Jurnal ilmiah bergengsi Nature baru-baru ini merilis analisis mengenai makalah ilmiah paling banyak dikutip di abad ke-21. Hasilnya mengejutkan, karena bukan penemuan ilmiah spektakuler yang mendominasi daftar, melainkan karya-karya yang berfokus pada metodologi, perangkat lunak, dan statistik.
Temuan ini menunjukkan bahwa pengukuran pengaruh publikasi ilmiah melalui jumlah kutipan (citation) mungkin tidak selalu merefleksikan penemuan ilmiah paling monumental. Metodologi dan perangkat lunak yang efisien ternyata lebih sering dikutip dibandingkan penemuan ilmiah itu sendiri.
Metode dan Perangkat Lunak, Kunci Kutipan Tinggi
Misha Teplitskiy, seorang sosiolog dari University of Michigan, menjelaskan fenomena ini. Ia mengemukakan bahwa meskipun ilmuwan mengapresiasi penemuan empiris, teori, dan metode, dalam praktiknya, metodelah yang paling banyak dikutip.
Analisis Nature menggunakan lima basis data akademik utama, mencakup puluhan juta artikel sejak tahun 2000. Posisi median masing-masing makalah dihitung untuk menentukan peringkatnya.
ResNet: Arsitektur *Deep Learning* yang Mendominasi
Salah satu makalah paling banyak dikutip berasal dari tim Microsoft tahun 2016. Mereka memperkenalkan ResNet (residual neural network), sebuah arsitektur *deep learning* yang inovatif.
ResNet memungkinkan pelatihan jaringan dengan sekitar 150 lapisan, jauh lebih banyak daripada yang umum digunakan sebelumnya. Inovasi ini mengatasi masalah “menghilangnya sinyal” saat melewati banyak lapisan dalam jaringan saraf.
Meskipun tidak selalu menempati peringkat teratas di semua basis data, ResNet secara konsisten masuk dalam peringkat teratas. Google Scholar mencatatnya di peringkat kedua dengan 254.000 kutipan, sementara Web of Science menempatkannya di peringkat ketiga dengan lebih dari 100.000 kutipan.
Secara median, ResNet menjadi makalah paling banyak dikutip dan bahkan masuk dalam daftar sepuluh besar makalah paling banyak dikutip sepanjang masa.
Analisis Tematik: Panduan Riset yang Tak Terduga
Kisah menarik lainnya datang dari psikolog Virginia Braun dan Victoria Clarke. Makalah mereka tentang analisis tematik tak terduga masuk dalam tiga besar makalah paling banyak dikutip abad ini.
Ditulis pada tahun 2005, makalah ini bertujuan untuk memberikan panduan yang mudah dipahami bagi mahasiswa mengenai analisis tematik, sebuah metode penelitian kualitatif.
Kesederhanaan dan kepraktisan makalah ini yang menjelaskan definisi dan penerapan analisis tematik menjawab kebutuhan banyak peneliti. Hal ini yang menyebabkannya banyak dikutip hingga saat ini.
Daftar 10 Makalah Ilmiah Paling Banyak Dikutip Abad ke-21
Berikut daftar sepuluh makalah ilmiah paling banyak dikutip di abad ke-21 berdasarkan analisis Nature, dengan rentang kutipan yang tertera:
- Deep residual learning for image recognition (2016, preprint 2015): 103.756-254.074 kutipan
- Analysis of relative gene expression data using real-time quantitative PCR and the 2-ΔΔCT method (2001): 149.953-185.480 kutipan
- Using thematic analysis in psychology (2006): 100.327-230.391 kutipan
- Diagnostic and Statistical Manual of Mental Disorders, DSM-5 (2013): 98.312-367.800 kutipan
- A short history of SHELX (2007): 76.523-99.470 kutipan
- Random forests (2001): 31.809-146.508 kutipan
- Attention is all you need (2017): 56.201-150.832 kutipan
- ImageNet classification with deep convolutional neural networks (2017): 46.860-137.997 kutipan
- Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries (2020): 75.634-99.390 kutipan
- Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries (2016): 66.844-93.433 kutipan
Analisis Nature memberikan perspektif baru tentang bagaimana kita mengukur pengaruh riset ilmiah. Bukan hanya penemuan besar yang penting, tetapi juga metodologi dan perangkat lunak yang mendukungnya berperan krusial dalam memajukan ilmu pengetahuan.
Keberhasilan ResNet dan panduan analisis tematik menunjukkan bahwa karya yang praktis dan mudah diakses bisa memiliki dampak yang luas dan signifikan dalam komunitas ilmiah.
