deletions | additions       diff --git a/Wetenschappelijke vs. maatschappelijke impact.tex b/Wetenschappelijke vs. maatschappelijke impact.tex  index 40a6d41..4bbd524 100644  --- a/Wetenschappelijke vs. maatschappelijke impact.tex  +++ b/Wetenschappelijke vs. maatschappelijke impact.tex 
...
Aan de ene kant zijn er altmetrics data die, net als traditionele citatiescores, het (her)gebruik van onderzoeksoutput \textbf{binnen de wetenschap} meten. Naast citaties vallen hier bijvoorbeeld Mendeley readers, vermeldingen op blogs van wetenschappers en post-publication peer reviews onder. Door sommige altmetrics aanbieders (zoals ImpactStory) worden ook full-text downloads expliciet gezien als gebruik door wetenschappers, in tegenstelling tot html-views.   Andere altmetrics data beogen te kijken naar het gebruik van onderzoeksoutput \textbf{in de maatschappij als geheel}. Hier vallen bijvoorbeeld vermeldingen in nieuwsmedia, Wikipedia en social media onder, evenals vermeldingen in beleidsdocumenten, zoals bijgehouden door Altmetric. Zoals gezegd beschouwt ImpactStory ook html-views als gebruik door het grotere publiek, dit in tegenstelling tot pdf-downloads, dat wordt die worden  gezien als activiteit van wetenschappers. Uiteraard is het de vraag in hoeverre al deze verschillende vormen van gebruik daadwerkelijk een maat zijn voor de impact van onderzoeksoutput. Als een artikel veel gedeeld wordt via Twitter, betekent dit dan dat de inhoud van het artikel ook veel mensen bereikt, of heeft het artikel alleen een aansprekende titel die uitnodigt tot delen? Een aantal altmetrics aanbieders probeert onderscheid te maken tussen verschillende vormen van ‘delen’ op social media – waarbij bv het plaatsen van een bericht op Facebook over een artikel meer gewicht in de schaal legt dan simpelweg het ‘liken’ van dat bericht. Het is duidelijk dat cijfers niet alles zeggen: om een goed beeld te krijgen van de betekenis van altmetrics data is het belangrijk om te kijken naar de inhoud en context van de informatie die over onderzoeksoutput wordt gedeeld. Zo kan bv. via ‘sentiment analysis’ een uitspraak gedaan worden over hoe op Twitter over een artikel wordt gesproken: positief, negatief of neutraal. [refs: http://cybermetrics.cindoc.csic.es/articles/v17i1p1.html, 10.1371/journal.pone.0106086]