Bibliometrik

Bibliometrik (bahasa Inggris: bibliometric) adalah analisis statistik terhadap buku, artikel, atau publikasi lainnya. Analisis secara bibliometrik dilakukan dengan menggunakan data jumlah dan penulis publikasi ilmiah serta artikel dan kutipan di dalamnya yang bertujuan untuk mengukur luaran individu atau tim peneliti, institusi, dan negara, mengidentifikasi jaringan nasional dan internasional serta memetakan pengembangan bidang sains dan teknologi baru (multidisiplin). Bibliometrik berguna untuk mengevaluasi dan memetakan penelitian seorang peneliti, organisasi peneliti dan negara pada suatu periode waktu. Bibliometrik juga dikenal sebagai Scientometrik.

Penulisan kajian, penelitian, dan karya ilmiah memerlukan dukungan dari berbagai literatur yang relevan. Sumber literatur tersebut berasal dari karya peneliti lain sebagai bahan rujukan atau bahan pustaka. Pada dasarnya, terjadi komunikasi antara pengarang yang menyitir dan pengarang yang disitir ketika seorang pengarang menyitir karya ilmiah orang lain. Ini menghasilkan hubungan antara dokumen yang disitir dan dokumen yang menyitir. Dalam bibliometrika, berbagai metode analisis sitiran, seperti pasangan bibilografi (co-bibliographic), kolaborasi, dan sebagainya, dapat digunakan untuk menganalisis hubungan-hubungan itu.

Fungsi

Tinjauan bibliometrika dengan menggunakan pemetaan ilmu pengetahuan dapat menjadi sangat berharga, karena memberikan beberapa keuntungan dibandingkan dengan metode kualitatif dan meta-analisis klasik. Pertama, pendekatan bibliometrika lebih berorientasi makro karena memungkinkan analisis bidang penelitian yang komprehensif. Peneliti tidak perlu menentukan hubungan tepat yang ingin mereka telusuri sehingga meningkatkan objektivitas dalam mengkaji literatur. Kedua, pemetaan ilmu pengetahuan terdiri atas klasifikasi, dan visualisasi penelitian sebelumnya. Hal ini menghasilkan "representasi spasial" mirip dengan peta geografis yang dapat menunjukkan bagaimana domain pengetahuan, dan studi individu berhubungan satu sama lain. Hal ini tampaknya sangat berguna untuk berbagai penelitian termasuk BDA (Big Data Analysis), sebab dapat menjangkau domain penelitian yang berbeda.

Ketiga, beberapa metode bibliometrika yang saling melengkapi dapat dengan mudah digabungkan dalam satu studi melalui analisis kutipan bersama dokumen dan algoritme historiografi, dalam konteks BDA (Big Data Analysis) memudahkan mengeksplorasi struktur/fondasi intelektual masa lalu, dan evolusi perdebatan kinerja BDA (Big Data Analysis), sedangkan penggabungan bibliografi memfasilitasi eksplorasi objektif tentang kemungkinan kondisi penelitian di masa depan.

Sejarah

Terminologi bibliometrik berasal dari bahasa Yunani yang berupa gabungan kata biblion ‘buku’ dan kata metron ‘pengukuran’. Istilah ini pertama kali diperkenalkan oleh Alan Pritchard (1969) dalam artikelnya yang berjudul Statistical Bibliography or Bibliometrics?.

Penerapan dalam Analisa Big Data

Tinjauan bibliometrika mengenai hubungan antara BDA (Big Data Analysis), dan kinerja organisasi misalnya berkontribusi pada literatur dengan dua cara. Pertama, metode bibliografi melengkapi tinjauan kualitatif sebelumnya. Dibandingkan dengan tinjauan sebelumnya, mengambil cakupan yang lebih luas dan menyertakan sampel dokumen yang lebih banyak, sehingga memberikan eksplorasi yang lebih komprehensif, dan obyektif mengenai sejarah evolusi perdebatan kinerja BDA (Big Data Analysis) di masa lalu, serta mengungkap topik-topik yang lebih khusus dalam penelitian BDA (Big Data Analysis).

Kedua, pendekatan bibliometrika memberikan perspektif yang lebih objektif tentang potensi masa depan penelitian BDA (Big Data Analysis). Melalui penggabungan bibliografi, harapannya dapat mengalihkan perhatian dari tradisi kepada tren masa depan, menyoroti area pengembangan saat ini, dan masa depan untuk evolusi berkelanjutan dari debat BDA (Big Data Analysis). Ulasan ini menghasilkan: aplikasi BDA (Big Data Analysis) apa yang telah, sedang, dan akan dipelajari dalam kaitannya dengan kinerja organisasi, bagaimana perspektif yang jauh dan terputus dapat dihubungkan melalui teori, atau aplikasi empiris. Bagaimana bidang penelitian yang sedang berkembang dapat belajar dari domain yang lebih mapan. Berapa tingkat dan topik perkembangan BDA (Big Data Analysis) saat ini, dan bagaimana hal ini dapat dirangsang lebih jauh menyesuaikan abad ke-21.