgångspunkt i frågan om vilken betydelse en infrastruktur som den

tunga isbrytaren ODEN har för den svenska och internationella forskningen. Mer specifikt är denna

rapport fokuserad på följande frågeställningar:

portföljaspekten, dvs. hur fördelar sig forskning relaterad till ODEN över olika

forskningsfronter; är den koncentrerad till vissa forskningslinjer (kluster) eller täcker den en

flera aktiviteter i olika forskningsfält och hur specialiserar sig olika länder inom

polarforskningen?

tillväxtaspekten, dvs. vilka forskningslinjer har en stark tillväxt under den senaste

sjuårsperioden och hur relaterar ODEN-forskningen till dessa kluster?

nyhetsaspekten, dvs. har ODEN mera direkt bidragit till path-breaking papers, särskilt viktiga

artiklar som bryter väg för nya forskningsinsatser inom tillväxtområden?

samarbetsaspekten, dvs. vilka forskargrupper/institutioner är det som är viktiga inom dessa

forskningslinjer (kluster) och hur relaterar ODEN-forskningen till dessa?

Med ODEN-forskning avses här forskning som dokumenterat relaterar till ODEN-expeditioner.

Metod och tillvägagångssätt

Denna studie bygger på ett dataset från Web of Science tre citeringsindex, SCI-E, SSCI och A&HCI

under femtonårs perioden 2001-2015. Definitionen av polarforskning utgår från termerna arktisk och

antarktiskt med ett antal ytterligare söktermer för att täcka upp för sådant som kan gå förlorat med

dessa två huvudsakliga ”topics-termer”. De tillagda termerna vilka emanerade ur den första

sökningen med arktiska termer var följande: ”amundsen sea”, ”atmospheric circulation”,

”continental shelf”, ”marine ecosystem” (samtliga termer med trunkering). Tillsammans med

sekretariatet bedömdes att detta åtminstone hjälpligt skulle kunna representera bredden på

polarforskningen under perioden. Termerna är sådana att de medför en recall som omfattar också

artiklar som inte hör till materialet, bl a en del fysikforskning och medicinsk forskning. I och med att

studien tillämpar klustringsmetoder på basis av bibliografisk koppling mellan artiklar bör det leda till

att särskilda kluster som inte är polarforskning relativt lätt kan identifieras. I detta arbete har

sekretariatet varit behjälpliga. Det bör dock påpekas att materialet inte har utsatts för någon

ingående validitetsgranskning. Den valda metodiken, som presenteras nedan, har fått gälla som

tillräcklig för att avgöra respektive klusters relevans för polarforskningsområdet.

Genom sökprocedurerna framkom ett material om närmare 48 000 artiklar, undersökningen

begränsades till artiklar och uteslöt således översiktsartiklar (reviews) och letters, (en del artiklar är

dubbelklassade också som konferenspapers till följd av de presenterats vid konferenser och sedan

utvecklats till tidskriftsartiklar) och samtliga andra dokumentkategorier. En rapport om arktisk

forskning baserad på en Scopus-databas identifierar närmare 150 000 dokument över en något

längre tidsperiod, men då med mer oklara gränser för urvalet av tidskrifter (UArctic 2016).

Web of Science har den fördelen att den endast indexerar internationella tidskrifter med kollegial

granskning, dvs. den typ av forskning som syftar till att flytta kunskapens gränser genom att skapa ny

prövbar kunskap, och inte bara till att reproducera kunskap. Syftet är alltså inte att visa på den totala

omfattningen av den publiceringsverksamhet som relaterar till polarområdena utan att analysera

mer djupgående förändringar i kunskapsproduktionen. Detta antas kunna genomföras genom

rapportens fokus på angivna frågeställningar.

Klustring på basis av bibliografisk koppling utnyttjar referenser för att skapa kopplingar mellan

artiklar (relativ styrka beroende av antal referenser i relaterade dokument).1 Kopplingarna kan dels

läggas till grund för en visualisering av materialet, dels för en indelning av materialet i olika topics-

baserade kluster. Det handlar i korthet om att strukturera materialet i olika högar beroende på det

delområde av polarforskning som är aktuellt: från förändringar i atmosfären över inlandsisens

nedbrytning till den geologiska utvecklingen vid den södra polen. Utöver detta finns förstås ett antal

mer eller mindre specialiserade områden.

Eftersom det handlar om rätt så stora datamängder är vi hänvisade till att utnyttja olika metoder för

att sammanfatta eller karakterisera respektive kluster. När artiklarna fördelats på kluster är en första

åtgärd att ta fram ett tjugotal substantivfraser som frekvent förekommer per kluster. På basis av

dessa bör det vara möjligt att sätta en etikett på klustret, det bör vara möjligt att åtminstone på ett

ungefär förstå vilken forskningsfront som är aktuell och vad det är som kännetecknar just den

forskningsinriktningen. 2

Metoderna för citeringsanalysen, som kommer i ett avsnitt längre fram, ges i anslutning till den

redovisningen under rubriken ”Kvalitet i forskningen”.

Resultatredovisning

Hur artikelmaterialet fördelar sig över länder framgår av Tabell 1 och antal artiklar per år i Figur 1.

1 Här tillämpas SLM-algoritmen (framtagen av Waltman & van Eck 2013) med en precisionsinställning på 1.25.

2 Metoden bygger pp NLP (Natural Language Processing) och använder algortimer för att få fram mest

frekventa fraser med hjälp av TF-IDF och/eller C-value.

Tabell 1. Paper (fractions) per country (countries larger than 625 papers) 2001-2015

Källa: Web of Science (Online version), alla kluster.

Figur 1. Antal artiklar i urvalet under perioden 2001-2015

CU Papers

USA 12 573,1

CANADA 5 496,5

ENGLAND 3 183,9

NORWAY 2 819,7

GERMANY 2 646,0

PEOPLES R CHINA 2 529,4

RUSSIA 1 917,6

FRANCE 1 602,4

JAPAN 1 455,3

SWEDEN 1 192,9

AUSTRALIA 1 123,6

SPAIN 996,6

DENMARK 896,7

ITALY 784,1

FINLAND 694,0

NETHERLANDS 625,1

De mest frekventa tidskrifterna i urvalet framgår av tabell 2.

Tabell 2. Mest frekventa vetenskapliga tidskrifter (30) i urvalet.

Klusterresultatet

Efter en del smärre justeringar resulterade klustringsprocedurerna i tjugonio kluster. De förtecknas

nedan i tabell 3 med sina 20 mest frekventa substantivfraser (baserat på C-value). Som framgår av

tabellen är det flera kluster som ser ut att likna varandra t ex kluster 0, 3 och 26 vilka samtliga har ”

”atmospheric circulation” som mest frekventa term. En tolkning av detta skulle kunna vara att det är

olika inriktningar inom ramen för området ” atmospheric circulation”, den första (kluster 0) med

avseende på havens yttemperatur, den andra (kluster 3) med avseende på djupisar och den tredje

(kluster 26) med avseende på beräkningsmetoder.

Namn på vetenskaplig tidskrift Antal av SO

GEOPHYSICAL RESEARCH LETTERS 1394

JOURNAL OF GEOPHYSICAL RESEARCH-OCEANS 1363

JOURNAL OF GEOPHYSICAL RESEARCH-ATMOSPHERES 1356

JOURNAL OF CLIMATE 1143

CONTINENTAL SHELF RESEARCH 814

MARINE ECOLOGY PROGRESS SERIES 726

POLAR BIOLOGY 708

DEEP-SEA RESEARCH PART II-TOPICAL STUDIES IN OCEANOGRAPHY 663

ATMOSPHERIC CHEMISTRY AND PHYSICS 598

CLIMATE DYNAMICS 571

QUATERNARY SCIENCE REVIEWS 496

PLOS ONE 482

INTERNATIONAL JOURNAL OF CLIMATOLOGY 461

JOURNAL OF MARINE SYSTEMS 436

MARINE GEOLOGY 425

ENVIRONMENTAL SCIENCE & TECHNOLOGY 423

BIOGEOSCIENCES 379

ARCTIC 360

ESTUARINE COASTAL AND SHELF SCIENCE 359

PALAEOGEOGRAPHY PALAEOCLIMATOLOGY PALAEOECOLOGY 355

JOURNAL OF PHYSICAL OCEANOGRAPHY 327

ICES JOURNAL OF MARINE SCIENCE 314

DEEP-SEA RESEARCH PART I-OCEANOGRAPHIC RESEARCH PAPERS 302

GLOBAL CHANGE BIOLOGY 291

SCIENCE OF THE TOTAL ENVIRONMENT 280

ARCTIC ANTARCTIC AND ALPINE RESEARCH 274

EARTH AND PLANETARY SCIENCE LETTERS 259

MARINE POLLUTION BULLETIN 251

LIMNOLOGY AND OCEANOGRAPHY 249

ATMOSPHERIC ENVIRONMENT 243

Klustrens papertillväxt mellan perioder

Tabell 4 Papertillväxt per kluster mellan perioderna A (2001-2009) – B (2010-2015)samt ökning i %.

Flyttas gränsen för perioden något år bakåt förändrar det inte tillväxtanalysen nämnvärt, den

förefaller således vara relativt stabil. Mycket talar för att förändringar sker först när det sker en

avsevärd ökning (take off) i antalet artiklar ungefär vid 2010-2011.

Starkast tillväxt har kluster 15 som fokuserar på mer samhälleliga och kulturella aspekter av

klimatförändringarna, något som antyds av termer som anspelar på lokala inuit-befolkningen. Hög

tillväxt har också kluster 9 som använder lager i isens tjocklek för att studera klimatförändringar.

Kluster 17 har likaledes ett påfallande högt antal artiklar under den senare delen av perioden och

berör sådant som hur havsis, flodvatten och biologisk produktion påverkar havets CO2-system. På

motsvarande sätt kan noteras att ozon-forskningen (kluster 19) kraftigt gått tillbaka även om det kan

tänkas att delar av detta fokus övergått till kluster 16 (aerosoler).

Tittar vi med dessa glasögon närmare på hur ODEN-publiceringarna fördelar sig över kluster med hög

tillväxt finner vi den bild som framträder i tabell 5. Den genomsittliga tillväxten mellan perioderna för

KLU 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 P1 P2 Ökn P1-P2 Name

15 33 39 31 46 48 48 59 80 90 115 154 133 172 127 143 474 844 78 inuit

9 91 72 98 82 82 97 106 128 119 125 191 209 206 250 323 875 1 304 49 sea ice

17 29 33 52 57 46 59 50 91 85 81 93 102 162 120 156 502 714 42 pco

24 8 4 11 11 18 11 12 20 19 19 24 28 32 30 29 114 162 42 islandica

4 81 70 118 119 110 133 180 183 179 212 203 301 296 299 344 1 173 1 655 41 gene

16 48 78 81 49 58 47 63 54 56 105 114 120 132 126 110 534 707 32 aerosol

2 106 142 121 127 155 141 148 162 192 230 265 271 281 300 302 1 294 1 649 27 soil

0 190 195 208 227 269 252 272 267 267 343 394 409 463 496 538 2 147 2 643 23 circulation

10 46 52 78 84 109 106 128 113 110 130 152 156 178 176 211 826 1 003 21 permafrost

11 66 64 76 77 78 74 90 130 138 128 146 142 166 167 185 793 934 18 zircon

5 105 136 111 100 153 120 163 193 168 193 204 252 270 284 267 1 249 1 470 18 phytoplankton

25 8 13 22 10 7 13 10 10 12 12 18 16 26 21 26 105 119 13 collembola(springtail)

14 54 80 62 64 86 88 64 86 101 89 105 137 135 159 151 685 776 13 glacier

3 147 146 133 134 152 142 141 181 189 235 217 229 286 286 247 1 365 1 500 10 holocene

7 125 131 116 115 135 146 172 154 159 172 211 240 230 228 211 1 253 1 292 3 geese

1 135 149 189 161 202 227 249 272 290 269 318 306 317 342 374 1 874 1 926 3 species

22 15 20 29 36 23 32 17 42 19 23 39 42 50 37 46 233 237 2 krill

18 53 56 40 62 77 44 62 67 65 73 87 89 91 85 95 526 520 -1 ocean

20 51 50 47 41 56 42 52 59 55 66 77 70 60 69 64 453 406 -10 cloud

13 68 66 101 102 114 98 97 99 117 116 118 138 140 125 132 862 769 -11 mercury

8 105 114 109 145 141 136 133 153 173 164 182 166 181 207 170 1 209 1 070 -11 wave

6 99 137 134 165 147 166 165 201 176 184 155 170 230 218 218 1 390 1 175 -15 sediment

23 17 19 22 20 22 20 17 15 13 7 16 31 28 19 32 165 133 -19 thin slab

21 33 40 33 37 34 45 36 47 53 52 48 43 42 44 59 358 288 -20 lake

12 97 103 90 105 109 101 108 112 109 122 138 102 116 123 119 934 720 -23 charr

26 12 12 8 10 10 9 11 11 10 8 11 5 9 12 15 93 60 -35 rainfall

19 74 122 83 65 86 85 66 50 60 60 58 60 61 64 42 691 345 -50 ozone

27 10 13 5 3 7 15 8 5 9 3 7 6 7 3 5 75 31 -59 zoospore

hela polarmaterialet ligger på 10 % ökning och för de sex mest ODEN-frekventa klustren ligger

ökningen på cirka 20 procent. I så måtto kan vi konstatera att ODEN-publiceringarna ligger i de

kluster som har en god tillväxt och som visas ett allmänt ökat kollegialt intresse.

Tabell 5. ODEN-publiceringars fördelning över kluster, antal TOP10% och ÖKN/MINSK

Aktivitetsskillnader mellan länder

I det sammanhanget kan det vara av intresse att närmare undersöka hur olika länder specialiserar sig

inom polarforskningen. Med specialisering avses i det här fallet ungefär detsamma som hur länder

specialiserar sig för export av produkter, vissa har råvaruinriktad produktion och andra har

industriinriktad. Specialisering mäts med det vi kallar Relativt Aktivitetsindex (RAI) och anger vad vi

kan kalla var ett land har produktionsfördelar t ex till följd av tillgänglig infrastruktur, personalpolitik

etc. Resultatet av en sådan RAI-analys framgår av tabell 6.

I tabell 6 finns en rad (total) som anger värdet 1,0; ett värde som betyder att om ett land har detta

värde är publiceringarna likvärdigt fördelade över klustren med den fördelning som gäller för alla

länder. Men så är inte fallet varken här eller i de flesta andra klusteranalyser. Länder har alltid sina

specialområden där man lägger proportionerligt större andel av verksamheten. De kluster där

Sverige (tabellen är ordnad efter Sveriges fördelning från högsta till lägsta) ligger över totalraden är

de områden där vi kan säga att Sverige har någon form av specialisering och hög aktivitet. I de

områden som ligger under har Sverige relativt sett lägre aktivitet än förväntat.

Cluster Papers ODEN top10(Oden) % ODEN 1stTerm ÖKN

16 1242 59 6 18% aerosol 32

3 2867 56 4 17% holocene 10

18 1047 42 3 13% ocean -1

11 1727 38 7 11% zircon 18

4 2828 27 6 8% gene 41

14 1462 21 5 6% glacier 13

7 2545 19 3 6% geese 3

13 1632 19 1 6% mercury -11

17 1216 15 2 4% pco 42

20 859 15 3 4% cloud -10

5 2719 9 2 3% phytoplankton 18

10 1830 7 --- 2% permafrost 21

9 2179 5 --- 1% sea ice 49

21 3800 1 --- 0% lake -20

1 1036 1 --- 0% species 3

6 298 1 --- 0% sediment -15

Tabell 6. Polarforskningens RAI - länders relativa specialisering över kluster med antal ODEN-

publiceringar och antal top10%.

Anm: Blåmarkerade rutor anger resp. lands högsta relativa specialisering.

OBS! Tabellen är ordnad efter Sveriges relativa specialisering.

Tabell 6 är ordnad efter Sveriges relativa specialisering, dvs. i kluster 26 (ett förhållandevis litet

kluster inriktat på mätmetodik) har forskare med svensk adress en högre aktivitet än förväntat. Nästa

kluster i ordningen är kluster 16 med aerosolforskning i fokus. Där ligger också en stor andel av

ODENs aktiviteter. Vi ser av kolumnerna längst till höger att det finns en mycket god

överensstämmelse mellan de svenska aktiviteterna och ODENs fördelning över kluster. Det är endast

något enstaka kluster som har aktivitet i den nedre halvan, under en aktivitet på 1,0 som är lika med

den förväntade. Drygt 4/5-delar av ODENs publiceringar ligger i aktivitetsfält som har 1,0 eller högre.

Noteras kan också att Sverige, vad gäller fördelningen av aktivitet över kluster, har störst likhet med

det finländska specialiseringsmönstret.

Noterbart är även att i de fall där enstaka Odenpublikationer finns är det aldrig frågan om top10 %-

publiceringar. För att nå till en sådan forskningskvalitet krävs mer av aktivitet och synlighet.

cluster AUS CAN DEN DEU ESP FIN FRA ITA JAP NLD NOR PRC RUS SWE UK USA 1stTerm Papers ODEN TOP SWE

26 3,8 0,7 0,7 2,2 1,1 0,4 0,8 1,6 0,6 2,7 1,1 0,6 0,0 2,8 1,8 0,4 rainfall 153 --- --- 9 14

16 0,2 0,6 0,5 1,1 0,3 3,2 1,5 1,7 1,4 0,4 0,8 0,9 0,7 2,5 0,9 1,1 aerosol 1 242 59 6 80 162

12 0,7 1,5 0,5 0,2 0,9 3,1 1,0 0,3 0,7 0,7 2,9 0,4 0,3 2,4 1,1 0,6 charr 1 654 --- --- 95 136

2 0,5 0,9 2,3 0,7 0,5 3,5 0,4 0,6 0,8 1,9 1,0 0,7 0,7 2,4 1,0 1,0 soil 2 943 --- --- 184 366

29 0,0 0,2 0,8 0,6 1,5 0,0 1,4 2,2 2,3 1,8 0,0 2,7 0,0 1,5 1,2 1,2 lipase 90 --- --- 2 3

13 0,2 2,6 2,7 0,6 0,6 0,6 0,6 1,1 0,4 0,4 2,1 0,9 0,5 1,4 0,3 0,5 mercury 1 632 19 1 59 142

23 1,4 1,2 0,6 0,7 0,2 1,1 0,5 0,2 0,7 0,2 0,9 0,5 1,9 1,3 1,1 1,2 thin slab 298 1 --- 4 4

18 0,3 0,8 0,6 1,4 0,3 0,7 0,6 0,2 1,3 0,2 1,8 0,7 1,9 1,3 0,8 1,0 ocean 1 047 42 3 37 77

3 0,8 0,6 1,1 1,8 0,7 0,6 1,3 0,8 1,0 1,1 0,8 1,3 1,4 1,3 1,3 0,8 holocene 2 867 56 4 93 212

20 0,3 0,7 0,1 1,2 0,1 1,0 0,8 0,9 0,3 0,6 0,5 0,7 0,6 1,2 0,4 1,8 cloud 859 15 3 29 51

7 0,5 2,3 1,2 0,3 0,6 1,2 0,5 0,4 0,4 2,0 1,4 0,1 0,6 1,2 0,7 1,0 geese 2 545 19 3 76 134

4 1,1 1,1 1,4 1,3 1,0 1,5 0,9 1,6 1,1 0,8 1,1 1,1 1,2 1,1 0,9 0,8 gene 2 828 27 6 73 138

10 0,2 1,8 0,6 0,8 0,2 0,8 0,6 0,3 0,6 0,7 0,5 0,5 2,2 1,1 0,7 1,1 permafrost 1 830 7 --- 56 100

11 0,8 1,0 1,1 1,4 0,3 0,2 0,8 0,5 0,8 1,3 0,8 0,7 4,2 1,0 1,0 0,7 zircon 1 727 38 7 45 100

total 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0

14 1,0 0,5 0,9 1,1 0,5 0,2 0,6 1,5 0,5 1,4 1,2 0,2 0,2 0,9 3,1 1,0 glacier 1 462 21 5 34 78

21 0,2 3,2 1,4 0,5 0,5 2,8 0,3 0,3 0,1 1,2 0,4 0,3 0,7 0,9 1,2 0,6 lake 646 3 2 15 35

15 0,7 2,5 2,2 0,4 0,1 1,8 0,1 0,1 0,1 0,8 2,2 0,2 0,3 0,8 0,9 0,8 inuit 1 318 --- --- 28 46

19 0,4 0,3 0,5 3,1 0,4 0,5 1,4 1,1 1,7 0,5 0,4 0,6 0,9 0,8 1,1 1,2 ozone 1 036 1 --- 22 54

24 0,3 0,5 0,9 3,8 0,1 1,0 0,7 1,1 0,6 2,4 0,4 0,6 1,6 0,7 1,5 0,8 islandica 276 --- --- 5 8

17 1,0 0,5 1,1 1,2 1,4 0,1 0,9 0,4 1,8 1,6 0,3 1,8 0,2 0,7 0,5 1,4 pCO2 1 216 15 2 20 41

25 0,7 0,8 4,8 0,1 0,1 0,8 0,2 0,0 0,4 0,4 1,7 0,1 7,6 0,7 1,7 0,3 collembola(springtail)224 --- --- 4 8

9 0,6 0,8 0,5 1,2 0,2 0,9 0,7 0,3 1,1 0,5 0,8 0,8 1,0 0,6 1,0 1,4 sea ice 2 179 5 --- 36 61

0 0,8 0,4 0,2 1,0 1,9 0,4 1,1 1,0 1,7 0,9 0,2 3,2 0,8 0,6 0,9 1,0 circulation 4 790 --- --- 61 100

27 0,7 0,2 1,4 8,1 3,4 0,2 0,1 0,2 0,4 2,5 0,6 0,3 0,7 0,5 0,2 0,4 zoospore 106 --- --- 1 5

1 2,6 0,7 0,9 1,0 3,0 0,4 1,4 1,9 0,5 0,7 1,8 0,3 1,0 0,5 1,3 0,8 species 3 800 1 --- 39 78

5 0,8 1,0 1,4 0,9 1,0 0,3 1,2 0,8 3,1 0,6 1,5 0,6 0,9 0,3 0,6 1,0 phytoplankton 2 719 9 2 21 48

6 2,0 0,3 0,2 0,5 2,1 0,1 2,8 3,7 0,7 1,4 0,2 2,1 0,4 0,2 0,7 1,1 sediment 2 565 1 --- 13 22

8 3,0 0,2 0,3 0,4 1,9 0,0 1,6 0,9 0,7 1,1 0,3 0,8 0,4 0,1 1,3 1,6 wave 2 279 --- --- 4 8

22 5,0 0,1 0,2 0,6 0,3 0,1 0,8 1,7 0,9 0,9 0,2 0,3 0,1 0,0 2,2 1,5 krill 470 --- --- 0 4

1 116 5 438 888 2 604 981 685 1 577 769 1 424 621 2 746 2 484 1 852 1 146 3 120 12 334 46 801 339 44 1146 2235

Kvalitet i forskning

Fyra modeller har använts för att undersöka om resultatet påverkas nämnvärt av metodiken. På

aggregerad klusternivå förefaller detta inte vara fallet utan oberoende av dessa olika metoder blir

rangordningen mellan kluster ungefär densamma (korrelation mellan rangordningarna, r=0.95).

De fyra citeringsmodellerna är följande:

1) Genom att denna undersökning vilar på klustermetodiken som är ett sätt att organisera

materialet efter topics istället för tidskrifter eller tidskriftsklasser är normaliseringsfrågan ett

betydligt mindre problem än vad det brukar vara i vanliga citeringsundersökningar.

Dessutom har vi avgränsat oss till artiklar och blandar inte in andra dokumenttyper. I stort

sett skulle vi kunna nöja oss med att tidsvikta de aktuella citeringarna (Times Cited i Web of

Science) genom en enkel algoritm som också används av Harzing i hennes Publish or Perish

(vilken bygger på Sidiropoulos et al. 2007). Tidsviktningen är enkel, koefficienten är 4 och

tilldelar således en artikel från senaste året citeringar * fyra med sjunkande koefficient för

tidigare artikel, en artikel publicerad fyra år tidigare erhåller sina citeringar och tidigare

artiklar reduceras successivt enligt formeln koefficient/artikelålder.

2) Om vi detta till trots låter normalisera respektive artikel till sin tidskriftsklass och

publiceringsår kan vi använda fältnormerad citeringsgrad (NCSf).

3) En tredje variant är att utnyttja percentilgrupper och att fokusera på TOP10%. Denna modell

tar hänsyn till att modell 2 har problem med skevhet i citeringsfördelningar. Mått baserade

på percentiler har fördelen att de inte påverkas av skevheter i citeringsfördelningar. Inom

vissa vetenskapsområden kan några publikationer med ett mycket stort antal citeringar

annars dra upp medelvärdet (Seglen 1992), vilket, som sagt, kan leda till att 70 procent av

artiklarna inom området ligger under medelvärdet.

4) Den sista varianten, den s.k. percentilmodellen innebär att varje artikel rangordnas, baserat

på dess citeringar, inom respektive vetenskapsfält, vilket definieras utifrån de ämnesklasser

(cirka 260) som anges i Web of Science, och delas in i percentilgrupper (de 1 procent, 5

procent, 10 procent högst rankade och så vidare). Här har percentilindikatorn ”översatts” till

ett poängtal för varje artikel (jfr Sandström & Wold 2015), där en artikel som tillhör den mest

citerade procenten av artiklarna tilldelas 100 poäng, topp-5-procent ger 20 poäng, och så

vidare. En artikel som hör till de 50 procent minst citerade ger 1 poäng, vilket gör att en

artikel publicerad alltid ger poäng. Artikelsumman per kluster divideras med antalet artiklar i

klustret.

Delar vi in materialet i två lika delar, klustervis, får vi för samtliga fyra modeller resultatet att ODEN-

publiceringar mestadels ligger i den övre halvan, dvs. tillhör de kluster som är mest citerade mätt

med de olika metoderna. Ungefär 75 % av ODEN-relaterad forskning hör till de kluster som har högre

citeringsgrad.

Path-breaking articles

De artiklar som etablerar forskning inom ett avgränsat ämnesområde, det vi här kallar

forskningsfront och har operationaliserat till kluster, och som påverkar riktningen inom dessa fronter

är oftast koncentrerade till ett förhållandevis litet antal tidskrifter och till ett litet antal inflytelserika

författare. Deras artiklar kommer med tiden att flytta forskningsfronterna i en eller annan riktning

(trajektorier), det går att se det med blotta ögat i figur 2 där t ex kluster 11 (uppe till höger) börjar i

en ände och går i riktning uppåt men vid en tidpunkt avviker och går inåt mot klustermitten. Denna

avvikande riktning skulle kunna vara frukten av en metodinnovation eller hellre ett lån, en import,

från ett angränsande område av metoder som också är tillämpliga inom kluster 11 (zircon).

Om vi mer detaljerat hade möjlighet att följa respektive forskningsfront över tid skulle det vara

möjligt att med eventanalytiska metoder identifiera artiklar som påverkat riktningen av ett kluster. I

detta mycket begränsade projekt får vi nöja oss med andra och mer lättarbetade metoder: vi baserar

helt enkelt identifieringen på citeringsdata. I det fallet är det rimligast är att arbeta med top1 %-

artiklarna, dvs. de artiklar som på ett alldeles tydligt sätt får närmare en sjundedel av alla citeringar

inom klustren men själva endast representerar en hundradel av artiklarna (jfr. Uzzi et al. 2013).

Det är fyra ODEN-relaterade artiklar som kvalificerar för kriteriet på Top1 % i materialet, helt enligt

våra förväntningar. Tre av dessa emanerar från en och samma forskare vid Stockholms universitet –

Martin Jakobsson, geolog – och handlar i huvudsak om batymetri, dvs. havsbottnens topografi. 2008

kunde Jakobssons team (MJ var försteförfattare på dessa artiklar) presentera data som byggde på

kortare avstånd mellan mätpunkterna och alltså gav en mer preciserad bild av bottenförhållandena,

vilket i sin tur påverkar möjligheterna att göra allehanda beräkningar av t ex ishavets utbyte med

atmosfären. Typiskt är att ett dylikt metodologiskt bidrag finner sin användning inom flera kluster:

Jakobssons tre Top1 %-artiklar fördelar sig över tre olika kluster (3, 17 och 18).

Det bör inflikas att den fjärde artikeln är från 2014 och har så pass kort citeringsfönster att en analys

baserad på path breaking inte är lämplig att genomföra.

Klusterkvalitet och organisationer

Tabell 7 redovisar citeringsindikatorerna per kluster och tabellen är ordnad efter andel i TOP5%.

Kluster som ligger i toppen har en hög genomsnittlig citeringsgrad, men också en hög andel

toppubliceringar. Ser vi till ODEN-relaterade publiceringar framgår det att 70 procent av dessa ligger i

övre halvan, de kluster som har högre andel toppubliceringar än genomsnittet för samtliga kluster.

Återigen är detta ett gott betyg åt publiceringar som emanerar från samarbeten kring ODEN-

expeditioner.

Tabell 8 ger på motsvarande sätt citeringsindikatorer för organisationer som förekommer i databasen

och publicerar polarforskning. Sex svenska universitet finns representerade bland de 101 mest

frekvent förekommande organisationerna. Stockholms universitet har en ledarroll och ligger strax

bakom de tio största producenterna. Uppsala har anmärkningsvärt hög citeringsgrad.

Sammantaget gör detta att svenska universitet och organisationer har ett förhållandevis gott

underlag för att bedriva polarforskning och expeditioner.

Tabell 7. Citeringsindikatorer per kluster med antal ODEN-publiceringar längst till höger

Kluster Full P NCSj NJCS NCSf TOP1 TOP5 TOP10 TOP25 TOP50 ODEN

9 2148 1,44 1,37 2,02 5,0% 14,6% 22,9% 38,5% 62,3% 5

14 1447 1,22 1,43 1,73 3,3% 12,1% 21,1% 40,7% 67,4% 21

22 447 1,22 1,37 1,70 2,7% 11,2% 21,1% 44,1% 70,1%

16 1215 1,16 1,38 1,59 2,5% 10,9% 19,0% 42,9% 69,3% 59

18 1032 1,20 1,28 1,49 1,9% 10,9% 18,6% 39,2% 63,0% 42

17 1159 1,24 1,36 1,70 2,6% 10,5% 19,9% 43,7% 68,8% 15

13 1620 1,18 1,42 1,69 2,0% 10,3% 21,0% 43,7% 71,7% 19

2 2785 1,16 1,37 1,61 2,3% 9,7% 18,1% 37,8% 64,6%

26 151 1,34 1,23 1,55 2,4% 9,7% 20,3% 43,8% 68,7%

3 2841 1,10 1,41 1,52 1,9% 9,6% 18,8% 40,6% 69,3% 56

10 1778 1,23 1,29 1,46 1,1% 9,2% 18,1% 38,4% 65,4% 7

5 2631 1,20 1,24 1,45 1,3% 8,4% 17,4% 38,7% 66,8% 9

0 4739 1,10 1,30 1,35 2,0% 8,1% 15,3% 33,5% 59,0%

20 850 0,91 1,37 1,21 1,3% 7,3% 15,8% 32,5% 60,2% 15

4 2689 1,15 1,11 1,27 0,9% 6,5% 13,6% 32,7% 58,2% 27

1 3643 1,08 1,01 1,10 1,3% 5,4% 10,0% 25,9% 53,6%

11 1689 1,06 1,08 1,05 0,9% 5,4% 10,9% 26,9% 54,8% 38

8 2215 1,01 1,18 1,11 0,6% 5,0% 11,2% 30,7% 58,6%

21 632 1,18 1,09 1,19 0,9% 4,7% 9,7% 34,1% 66,0% 3

7 2409 1,01 1,04 1,05 0,5% 4,3% 9,3% 26,5% 55,8% 19

12 1610 1,07 0,94 1,04 0,3% 4,1% 8,8% 24,7% 54,7%

24 267 1,09 1,02 1,12 1,4% 4,0% 9,0% 28,0% 56,5%

6 2509 1,03 1,03 1,06 0,4% 3,8% 10,1% 30,0% 59,6%

19 1019 0,79 1,25 0,95 0,8% 3,8% 9,0% 26,0% 56,1%

29 90 1,05 1,07 1,27 1,9% 3,3% 11,3% 35,2% 60,5%

15 1233 1,06 0,77 0,81 0,4% 2,6% 6,3% 16,4% 39,4%

25 214 1,36 0,66 0,75 0,0% 1,9% 5,2% 17,3% 39,7%

23 289 0,46 0,36 0,19 0,0% 1,4% 1,6% 4,3% 8,6%

27 104 1,13 0,97 0,98 0,0% 0,3% 5,2% 32,3% 61,6%

Total 45455 1,12 1,20 1,33 1,6% 7,5% 14,7% 33,5% 60,5%

Tabell 8. Organisationer: antal publiceringar och citeringsgrad.

INST Full P Frac P NCSf TOP1% TOP5% TOP10% Rank CU

RUSSIAN ACAD SCI 1509 938,5 0,52 0,3% 2,2% 4,3% 1 RUSSIA

CHINESE ACAD SCI 1396 710,8 1,13 1,3% 6,1% 12,4% 2 PEOPLES R CHINA

WASHINGTON UNIV 1104 546,4 2,43 5,1% 17,7% 31,9% 3 USA

NOAA 1085 425,8 2,08 4,3% 14,3% 24,4% 4 USA

ALFRED WEGENER INST POLAR & MARINE RES1021 445,8 1,39 1,8% 6,9% 14,1% 5 GERMANY

ALASKA FAIRBANKS UNIV 984 457,2 1,51 1,9% 9,5% 18,2% 6 USA

COLORADO UNIV 980 384,8 2,27 4,4% 14,6% 26,5% 7 USA

TROMSO UNIV 941 424,1 1,11 0,3% 5,4% 11,9% 8 NORWAY

ENVIRONM CANADA 843 330,0 1,61 2,0% 10,9% 18,6% 9 CANADA

NASA 789 255,1 2,50 6,5% 16,9% 28,0% 10 USA

STOCKHOLM UNIV 759 325,8 1,40 1,6% 7,0% 18,4% 11 SWEDEN

FISHERIES & OCEANS CANADA 742 305,8 1,57 1,5% 8,3% 19,0% 12 CANADA

BERGEN UNIV 727 282,0 1,28 1,2% 8,4% 14,9% 13 NORWAY

US GEOL SURVEY 726 312,2 1,51 1,6% 9,2% 17,2% 14 USA

WOODS HOLE OCEANOG INST 671 291,1 1,82 1,7% 13,2% 24,7% 15 USA

COPENHAGEN UNIV 606 244,3 1,15 1,1% 6,0% 10,9% 16 DENMARK

OSLO UNIV 605 244,4 1,16 1,3% 5,7% 11,9% 17 NORWAY

LAVAL UNIV 576 271,2 1,50 0,9% 7,8% 19,5% 18 CANADA

ALASKA UNIV 573 257,7 1,86 2,5% 10,7% 22,3% 19 USA

OREGON STATE UNIV 562 254,2 1,64 1,3% 9,3% 20,2% 20 USA

ALBERTA UNIV 546 246,8 1,22 0,6% 5,4% 12,7% 21 CANADA

AARHUS UNIV 544 195,8 1,40 1,4% 8,3% 16,4% 22 DENMARK

BRITISH ANTARCTIC SURVEY 537 224,6 1,49 2,3% 10,2% 17,6% 23 ENGLAND

NORWEGIAN POLAR RES INST 511 153,4 1,38 1,6% 9,4% 17,8% 24 NORWAY

COLUMBIA UNIV 509 228,7 2,32 4,5% 18,9% 29,0% 25 USA

NATL CTR ATMOSPHER RES 506 184,7 3,86 12,2% 30,0% 42,8% 26 USA

CALTECH 488 171,8 2,26 5,2% 15,6% 26,3% 27 USA

QUEBEC UNIV 479 202,8 1,39 0,8% 6,1% 15,5% 28 CANADA

CNRS 462 143,8 1,33 0,8% 6,9% 13,6% 29 FRANCE

HOKKAIDO UNIV 460 210,9 1,04 0,4% 3,3% 10,5% 30 JAPAN

TORONTO UNIV 444 204,4 1,57 1,7% 10,4% 18,2% 31 CANADA

HELSINKI UNIV 428 176,4 1,12 0,5% 4,7% 10,8% 32 FINLAND

BRITISH COLUMBIA UNIV 423 202,7 1,76 1,9% 9,8% 20,5% 33 CANADA

MANITOBA UNIV 404 177,1 1,21 1,5% 6,1% 13,7% 34 CANADA

MCGILL UNIV 403 208,3 1,29 0,8% 7,4% 14,5% 35 CANADA

CSIC 396 176,1 1,32 1,9% 7,6% 14,8% 36 SPAIN

INST MARINE RES 386 170,7 1,51 2,3% 11,0% 18,0% 37 NORWAY

CALIF SAN DIEGO UNIV 386 157,5 1,81 2,5% 13,8% 24,3% 38 USA

PARIS 06 UNIV 382 128,6 1,45 0,7% 7,1% 17,0% 39 FRANCE

TOKYO UNIV 366 140,1 1,14 1,3% 6,0% 10,8% 40 JAPAN

DALHOUSIE UNIV 365 165,1 1,39 1,1% 7,4% 15,0% 41 CANADA

BREMEN UNIV 355 138,7 1,30 0,3% 5,1% 15,5% 42 GERMANY

POLISH ACAD SCI 344 167,4 0,83 0,2% 2,8% 7,0% 43 POLAND

CARLETON UNIV 343 148,8 1,23 0,8% 8,4% 12,9% 44 CANADA

GOTHENBURG UNIV 338 136,7 1,05 0,2% 3,8% 10,0% 45 SWEDEN

HAMBURG UNIV 337 152,9 1,32 1,1% 7,1% 12,8% 46 GERMANY

CAMBRIDGE UNIV 334 128,8 1,31 2,5% 7,5% 17,0% 47 ENGLAND

WISCONSIN UNIV 323 137,9 1,82 3,5% 9,5% 22,3% 48 USA

VICTORIA UNIV 323 141,8 1,23 0,7% 5,4% 14,2% 49 CANADA

LUND UNIV 320 116,9 1,27 2,0% 10,2% 15,7% 50 SWEDEN

RUTGERS STATE UNIV 316 138,9 1,90 4,9% 11,2% 18,3% 51 USA

MARYLAND UNIV 308 114,6 1,89 2,2% 12,3% 22,8% 52 USA

QUEENS UNIV 297 149,2 1,44 1,2% 6,0% 12,3% 53 CANADA

CNR 294 124,1 0,88 0,4% 3,8% 8,7% 54 ITALY

UPPSALA UNIV 293 117,5 1,40 2,0% 7,4% 14,4% 55 SWEDEN

MOSCOW MV LOMONOSOV STATE UNIV 292 135,4 0,59 0,4% 2,3% 4,4% 56 RUSSIA

GEOL SURVEY CANADA 291 129,5 1,09 0,5% 3,8% 11,1% 57 CANADA

IFREMER 281 107,9 1,26 0,2% 3,9% 10,9% 58 FRANCE

CTR SVALBARD UNIV 279 89,7 1,07 0,4% 4,8% 9,8% 59 NORWAY

USN 278 110,5 1,37 0,8% 8,6% 16,1% 60 USA

OCEAN UNIV CHINA 278 151,3 0,76 0,3% 3,2% 6,3% 61 PEOPLES R CHINA

TEXAS A&M UNIV 277 126,1 1,47 0,4% 8,3% 19,2% 62 USA

KIEL UNIV 268 100,5 1,54 1,4% 10,5% 18,6% 63 GERMANY

UTRECHT UNIV 258 93,0 1,52 1,7% 11,7% 23,7% 64 NETHERLANDS

WATERLOO UNIV 257 104,0 1,27 1,1% 6,4% 12,1% 65 CANADA

JAPAN AGCY MARINE EARTH SCI & TECHNOL250 93,3 1,32 2,8% 8,6% 14,1% 66 JAPAN

FINNISH METEOROL INST 250 80,4 1,10 0,8% 3,3% 10,9% 67 FINLAND

PENN STATE UNIV 248 106,2 1,80 2,2% 8,4% 18,4% 68 USA

E ANGLIA UNIV 246 91,8 2,22 6,4% 14,7% 20,0% 69 ENGLAND

NORWEGIAN UNIV SCI & TECHNOL 245 93,5 1,02 0,4% 5,5% 9,5% 70 NORWAY

UMEA UNIV 240 111,6 1,17 0,7% 4,3% 9,7% 71 SWEDEN

UCL 235 93,7 1,93 4,7% 12,4% 21,3% 72 ENGLAND

OHIO STATE UNIV 235 102,5 1,93 2,2% 14,7% 25,5% 73 USA

MIAMI UNIV 235 99,9 1,68 2,1% 11,4% 20,3% 74 USA

BRISTOL UNIV 235 86,7 1,67 1,8% 14,1% 25,3% 75 ENGLAND

SASKATCHEWAN UNIV 234 108,1 1,13 0,3% 5,0% 11,8% 76 CANADA

NORWEGIAN INST NAT RES 234 90,1 1,17 1,0% 6,1% 9,2% 77 NORWAY

CALIF SANTA CRUZ UNIV 234 90,7 2,03 2,8% 14,8% 25,7% 78 USA

LEEDS UNIV 233 74,9 1,35 2,1% 7,6% 15,9% 79 ENGLAND

BERN UNIV 233 90,2 1,73 4,5% 14,1% 22,5% 80 SWITZERLAND

TASMANIA UNIV 232 100,2 1,39 1,1% 8,5% 17,6% 81 AUSTRALIA

MAINE UNIV 230 98,2 1,27 0,9% 5,2% 12,6% 82 USA

SOUTHAMPTON UNIV 229 82,4 1,75 4,3% 14,0% 19,4% 83 ENGLAND

MEM UNIV NEWFOUNDLAND 228 124,4 1,02 1,0% 5,3% 9,5% 84 CANADA

READING UNIV 227 106,2 1,96 6,2% 20,5% 28,2% 85 ENGLAND

DELAWARE UNIV 227 107,5 1,53 1,1% 8,3% 18,1% 86 USA

STATE OCEAN ADM 226 103,3 0,70 0,4% 3,3% 9,2% 87 PEOPLES R CHINA

MASSACHUSETTS UNIV 225 90,1 1,96 3,6% 10,7% 20,5% 88 USA

SHEFFIELD UNIV 224 74,0 1,54 2,5% 9,9% 17,9% 89 ENGLAND

OTTAWA UNIV 223 102,4 1,26 0,4% 4,3% 12,8% 90 CANADA

CALIF BERKELEY UNIV 219 76,2 1,95 2,1% 17,1% 23,8% 91 USA

STANFORD UNIV 217 92,1 2,63 8,1% 25,7% 37,2% 92 USA

OXFORD UNIV 216 77,0 1,52 2,0% 12,6% 17,4% 93 ENGLAND

COLORADO STATE UNIV 212 87,2 2,34 5,3% 18,8% 30,4% 94 USA

ICELAND UNIV 208 72,6 1,09 0,5% 5,3% 13,0% 95 ICELAND

MAX PLANCK INST METEOROL 207 81,0 2,01 2,5% 14,7% 27,4% 96 GERMANY

N CAROLINA UNIV 206 97,7 1,17 0,3% 3,9% 10,7% 97 USA

ETH 206 76,0 1,73 1,8% 11,2% 21,0% 98 SWITZERLAND

ABERDEEN UNIV 206 80,8 1,24 0,5% 6,4% 14,6% 99 SCOTLAND

LOUISIANA STATE UNIV 205 104,4 1,32 1,3% 5,8% 15,7% 100 USA

SWEDISH UNIV AGR SCI 204 81,7 1,18 1,6% 4,1% 9,2% 101 SWEDEN

Total 45455 45455 1,33 1,6% 7,5% 14,7% 0 0

Samarbetspartners – potentiella och aktuella

Vilka samarbetar ODEN-forskarna med och vilka borde de samarbeta med? Frågan låter sig gärna

ställas men svaret är allt annat än självklart. Samarbetsrelationer är mestadels oerhört känsliga

frågor, för att inte säga finkänsliga och det gör att det är alldeles för svårt att komma med förslag.

Däremot kan samarbetsmönstret naturligtvis studeras och det går rimligen att dra någon eller några

slutsatser om det mönstret.

Till följd av att det i många fall är frågan om artiklar med förhållandevis många samarbetspartners är

det, vad gäller ODEN-relaterade publikationer, kanske inte frågan om att efterfråga särskilt mycket

mer av samarbete utan att titta närmare på kvaliteten hos de som utgör mer frekventa

samarbetspartners. I de kluster där ODEN-publikationer är mer vanligt förekommande, dvs. där det

inte är frågan om några få eller enstaka, går det kontrollera huruvida samarbeten rör sig med

organisationer som brukar prestera bra publikationer.

Tabell 9 nedan visar en sådan analys där det för respektive kluster har identifierats ett antal

organisationer som har en god publiceringsfrekvens och en hög andel Top5 %-publikationer. För

kluster 3 där ODEN har 56 publikationer under perioden återfinns två samarbetspartners bland de

organisationer som har den högsta frekvensen och citeringsgraden.

Fortsätter vi till de andra klustren där ODEN har ett antal publikationer återfinns samma mönster,

forskarna har samarbete med minst en topporganisation per kluster, kluster 4 undantaget.

Slutsatsen av denna översiktliga analys är att samarbetsmönstret ser mycket bra ut.

Tabell 10 och 11 gör en sammanställning av de mest frekventa och framträdanden organisationerna

per kluster baserat på fraktionaliserade publikationer (tabell 10) och på percentilpoäng (tabell 11).

Svenska organisationer är markerade med rött.

Tabell 9. Samarbetsanalys per kluster (färgmarkering för att visa kluster)

Kluster INST Koll Full P Frac P NCSf TOP1% TOP5% TOP10%

3 COLUMBIA UNIV 67 19,9 2,72 5,7% 25,7% 37,4%

3 MASSACHUSETTS UNIV 71 23,8 2,51 3,5% 21,2% 41,0%

3 AARHUS UNIV 59 18,6 1,82 1,8% 16,9% 28,4%

3 COLORADO UNIV COLORADO UNIV 107 41,8 2,21 3,8% 16,6% 34,7%

3 BERN UNIV 90 33,0 1,91 6,0% 16,0% 26,8%

3 BERGEN UNIV BERGEN UNIV 103 37,9 1,77 2,4% 14,2% 26,4%

3 COPENHAGEN UNIV 78 21,7 1,48 2,3% 12,1% 15,2%

3 BREMEN UNIV 78 29,7 1,77 0,8% 12,0% 29,0%

3 WASHINGTON UNIV 50 20,0 2,07 1,7% 12,0% 26,7%

3 US GEOL SURVEY 79 25,9 1,87 1,9% 10,6% 32,9%

3 TROMSO UNIV 77 37,8 1,28 0,6% 10,3% 18,9%

4 VIENNA UNIV 50 18,3 2,66 5,1% 29,3% 32,6%

4 LAVAL UNIV 62 34,4 2,45 2,9% 21,0% 44,7%

4 BRITISH COLUMBIA UNIV 61 35,6 2,03 0,8% 14,1% 28,3%

4 MAX PLANCK INST MARINE MICROBIOL 52 24,7 1,96 2,0% 12,6% 27,5%

4 WASHINGTON UNIV 51 29,7 1,99 1,7% 11,8% 21,2%

4 CSIC 34 14,0 1,48 0,0% 11,5% 32,0%

4 ALFRED WEGENER INST POLAR & MARINE RES 36 16,1 2,17 3,1% 11,1% 31,2%

4 TROMSO UNIV 55 21,1 1,33 0,9% 10,5% 16,1%

4 PARIS 06 UNIV 32 11,0 1,70 0,0% 10,3% 30,8%

7 GRONINGEN UNIV 73 26,7 1,38 2,4% 11,9% 13,6%

11 CALGARY UNIV 28 12,1 1,59 0,0% 15,8% 28,4%

11 WOODS HOLE OCEANOG INSTWOODS HOLE OCEANOG INST 26 9,2 1,78 0,0% 15,5% 23,7%

11 CHINA UNIV GEOSCI 29 12,3 1,98 4,1% 12,4% 25,1%

11 GEOL SURVEY NORWAY 34 11,9 1,09 0,0% 10,2% 16,8%

11 UTRECHT UNIV 41 15,8 1,62 0,2% 10,0% 35,8%

14 UTRECHT UNIV 39 11,1 3,19 7,9% 39,8% 55,8%

14 COLUMBIA UNIV 50 25,3 2,96 9,7% 27,4% 42,1%

14 WASHINGTON UNIV 63 24,6 2,84 6,1% 25,4% 34,9%

14 CALTECH 60 25,6 3,55 10,8% 23,3% 37,7%


14 BRISTOL UNIV 63 23,2 1,93 3,7% 19,5% 27,0%

14 CAMBRIDGE UNIV 90 33,0 1,89 5,6% 16,0% 32,1%

14 DURHAM UNIV 87 34,1 1,87 1,9% 14,3% 25,9%

14 TROMSO UNIV 38 22,5 1,58 0,0% 13,1% 30,9%


16 NOAA 81 19,6 2,67 5,1% 28,3% 41,8%

16 NASA 116 25,8 3,03 9,8% 22,2% 31,6%


16 WASHINGTON UNIV 52 25,1 1,90 1,0% 18,4% 35,7%

16 CALIF IRVINE UNIV 45 12,5 2,72 7,6% 14,9% 26,2%

16 GEORGIA INST TECHNOL 49 13,0 1,39 0,6% 13,8% 16,7%

16 NATL CTR ATMOSPHER RES 79 20,9 2,29 4,1% 13,1% 22,7%

18 INST OCEAN SCI 46 18,5 2,14 0,0% 23,2% 33,5%

18 WOODS HOLE OCEANOG INSTWOODS HOLE OCEANOG INST 105 47,8 2,10 1,9% 23,0% 37,3%

18 WASHINGTON UNIV 94 39,0 3,02 8,7% 22,8% 41,6%

18 ALASKA FAIRBANKS UNIV 63 20,7 2,18 6,1% 22,5% 28,2%

18 JAPAN AGCY MARINE EARTH SCI & TECHNOL 38 16,7 1,77 3,0% 18,4% 21,1%

18 FISHERIES & OCEANS CANADAFISHERIES & OCEANS CANADA 61 25,1 1,81 1,7% 15,8% 33,7%


18 NATL OCEANOG CTR 34 11,5 1,87 3,5% 15,1% 26,1%

18 BERGEN UNIV BERGEN UNIV 96 36,6 1,47 1,4% 12,1% 17,8%

18 INST MARINE RES 35 13,1 1,72 0,0% 11,6% 26,0%

18 BJERKNES CTR CLIMATE RES 54 15,4 1,34 0,0% 10,9% 19,4%

18 HAMBURG UNIV 36 18,4 1,84 5,4% 10,4% 15,6%

20 OHIO STATE UNIV OHIO STATE UNIV 24 14,9 2,54 0,0% 28,0% 56,0%

20 PACIFIC NW NATL LAB 43 16,3 2,03 1,6% 19,9% 40,2%

20 NATL CTR ATMOSPHER RES 53 16,2 2,92 9,4% 17,6% 46,2%

20 NOAA 117 36,4 1,96 0,9% 17,2% 31,8%

20 ILLINOIS UNIV 35 12,8 2,05 0,5% 15,5% 36,3%

20 CALTECH 23 6,3 2,07 5,8% 13,8% 32,6%

20 WISCONSIN UNIV 79 33,9 1,83 5,3% 10,4% 27,7%

Referenser

Asknes, D. et al. (2016). Arctic Research Publication Trends: A Pilot Study. UArctic (August) 2016.

https://www.elsevier.com/__data/assets/pdf_file/0017/204353/Arctic-Research-Publication-Trends-

August-2016.pdf (assessed 2016-10-15).

Rousseau R. (2005) Median and percentile impact factors: A set of new indicators. Scientometrics 63

(3): 431-441 DOI: 10.1007/s11192-005-0223-1.

Sandström U. (2009). Bibliometric Evaluation of Research Programs: A Study of Scientific Quality.

Naturvårdsverkets rapportserie. Report 6321 December 2009.

Sandström, U. & A. Wold (2015). “Centres of Excellence: reward for gender or top-level research?”.

In (Eds.) Bjorkman & Fjaestad, Thinking Ahead: Research, Funding and the Future. Stockholm,

Makadam Publ. pp. 69-91

Seglen, P. (1992), The Skewness of Science, Journal of the American Society for Information Science,

43: 628-638.

Sidiropoulos, A., Katsaros, D. & Manolopoulos, Y. (2007) Generalized Hirsch h-index for disclosing

latent facts in citation networks. Scientometrics 72: 253. doi:10.1007/s11192-007-1722-z.

Uzzi B, Mukherjee S, Stringer M, Jones B (2013). Atypical combinations and scientific impact. Science

342 (Oct 25): 468 72.

Waltman L. & van Eck, J.N. (2013). A smart local moving algorithm for large-scale modularity-based

community detection. EUROPEAN PHYSICAL JOURNAL B 86 (11) Article Number: 471 Published:

NOV 13 2013.

https://www.elsevier.com/__data/assets/pdf_file/0017/204353/Arctic-Research-Publication-Trends-August-2016.pdf

https://www.elsevier.com/__data/assets/pdf_file/0017/204353/Arctic-Research-Publication-Trends-August-2016.pdf

polarforskning: en bibliometrisk underso kningpolarforskning: en bibliometrisk underso kning med sa...

Documents