Los gestores de referencias sociales unen a las funciones tradicionales de los gestores de referencias las capacidades de las redes sociales. La parte más importante de un gestor de referencias sociales no es el propio gestor de referencias en si mismo, si no la comunidad de investigadores que utilizan la herramienta para compartir investigaciones, recomendar artículos a otros y trabajar en colaboración. En términos prácticos, lo que esto significa es que el trabajo de encontrar y organizar una colección de artículos sobre un tema específico puede ser compartida por un grupo de personas. Los grupos son una de las características más útiles de un gestor social, ya que aprovechan los recursos de la «multitud» para potenciar los intereses del investigador individual. Esta posibilidad hace de los gestores de referencias herramientas orientadas a la potenciación de la identidad digital, a la visibilidad, cooperación y al descubrimiento de la información científica. Pero los beneficios van más allá de los grupos de descubrimiento de la literatura por medio del microvoluntariado (crowdsourcing) ; el investigador también  puede anotar y comentar sus documentos para compartirlos con sus colegas. La publicación de comentarios sobre la investigación puede llegar a ser una parte importante de la comunicación científica, cono la creciente atención que se presta a herramientas como PeerLibrary y PubPeer.

El objetivo clave de de cualquier gestor de referencias sociales es ayudar a los usuarios a descubrir contenidos útiles relacionados con sus intereses de investigación. Cuando se realiza una búsqueda se muestran otros documentos de interés relacionados con la entrada que esta visualizando «Related papers» en el caso de Mendeley o «Recomentations» en el de CiteUlike.

Un gestor de referencias social, se articula en torno a tres elementos, etiquetas, usuarios y documentos cuyas relaciones entre ellos configuran un sistema de descubrimiento que fomenta la potenciación de la identidad digital del investigador en base a las siguientes relaciones (ver gráfico):

• TUS ETIQUETAS. las etiquetas que el usuario más utiliza (Recomendaciones)
• ETIQUETAS COMUNES CON OTROS basado en las etiquetas que el investigador tiene en común con otros usuarios para recomendarnos a otros investigadores que podemos seguir (WatchList o recomendaciones de seguidores).
• USUARIOS y DOCUMENTOS, es decir usuarios que comparten muchos documentos contigo (Vecinos – Neighbours)
• DOCUMENTOS MÁS COMPARTIDOS. Documentos más populares, o índices de popularidad que utiliza el gestor para posicionar las búsquedas (Citegeist, Most Popular)

Como la comunicación académica toma nuevas formas y se mueve cada vez más en los entornos de acceso digital y abiertos, el valor de los nuevos tipos de métricas es cada vez más importante para la comunidad de investigadores. Sin lugar a dudas la mayor parte de los investigadores han trasladado sus actividades de investigación a la web. Y con el éxito de los medios sociales esta situación se ha hecho más evidente, ya que estas herramientas tienen más potencialidad para desarrollar un rango mayor de influencia académica que los entornos tradicionales de publicación. Servicios basados en la Web de todo tipo producen enormes cantidades de datos como resultado de su uso, tanto de la actividad académica como pública. Algunos de estos datos hacen referencia a los objetos de la comunicación científica – artículos, libros, bases de datos, programas de ordenador, presentaciones, etc. – Las fuentes que aportan datos son diversas, creciendo en número, muchas son comerciales y sin fines de lucro, tales como las bases de datos (por ejemplo, Scopus, PubMed), redes sociales (como Facebook, Twitter), marcadores sociales (por ejemplo, Delicious), blogs, Wikipedia, presentación y colecciones de vídeos (por ejemplo, SlideShare, YouTube), repositorios de datos (por ejemplo, Dryad figshare) y herramientas de manejo de citas (por ejemplo Mendeley, CiteUlike y Zotero).

Bibliotecas digitales, repositoiros OA, revistas y gestores de referencias sociales permiten descargar un documento y disponer de estadísticas de uso, estas tienen un importante potencial para establecer la popularidad de un artículo, y su potencial de lectura, lo que en alguna manera es un buen indicador de su valor o influencia científica. Algunos estudios también han hecho la correlación entre el número de vistas y descargas a un documento y el número de citas recibidas, lo que sugiere en alguna manera que las estadísticas de uso tienen una relación directa con su impacto (Brody, Harnad, Carr, 2006) ; aunque también existen algunos problemas prácticos respecto al uso de estás estadísticas para evaluación de la investigación, como la falta de uniformidad y normalización, o que los propios editores las manipulen para obtener una mayor influencia. Aunque las mayores críticas se centran en decir que se trata de una simple medida de uso, y no de influencia científica (Neylon, Wu, 2009)

La influencia generada por los medios sociales ha sido calificada como Investigación 2.0, Social reference, Altmetrics .. etc. Altmetrics (también conocido como métricas alternativas) tiene una historia relativamente corta como campo de estudio, que se remonta a 2010 cuando fue acuñado el nombre. El término en sí se utiliza para describir las fuentes de datos emergentes o nuevas para las métricas a nivel de elemento, por ejemplo, Twitter, Facebook, Gestores de Referencias Sociales o blogs. Dónde métricas de nivel de artículo (ALMS) se refiere a los datos recogidos para determinar el impacto de los artículos individuales, altmetrics se refiere a las fuentes de datos (por ejemplo, un tweet), en lugar de los datos en sí (por ejemplo, el número de veces que un artículo ha sido twitteado, o las veces que un artículo ha sido compartido por los investigadores en una herramienta de gestión de referencias a nivel social, es decir los llamados índices de popularidad). Es decir, el uso potencial de las métricas web basados en las nuevos sistemas de medición de impacto de la publicación.

En este sentido Altmetrics reporta el impacto de una amplia gama de productos de la investigación, incluyendo los conjuntos de datos y artículos. El más comúnmente indicador que se utiliza tanto para el artículo y el autor ha sido recuento de citas. Para los indicadores de nivel de autor, el índice h (ver Hirsch, 2005) ha ganado popularidad debido a su facilidad de uso y eficacia en todas las disciplinas. Métricas de nivel de artículo están experimentando una transformación que les ha extendido más allá de los proveedores comerciales tradicionales. El cálculo de este nivel de métrica incorpora múltiples fuentes de datos, tanto tradicionales como emergentes. Los datos recogidos no se limita a calcular métricas de nivel de artículo, pero tiene el potencial de ser utilizado para generar métricas de revistas y autores.

Altmetrics complementa la actual gama de métricas, y para algunos investigadores pueden proporcionar información valiosa sobre las interacciones públicas de sus investigaciones. Algunas publicaciones científicas y bases en línea están experimentando con la incorporación de estos indicadores como contenido de valor añadido y para demostrar el compromiso académico con el contenido. Por lo que altmetrics pueden enriquecer más la reflexión tradicional sobre el impacto y el valor a través de multitud de fuentes de revisión por pares y métricas de fuentes de datos basadas en la web. Esto está creando debate y discusión y, en algunos campos, de forma calorada.

Si bien, los nuevos métodos cuantitativos de evaluación de investigación deben ser desarrollados y validados para extender y complementar los sistemas tradicionales de citas basados en el análisis bibliométrico, ya que estos sistemas obedecen aun tipo diferente de medición. Sin que de momento haya estudios concluyentes sobre si podrían ser de utilidad con fines de evaluación de la investigación.

Por lo tanto decir que los Gestores de referencias sociales automatizan una tarea repetitiva y tediosa como es la gestión bibliográfica, pero además ofrecen una alternativa a los motores de búsqueda y bases de datos tradicionales a favor de la mediación social, el impacto de la investigación, el refuerzo de la identidad digital del autor y el descubrimiento científico.