Gonçalves Junior, E. M.; Ferreira, E. B.
8
Cad. Ciênc. Agrá., v. 11, p. 01–08, 2019. e-ISSN: 2447-6218 / ISSN: 1984-6738
A nuvem de pontos da Figura contém os fatores
de impacto baseados no Google Acadêmico e os JCR cada
de umas das revistas analisadas neste trabalho. A partir
desses pontos foram ajustados 3 modelos de regressão com
intuito de descobrir aquele que melhor explicasse a relação
entre as variáveis estudadas. O modelo linear explicou
45,02% da relação, enquanto os modelos quadrático e
cúbico explicaram 45,05% e 45,51% respectivamente.
Devido a pequena diferença entre a variância de
modelos encaixados, o teste de razão de verossimilhanças
mostrou não haver vantagem em utilizar os modelos de
segundo e terceiro grau e, por parcimônia, elegeu-se a reta
como melhor modelo. Diante deste fato, pode-se utilizar
a função linear, , em que y é o JCR e x é o fator de im-
pacto do Google Acadêmico, para obter o JCR a partir do
fator de impacto. Este fato é de grande importância, pois
autores e periódicos podem fazer o cálculo aproximado
de uma métrica paga, a partir de uma métrica gratuita.
Conclusão
O desenvolvimento do presente trabalho possi-
bilitou uma análise mais profunda acerca dos algoritmos
de avaliação que regem a produção científica brasileira,
evidenciando relações entre as métricas e descobrindo
vieses entre elas. Com isso foi possível cumprir com os
objetivos traçados no início da pesquisa. Com os resul-
tados apresentados no corpo deste trabalho, acredita-se
que pesquisadores, autores e editores de revistas usu-
fruam do conhecimento científico produzido para gerar
uma ciência que se adapte cada vez mais as normas de
avaliação vigentes.
O presente trabalho produziu como principais
resultados uma correlação mediana entre o fator de im-
pacto geral e o JCR, sendo esta igual a 53%, o que não
era esperado, já que se imaginava uma correlação forte
entre as métricas. Encontrou-se por meio do método de
regressão linear uma função que permite calcular o JCR
por meio do fator de impacto, sendo esta JCR = 1.04283
+ 0.25138·fi. Evidenciou-se também que o índice Qualis
(no geral) não é determinante para se obter JCR, citações,
índice h, índice g, já que as correlações são baixas, ou
seja, ter um bom Qualis não implica ter impacto. Tam-
bém se evidenciou que em 2010-2012, 10% das revistas
possuíam Qualis A1 e que em 2013-2016 12% delas
estavam classificadas neste estrato.
Outra observação interessante foi a queda abrupta
do Qualis C do primeiro para o segundo período, saindo
de 17% para apenas 1%. Existem diversos materiais que
discutem sobre cienciometria porém, materiais que dis-
cutem sobre as relações entre as métricas são escassos,
culminando em uma dificuldade para a discussão dos
resultados.
Alguns materiais encontrados confirmaram a
baixa correlação entre os índices h e g e o Qualis. Com
a execução deste trabalho foi possível obter-se um gran-
dioso acumulo de conhecimento acerca das métricas de
avaliação de revistas e suas relações. Além disto, sugere-se
uma nova visão em relação à avaliação da ciência pro-
duzida no Brasil dando-se mais incentivo aos periódicos
nacionais para que se possa ter um melhor desempenho
internacionalmente. Espera-se que novos trabalhos como
este possam surgir, com novas perspectivas e resultados
importantes para a ciência nacional.
Referências
Barata, R. C. B. 2016. Dez coisas que você deveria saber sobre o Qualis.
Revista Brasileira de Pós-graduação, 13: 13-40. DOI: 10.21713/2358-
2332.2016.v13.947.
Drapper, N. R; Smith, H. 1981. Applied Regression Analysis. 2. ed. New
York. John Wiley & Sons.
Egghe, L. 2006. Theory and practise of the g-index. Scientometrics,
69: 131–152. Disponível em: https://bit.ly/2oJxlWo.
Federizzi, L. C; Vitorino, A. C. T; Lopes, S; Lopes, M. T. G; Chagas, E. A.
2016. Critérios de classificação Qualis: Ciências Agrárias I. Disponível
em: https://goo.gl/C9s6S3.
Ferreira, A. G. C.. 2010. Bibliometria na avaliação de periódicos
científicos. Revista em Ciência da Informação, 11. Disponível em:
https://bit.ly/2lwx7Qq.
Harzing, A.W. Publish or Perish. 2007. Disponível em: http://www.
harzing.com/pop.html.
Harzing, A.W; Alakangas, S.; Adams, D. 2014. HIa: An individual annual
h-index to accommodate disciplinary and career length differences,
Scientometrics, 99: 811-821. DOI: 1007/s11192-013-1208-0.
Hirsch, J. E. 2005. An index to quantify an individual’s scientific
research output. Proceedings of the National Academy of Sciences of
the United States of America (PNAS), 102:16569-16572. DOI: https://
doi.org/10.1073/pnas.0507655102
Hayashi, M.C.P. 2012. Sociologia da ciência, bibliometria e cientometria:
contribuições para a análise da produção científica. Anais do Seminário
de Epistemologia e Teorias de Educação (EPISTED), Campinas, SP,
Brasil, 4. Dísponível em: https://bit.ly/2lAiBqM.
Oliveira, A. B.; Rodrigues, R. S.; Blattmann, U.; Pinto, A. L. 2015.
Comparação entre o qualis/capes e os índices h e g: o caso do portal
de periódicos UFSC. Informação e Informação, 20: 70-91. DOI: https://
bit.ly/2lzRdJO.
Packer, A. 2010. Os Periódicos Brasileiros e a Comunicação da Pesquisa
Nacional. Revista USP, 20: 26-61. Disponível em: https://bit.ly/2lPZRDQ.
Pinto, A. C. ; Andrade, J. D. 1999. Fator de Impacto de Revistas
Científicas: qual o Significado deste Parâmetro? Química Nova, 22:
448-453. DOI: https://bit.ly/2xqqXoT.
Siegel, S.; Castellan Junior, N. J. 2006. Estatística não paramétrica para
as ciências do comportamento. p. 266-276 . In: Métodos de associação
e seus testes de significância. Bookman, São Paulo. Artmed.