Nyckeltalen sammanfattar rapportens centrala indikatorer. Alla värden beräknas från det underliggande datamaterialet och avser hela perioden om inget annat anges. Procentandelar (refereegranskat, Open Access, internationellt samarbete) beräknas som andel av totalt antal publikationer per år.
Procentuell förändring visas inte när basvärdet understiger 10 enheter, eftersom små bastal ger statistiskt instabila procenttal (Hicks et al. (2015), princip 8; jfr CDC:s regel om n < 16). Absoluta tal visas istället.
Insikter
Under perioden 1974-2025 var den
genomsnittliga årliga tillväxttakten (CAGR) +10.5%. Trenden är
ökande (statistiskt signifikant; p < 0.05).
Mann
(1945);
Sen
(1968) Följande år hade ovanligt hög publiceringsaktivitet: 2018,
2023.
Insikter
Andelen peer-reviewed: 52.2 % senaste
årtionde (2017–2026), upp från 39.5 % föregående årtioende (2007–2016).
Långsiktig trend (1974–2026): ökande. Observera att 0 % i periodens
första år kan bero på ofullständiga metadata snarare än en faktisk
avsaknad av peer review.
2536 publikationer (91 %) vetenskapliga, 258 publikationer (9 %) övriga.
Äldre år (1974–2018) aggregerade för läsbarhet. Full tidsspan tillgänglig i dataexporten.
FWCI (Field-Weighted Citation Impact) visar medelciteringsgenomslaget normaliserat efter ämne, publikationstyp och år. Värden ≥ 1,0 innebär citeringar i linje med eller över världsgenomsnittet. FWCI visas när minst 10 artiklar i tidskriften har data. Topp 10 % anger andelen artiklar bland de 10 % mest citerade i sitt fält — visas när minst 5 artiklar har percentildata. Median citeringar (dold kolumn) visar råa citeringstal utan fältnormalisering — ej jämförbara mellan ämnesområden.
Norwegian Publication Indicator (NPI), även kallad norska listan, klassificerar publiceringskanaler i två nivåer. Nivå 2 (topp ~20 % per ämnesområde) anses vara de mest prestigefyllda kanalerna. Nivå 1 omfattar övriga godkända kanaler.
En hög andel publikationer (≥10 %) saknar NPI-klassificering. Vanliga orsaker: saknade ISSN i källdata, kanaler utanför registret (~40 000 tidskrifter), konferensserier, eller nyligen startade tidskrifter. Se tidskriftstabellen för oklassificerade kanaler.
DORA-läge är aktiverat för den här rapporten. Bifrost utvärderar rapporten mot principerna i DORA (2012) och CoARA (2022).
Rapporten innehåller element som inte är förenliga med DORA:s princip 1: “Använd inte journalbaserade mått som surrogatmått för kvaliteten hos enskilda forskningsartiklar.”
NPI-nivåklassificering (Nivå 1/2) visas i rapporten. NPI är ett nordiskt klassificeringssystem som rangordnar publiceringskanaler efter akademisk position, det vill säga en kanalbaserad ranking som DORA avråder från att använda som kvalitetssurrogat. Klassificeringen visas här som deskriptiv information om publiceringsmönster, inte som ett mått på enskilda artiklars kvalitet.
Forskarna listas nedan, sorterade efter vetenskaplig produktivitet.
Insikter
De 20% mest produktiva forskarna står
för 54% av publikationerna (Gini 0.39, skala: 0 = jämnt, 1 = helt
koncentrerad). Genomsnittligt antal medförfattare: 1.7 senaste årtioende
(2017–2026), upp från 1.4 (2007–2016).
Insikter
60 forskargrupper av ungefär lika
storlek; inget kluster dominerar. Varje forskare samarbetar i snitt med
2.5 andra (ett måttligt sammankopplat nätverk). Tydlig klusterstruktur
(Modularitet 0.98); forskarna arbetar främst inom sin egen grupp.
Nätverket är glest: bara 1.1% av alla forskarpar har en direkt
samarbetslänk.
Varje nod representerar en forskare och varje länk ett samförfattarskap. Färgerna visar forskargrupper (kluster) identifierade via modularitetsanalys. Nodens storlek speglar antal publikationer.
Samförfattarskapsnätverket byggs från samförfattade publikationer. Varje nod representerar en forskare, och varje kant viktas med antal sampublikationer. Kantvikterna normaliseras med association strength Van Eck et al. (2009) före klustring med Louvains algoritm. Centralitetsmått: grad (antal samarbetspartners), samarbetsintensitet (total samförfattarfrekvens), och brobyggarvärde (weighted betweenness med inverterade vikter) Newman (2004). Nätverksdensitet mäter andelen realiserade av alla möjliga samarbeten. Terminologi: «Samarbetspartners (snitt)» = mean degree; «Klusterbildning» = modularity Blondel et al. (2008).
Procenten räknas på par där båda författarna har landsuppgift (939 klassificerade av 952 totalt, täckning 99%). Varav 13 par där båda författarna saknar institutionell tillhörighet, 0 par där institutionen inte kunde mappas till ett land, och 0 par där en sida saknar uppgift.
‘Samförfattade texter’ anger antalet texter författaren skrivit tillsammans med en eller flera samförfattare.
Nätverksstatistik visar centrala noder i samarbetsnätverket. Grad (degree) är antalet direkta samarbeten, medan mellanliggande centralitet (betweenness) visar vilka författare som fungerar som broar mellan olika grupper.
Den första medförfattaren som listas är den som författaren skrivit tillsammans med flest gånger. ‘Antal’ anger antal medförfattade texter med författaren. Upp till fyra ytterligare medförfattare anges, i fallande ordning efter antal medförfattarskap.
Nedan är en visualisering av datasetets 60 olika grupperingar. Färgerna anger olika grupper.
Samförfattarskapnätverket omfattar 229 forskare och 282 samarbeten. På grund av datamängdens storlek visas en förenklad version som lyfter fram de starkaste samarbetsmönstren (backbone-analys). Enskilda kopplingar med få gemensamma publikationer har utelämnats för att ge en överskådlig bild.
Namn på författare till höger; grupp-id till höger. Du kan se storlek på grupperna och gruppernas vanligaste keywords i tabellerna som följer. En kombination av sökning och sortering kan användas för att utforska gruppmedlemskap vidare.
Diagrammet jämför det fältnormaliserade citeringsgenomslaget (FWCI) för de samförfattarskapskluster som identifierats via nätverksanalys. Varje publikation tillhör det kluster där flest av dess författare ingår. FWCI = 1,0 motsvarar världsgenomsnittet. n anger antal publikationer i klustret (visas vid hovring).
Tabellen är begränsad till a) grupper med fler än 3 medlemmar; b) grupper med minst ett keyword i någon publikation; c) de tio mest använda nyckelord per grupp.
Se även handledar- och opponentnätverket i forskarsektionen för en analys av akademiska samarbetsmönster bortom samförfattarskap.
Till skillnad från samförfattarskapsanalysen, som kartlägger samarbete genom gemensamma publikationer, synliggör denna sektion de akademiska nätverk som uppstår genom handledning och opponering av avhandlingar. Handledare och opponenter som verkar vid flera lärosäten utgör informella kunskapsbryggor mellan organisationer — relationer som sällan fångas av traditionella bibliometriska mått men som kan avslöja viktiga mönster i akademisk kunskapsöverföring.
Insikter
50 forskare har handlett eller
opponerat över lärosätesgränser. Starkaste kopplingen: Göteborgs
universitet – Karlstads universitet (Kopplingsstyrka: 6). Baserat på
65.8% av avhandlingar med identifierbara handledare.
Rangordningen är inte tillförlitlig på grund av ofullständig data. Listan visas i alfabetisk ordning.
Handledar-/opponentnätverket är separat från kartan för internationellt samarbete. Kartan bygger på samförfattarskap mellan författaraffilieringar, medan handledar-/opponentrelationer visas i nätverket nedan.
Nätverket baseras på handledar- och opponentrelationer extraherade från SwePub-poster. Kopplingsstyrkan beräknas som (antal handledningar × 2) + (antal opponeringar × 1). Viktningen (2:1) är en Bifrost-konvention som speglar att handledning är en längre och djupare samarbetsrelation än opponering. Metoden saknar bibliometrisk etablerad praxis; den är utvecklad specifikt för Bifrost.
Viktningen handledare:opponent (2:1) är en Bifrost-konvention för att spegla handledarens större roll i avhandlingsprocessen. Detta är inte etablerad bibliometrisk praxis.
Insikter
182 lärosäten bidrar. Göteborgs
universitet, Stockholms universitet och Uppsala universitet står för 41
% — en bred fördelning.
Översikt av det internationella samarbetet baserat på medförfattarskap och affilieringar i publikationerna.
Insikter
34 länder representerade i samarbeten.
Norge, Finland och Storbritannien är vanligast. 3.5 % av publikationerna
har internationella medförfattare — ökning från 2 % (2007–2016) till 5 %
(2017–2026).
Baserat på medförfattares affilieringsland.
Insikter:
Nätverket omfattar 60 lärosäten med
141 samarbetsrelationer. Det starkaste samarbetet är mellan Göteborgs
universitet och Umeå universitet (25 gemensamma publikationer).
Göteborgs universitet har flest samarbetspartners (12 st).
Kartan visar främst samförfattarskap mellan lärosäten. Handledar-/opponentkopplingar redovisas som separata nätverksrelationer och kan vara färre, eftersom endast poster med tydlig institutionskoppling kan inkluderas.
Insikter
Humaniora och konst dominerar (53 %).
Ämnesbredden är stabil (1974–2026, H: 0.69 → 0.69). Forskningen är
markant interdisciplinär — den kombinerar ämnesområden som är
taxonomiskt avlägsna. Rao-Stirling: 0.677 (där 0 = enhetligt ämne, 1 =
maximal spridning). Baserat på 2 HSV-huvudområden (UKÄ-klassificering).
Rao-Stirling
(Stirling, 2007)
Shannon H (jämnhetsindex) mäter hur jämnt fördelade publikationerna är över ämnesområden. Värdet 1.00 innebär perfekt jämnhet; lägre värden indikerar dominans av enskilda områden. Rao-Stirling mäter interdisciplinaritet genom att väga både fördelningen och det taxonomiska avståndet mellan ämnesområden enligt UKÄ:s klassificering. Skalan går från 0 (alla publikationer i samma ämne) till 1 (maximal spridning över avlägsna ämnesområden).
Andel av totala publikationer per år (%). Notera att en publikation kan tillhöra flera kategorier.
Under perioden 1974–2026 saknar 4.7% (131 av 2 794) publikationer ämnesklassificering på denna nivå.
Andel av totala publikationer per år (%). Notera att en publikation kan tillhöra flera kategorier.
religious studies and theology; kulturarv och kulturproduktion; religionsvetenskap/teologi; teknik och social förändring; genus; barn; filosofiämnen; learning; lärande; history of ideas; pedagogical work; biblioteks- och informationsvetenskap; physiology; etnicitet; ekonomi; finsk-ugriska språk; teknikhistoria; medicin; bioethics; historieämnen; idrottsvetenskap; övrig humaniora och religionsvetenskap; socialpsykologi; social psychology; mathematics; idrott
Insikter
Bred nyckelordsprofil — ingen enskild
term dominerar (HHI: 0.0020 — Herfindahl-Hirschman Index, där 0 =
perfekt jämn fördelning, 1 = en term dominerar helt). Vanligast är
“islam” som förekommer i 2.7 % av publikationerna, fördelat över totalt
5105.
church history; didactics; didaktik; education; education and learning; educational science; educational work; fenomenologi; humaniora och religionsvetenskap; lärarutbildning och pedagogisk yrkesverksamhet; pedagogik; pedagogy and didactics; religion; religionsdidaktik; religionskunskap; religionspedagogik; religionsundervisning; religious education; skola; sociology of religion; subject didactics; subject-specific education; teacher education and education work; teaching; undervisning; utbildning och lärande; ämnesdidaktik
Färger indikerar frekvenskvantiler inom detta dataset.
Röd: Högsta frekvens (2.7-2.18%); Blå: Hög frekvens (2.18-1.66%); Grön: Medelhög frekvens (1.66-1.14%); Orange: Låg frekvens (1.14-0.62%); Grå: Lägsta frekvens (0.62-0.1%)
Sjunkande nyckelord: islam, religionssociologi, kyrkohistoria, study of religions, history of religion, gender, humanities and religion
Inga stigande trender identifierades. Nedan visas istället djupanalys av sjunkande keywords. Dessa kan indikera ämnesområden som minskar i aktualitet eller forskningsintresse.
Följande keywords hade perioder av hög aktivitet tidigare men har sedan avtagit. Analysen visar när de var som mest aktiva, vad som drev intresset, och hur aktiviteten utvecklats sedan dess.
Burst-period: 2006–2010 (måttlig burst)
Toppår: 2009 (11 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: islamologi, islamology, education
Nuvarande status: Minskande
Burst-period: 2014–2020 (måttlig burst)
Toppår: 2016 (8 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: historia med utbildningsvetenskaplig inriktning, church history, kyrkohistoria
Nuvarande status: Stigande
Burst-period: 2015–2020 (måttlig burst)
Toppår: 2016 (8 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: history of education, church history, kyrkohistoria
Nuvarande status: Stabil
Burst-period: 2018–2020 (måttlig burst)
Toppår: 2018 (10 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: innovativt lärande, religious education, post-secular
Nuvarande status: Stabil
Burst-period: 2018–2020 (måttlig burst)
Toppår: 2018 (9 publ.)
Drivande aktörer under perioden:
Samvarierande keywords: innovative learning, religious education, post-secular
Nuvarande status: Stabil
Heatmappen visar hur ofta nyckelord förekommer tillsammans i samma publikationer. Association strength Van Eck et al. (2009) normaliserar samförekomsten mot produkten av de enskilda nyckelordfrekvenserna. Röda asterisker (✱) i rutornas övre högra hörn markerar statistiskt signifikanta samförekomster (p < 0.05).
Nyckelord som ofta förekommer tillsammans i samma publikationer bildar tematiska kluster. Tabellen nedan sammanfattar klustren; den interaktiva grafen visar relationerna visuellt.
Nätverksdiagrammet visar hur nyckelord relaterar till varandra baserat på sam-förekomst i publikationer. Större noder innebär vanligare nyckelord. Linjer visar sam-förekomst. Färger visar tematiska kluster identifierade med Leiden-algoritmen (Traag et al., 2019).
Frekvensen av enskilda ord i datasetet som helhet. Ord har hämtats från titel, abstract och keywords. “Frekvens” är totala användningar, inklusive antal omnämningar i en och samma text, medan “publikationer” är antalet unika texter var ordet förekommer.
Insikter
De 5 vanligaste orden (efter andel
publikationer) är: “education” (55%), “religious” (33%), “religion”
(26%), “educational” (18%), “swedish” (17%). Dessa mönster speglar
datasettets tematiska kärna. Observera att geografiska markörer som
“swedish” är vanliga i akademiska metadata och speglar publikationernas
nationella anknytning snarare än forskningsämnet.
Notis: Datasetet innehåller 29122 rader. För bästa prestanda visas endast de 8000 med högst frekvens i tabellen.
Här visas summering av ordstammar, alltså delar av ord, i datasetet som helhet. Ord har hämtats från titel, abstract och keywords. “Frekvens” är totala användningar, inklusive antal omnämningar i en och samma text, medan “publikationer” är antalet unika texter var ordet förekommer.
Dessa trender är indikativa och kompletterar keyword-analysen ovan.
Metodologisk notering: Ordfrekvensanalys baseras på enskilda ord extraherade från titel, abstract och keywords. Till skillnad från författarvalda keywords kan enskilda ord vara mer brusiga och tvetydiga — till exempel kan ordet ‘system’ förekomma i både tekniska och samhällsvetenskapliga sammanhang, medan keywordet ‘adaptive systems’ är mer precist. Striktare trösklar används (minst 10 förekomster, korrelation > 0.5) och akademiska stoppord är exkluderade.
Stigande/sjunkande visar trender över tid (Spearman-korrelation). Nya/försvinnande visar livscykel — när ord började eller slutade användas.
Inga statistiskt signifikanta trender identifierades bland de vanligaste orden.
Analysen nedan sammanfattar citeringar i datasetet och visar trender över tid, per forskare och för de mest citerade verken.
Informationen om publikationer har hämtats från SwePub och berikats med citeringsdata från OpenAlex.
Notera:
Citeringsdata är ackumulerade
totalsummor hämtade från OpenAlex — de visar hur många gånger varje
publikation citerats sedan den publicerades. Publikationer från senare
år har haft kortare tid att ackumulera citeringar, vilket bör beaktas
vid jämförelser mellan år.
Om jämförbarhet:
Fältnormerade percentiler från
OpenAlex (normerat mot år, publikationstyp och ämnesområde).
FWCI (Field-Weighted Citation Impact) mäter hur mycket en publikation citerats jämfört med vad som är förväntat för just den typen av forskning, publiceringsåret och ämnesområdet, internationellt sett. FWCI = 1,0 är det förväntade värdet: det antal citeringar som är typiskt för liknande publikationer globalt. Under 1,0 innebär färre citeringar än förväntat; 1,5 innebär 50 % fler; 2,0 innebär dubbelt så många. Normalisering mot fält är nödvändig eftersom citeringskulturen skiljer sig kraftigt. Medicin citerar mer frekvent än matematik, vilket gör direkta jämförelser missvisande. Data kommer från OpenAlex. Observera att ett fåtal enskilda högt citerade publikationer kan dra upp siffran markant, och att måttet kräver tillräckligt underlag (minst 10 publikationer med citeringsdata).
PP(topp 10 %) mäter andelen av en grupps publikationer som tillhör de 10 % mest citerade i sitt ämnesområde och publiceringsår, internationellt sett. Referensvärdet är 10 %: om en grupp publicerade helt genomsnittligt skulle just 10 % hamna bland de översta. Över 10 % innebär att en större andel än förväntat får hög citeringsgenomslag; under 10 % innebär det motsatta. Måttet är fältnormaliserat, vilket innebär att varje publikation jämförs med andra publikationer i samma ämne och år. Det undviker därmed problemet att exempelvis medicinsk forskning generellt citeras mer än matematisk. Data kommer från OpenAlex. Observera att små dataset kan ge stora slumpmässiga variationer, och att nyligen publicerade artiklar ofta saknar tillräcklig citeringshistorik för en rättvisande placering.
Citeringstäckning:
Citeringsdata kunde bara
hämtas för 22 % av publikationerna (610 av 2794). Citeringsindikatorerna
bör tolkas med stor försiktighet eftersom de representerar en liten del
av datasetet.
Citeringar visar hur ofta andra forskare refererar till dessa publikationer i sina egna verk. Höga citeringstal indikerar att forskningen har fått genomslag inom sitt fält.
FWCI (Field-Weighted Citation Impact) är kvoten mellan faktiska och förväntade citeringar, normerat mot år, publikationstyp och ämnesfält (OpenAlex subfield). FWCI = 1,0 innebär att publiceringarna citerats i linje med världsgenomsnittet för sitt fält. Till skillnad från percentilmåtten är FWCI känsligt för enskilda högt citerade publikationer — två enheter med samma PP(topp 10 %%) kan skilja sig i FWCI om den ena har några få mycket högt citerade verk.
Genomsnittlig FWCI: 3.43
Baserat på 597 publikationer med FWCI-data
Diagrammet visar andelen publikationer i olika citeringspercentiler per år, baserat på fältnormaliserade percentiler från OpenAlex. Publikationer från de senaste 2 åren exkluderas på grund av ofullständig citeringsackumulering.
Diagrammet jämför det genomsnittliga fältnormaliserade citeringsgenomslaget (FWCI) för publikationer med olika Open Access-status. Referenslinjen markerar världsgenomsnittet (FWCI = 1,0). FWCI kräver minst 10 publikationer per kategori.
Diagrammet jämför citeringsgenomslag för publikationer med internationellt samarbete, inhemskt samarbete och enförfattarpublikationer. Internationellt samarbete definieras som publikationer med författare från fler än ett land.
Boxplottet visar fördelningen av fältnormaliserat citeringsgenomslag (FWCI) per publikationsår. Streckad linje markerar världsgenomsnittet (1,0). Publikationer från de senaste 2 åren exkluderas.
Insikter
2789 publikationer har totalt 4 983
citeringar (median 0.0/publikation, snitt 1.8/publikation). 84 % är
ociterade. Mest citerad (188 cit): Flensner, Karin K;Lippe, Marie Von
der (2019). Being safe from what and safe for whom?: A critical
discussion of the conceptual metaphor of “safe space”. Intercultural
Education. https://doi.org/10.1080/14675986.2019.1540102 Det
fältnormaliserade citeringsgenomslaget (FWCI) är i genomsnitt 3.47
(baserat på 536 publikationer). Trenden är minskande.
Diagrammet visar hur citeringar fördelar sig över publiceringsår. Notera att äldre publikationer har haft längre tid att ackumulera citeringar.
Grå staplar markerar de senaste två årens publikationer, vars citeringsdata är ofullständiga — dessa har inte hunnit ackumulera citeringar i samma utsträckning som äldre publikationer.
Diagrammet visar det fältnormaliserade citeringsgenomslaget (FWCI) för de mest citerade forskarna, med treårigt rullande medelvärde. Streckad linje markerar världsgenomsnittet (FWCI = 1,0). Inkluderar forskare med minst 5 publikationer som spänner minst 3 år.
OA-analysen baseras på 610 publikationer med DOI som matchats mot OpenAlex (22% av totalt 2794). 2173 publikationer saknar DOI och ingår därför inte i OA-statistiken.
Insikter
OA-andelen gick från 33.3 % till 71%
(+38.1 procentenheter) under perioden 2000–2026. Hybrid stod för den
största ökningen (+18.9 procentenheter). Green OA utgör 5.4 % av alla
publikationer — tillgängliga via öppet arkiv efter embargoperiod
(typiskt 6–12 månader); nyare publikationer kan ännu inte vara fritt
tillgängliga. Diamond OA (inga avgifter för vare sig författare eller
läsare) utgör 17.4 %.
Notera:
604 av 621 publikationer med DOI
matchades mot OpenAlex och fick OA-status (97.3%). OA-status är hämtad
från OpenAlex (baserad på Unpaywall). OA-status kan vara retroaktivt
klassificerad — en publikation som idag är fritt tillgänglig kan ha
varit stängd vid publiceringstillfället. Trenden bör därför tolkas med
försiktighet, särskilt för äldre publikationer. Green OA-klassificering
baseras på förekomsten av en version i öppet arkiv, oavsett om eventuell
embargoperiod har löpt ut — Green OA-andelen kan därför vara överskattad
för nyare publikationer.
Första doktorsavhandlingen i datasetet är från år 1986, On some Orderings of Extensions of Arithmetic Bennet, Christian. Sedan dess och fram till 2025 har totalt 152 avhandlingar registrerats. Av dem är 140 doktorsavhandlingar och 12 licentiatavhandlingar.
En komplett lista av sökningens resultat. Initialt sorterat efter år (fallande) och författare (stigande). Ändra ordningen vid kolumnrubriken. Sökning kan göras över alla visade fält.
Adams, J (2018). Information and misinformation in bibliometric time-trend analysis. Journal of Informetrics, 12(4), 1063–1071. https://doi.org/10.1016/j.joi.2018.08.009
Blondel, V. D., Guillaume, J.-L., Lambiotte, R., & Lefebvre, E (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, P10008. https://doi.org/10.1088/1742-5468/2008/10/P10008
Bornmann, L., & Marx, W (2018). Critical rationalism and the search for standard (field-normalized) indicators in bibliometrics. Journal of Informetrics, 12(3), 598–604. https://doi.org/10.1016/j.joi.2018.05.002
CoARA (2022). Agreement on Reforming Research Assessment. https://coara.eu/agreement/the-agreement-full-text/
DORA (2012). San Francisco Declaration on Research Assessment. https://sfdora.org/read/
Hicks, D., Wouters, P., Waltman, L., de Rijcke, S., & Rafols, I (2015). Bibliometrics: The Leiden Manifesto for research metrics. Nature, 520(7548), 429–431. https://doi.org/10.1038/520429a
Kleinberg, J (2003). Bursty and hierarchical structure in streams. Data Mining and Knowledge Discovery, 7(4), 373–397. https://doi.org/10.1023/A:1024940629314
Mann, H. B (1945). Nonparametric tests against trend. Econometrica, 13(3), 245–259. https://doi.org/10.2307/1907187
Neal, Z. P (2022). backbone: An R package to extract network backbones. PLOS ONE, 17(5), e0269137. https://doi.org/10.1371/journal.pone.0269137
Newman, M. E. J (2004). Analysis of weighted networks. Physical Review E, 70(5), 056131. https://doi.org/10.1103/PhysRevE.70.056131
Opsahl, T., Agneessens, F., & Skvoretz, J (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251. https://doi.org/10.1016/j.socnet.2010.03.006
Perianes-Rodriguez, A., Waltman, L., & Van Eck, N. J (2016). Constructing bibliometric networks: A comparison between full and fractional counting. Journal of Informetrics, 10(4), 1178–1195. https://doi.org/10.1016/j.joi.2016.10.006
Piwowar, H., Priem, J., Larivière, V., Alperin, J. P., Matthias, L., Norlander, B., Farley, A., West, J., & Haustein, S (2018). The state of OA: A large-scale analysis of the prevalence and impact of Open Access articles. PeerJ, 6, e4375. https://doi.org/10.7717/peerj.4375
Sen, P. K (1968). Estimates of the regression coefficient based on Kendall’s tau. Journal of the American Statistical Association, 63(324), 1379–1389. https://doi.org/10.2307/2285891
Serrano, M. Á., Boguñá, M., & Vespignani, A (2009). Extracting the multiscale backbone of complex weighted networks. Proceedings of the National Academy of Sciences, 106(16), 6483–6488. https://doi.org/10.1073/pnas.0808904106
Stirling, A (2007). A general framework for analysing diversity in science, technology and society. Journal of The Royal Society Interface, 4(15), 707–719. https://doi.org/10.1098/rsif.2007.0213
Traag, V. A., Waltman, L., & Van Eck, N. J (2019). From Louvain to Leiden: guaranteeing well-connected communities. Scientific Reports, 9, 5233. https://doi.org/10.1038/s41598-019-41695-z
Van Eck, N. J., & Waltman, L (2009). How to normalize cooccurrence data? An analysis of some well-known similarity measures. Journal of the American Society for Information Science and Technology, 60(8), 1635–1651. https://doi.org/10.1002/asi.21075
Van Eck, N. J., & Waltman, L (2014). Visualizing bibliometric networks. In Ding, Y., Rousseau, R., & Wolfram, D. (Ed.), Measuring Scholarly Impact: Methods and Practice (pp. 285–320). Springer. https://doi.org/10.1007/978-3-319-10377-8_13
Waltman, L., & Van Eck, N. J (2019). Field Normalization of Scientometric Indicators. In Springer Handbook of Science and Technology Indicators (pp. 281–300). https://doi.org/10.1007/978-3-030-02511-3_11
Wilson, E. B (1927). Probable inference, the law of succession, and statistical inference. Journal of the American Statistical Association, 22(158), 209–212.