ویژگی‏‌های مشترک قوانین تجربی معروف در علم‏‌سنجی: نگاهی از زاویه دسته‏‌بندی داده‌‏ها براساس توزیع فراوانی

Abstract

<strong>هدف:</strong> بررسی چهار قانون معروف در حوزه کتاب‏‌سنجی و علم‏‌سنجی (لوتکا، برادفورد، زیپف، و پرتو) از زاویه دسته‏‌بندی داده‏‌های آنها براساس توزیع فراوانی. <br /><strong>روش‏/ رویکرد پژوهش:</strong> روش سندی- تحلیلی. با بررسی داده‏‌های مرتبط با قواعد چهارگانه ‏علم‌‏سنجی به‌دسته‌بندی داده‏‌ها براساس توزیع فراوانی آنها پرداخته است. <br /><strong>یافته‌ها</strong>: شکل اولیه داده‏‌ها در این چهار توزیع، حاوی رتبه هر موجودیت، فراوانی ویژگی مورد مطالعه، و مقدار فراوانی مطلق آن ویژگی در آن موجودیت است. در هریک از این قوانین، موجودیت‌‏ها براساس میزان فراوانی در ویژگی مورد نظر به چند دسته تقسیم می‏‌شوند: پرتو (2 دسته)، برادفورد (3 دسته)، لوتکا (به تعداد حداکثر فراوانی)، و زیپف (به تعداد واژگان متن). <br /><strong>نتیجه‌گیری</strong>: نتایج مربوط به نحوه دسته‌‏بندی موجودیت‌‏ها و تعیین تعداد موجودیت‏‌های درون هر دسته حاکی از آن است که تفاوت بین فراوانی دسته‏‌ها تابع یک توزیع مشخص است. قوانین چهارگانه را می‏توان برای دسته‌‏بندی موجودیت‏‌های مختلف براساس ویژگی‏‌های متعدد تعمیم داد.