Авторские ключевые слова и редакторские термины в реферативной базе данных: статистический анализ различий

Авторские ключевые слова (КС), в отличие от терминов, присвоенных профессиональными индексаторами, не регулируются нормативными документами и не контролируются с помощью специальных словарей. Цель исследования — выявление статистических различий между массивами КС: присвоенных авторами, с одной стороны, и редакторами реферативной базы данных Всероссийского института научной и технической информации (ВИНИТИ) — с другой. Предполагается, что подтверждение и понимание этих различий может оказаться полезным для более рационального использования КС, полученных из различных источников, в поисковых системах и при библиометрических исследованиях. Впервые выполнен сравнительный анализ количественных показателей новизны и лексического разнообразия авторских и редакторских КС, а также сравнение мер включения авторских и редакторских КС в другие элементы метаданных на нескольких независимых тематических выборках. Методологической основой исследования является обобщение — выделение и количественный анализ общих признаков, присущих изучаемым массивам данных. Эмпирическую базу исследования составили пять независимых статистических выборок объемом от 10,40 до 18,97 тыс. статей. Тематика выборок соответствовала пяти рубрикам Государственного рубрикатора научно-технической информации (ГРНТИ): «52. Горное дело; 53. Металлургия; 55. Машиностроение; 61. Химическая технология. Химическая промышленность; 73. Транспорт». Отбирались русскоязычные статьи, загруженные в реферативную базу данных ВИНИТИ в 2021–2024 гг. и одновременно имеющие следующие непустые элементы метаданных: заглавие, авторские КС, авторскую аннотацию, редакторские КС и реферат, специально подготовленный для этой базы данных. Для каждой выборки и по отдельности для авторских и редакторских КС были получены точечные статистические оценки выделенных общих признаков: лексического разнообразия, новизны и включенности КС в другие элементы метаданных. Во всех пяти тематических коллекциях наблюдались одинаковые статистические различия авторских и редакторских КС: мера лексического разнообразия авторских КС выше, чем редакторских; коэффициент новизны у авторских КС выше, чем у редакторских КС, а у авторских аннотаций выше, чем у рефератов; мера включения авторских КС в заглавие статьи ниже, по сравнению с аналогичным показателем для редакторских терминов. Повторение выявленных различий в пяти независимых тематических выборках, соответствующих случайно выбранным областям знаний, позволяет говорить о статистической устойчивости этих различий. Лексика авторских КС более изменчива во времени по сравнению с более стабильной лексикой редакторских КС, что может быть полезно для оперативного выявления новой терминологии и фронтиров науки. В отличие от редакторских, авторские КС не могут самостоятельно выражать основные темы и понятия документа, так как являются дополнением к терминам, которые можно извлечь из заглавий публикаций. 

1. Singh P., Singh V.K., Kanaujia A. Exploring the publication metadata fields in Web of Science, Scopus and Dimensions: Possibilities and ease of doing scientometric analysis. Journal of Scientometric Research. 2024;13(3):715-731. https://doi.org/10.5530/jscires.20041144

2. Stapleton S.C., Dinsmore C.S., Van Kleec D., Ma X. Computer-assisted indexing complements manual selection of subject terms for metadata in specialized collections. College & Research Libraries. 2021;82(6):792-807. https://doi.org/10.5860/crl.82.6.792

3. Gbur E.E., Trumbo B.E. Key words and phrases – the key to scholarly visibility and efficiency in an information explosion. The American Statistician. 1995;49(1):29-33. https://doi.org/10.1080/00031305.1995.10476108

4. Uddin S., Khan A. The impact of author-selected keywords on citation counts. Journal of Informetrics. 2016;10(4):1166-1177. https://doi.org/10.1016/j.joi.2016.10.004

5. Peset F., Garzón-Farinós F., González L.M., et al. Survival analysis of author keywords: An application to the library and information sciences area. Journal of the Association for Information Science and Technology. 2020;71(4):462-473. https://doi.org/10.1002/asi.24248

6. Hjørland B. Indexing: Concepts and theory. Knowledge Organization. 2018;45(7):609-639. https://doi.org/10.5771/0943-7444-2018-7-609

7. Golub K. Automated subject indexing: An overview. Cataloging & Classification Quarterly. 2021;59(8):702-719. https://doi.org/10.1080/01639374.2021.2012311

8. Tripathi M., Kumar S., Sonker S.K., Babbar P. Occurrence of author keywords and keywords plus in social sciences and humanities research: A preliminary study. COLLNET Journal of Scientometrics and Information Management. 2018;12(2):215-232. https://doi.org/10.1080/09737766.2018.1436951

9. Cobo M.J., López-Herrera A.G., Herrera-Viedma E., Herrera F. An approach for detecting, quantifying, and visualizing the evolution of a research field: A practical application to the Fuzzy Sets Theory field. Journal of Informetrics. 2011;5(1):146-166. https://doi.org/10.1016/j.joi.2010.10.002

10. Wei R.-Z., Liu X.-Y., Lyu P.-H. Bibliometrics of public administration research hotspots: Topic keywords, author keywords, keywords plus analysis. Heliyon. 2024;10(21):e39352. https://doi.org/10.1016/j.heliyon.2024.e39352

11. Chen Y.-N., Ke H.-R. A study on mental models of taggers and experts for article indexing based on analysis of keyword usage. Journal of the Association for Information Science and Technology. 2014;65(8):1675-1694. https://doi.org/10.1002/asi.23077

12. Lu W., Li X., Liu Z., Cheng Q. How do author-selected keywords function semantically in scientific manuscripts? Knowledge Organization. 2019;46(6):403-418. https://doi.org/10.5771/0943-7444-2019-6-402

13. Lu W., Liu Z., Huang Y., et al. How do authors select keywords? A preliminary study of author keyword selection behavior. Journal of Informetrics. 2020;14(4):101066. https://doi.org/10.1016/j.joi.2020.101066

14. Дубинина Е.Ю. Выделение ключевых слов текста научной статьи в процессе создания автоматического реферата. Вестник Воронежского государственного университета. Серия: Филология. Журналистика. 2020;(1):26-28. URL: http://www.vestnik.vsu.ru/pdf/phylolog/2020/01/2020-01-06.pdf

15. Dubinina E.Yu. Selection of keywords in a scientific article in the process of creating an automatic abstract. Proceedings of Voronezh State University. Series: Philology. Journalism. 2020;(1):26-28. (In Russ.). URL: http://www.vestnik.vsu.ru/pdf/phylolog/2020/01/2020-01-06.pdf

16. Yang J., Liu Z., Cheng X., Ye G. Understanding the keyword adoption behavior patterns of researchers from a functional structure perspective. Scientometrics. 2024;129(6):3359-3384. https://doi.org/10.1007/s11192-024-05031-1

17. Gil-Leiva I., Alonso-Arroyo A. Keywords given by authors of scientific articles in database descriptors. Journal of the American Society for Information Science and Technology. 2007;58(8):1175-1187. https://doi.org/10.1002/asi.20595

18. Zhang J., Yu Q., Zheng F., et al. Comparing keywords plus of WOS and author keywords: A case study of patient adherence research. Journal of the Association for Information Science and Technology. 2016;67(4):967-972. https://doi.org/10.1002/asi.23437

19. Акоев М.А. Картирование науки и технологии, прогноз развития. Руководство по наукометрии: индикаторы развития науки и технологии. Екатеринбург: Изд-во Уральского университета; 2014:164-184. https://doi.org/10.15826/B978-5-7996-1352-5.0007

20. Akoev M.A. Mapping science and technology, forecasting research and development. In: Handbook for Scientometrics: Indicators of Science and Technology Development. Ekaterinburg: Ural University Publ.; 2014:164-184. (In Russ.). https://doi.org/10.15826/B978-5-7996-1352-5.0007

21. Yang S., Han R., Wolfram D., Zhao Y. Visualizing the intellectual structure of information science (2006-2015): Introducing author keyword coupling analysis. Journal of Informetrics. 2016;10(1):132-150. https://doi.org/10.1016/j.joi.2015.12.003

22. Lu W., Huang S., Yang J., et al. Detecting research topic trends by author-defined keyword frequency. Information Processing & Management. 2021;58(4):102594. https://doi.org/10.1016/j.ipm.2021.102594

23. González L.M., García-Massó X., Pardo-Ibañez A., Peset F., Devís-Devís J. An author keyword analysis for mapping Sport Sciences. PloS ONE. 2018;13(8):e0201435. https://doi.org/10.1371/journal.pone.0201435

24. Pearson W.S. Research topics in applied linguistics as keywords from authors and keywords from abstracts: A bibliometric study. In: Meihami H., Esfandiari R., eds. A Scientometrics Research Perspective in Applied Linguistics. Cham: Springer; 2024:113-134. https://doi.org/10.1007/978-3-031-51726-6_5

25. Gao J., Wang X. Exploring research hotspots and trends in the field of intelligent diagnosis and treatment from a bibliometric perspective: A comprehensive analysis of Citespace and VOSviewer. In: Proc. 2024 5th Int. Symp. on Artificial Intelligence for Medicine Science (ISAIMS 2024). (Amsterdam, August 13-17, 2024). New York, NY: Association for Computing Machinery; 2024:108-113. https://doi.org/10.1145/3706890.3706908

26. Song C., Chen K., Jin Y., Chen L., Huang Z. Visual analysis of research hotspots and trends in traditional Chinese medicine for depression in the 21st century: A bibliometric study based on citespace and VOSviewer. Heliyon. 2025;11(1):e39785. https://doi.org/10.1016/j.heliyon.2024.e39785

27. Nabilah N., Nakamo S.J., Mwakapemba M.L. Mapping the evolution of research themes on ChatGPT integration in education: Thematic and novelty keywords. Elementaria: Journal of Educational Research. 2025;3(1):34-44. https://doi.org/10.61166/elm.v3i1.90

28. Malvern D., Richards B., Chipere N., Durán P. Lexical Diversity and Language Development. London: Palgrave Macmillan; 2004. 253 p. https://doi.org/10.1057/9780230511804

29. McCarthy P.M., Jarvis S. MTLD, vocd-D, and HD-D: A validation study of sophisticated approaches to lexical diversity assessment. Behavior Research Methods. 2010;42(2):381-392. https://doi.org/10.3758/BRM.42.2.381

30. Powell J., Klein M., Balakireva L. Combining keyphrase extraction and lexical diversity to characterize ideas in publication titles (3; Version 1). arXiv. 2022. https://doi.org/10.48550/ARXIV.2208.13978

31. Yang J., Lu W., Hu J., Huang S. A novel emerging topic detection method: A knowledge ecology perspective. Information Processing & Management. 2022;59(2):102843. https://doi.org/10.1016/j.ipm.2021.102843

32. Тимошенко И.В. Современные тенденции развития методов и нормативной базы индексирования библиотечных информационных ресурсов. Научные и технические библиотеки. 2024;(10):102-122. https://doi.org/10.33186/1027-3689-2024-10-102-122

33. Тихонова Е.В., Косычева М.А. Эффективные ключевые слова: стратегии формулирования. Health, Food & Biotechnology. 2021;3(4):7-15. https://doi.org/10.36107/hfb.2021.i4.s122