Académique Documents
Professionnel Documents
Culture Documents
Synthèse
2 ACI B
Réalisé par :
BENHMIDOU Imane
CHOUINE Kaoutar
EL GAMOUS Loubna
Page | 1
M.4.4.1 / 2019
Introduction ................................................................................................ 3
Synthèse ..................................................................................................... 3
Urne de Polya ........................................................................................... 3
L’avantage cumulatif ................................................................................ 4
Propriétés de la fonction Bêta .................................................................. 5
Le cas limite-Lotka et Bradford ................................................................. 6
Application de la théorie de l’avantage cumulatif à la loi de Lotka ........... 7
Application aux données de citation......................................................... 7
Citations en fonction du temps et du champ ............................................ 9
Conclusion................................................................................................... 9
Page | 2
L’histoire de la bibliométrie et de la scientométrie a passée par plusieurs
étapes durant son évolution en passant par les travaux de Alfred Lotka (1926),
Samuel Bradford (1934) jusqu’à celles du père fondateur Darek John de Solla Price.
Page | 3
Ce modèle suppose que la population se compose d’un certain nombre des
individus, dont chacun de ces dernies est caractérisé par un numéro unique n qui
est le nombre des succès.
de ce nième état au (𝒏 + 𝟏) ième. Il doit donc y avoir 𝒏𝒇(𝒏)𝒅𝑷 sort du nième état
et là sera également (𝒏 − 1)𝒇(𝒏 − 1)𝒅𝑷 transitions en elle, de la classe inférieure
recevant son quota de nouveaux succès. Le changement du nombre des individus
dans la niéme état est :
𝒅 𝑷𝒇(𝒏)
= −𝒏𝒇(𝒏) + (𝒏 − 1)𝒇(𝒏 − 1) 𝒏>1
𝒅𝑷
= −𝒇(1) + 1 𝒑𝒐𝒖𝒓: 𝒏 = 1
Alors :
𝒅 𝑷𝒇(𝒏)
= −(𝒏 + 1)𝒇(𝒏) + (𝒏 − 1)𝒇(𝒏 − 1) 𝒏>1
𝒅𝑷
= −2𝒇(1) + 1 𝒑𝒐𝒖𝒓: 𝒏 = 1
Après développement on trouve que :
Page | 4
𝒇(𝒏) = 𝑪𝑷𝒎 𝑩(𝒏, 𝒎 + 2)
Avec B est la fonction Béta tel que 𝑩(𝒏, 𝟏) = 𝟏
• 𝑩(𝒏, 𝟐) = 𝟏⁄𝒏(𝒏 + 𝟏)
• 𝑩(𝒏, 𝟑) = 𝟐⁄𝒏(𝒏 + 𝟏)(𝒏 + 𝟐)
• 𝑩(𝒏, 𝟒) = 𝟔⁄𝒏(𝒏 + 𝟏)(𝒏 + 𝟐)(𝒏 + 𝟑)
• Etc.
On a :
On pose 𝒃 = 𝒎 + 2 𝑒𝑡 𝒂 = 𝒏
Alors :
𝑩(1, 𝒃) = 𝑩(𝒂, 𝒃 + 1)
Page | 5
𝑷(𝒎 + 1)
𝑷(𝒎 + 1)𝑩(1, 𝒎) =
𝒎
Pour de grandes valeurs de 𝒏 la distribution des avantages cumulés suit la loi de
puissance inversée avec l’exposant 𝒎 + 𝟐 et la distribution cumulée est aussi une
loi de puissance inversée avec l’exposant 𝒎 + 𝟏.
Ceci caractérise plusieurs lois de science sociale ainsi la bibliométrie. Dans le cas
de la distribution de Pareto et Lotka, 𝒎 est petit et tend vers 𝟎 ce qui revient au
cas étudier dans le modèle d’urne.
On a :
𝑩(𝒏, 𝟏) = 𝟏⁄𝒏
𝑸(𝒓) = 𝑷 𝐥𝐨𝐠 𝒆 𝒓
𝑸(𝒓) 𝒍𝒐𝒈𝒓
=
𝑸(𝑷) 𝒍𝒐𝒈𝑷
Page | 6
Il s’avère que c’est précisément la même base mathématique pour la loi de Price
qui affirme, sur la base de la distribution de Lotka, que les meilleurs √𝑷 auteurs
vont produire au moins la moitié du total des articles publiés par la population 𝑷.
Page | 7
exposant compris entre 2.5 et 3.0, et I. Yermish a montré qu’un exposant de 3,036
donne une corrélation de 0,9937 tandis que Charles J. Crowley, a supposé qu'une
distribution binomiale négative aurait les propriétés requises, et ceci est testé sur des
données très limitées. Après cela Brookes a montré que l'échantillonnage d'une
distribution hyperbolique tronquée pouvait être expliqué par un analogue du
théorème de Taylor.
Le nombre maximal de succès par article est égal à la population totale des
articles. Il s'ensuit que le nombre moyen de succès, doit être de type 𝑪 − 𝐥𝐨𝐠 𝒆 𝑷.
Pour un indice de citation réel, il faut tenir compte du fait qu'il s'agit d'un
échantillonnage de deux manières distinctes :
• Premièrement, il est basé sur une sélection parmi les revues les plus
importantes
et les plus citées.
• Deuxièmement, il n’est fondé que sur une plage supposée être en croissance
exponentielle à un taux K.
Si le nombre de références de revues par article source est égal à 𝑹, il en résulte que,
dans un index de citation sur un an, il y aura 𝑲𝑹 références. Étant donné que dans la
distribution des avantages cumulatifs, la moyenne de 1 + 1⁄𝒎 succès/item, implique
que le nombre moyen de citations 𝑴 est égal au moins 1⁄𝒎 . donc un indice de
citation d’un an doit être proche de l’unité et qu’il découlera donc de l’équation :
𝒅𝒏 = 𝑲𝒏𝒅𝒓
Alors :
𝒏 = 𝒏0 𝒆𝑲𝒕