Чи добра моя кількість завантажень SSRN? Безплатний еталон за віком роботи та галуззю
Це переклад. Основна версія — оригінал англійською; посилайтеся на неї.
Ви опублікували роботу на SSRN. Через кілька тижнів лічильник показує 7 завантажень. Це погано, звичайно чи добре? До липня 2026 року ви могли переглянути Рейтинги SSRN та отримати враження про це. 15 липня 2026 року SSRN припинила свої Рейтинги. Кількість завантажень залишилася на кожній сторінці роботи та автора, але цифри, з якими їх можна було порівнювати, зникли. SSRN Benchmark — це безплатний інструмент з відкритим кодом, який повертає це порівняння. Ви надаєте йому кількість завантажень вашої роботи, її вік та, якщо хочете, вашу предметну галузь. Він розповідає вам приблизно, яку частку подібних робіт ви випереджаєте.
Що вам це дає
Запустіть його, і ви отримаєте чотири речі: вашу цифру, групу статей, з якими вас порівнювали, процентиль та типовий діапазон для цієї групи (25%, медіана, 75%, 90% та 95%), з простим висновком від «значно нижче типового» до «значно вище типового». Він також може вивести всю таблицю посилань за віком, таблицю медіанних завантажень за галуззю та список 25 доступних галузей. Якщо ваша кількість охоплює кілька статей, вкажіть це за допомогою --papers, і він розділить на це число.
Референтна група складається з 1,360 статей SSRN, опублікованих між 1996 і 2026 роками в 25 галузях. Їх загальні лічильники завантажень були прочитані зі снімків Internet Archive, зроблених до того, як SSRN припинив надавати їм автоматизованим клієнтам, тому цей снімок не можна зібрати повторно.
Що говорять цифри
Більшість авторів сподіваються на більше, ніж показують дані. Медіанна стаття в рік розміщення має 12 завантажень; медіана в один-два роки становить 25, в два-п'ять років 52, в п'ять-десять років 130, а понад десять років 172. Зростання зосереджене в перші три-чотири роки, коли медіанне завантаження приблизно подвоюється щороку. Після приблизно п'яти років різниці між віковими групами статистично не значущі.
Галузь має майже таке ж значення, як вік. Для статей віком один-три роки медіана становить 109 в Бізнесі, 71 у Суспільних науках, 65 в Економіці, 46 в Комп'ютерних науках та 23 в Матеріалознавстві. Тому кількість, яка виглядає низькою в Бізнесі, може бути звичайною в Інженерії. Завжди вказуйте вашу галузь, якщо ви її знаєте.
Конкретний приклад
Припустимо, ваша стаття в галузі суспільних наук була розміщена цього року і має 7 завантажень:
python3 ssrn_benchmark.py --downloads 7 --months 2 --field "Social Sciences"Інструмент порівнює вас з 24 статтями з Соціальних наук того ж року, повідомляє процентиль близько 25%, показує, що медіана там становить 14,5 і що 90% статей мають 82 або менше, та виносить вердикт «нижче типового». Він також зазначає, що якби ви не враховували це поле, ви опинились би близько на 34-му процентилі. Ви дізнаєтесь, що 7 менше за більшість, але типова нова стаття має лише біля дюжини завантажень, та на що орієнтуватися.
Як читати результат
Кожна відповідь супроводжується коротким примітком про те, як її читати. Праці зі збереженою архівною копією надмірно представлені, тому більше довіряйте формі розподілу, ніж абсолютним значенням. Лічильники завантажень включають автоматизований трафік. Завантаження слабко пов'язані з цитуванням. Дати розміщення в даних містять лише рік, тому вік вимірюється цілими роками, і не пропонується коротший період.
Як розпочати
Вам потрібен Python 3. Не потрібно встановлювати нічого, облікового запису та додаткових пакетів: завантажте два файли, ssrn_benchmark.py та study1-wayback-downloads.csv, або клонуйте репозиторій.
git clone https://github.com/vadimchernets/ssrn-benchmark
cd ssrn-benchmark
python3 ssrn_benchmark.py --table
python3 ssrn_benchmark.py --downloads 40 --months 24 --field EconomicsКод доступний за ліцензією MIT, а дані за CC BY 4.0, так що ви можете використовувати обидва. Все це на github.com/vadimchernets/ssrn-benchmark. Дані архівовані на Zenodo (DOI 10.5281/zenodo.22285871), і аналіз, що лежить в основі, — це стаття What Does 7 Downloads Mean? Metric Blindness and the Cold Start of Scholarly Attention After the SSRN Rankings Sunset Vadym Chernets.
Перегляньте ssrn-benchmark на GitHub
Vadym Chernets також розробляє Poly A1, застосунок, у якому штучні інтелекти від різних компаній перевіряють роботу один одного.