Las altmetrics son un conjunto de métricas usadas para medir aquellos impactos de la investigación diferentes a las métricas tradicionales de la producción científica, indicadores derivados básicamente en la web social, que se generan a partir de las interacciones de los usuarios en los espacios web con las publicaciones generadas por personal investigador. Estas nuevas métricas reflejan la influencia del trabajo científico en el nuevo contexto digital, donde se agrupan las redes sociales y la información.
Altmetric Top 100 es una lista anual de los 100 artículos más comentados, y que por lo tanto, han generado más debate entre el personal investigador y la sociedad en general. Esta lista se realiza desde el año 2013, según el indicador Altmetric Attention Score que se basa en 3 factores principales: el número de menciones, las fuentes de información y autoría de las menciones. Las estadísticas, representadas por el "Altmetric Donut", están basadas en las menciones de un artículo en redes sociales (Twitter, Facebook, etc.), menciones en documentos normativos, en blogs, "lectores" en Mendeley, etc. Se pueden realizar búsquedas en la lista por título, revista/colección, editor, área temática, institución y tipo de acceso; y también se pueden ordenar por las diferentes métricas que proporciona.
Durante el 2019, el artículo que ha generado más debate ha sido el pre-print "Few-shot adversarial learning of realistic neural talking head models" de los autores Egor Zakharov, Aliaksandra Shysheya, Egor Burkov, Victor Lempitsky, publicado en el repositorio de pre-prints en acceso abierto arXiv.org (versión publicada: ZAKHAROV, Egor, et al. Few-shot adversarial learning of realistic neural talking head models. En Proceedings of the IEEE International Conference on Computer Vision. 2019. p. 9459-9468)
