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

Авторские ключевые слова, в отличие от терминов, присвоенных профессиональными индексаторами, не регулируются нормативными документами, не контролируются по словарям и, предположительно, более разнообразны и быстрее отражают появление в науке новой терминологии и тенденций развития научных областей. Цель исследования – выявление статистических различий между двумя массивами ключевых слов (КС): присвоенных авторами, с одной стороны, и редакторами реферативных баз данных, с другой. Предполагается, что подтверждение и понимание этих различий может оказаться полезным в библиометрических и терминологических исследованиях для более рационального использования ключевых слов, полученных из различных источников.

Сравнительный анализ количественных показателей новизны и лексического разнообразия авторских и редакторских КС был впервые выполнен в данном исследовании. Сравнение мер включения авторских и редакторских КС в другие элементы метаданных на нескольких независимых тематических выборках также ранее не проводилось. Методологической основой исследования является обобщение – выделение общих признаков, присущих изучаемым массивам данных, – и статистический анализ количественных характеристик выделенных признаков.

Эмпирическую базу исследования составили пять независимых статистических выборок, объём которых варьировался от 10,40 тыс. до 18,97 тыс. статей. Тематика выборок соответствовала пяти рубрикам Государственного рубрикатора научно-технической информации: «52. Горное дело; 53. Металлургия; 55. Машиностроение; 61. Химическая технология. Химическая промышленность; 73. Транспорт». В выборки были отобраны русскоязычные статьи, загруженные в реферативную базу в 2021-2024 гг.,  классифицированные перечисленными выше рубриками и имеющие непустые элементы метаданных: название, авторские КС, авторская аннотация, редакторские КС, реферат. Для каждой выборки и по отдельности для авторских и редакторских КС были получены точечные статистические оценки выделенных общих признаков: лексического разнообразия, новизны и  включённости ключевых слов в другие элементы метаданных (название и реферат).

Во всех пяти тематических коллекциях наблюдались следующие статистические различия: мера лексического разнообразия авторских КС выше, чем редакторских; коэффициент новизны авторских КС выше, чем редакторских; коэффициент новизны авторских аннотаций выше, чем рефератов; мера включения авторских КС в название статьи ниже, чем мера включения редакторских терминов. Повторение выявленных различий в пяти независимых тематических выборках, соответствующих случайно выбранным областям знаний, позволяет говорить о статистической устойчивости этих различий. Как показано в исследовании, лексика авторских КС более изменчива во времени по сравнению с более стабильной лексикой редакторских КС, что может оказаться полезным для оперативного выявления новой терминологии и фронтиров науки. Однако, 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 названий публикаций.

1. 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

2. 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

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. 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

5. Golub, K. Automated Subject Indexing: An Overview. Cataloging & Classification Quarterly, 2021; 59(8), 702–719. https://doi.org/10.1080/01639374.2021.2012311

6. 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

7. Hjørland, B. Indexing: Concepts and Theory. KNOWLEDGE ORGANIZATION, 2018; 45(7), 609–639. https://doi.org/10.5771/0943-7444-2018-7-609

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

9. Lu W., Liu Z., Huang Y., Bu Y., Li X., Cheng Q. 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

10. Lu, W., Huang, S., Yang, J., Bu, Y., Cheng, Q., & Huang, Y. 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

11. Malvern, D., Richards, B., Chipere, N., & Durán, P. Lexical Diversity and Language Development (3), 2004; Palgrave Macmillan UK; https://doi.org/10.1057/9780230511804

12. 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

13. Nabilah, N., Zafrullah, Z., 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

14. Pearson, W. S. Research Topics in Applied Linguistics as Keywords from Authors and Keywords from Abstracts: A Bibliometric Study. In A Scientometrics Research Perspective in Applied Linguistics. 2024; pp. 113-134. Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-51726-6_5

15. Peset, F., Garzón‐Farinós, F., González, L., García‐Massó, X., Ferrer‐Sapena, A., Toca‐Herrera, J., & Sánchez‐Pérez, E. 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

16. 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

17. 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

18. 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

19. Stapleton, S., Dinsmore, C., Van Kleeck, D., & Ma, X. Computer-assisted Indexing Complements Manual Selection of Subject Terms for Metadata in Specialized Collections. College & Research Libraries, 2021; 82(6). https://doi.org/10.5860/crl.82.6.792

20. 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

21. 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

22. 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. Proceedings of the 2024 5th International Symposium on Artificial Intelligence for Medicine Science, 2024; 108–113. https://doi.org/10.1145/3706890.3706908

23. 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). https://doi.org/10.1016/j.heliyon.2024.e39352

24. 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

25. 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

26. 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

27. Zhang, J., Yu, Q., Zheng, F., Long, C., Lu, Z., & Duan, Z. 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

28. Акоев М. А. Картирование науки и технологии, прогноз развития. Руководство по наукометрии: индикаторы развития науки и технологии. Издательство Уральского университета. 2014; 164-184. [Akoev M.A. Mapping science and technology, forecasting research and development. Rukovodstvo po naukometrii: indikatory razvitiia nauki i tekhnologii / Guide to Scientometry: indicators of science and technology development. Ural University Publishing House. 2014; 164-184. (In Russ.)] https://doi.org/10.15826/B978-5-7996-1352-5.0007

29. 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. http://www.vestnik.vsu.ru/pdf/phylolog/2020/01/2020-01-06.pdf

30. 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

31. Тихонова Е. В., Косычева М. А. Эффективные ключевые слова: стратегии формулирования. Health, food & biotechnology. 2021; 3(4): 7-5. https://doi.org/10.36107/hfb.2021.i4.s122

32. Щербинина Г. С. Философия координатного индексирования. Научные и технические библиотеки. 2000; (9): 67-78. [Shcherbinina G.S. The philosophy of coordinate indexing. Nauchnye I Tekhnicheskie biblioteki / Scientific and Technical Libraries. 2000; (10):102-122. (In Russ.)]. https://www.gpntb.ru/win/ntb/ntb2000/9/f09_08.html