Scopus or Web of Science? The Better Question Is: What Are You Trying to Do?

Scopus или Web of Science? По-важният въпрос е: какво всъщност се опитваш да направиш?

Plamen MILTENOFF

Vodcast
Видео
If you are a doctoral student, you have likely heard advice like this:
“Publish in Scopus.”
“Web of Science is better.”
“You need a Q1 journal.”
“Check the Impact Factor.”
Аll four statements can be misleading if you do not ask one more question:

What exactly are you trying to do?
Scopus and Web of Science are both important academic databases. Researchers use them to find articles, follow citations, identify journals, compare research output, and support decisions about publishing.

But they are not the same.
More importantly, they are not academic ranking systems tо tell you, by themselves, whether a study is good or whether a researcher is successful.
For graduate students and researchers at the University of Economics, this matters because many research topics cross several fields.
Think about a dissertation on the use of generative AI by university lecturers.
Is this an education topic?
Yes.
Is it also about information systems?
Yes.
Psychology?
Possibly.
Management?
Quite likely.
Technology adoption?
Almost certainly.
One database may show you one part of this research area. Another database may show you something else.
This is why the question “Which database is better?” is often less useful than:
“Which database is better for the task I am doing now?”
– Scopus is usually broader
One of the clearest differences is coverage.
– Scopus currently indexes more active journals than Web of Science Core Collection.
This is one reason researchers often describe Scopus as broader.
Imagine you are researching digital transformation in small businesses.
A search in Scopus may return articles from management, information systems, entrepreneurship, marketing, regional development, and computing.
Web of Science may return many of the same papers, but the overall collection is smaller.
This does not mean Scopus contains everything.

– Both databases have gaps.
– Both favor English-language research.
– Both represent some regions and disciplines better than others.
Research in social sciences, arts, humanities, local-language journals, and regional publications can be harder to find in both systems.
This is especially important for research connected to Bulgaria or Eastern Europe.

Say your dissertation is about rural tourism in Bulgaria.
Scopus and Web of Science may help you find international studies about rural tourism.
But some Bulgarian research may appear in local journals, books, reports, university repositories, government publications, or regional databases.
If you search only Scopus and Web of Science, you may miss part of the story.
So for literature reviews, “use Scopus” is not a method.
You need to explain why you chose a database and what other sources you used.
Using both can help, but “use both” my still not be sufficient.

Students sometimes hear:
“If you want to be safe, search Scopus and Web of Science.”
This is often a good start.
But it is not a complete research strategy.
Suppose your topic is student wellbeing.
Scopus and Web of Science may help.
But perhaps you also need psychology databases.
– If your topic concerns education, ERIC may be useful.
– If your topic concerns health, PubMed may matter.
– If your topic concerns computing, conference literature may become important.
The point is: choose databases based on your research question.
Do not choose them because one sounds more prestigious.
For a broad dissertation search, using both Scopus and Web of Science often makes sense.
For a systematic or scoping review, you need a more planned approach.
You
– define your concepts.
– develop keywords.
– translate the search for each database.
– record your search strings.
– record the dates.
– remove duplicates.
– document what you included and excluded.
This is research design, not database clicking.

Citation counts are not absolute numbers
Here is a simple example.
You find an article in Scopus.
Scopus says:
57 citations.
You find the same article in Web of Science.
It says:
44 citations.
Then you check Google Scholar.
It says:
83 citations.
Which number is correct?
All three may be correct.
Each database counts citations from a different collection of sources.
So the statement:
“This article has 57 citations”
is incomplete.
A better statement is:
“This article had 57 citations in Scopus on 10 August 2026.”
The database matters.
The date matters too.

The same applies to your h-index.
You might have an h-index of 12 in Web of Science and 15 in Scopus.
This does not mean one system made a mistake.
The systems are counting different publication and citation sets.
A metric always comes from somewhere.
Always ask:
Which database?
Which year?
Which method?
This becomes even more important in bibliometric research

Imagine two doctoral students study the same topic.
Both want to map research on artificial intelligence in higher education.
Student A downloads data from Scopus.
Student B downloads data from Web of Science.
They may end up with different numbers of papers.
Different top authors.
Different leading countries.
Different journals.
Different citation counts.
Different keyword networks.
Different institutional rankings.
Both studies may be methodologically sound.
The difference comes partly from the database.
So if you conduct a bibliometric study, database choice belongs in your methodology.
– You should explain why you chose Scopus or Web of Science.
– You should record the search date.
– You should explain your filters.
– You should describe how you cleaned the data.
– And you should recognize a simple limitation:
another database may produce a somewhat different map of the field.

Q1 does not mean one thing
Now we come to one of the most common sources of confusion.
Someone says:
“I published in a Q1 journal.”
A useful response is:
“Q1 according to which system?”
There is more than one.
JCR Q1 comes from Journal Citation Reports and Web of Science data.
CiteScore Q1 comes from Scopus.
SJR Q1 comes from SCImago, which uses Scopus data but applies its own method.
The same journal can have different quartiles in different systems.
Here is a simple example.
A journal may be:
Q1 in CiteScore,
Q2 in JCR,
Q1 in SJR.
Nothing is wrong.
The systems use different categories, different formulas, and different sets of journals.
When you write “Q1” in a CV, report, publication list, or doctoral document, be specific.
Say which system and which year.

“Impact Factor” also needs more explanation today
For years, many researchers used the phrase “Impact Factor journal” as shorthand for a journal in SCIE or SSCI.
That shortcut no longer works.
Journals in ESCI and AHCI can also receive a Journal Impact Factor.
So if a journal has an Impact Factor, you still need to check which Web of Science index includes it.
This matters when a doctoral program, university rule, promotion procedure, or funding call specifies a particular index.
Do not assume:
Impact Factor = SSCI or SCIE.
Check the official journal record.
Scopus does not make journals publish faster

Another common claim is:
“Scopus journals publish faster.”
This mixes two different processes.
Scopus does not publish articles.
Web of Science does not publish articles.
Journals publish articles.
Editors decide whether to send your paper for review.
Reviewers evaluate it.
Editors request revisions.
Publishers prepare the final article.
The database enters the picture later, when the published article is indexed.

Imagine two journals.
Journal A is indexed in Scopus and takes eight months from submission to publication.
Journal B is indexed in both Scopus and Web of Science and takes ten weeks.
The difference comes from the journals, not the databases.
The same applies to article processing charges.
Scopus does not decide the APC.
Web of Science does not decide the APC.
The publisher does.
So if publication speed matters, check the journal’s own information.
Look for:
time to first decision,
time to acceptance,
time to online publication.
Do not use database indexing as a shortcut.
Start journal selection with fit
Graduate students often begin journal selection with this question:
“Which Q1 journal can I submit to?”
Try reversing the process.
Start with:
“Which journal publishes research like mine?”
Suppose your paper examines how lecturers adopt generative AI.
A management journal may want an organizational angle.
An education journal may care about teaching practice.
An information systems journal may focus on technology acceptance.
A psychology journal may expect stronger work on attitudes, trust, anxiety, or behavior.
Your paper needs to speak to the journal’s readers.

Before checking quartiles, read several recent articles from the journal.
Ask:
Does this journal publish my type of research?
Does my method fit?
Does my theory fit?
Would the journal’s readers care about my findings?
Only after that should you move to indexing, metrics, APCs, and publication timelines.
A high-ranked journal that does not fit your manuscript is still the wrong journal.
Always verify indexing yourself
You open a journal website.
It says:
“Indexed in Scopus and Web of Science.”
Do not stop there.
Check the official databases.
Why?
Because journal coverage changes.
A journal can enter a database.
A journal can leave a database.
Coverage may begin from a particular year.
A journal may be in Web of Science, but in ESCI rather than SSCI.
A journal website may display old information.
So before submitting, verify:
the exact journal title,
the ISSN,
the database,
the coverage period,
the current status,
the specific Web of Science index, if relevant.
For Web of Science, use the Master Journal List.
For Scopus, use official Scopus source information.
For Journal Impact Factor, use Journal Citation Reports.
For SJR, use SCImago.
Do not rely on a logo on a journal website.
Research evaluation is a separate issue
Researchers often say:
“Web of Science is more important for promotion.”
Sometimes this is true.
Sometimes it is not.
The important question is:
What does the current policy say?
Different countries, universities, funding bodies, and disciplines use different rules.
A university may recognise Scopus publications.
Another evaluation system may focus on Web of Science.
A funding call may require JCR quartiles.
A promotion rule may accept several systems.
The database itself does not create the rule.
The institution does.
This means you should never choose a journal based only on advice such as:
“My colleague told me they only accept WoS.”
Read the current document.
Rules change.
Metrics change.
Database coverage changes.
Journal classifications change.
For formal academic decisions, current policy beats academic folklore.
Metrics are useful, but they do not tell the whole story

There is also a bigger question.
Should we evaluate researchers mainly through Impact Factor, quartiles, citation counts, and h-index?
International initiatives such as DORA, the Leiden Manifesto, and CoARA argue for a more careful approach.
Their basic idea is easy to understand.
Journal metrics tell you something about journals.
Citation metrics tell you something about citation activity.
Neither gives you a complete evaluation of a researcher.
Consider two researchers.
Researcher A publishes three international journal articles.
Researcher B publishes two articles, creates a useful dataset, writes a Bulgarian-language book, advises a public institution, supervises doctoral students, and develops a research tool.
Which researcher is better?
You cannot answer from the h-index alone.
Good research evaluation requires context.
Metrics can help.
They should not replace academic judgment.

What should a doctoral student at the University of Economics do?
A simple approach works well.
When you start your dissertation, search broadly.
Use Scopus and Web of Science to identify key terms, authors, journals, and important papers.
Then ask what may be missing.
If your topic concerns education, add education sources.
If your topic concerns psychology, add relevant psychology sources.
If your topic concerns Bulgaria, search Bulgarian and regional materials too.
If you are conducting a systematic review, document the whole search process.
If you are conducting bibliometric research, choose your main database deliberately and explain why.
If you are selecting a journal, begin with manuscript fit.
Then check indexing.
Then check metrics.
Then check institutional requirements.
If someone says “Q1,” ask:
Which Q1?
If someone says “Web of Science journal,” ask:
Which index?
If someone says “Impact Factor journal,” ask:
Does that mean SCIE, SSCI, AHCI, or ESCI?
If someone says “This paper has 100 citations,” ask:
According to which database?
And if someone says “Scopus is better than Web of Science,” ask the most useful question of all:
Better for what?
That question changes the conversation.
Scopus and Web of Science are both useful.
Neither represents all academic knowledge.
Neither provides a final judgment on research quality.
The skill researchers need is not choosing a favourite database.
The skill is knowing what each source can tell you, what it cannot tell you, and when you need another source.

For graduate students, this is part of learning how research works.
For experienced researchers, it is part of making stronger methodological decisions.
And for universities, it is part of building a more responsible research culture.		Представи си следната ситуация.
Докторант е почти готов със своята първа научна статия. Темата е добра, данните са събрани, анализът е направен.
И тогава идва въпросът:
„Къде да публикувам?“
Един колега казва:
„Търси списание в Scopus.“
Друг отговаря:
„Не. Web of Science е по-добър.“
На конференция някой добавя:
„Ако не е Q1, няма смисъл.“
А научният ръководител пита:
„Какъв му е Impact Factor?“
Докторантът вече има четири съвета и вероятно още повече въпроси.
Кой е прав?
Проблемът е, че всички тези съвети могат да бъдат полезни в определена ситуация. Но могат да бъдат и подвеждащи.
Защото липсва един много важен въпрос:
Какво точно се опитваш да направиш?
Да намериш литература?
Да направиш библиометричен анализ?
Да избереш списание?
Да изпълниш изискване за докторска степен?
Да провериш дали дадено списание е Q1?
Да сравниш научното влияние на двама автори?
Отговорът на въпроса „Scopus или Web of Science?“ зависи именно от това.

Първо: Scopus и Web of Science са инструменти
Scopus и Web of Science са сред най-важните научни бази данни.
Изследователите ги използват, за да намират публикации, да проследяват цитирания, да откриват списания, автори и научни организации и да анализират развитието на дадена научна област.
Но има нещо важно:
те не са едно и също.
И още по-важно:
те не са съдии, които решават дали едно изследване е добро.
Една статия не става качествена просто защото е в Scopus.
И не става автоматично по-качествена, защото е в Web of Science.
Това са системи, които събират и организират научна информация.

Защо това е особено важно за докторантите?
Защото днешните изследователски теми рядко стоят удобно само в една дисциплина.
Да вземем пример.
Работиш върху дисертация за използването на генеративен AI от университетски преподаватели.
Към коя област принадлежи темата?
Образование?
Да.
Информационни системи?
Също.
Психология?
Възможно е.
Мениджмънт?
Много вероятно.
Технологично приемане?
Почти сигурно.
Това означава, че литературата ти е разпръсната между различни научни области.
Една база може да покаже една част от картината.
Друга база може да покаже друга.
Затова вместо да питаш:
„Коя база е по-добра?“
по-полезно е да попиташ:
„Коя база е по-подходяща за задачата, която изпълнявам в момента?“
💡 КЛЮЧОВ ИЗВОД #1
Не избирай база данни според нейния „престиж“.
Избирай я според изследователската задача.
За литература, библиометрия, избор на списание и оценяване може да са подходящи различни източници.

Scopus обикновено е по-широк
Една от най-видимите разлики между двете системи е обхватът.
Scopus индексира повече активни списания от Web of Science Core Collection.
Затова често се казва, че Scopus е „по-широк“.
Представи си, че изследваш дигиталната трансформация на малките предприятия.
Темата може да те отведе към литература от:
мениджмънт, предприемачество, маркетинг, информационни системи, регионално развитие и компютърни науки.
Scopus може да ти даде много добър широк старт.
Но това не означава:
„Scopus има всичко.“
Няма база данни, която да съдържа цялата научна литература.
И Scopus, и Web of Science имат пропуски.
И двете представят английския език много по-силно.
Някои държави и региони са представени по-добре от други.
Същото се отнася и за различните научни области.

А какво става, ако изследваш България?
Тук проблемът става още по-видим.
Представи си дисертация:
„Развитие на селския туризъм в България“.
В Scopus и Web of Science вероятно ще намериш много международни статии за rural tourism, sustainable tourism, destination development и regional development.
Чудесно.
Но дали там ще намериш цялата важна българска литература?
Едва ли.
Част от нея може да бъде в български научни списания.
Друга част може да е в книги.
Трета в университетски репозиториуми.
Четвърта в доклади на министерства, общини, туристически организации или статистически институции.
Ако търсиш само в Scopus и Web of Science, може да получиш много добра картина на международния дебат, но непълна картина на българския контекст.
Това е сериозен методологичен въпрос.
Затова изречението:
„Използвах Scopus.“
не е достатъчно описание на метод.
Дори:
„Използвах Scopus и Web of Science.“
не решава автоматично проблема.
По-важното е да обясниш:
Защо избра тези бази?
Какво търсеше в тях?
Какви други източници добави?
Какво вероятно остава извън търсенето ти?

„Използвай и двете“ е добър съвет. Но не винаги достатъчен.
Да предположим, че изследваш дигиталното благополучие на студентите.
Scopus е полезен.
Web of Science също.
Но темата има психологически аспект.
И образователен аспект.
Може би и здравен аспект.
Тогава може да имаш нужда и от специализирани бази.
Например ERIC за образование.
Или PubMed, ако темата има здравно измерение.
При друга тема може да са необходими специализирани източници от психология, компютърни науки или икономика.
Затова добрата стратегия не е:
„Търся навсякъде.“
Тя е:
„Търся там, където има смисъл според моя изследователски въпрос.“
💡 КЛЮЧОВ ИЗВОД #2
Scopus + Web of Science е добър старт.
Но за сериозен литературен обзор понякога ще са необходими и специализирани, национални или регионални източници.
Целта не е да използваш най-много бази.
Целта е да не пропуснеш важна част от литературата.

Един много прост пример: колко цитирания има тази статия?
Отваряш една статия в Scopus.
Пише:
57 цитирания.
След това проверяваш Web of Science.
Там са:
44.
В Google Scholar:
83.
И сега?
Кое число е вярното?
Отговорът е малко странен:
всички могат да бъдат верни.
Причината е проста.
Различните системи виждат различен набор от публикации.
Ако Scopus индексира източник, който Web of Science не индексира, цитиране от този източник може да се появи в едната система, но не и в другата.
Затова:
❌ „Статията има 57 цитирания.“
е непълно твърдение.
По-точно е:
✅ „Статията има 57 цитирания в Scopus към 10 август 2026 г.“
Същият принцип важи и за h-index.
Един изследовател може да има различен h-index в Scopus, Web of Science и Google Scholar.
Това не означава непременно, че някоя система греши.
Просто измерват различни набори от информация.

Това става още по-важно при библиометричните изследвания
Представи си двама докторанти.
И двамата изследват:
„Generative AI in Higher Education“.
Първият използва Scopus.
Вторият използва Web of Science.
След анализа единият получава 2 400 публикации.
Другият 1 900.
При единия САЩ са на първо място.
При другия разликата между водещите държави е различна.
Може да се различават и водещите автори, списания, ключови думи и цитирания.
Кой е направил грешка?
Може би никой.
Причината може просто да бъде различната база данни.
Това означава, че в библиометрично изследване изборът между Scopus и Web of Science е част от методологията.
Не е просто технически избор от типа:
„Тази платформа ми харесва повече.“

А сега любимата академична дума: Q1
Някой казва:
„Имам публикация в Q1.“
Звучи чудесно.
Но следващият въпрос трябва да бъде:
„Q1 според коя система?“
Защото „Q1“ не е едно универсално нещо.
Може да имаме например:
JCR Q1
свързано с Journal Citation Reports и Web of Science.
CiteScore Q1
свързано със Scopus.
SJR Q1
свързано със SCImago и данни от Scopus.
И едно списание може спокойно да бъде:
Q1 по CiteScore,
Q2 в JCR,
Q1 по SJR.
Няма грешка.
Просто системите използват различни показатели, категории и методи.
Затова „Q1“ без допълнително уточнение е малко като да кажеш:
„Хотелът има оценка 9.“
Добре.
Но в Booking?
Google?
TripAdvisor?
Според коя система?
💡 КЛЮЧОВ ИЗВОД #3
Никога не приемай „Q1“ като универсален етикет.
Винаги питай:
Коя система? Коя категория? Коя година?
Същото списание може да има различна позиция в JCR, CiteScore и SJR.

А Impact Factor?
И тук има старо правило, което вече може да създаде объркване.
Преди често се използваше следната логика:
„Има Impact Factor, следователно е SCIE или SSCI.“
Това вече не е надеждно.
Impact Factor може да имат и списания в други части на Web of Science Core Collection, включително ESCI и AHCI.
Затова наличието на Impact Factor не ти казва автоматично в кой конкретен индекс е списанието.
Ако твоят университет, докторска програма или конкурс изисква например SSCI, трябва да провериш точно SSCI.
Не просто:
„Има Impact Factor.“

„Scopus списанията публикуват по-бързо“
Това е друг популярен мит.
Представи си Scopus и Web of Science като огромни библиотечни каталози.
Каталогът не решава колко бързо една книга ще бъде написана.
Същото е и тук.
Scopus не рецензира твоята статия.
Web of Science не решава дали ще получиш „major revisions“.
Базите не определят колко месеца ще чакаш.
Това зависи от списанието:
редакторите,
рецензентите,
процеса на рецензиране,
издателя,
производствения график.
Едно Scopus списание може да публикува за осем месеца.
Друго, което е едновременно в Scopus и Web of Science, може да публикува за десет седмици.
Затова, ако времето е важно за теб, гледай информацията за конкретното списание.
Не етикета на базата.

Не започвай избора на списание с Q1
Това е може би най-практичният съвет за млад изследовател.
Често процесът изглежда така:
„Имам статия. Сега ми трябва Q1 списание.“
След това авторът намира високо класирано списание и се опитва да „нагласи“ статията към него.
По-добре е обратното.
Започни с:
„Кои списания публикуват изследвания като моето?“
Да кажем, че статията ти е за използването на AI от университетски преподаватели.
Ако я изпратиш в списание по мениджмънт, редакторите може да очакват организационна перспектива.
В образователно списание ще бъде по-важен ефектът върху преподаването и ученето.
В списание по информационни системи може да е важен моделът на технологично приемане.
В психологическо списание може да се очаква по-сериозен анализ на нагласи, тревожност, доверие или поведение.
Същото изследване.
Различна научна аудитория.
Затова първо провери fit.
После метриките.

Как се проверява дали списанието наистина е индексирано?
На сайта на списание виждаш големи лога:
SCOPUS
WEB OF SCIENCE
Чудесно.
Но не спирай дотук.
Провери информацията при източника.
За Scopus използвай официалната информация за източниците в Scopus.
За Web of Science провери Master Journal List.
За Journal Impact Factor и JCR quartile провери Journal Citation Reports.
За SJR провери SCImago.
Защо е важно?
Защото списания могат да бъдат включвани и изключвани.
Покритието може да започва от определена година.
Информацията на сайта на списанието може да е остаряла.
А „Web of Science“ само по себе си не ти казва дали списанието е в SSCI, SCIE, AHCI или ESCI.

А какво става при научно оценяване?
Тук разговорът „Scopus срещу Web of Science“ става още по-сложен.
Някой може да ти каже:
„За академично израстване Web of Science е по-важен.“
Друг:
„При нас Scopus също се признава.“
И двамата може да са прави.
Защото правилата не се създават от самите бази данни.
Те се създават от:
университети,
министерства,
национални системи,
научни фондове,
конкретни конкурси.
Затова най-надеждният източник не е колегата от съседния кабинет.
Не е Facebook групата.
Не е дори съветът от конференция преди три години.
Най-надеждният източник е актуалният официален документ.
Правилата се променят.
Метриките също.

И още нещо: метриките не измерват целия изследовател
Представи си двама учени.
Изследовател A има три международни статии.
Изследовател B има две статии, създал е база данни, написал е книга на български, работи с институции, обучава докторанти и е разработил инструмент, който други изследователи използват.
Кой е „по-добър“?
h-index няма да ти даде пълния отговор.
Нито Q1.
Нито Impact Factor.
Затова инициативи като DORA, Leiden Manifesto и CoARA от години насърчават по-отговорно използване на научните метрики.
Идеята не е:
„Метриките са безполезни.“
Идеята е:
„Метриките са информация, а не присъда.“
💡 КЛЮЧОВ ИЗВОД #4
Scopus, Web of Science, h-index, Impact Factor и Q1 могат да ни дадат полезна информация.
Но не трябва автоматично да превръщаме:
показател за списание → оценка за статия → оценка за учен.
Това са три различни неща.

Как бих подходил като докторант?
Представи си, че започваш ново дисертационно изследване.
Първо използваш Scopus и Web of Science, за да видиш международната картина.
Откриваш водещите автори.
Виждаш важните списания.
Научаваш основните термини.
След това питаш:
„Какво може да липсва?“
Ако темата е образователна, може да добавиш специализирана образователна база.
Ако е психологическа, съответен психологически източник.
Ако изследваш България, добавяш българска литература и институционални източници.
Ако правиш систематичен обзор, записваш точно как си търсил.
Ако правиш библиометрия, обясняваш защо си избрал конкретната база.
Когато дойде време за публикуване, първо намираш списания, които реално публикуват твоя тип изследване.
След това проверяваш индексирането.
После проверяваш метриките.
И накрая сверяваш всичко с конкретните институционални изисквания.

Пет въпроса, които могат да ти спестят много проблеми
Когато чуеш:
„Q1“
питай:
По коя система?
Когато чуеш:
„Web of Science списание“
питай:
В кой индекс?
Когато чуеш:
„Има Impact Factor“
питай:
Но в SCIE, SSCI, AHCI или ESCI е?
Когато чуеш:
„Статията има 100 цитирания“
питай:
В коя база и към коя дата?
А когато някой каже:
„Scopus е по-добър от Web of Science“
задай най-важния въпрос:
По-добър за какво?

Финалната идея
Може би именно тук е най-голямото объркване.
Опитваме се да превърнем Scopus и Web of Science в две съперничещи си марки.
Като Coca-Cola срещу Pepsi.
Apple срещу Android.
Но за изследователя това не е много полезен начин на мислене.
Scopus и Web of Science са инструменти.
И както при всеки инструмент, първо трябва да знаеш какво се опитваш да направиш.
Понякога Scopus ще бъде по-подходящ.
Понякога Web of Science.
Много често ще използваш и двете.
А понякога нито една от тях няма да бъде достатъчна.
Истинското умение не е да станеш „Scopus изследовател“ или „Web of Science изследовател“.
Истинското умение е да знаеш:
какво ти показва дадена база,
какво може да остава невидимо,
и кога трябва да потърсиш информация другаде.
Това е част от научната грамотност.
И е едно от уменията, които превръщат докторанта от човек, който просто „търси статии“, в изследовател, който разбира как се изгражда научното знание.
Този вариант вече е доста по-подходящ за университетски блог: има hook в началото, визуални паузи, истории и четири карета, които могат лесно да се оформят като цветни callout boxes в сайта.

References

Asubiaro, T. V. (2026). Twenty-one years of coexistence: A comparative analysis of disciplinary and regional journal coverage in Web of Science and Scopus (2004–2024). Scientometrics. [https://doi.org/10.1007/s11192-026-05715-w](https://doi.org/10.1007/s11192-026-05715-w)

Asubiaro, T. V., Onaolapo, S., & Mills, D. S. (2024). Regional disparities in Web of Science and Scopus journal coverage. Scientometrics, 129(3), 1469–1491. [https://doi.org/10.1007/s11192-024-04948-x](https://doi.org/10.1007/s11192-024-04948-x)

Bramer, W. M., Rethlefsen, M. L., Kleijnen, J., & Franco, O. H. (2017). Optimal database combinations for literature searches in systematic reviews: A prospective exploratory study. Systematic Reviews, 6, 245. [https://doi.org/10.1186/s13643-017-0644-y](https://doi.org/10.1186/s13643-017-0644-y)

Harzing, A. W., & Alakangas, S. (2016). Google Scholar, Scopus and the Web of Science: A longitudinal and cross-disciplinary comparison. Scientometrics, 106(2), 787–804. [https://doi.org/10.1007/s11192-015-1798-9](https://doi.org/10.1007/s11192-015-1798-9)

Hicks, D., Wouters, P., Waltman, L., de Rijcke, S., & Rafols, I. (2015). Bibliometrics: The Leiden Manifesto for research metrics. Nature, 520, 429–431. [https://doi.org/10.1038/520429a](https://doi.org/10.1038/520429a)

Martín-Martín, A., Orduna-Malea, E., Thelwall, M., & Delgado López-Cózar, E. (2018). Google Scholar, Web of Science, and Scopus: A systematic comparison of citations in 252 subject categories. Journal of Informetrics, 12(4), 1160–1177. [https://doi.org/10.1016/j.joi.2018.09.002](https://doi.org/10.1016/j.joi.2018.09.002)

Martín-Martín, A., Thelwall, M., Orduna-Malea, E., & Delgado López-Cózar, E. (2021). Google Scholar, Microsoft Academic, Scopus, Dimensions, Web of Science, and OpenCitations’ COCI: A multidisciplinary comparison of coverage via citations. Scientometrics, 126, 871–906. [https://doi.org/10.1007/s11192-020-03690-4](https://doi.org/10.1007/s11192-020-03690-4)

Mongeon, P., & Paul-Hus, A. (2016). The journal coverage of Web of Science and Scopus: A comparative analysis. Scientometrics, 106(1), 213–228. [https://doi.org/10.1007/s11192-015-1765-5](https://doi.org/10.1007/s11192-015-1765-5)

Rethlefsen, M. L., Kirtley, S., Waffenschmidt, S., Ayala, A. P., Moher, D., Page, M. J., & Koffel, J. B. (2021). PRISMA-S: An extension to the PRISMA Statement for reporting literature searches in systematic reviews. Systematic Reviews, 10, 39. [https://doi.org/10.1186/s13643-020-01542-z](https://doi.org/10.1186/s13643-020-01542-z)

Singh, V. K., Singh, P., Karmakar, M., Leta, J., & Mayr, P. (2021). The journal coverage of Web of Science, Scopus and Dimensions: A comparative analysis. Scientometrics, 126, 5113–5142. [https://doi.org/10.1007/s11192-021-03948-5](https://doi.org/10.1007/s11192-021-03948-5)

Visser, M. S., van Eck, N. J., & Waltman, L. (2021). Large-scale comparison of bibliographic data sources: Scopus, Web of Science, Dimensions, Crossref, and Microsoft Academic. Quantitative Science Studies, 2(1), 20–41. [https://doi.org/10.1162/qss_a_00112](https://doi.org/10.1162/qss_a_00112)

Additional institutional resources used for the analysis include Elsevier’s Scopus Content Coverage Guide and source-selection documentation, Clarivate’s Web of Science Core Collection and Master Journal List documentation, Journal Citation Reports, SCImago Journal & Country Rank methodology, the San Francisco Declaration on Research Assessment, the Leiden Manifesto, and the Coalition for Advancing Research Assessment.