¿Pueden los tweets predecir citas bibliográficas?

Las citas de los artículos de revisión por pares, y el factor impacto son generalmente medidas aceptadas para evaluar el impacto científico de una publicación.

Las herramientas Web 2.0 como Twitter y blogs brindan la posibilidad de generar métricas innovadoras sobre el nivel de los artículos o el nivel de revistas para medir el impacto y la influencia. Sin embargo, la relación de estas nuevas métricas con las tradicionales, no son conocidas.

Para evaluar esto se realizó un estudio en Canadá en el que el autor se propuso explorar la factibilidad de medición del impacto social y la atención pública hacia artículos académicos analizando el rumoreo (buzz) en las redes sociales, para explorar la dinámica, contenido y el tiempo de los tweets en relación a la publicación de un artículo relacionado.

Para esto, entre julio del 2008 y noviembre del 2011, se extrajeron todos los tweets que contenían links a artículos del Journal of Medical Internet Research (JMIR) y se identificó un subgrupo de 1573 tweets acerca de 55 artículos publicados entre el 2009 y el 2010, sobre el que se calculó, mediante diferentes métricas, el impacto social (media impact). Posteriormente fueron comparados con los datos de la citas obtenidos en Scopus y Google Scholar, entre 17 a 29 meses después.

Se efectuó una evaluación heurística para predecir los artículos más citados de cada tópico a través de métricas sobre los tweets.

Los resultados arrojaron un total de 4208 tweets sobre 286 artículos citados en la JMIR.

Las correlaciones de Pearson entre tweets y las citas fueron moderadas y estadísticamente significativas, con índices de correlación entre .42 a .72 para las citas en el Google Scholar, pero fueron menos claras para las citas en Scopus.
Un modelo lineal multivariable con el tiempo y los tweets como predictores significativos (p <.001) podría explicar el 27% de la variación de las citas.

Los artículos más Twitteados tenían 11 veces más probabilidades de ser citados que los menos tweeteados (9/12 ó el 75% de los más twitteados fueron altamente citados, mientras que sólo 3/43 ó el 7% de los menos tweeteados fueron altamente citados. Tasa de relación 0.75/0.07 = 10.75, con un intervalo de confianza del 95%, 3,4-33,6).

Los artículos más citados pueden predecirse a partir de los artículos más tweeteados con un 93% de especificidad y 75% de sensibilidad.
Además, los Tweets puede predecir cuales serán los artículos más citados dentro de los 3 primeros días de la publicación del artículo.

Pero para el autor el uso real de estos indicadores es medir el impacto que tiene los tweets sobre las citas y el comportamiento social. Estas medidas de impacto social podían ser utilizadas para complementar las métricas tradicionales de evaluación del factor impacto.

El “Twimpact”, puede ser un indicador útil para medir la penetrancia de los resultados de la investigación y brindar resultados según el rumoreo (buzz) en tiempo real.

Más allá de las mediciones y los resultados de este estudio, lo que es claro y se puede apreciar con el simple uso de estas herramientas, que el rumoreo (Buzz) sobre publicaciones científicas, puede magnificar el impacto social (media impact) de una publicación.

Resúmen objetivo: Dr. Daniel Luna