范如霞
, 曾建勋
Fan Ruxia, Zeng Jianxun
中图分类号: G35
通讯作者:
收稿日期: 2016-12-29
修回日期: 2017-03-16
网络出版日期: 2017-04-25
版权声明: 2017 《数据分析与知识发现》编辑部 《数据分析与知识发现》编辑部
展开
摘要
【目的】利用高合作学者识别算法和学者影响力模式识别算法识别出团队的高合作学者以及其动态学术影响力模式, 为团队中人才成长提供参考。【方法】根据学者的合作人数情况, 区分出团队中的高合作学者; 利用高合作学者的发文量和度数中心度指标测度学者的个人影响力和在团队的影响力, 识别学者的动态学术影响力模式。【结果】不同团队中的高合作学者数量不一, 为零至多个。高合作学者的动态学术影响力模式不同, 识别为稳步增长或成熟波动模式。【局限】仅利用两个指标来测度学者影响力, 对于较复杂情况的学者需引入更多的指标识别其动态学术影响力模式。【结论】高合作学者识别算法和学者影响力模式识别算法能够较合理地识别出团队中的高合作学者及其动态学术影响力模式。
关键词：
Abstract
[Objective] This paper tries to identify the high cooperative scholars and their dynamic academic impacts with the help of high cooperative scholar recognition algorithm and the scholar impact recognition algorithm. [Methods] First, we identified the high cooperation scholars based on the number of collaborators. Then, we estimated the impacts of these scholars and their teams with the amount of publications and degree of centrality. [Results] The number of highly cooperative scholars varied among the teams. The dynamic academic impacts of highly cooperative scholars were either growing steadily or fluctuating maturely. [Limitations] Only used two indicators to measure the impacts of scholars. More indicators were needed to analyze the complex cases. [Conclusions] The proposed method could effectively identify the highly cooperative scholars of the team and their dynamic academic impacts.
Keywords：
科研学者的学术影响力变化规律与价值评估研究, 对于科研管理、人才培养具有重要意义。科研论文作为重要的科研产出对象, 基于科研论文对学者进行学术影响力监控与评估是通常采用的方法。传统上, 对学者科研论文的学术评估方法主要有同行评议、发文数量(总发文数量、平均发文数量)、引用数量(总引文数量、平均引文数量、影响因子)、基于发文和引文的评价指标(H指数、G指数等)[1-3]。此外, 近年来社会网络分析方法也越来越多地被用于学者评价研究[4]。这些方法主要是通过测评学者之间的合作情况, 根据学者在合作网络关系中的地位对其进行测度。
学者的学术影响力是一个动态变化的过程, 只有从动态的角度对其进行研究, 才能充分挖掘人才成长规律, 预测人才发展方向, 进而为制定人才培养计划以及选拔人才提供条件。当前, 已有的学者影响力研究大都侧重于从静态角度展开[5-6], 较少进行动态分析[7], 且大都从时间维度介绍学者的引文情况以反映趋势[8]。关于学者在团队中的影响力变化研究较少, 尤其是在现实中团队有多位高影响力学者时, 测度他们的动态学术表现能够更好地认识其成长情况, 发现高影响力学者中团队影响力增长较快的学者, 以便对其进行重点资助, 为人才的发展和培养提供参考。本文针对上述考虑, 基于作者合作网络, 根据高合作学者识别算法识别团队中的高合作学者, 并利用学者影响力模式算法发现其学术影响力的变化情况, 从而发现团队中学术影响力增长较快的高合作学者, 为人才选拔提供参考意义。
利用作者合作网络来测评学者影响力已经得到应用。如汤森路透根据学者间的合著关系识别团队, 为中国学者颁发“科研团队奖”[9]。利用合作网络测评学者在团队中影响力的过程中, 团队的识别是关键步骤。在合作团队的识别上, 通常对合作网络进行派系分析[10]以及2-派系分析[11]等。采用派系分析以及2-派系分析已经成为识别合作关系紧密团体的常用方法。但也有学者为了识别较为稳定且完整的团队, 首先利用2-派系识别小团队, 并以小团队中的作者为顶点, 采用滚雪球方法使其在整体网络中向下层逐级滚动, 以确定科研团队[12-13]。而此方法识别出的科研团队包括2-派系、3-派系、4-派系等其他派系, 虽识别的科研团队规模较大, 但利用此方法识别出的团队中的作者间关系较为稀疏也并不稳定。而本文是在较完整且稳定的团队识别基础上, 再发现其高合作学者, 可以弥补先行确定学者再确定团队方法中存在的不足。
在识别团队高影响力学者的方法上, Yan等指出通过科研合作网络中的中心性可以作为确定一个学者在其研究领域影响性的指标[14]。Abbasi等探讨了图书情报学学者合作网络的相关指标(包括度数中心度、接近中心度、中介中心度、特征向量中心度、平均连接强度和效率)与其引用影响力指标(H指数、G指数)之间的关系, 并指出合作网络特征可用来预测科学家未来的学术表现[15-16]。王菲菲利用作者合作网分析学者的知识交流影响力, 通过度数中心度、中介中心度和接近中心度指标发现其高影响力作者[17]。朱天等根据作者的合作数量以及合作范围对重要作者进行排名, 以便识别重要作者[18]。但是这些对于学者影响力的研究大都侧重于从整体的学者合作状态来研究其影响力, 是一种“快照式”的测评, 缺乏从时间维度开展对学者学术影响力的变化规律研究, 难以形成人才成长过程的全面认识。
也有学者通过引入时间维度, 进行学者动态学术影响力研究, 并采用个人影响因子、hr(y)指数和其他方法[19]。这些方法中, 个人影响因子继承了影响因子指标, 所以也无法避免影响因子采用近年的平均引文测评学者的较为不全面做法[20]。而hr(y)指数继承H指数, 故也无法摆脱H指数固有的缺点, 即对科研成绩一般的工作者区分度不高[21]。目前, 除上述外, 关于学者动态学术影响力的指标探讨相对较少。在人才评估中, 众多高校采用发文量作为学者评定职称的常用指标, 如浙江大学评选教授会对其成果进行统计和评测[22]。度数中心度也经常被用来测度学者在网络中的地位, 以测量学者在学术关系中的影响力[23]。本文结合发文量和度数中心度两个指标分别测度学者在不同时间维度下的个人影响力和在团队的影响力, 以补充学者的动态学术影响力测评。
本文主要以团队的视角, 根据团队中各学者所在子网中合作人数的多少识别出团队中的高合作学者。在此基础上, 对团队中的高合作学者动态学术影响力进行研究, 以期发现团队中学术影响力增长较快的高合作学者。因此, 利用合作团队中学者在网络中的度数中心度代表学者在团队的影响力, 发文量代表学者的个人影响力, 根据学者在团队的影响力和个人影响力的时间变化以测度高合作学者的动态学术影响力为稳步增长模式或成熟波动模式。
n-派系: 即任何两点之间在整体合作网络图中的距离(即捷径距离)最大不超过n, 据此识别合作关系子网。
合作关系子网: 在整体合作网络中, 具有较为稳定合作关系的子网。本文特指合作两次以上的学者所形成的合作关系网络。
学者合作人数: 论文合作关系网络中, 点表示作者, 边表示作者的合作关系, 某个点直接关联的边数即定义为该点的合作人数。
归一化度数中心度: 论文合作关系网络中, 利用min-max标准化方法对学者的度数中心度进行归一化。
(1) 高合作学者识别算法
首先通过n-派系对整体合作网络划分合作关系子网。其次, 根据学者的合作人数规模识别合作关系子网中的高合作学者。不同团队中高合作学者人数数量并不完全相同, 有的团队仅有一位高合作学者, 有的团队中有两位以上高合作学者(包括两位), 而有的团队无高合作学者。通过图1算法可识别团队中的高合作学者以及其数量特征。算法步骤如下:
①通过n-派系分析, 划分合作关系子网。本文旨在对较为稳定且完整的团队进行分析。因此n的选择采取试探法, 首先n从2开始: 若进行n-派系分析时, 划分为m个子群网; (n+1)-派系分析时, 划分为w个子群网。
m个子网中至少有50%的子网与w中对应子网中的成员保持稳定不变, 则采用n-派系分析。若不满足该条件, 则n逐次加1。
②根据子网中的作者构建非0-1合作矩阵M(ai, j), ai, j表示作者i与作者j之间的合作次数, 且i和j的合作次数大于2。
③对M中的任意一个节点i, 按以下方式计算合作人数向量C, 其中的元素Ci计算步骤为:
Ci初始化为0, 对$\forall {{a}_{i,j}}$(j为M所有列值),
$If\ (\forall {{a}_{i,j}}>0)$ $\text{Then}$Ci=Ci+1。
④对$\forall {{C}_{i}}$, $\exists $!Ci:Ci/Z≥50%, 其中Z为学者网络总人数。则该合作网络中仅有一位高合作学者, 且高合作学者为i。即仅存在一位学者与该团队一半以上的学者存在稳定的合作关系。
⑤对于节点i, j, k来说, 节点的个数需为团队中总人数的20%以内。再分别计算节点i, j, k的合作人数向量, 如果Ci>Cj>Ck, 满足(Ci+Cj+Ck)/Z≥80% (据节点的合作人数向量多少依次相加, 若j与k的合作人数相同, 则合作频次多者优先相加), 则该合作网络中有多位高合作学者, 且i、j、k为其中的高合作学者。即高合作学者满足二八定律。
其中Ci、Cj、Ck为首次相加超过团队总人数80%, 且Ci、Cj、Ck相加时的合作学者必须唯一, 即: 若学者a与学者i, j, k都有合作, 则a只计算一次。
⑥若合作网络中, 都不满足上述计算, 说明该合作网络中学者间的合作较为均衡, 则无高合作学者。
(2) 学者影响力模式识别算法
采用图1的算法识别出合作网络中的高合作学者后, 采用学者影响力模式识别算法识别合作关系子网中高合作学者的动态学术影响力情况。图2算法利用每年学者的发文量衡量学者的个人学术影响力, 用每年的论文合作网络中的度数中心度测评学者在团队中的学术影响力。此外, 由于每年学者的论文合作网络成员会有变化, 因而对度数中心度进行归一化处理后, 以便对学者在各年间合作网络的重要程度进行比较。
学者影响力模式识别算法步骤如下:
①对通过图1识别出的高合作学者, 按时间跨度分别构建其合作网络。例如: 识别高合作学者从m年到n年的动态影响力, 则分别构建从m年到n年的m-n+1个合作网络。由于学者在论文中的作者顺序并不一致, 需考虑作者权重, 设第一作者、第二作者权重分别为w1, w2, 以此类推。
②计算每个合作网络的m-n+1年的平均归一化度数中心度与学者的最近(m-n)/2(若m-n为偶数)或(m-n+1)/2(若m-n为奇数)年的平均归一化度数中心度, 以下以m-n为偶数说明其算法。
其中度数中心度计算需考虑其权重, 若学者与A学者以第一作者合作A1次, 以第二作者合作A2次, 以第三作者合作A3次, 以此类推, 则学者与A学者的合作次数为A1×w1+ A2×w2+A3×w3+……; 若学者与B学者以第一作者合作B1次, 以第二作者合作B2次, 以第三作者合作B3次, 以此类推, 则学者与B学者的合作次数为B1×w1+B2×w2+ B3×w3+……; 那么该学者的度数中心度Ci为该学者与所有与其有合作关系学者的合作次数之和。即Ci=A1×w1+ A2×w2+A3×w3+……+B1 ×w1+B2×w2+ B3×w3+……。
③计算学者m-n+1年的平均发文量与学者的最近(m-n)/2(若m-n为偶数)或(m-n+1)/2(若m-n为奇数)年的平均发文量, 以下以m-n为偶数说明其算法。
其中发文量计算需考虑其权重, 若学者以第一作者发文F1篇, 以第二作者发文F2篇, 以此类推, 则该学者发文量Fi为Fi=F1×w1+ F2×w2+ F3×w3+……。
④学者动态影响力模式计算方法: 学者用i定义, m-n年用Ym-Yn表示, 学者的度数中心度用Ci表示, 归一化度数中心度用Di表示, 而发文量用Fi表示。
学者度数中心度归一化处理公式为Di=(Ci-Cmin)/ (Cmax-Cmin)。其中学者最近(m-n)/2年的平均Fi和平均Di大于m-n+1年的平均Fi和平均Di, 则为稳步增长模式; 学者最近(m-n)/2年的平均Fi和平均Di小于m-n+1年的平均Fi和平均Di, 则为成熟波动模式。
考虑数据规模大小以及数据获取的便利性, 通过构建图书情报领域学者合作网络, 识别高合作学者及其动态学术影响力。数据范围为2011年-2015年CSSCI收录的18种图书情报学期刊刊载的24 711篇论文, 涉及17 486位学者。
构建论文作者合作网络: 若一篇文章由A、B、C三人合著, 则合作网络中的合著关系为A-B、A-C、B-C。通过此种方式共得到9 859个作者的26 710条合著关系, 并形成合作关系网络。由于本文研究的是具有稳定合作关系的子网, 需限定合作次数大于2, 得到1 454位学者的1 485条合著关系。
由于考虑学者在论文中的作者顺序并不一致, 需对作者的论文贡献赋予一定的权重。但是由于作者权重赋值存在一定的主观性, 且受学科差异性的影响, 故赋值情况较为复杂[24]。而自然指数中的论文数指标以及ESI中的高被引论文数指标中作者权重均视为1, 故本文作者权重也视为1。
(1) 高合作学者识别
对具有稳定合作关系的网络进行n-派系分析来划分团队, 通过尝试法确定n为4, 并划分为227个子网, 其中有126个子网与n为5时划分的对应子群成员保持固定不变。即n为4时, 识别整体网络中的团队较为稳定且规模较完整, 因此对整体合作网络进行4-派系分析。
分别对227个合作子网运行上述算法, 识别出每个子网的高合作学者, 如表1所示, 从中挑选具有多位高合作学者的典型团队进行分析。
以朱庆华学者所在的合作关系子网为代表, 如图3所示。通过学者合作人数向量分析, 朱庆华所在团队中合作人数向量较多的为朱庆华和赵宇翔, 其中朱庆华合作人数向量为15, 赵宇翔合作人数向量为7, 合作关系子网总人数为19人。因此朱庆华的合作人数向量超过总人数的一半以上, 即该子网中的高合作学者只有一人, 为朱庆华。
以黄水清学者所在的合作关系子网为代表, 如图4所示。通过学者合作人数向量分析, 该合作子网的总人数为15人, 其中黄水清的合作人数向量最多, 为7人。故无单独学者合作人数向量超过总人数的一半。而根据算法, 将学者的合作人数向量从多到少排序并依次相加, 前20%以内的高合作学者的合作人数向量超过团队总人数的80%。其中黄水清、何琳、王东波三位学者的合作人数向量相加为14人(若同一个学者与黄水清、何琳、王东波都有合作, 则该学者只计算一次), 高合作学者人数为团队总人数的20%以内, 且14/15>80%, 因此高合作学者满足二八定律。故该合作关系子网中有三位高合作学者, 分别为: 黄水清、何琳、王东波。
(2) 学者影响力模式识别
通过上述识别出团队的高合作学者后, 再对高合作学者进行动态学术影响力识别。以黄水清、何琳以及王东波三位高合作学者所在的团队为代表, 构建团队2011年-2015年的5年平均网络图及2014年-2015年的两年平均网络图, 其中利用团队中学者在2011年-2015年的平均合作次数作为团队学者间新的共现次数构造合作矩阵以及网络, 如图5所示; 对团队中学者在2014年-2015年的平均合作次数作为团队学者间新的共现次数构造合作矩阵以及网络, 如图6所示。
据上述算法, 计算学者这5年的平均发文量和这5年平均网络图中的平均归一化度数中心度, 及近两年的平均发文量和近两年平均网络图中的平均归一化度数中心度, 其中5年平均值反映学者在整个时间段较为平均的长期表现, 而近两年平均值测度的是学者的近期学术表现。通过长期与近期的学术表现对比, 测评学者学术影响力水平的变化。学者一般通过论文的形式发表其研究成果, 因此发文量可以一定程度上代表学者的研究水平。在同一网络中, 度数中心度是对学者在网络中位置的表征, 度数中心度越大, 表明学者在该网络中的地位越重要。而在不同网络中, 学者合作团队规模不一, 故归一化度数中心度采用归一化的思想, 方便学者在不同网络中地位的比较, 归一化度数中心度越大, 则学者在网络中的地位越重要。通过图5和图6可知, 黄水清在两个网络图中都起着较为重要的连接作用, 因此在团队的位置较为重要。而在5年平均网络图中, 王东波的度数中心度最大, 位置较为显著。在两年平均网络图中, 何琳的度数中心度最大, 在团队的位置更加明显。
①稳步增长模式
通过图5和图6, 对学者的发文量和归一化度数中心度进行分析, 如表2所示。何琳2014年-2015年平均发文量超过2011年-2015年的平均发文量, 即近期发文增长量高于5年平均发文量, 且2014年-2015年的平均归一化度数中心度也较5年的平均归一化度数中心度增长幅度大, 表明何琳近两年在团队中的位置较5年平均网络图愈加突出。因此何琳的动态学术影响力模式为稳步增长模式。
表2 稳步增长模式的学者情况
| 学者 | 2011年- 2015年发文平均值 | 2014年- 2015年发文平均值 | 2011年-2015年平均归一化度数中心度 | 2014年-2015年平均归一化度数中心度 |
|---|---|---|---|---|
| 何琳 | 5.8 | 7 | 0.82 | 1 |
②成熟波动模式
通过对高合作学者的在不同年份的学术表现进行分析, 有的学者个人影响力和在团队的影响力因较为成熟而出现波动现象。如表3所示, 黄水清和王东波2014年-2015年平均发文量与2011年-2015年的平均发文量相比波动减少。且两年平均合作网络较5年平均合作网络比较, 虽王东波近两年平均合作次数有所上升, 但平均归一化度数中心度却在下降, 反映王东波近期合作表现虽与其之前相比有所提升, 但王东波在两年网络图中的平均重要程度却有所下降。而黄水清在2014年-2015年的平均合作次数和平均归一化度数中心度较5年平均合作次数和5年平均归一化度数中心度都略有下降, 表明黄水清在两年平均网络图中的平均重要程度有所降低。因此黄水清和王东波的动态学术影响力模式为成熟波动模式。
表3 成熟波动模式的学者情况
| 学者 | 2011年- 2015年发文平均值 | 2014年- 2015年发文平均值 | 2011年-2015年平均归一化度数中心度 | 2014年-2015年平均归一化度数中心度 |
|---|---|---|---|---|
| 黄水清 | 4.6 | 3 | 0.88 | 0.38 |
| 王东波 | 5.8 | 5 | 1 | 0.69 |
根据表4中学者不同年份发文的总被引频次分析, 可知上述结论较为合理。由于被引频次具有时滞性, 存在2015年论文还未产生引用, 被引频次为0的情况。而其他年份中, 何琳在近两年的论文被引频次较其他年份增加较多, 黄水清和王东波近两年发表论文的被引频次表现较为不佳。这种情况也进一步说明何琳近两年的动态学术影响力为稳步增长模式, 而黄水清和王东波近两年的动态学术影响力为成熟波动模式。
测度学者当前和将来的学术影响力, 以对团队中高合作学者的动态学术影响力模式进行识别, 既可以更好地呈现人才学术表现变化过程, 还可以激励团队中高合作学者的成长, 促进资源向稳步增长模式学者倾斜, 进而促进学者的成长。然而目前关于学者动态学术影响力研究较少, 且大多从发文和引文的角度分析学者的动态趋势, 本文从团队的视角, 识别合作团队中的高合作学者, 进而分析多位高合作学者在团队的影响力变化来反映其成长。
本文关于学者动态学术影响力的模式研究, 采用发文量和度数中心度指标来识别学者为稳步增长模式或成熟波动模式, 仅是对动态学术影响力研究的一次探讨, 以期补充新角度研究高合作学者动态学术影响力模式, 为团队中人才培养提供参考。后继关于学者动态学术影响力的研究, 将引入更多的学者测度指标, 以便更加全面地对学者动态学术影响力模式进行识别评估。
范如霞: 提出论文思路, 数据采集与分析, 论文撰写及最终版本修订;
曾建勋: 改进论文思路和研究方案, 修改和完善论文内容;
高亚瑞玺: 编写算法程序, 识别不同合作团队中的高合作学者。
所有作者声明不存在利益冲突关系。
支撑数据由作者自存储, E-mail: fanrx2015@istic.ac.cn。
[1] 范如霞. author.xlxs. 论文作者统计表.
[2] 范如霞. team.xlxs. 团队模式统计表.
| [1] |
Peer Review Research Assessment: A Sensitivity Analysis of Performance Ranks to the Share of Research Product Evaluated [J].https://doi.org/10.1007/s11192-010-0238-0 URL [本文引用: 1] 摘要
ABSTRACT In national research assessment exercises that take the peer review approach, research organizations are evaluated on the basis of a subset of their scientific production. The dimension of the subset varies from nation to nation but is typically set as a proportional function of the number of researchers employed at each research organization. However, scientific fertility varies from discipline to discipline, meaning that the representativeness of such a subset also varies according to discipline. The rankings resulting from the assessments could be quite sensitive to the size of the share of articles selected for evaluation. The current work examines this issue, developing empirical evidence of variations in ranking due changes in the dimension of the subset of products evaluated. The field of observation is represented by the scientific production from the hard sciences of the entire Italian university system, from 2001 to 2003. KeywordsResearch assessment exercise-Peer review-Rankings-Bibliometrics-Universities-Italy
|
| [2] |
The Use of the H-index in Academic Otolaryngology [J].https://doi.org/10.1002/lary.23569 URL PMID: 22833428 摘要
The h-index is an objective and easily calculable measure that can be used to evaluate both the relevance and amount of scientific contributions of an individual author. Our objective was to examine how the h-index of academic otolaryngologists relates with academic rank.A descriptive and correlational design was used for analysis of academic otolaryngologists' h-indices using the Scopus database.H-indices of faculty members from 50 otolaryngology residency programs were calculated using the Scopus database, and data was organized by academic rank. Additionally, an analysis of the h-indices of departmental chairpersons among different specialties was performed.H-index values of academic otolaryngologists were higher with increased academic rank among the levels of assistant professor, associate professor, and professor. There was no significant difference between the h-indices of professors and department chairpersons within otolaryngology. H-indices of chairpersons in different academic specialties were compared and were significantly different, suggesting that the use of this metric may not be appropriate for comparing different fields.The h-index is a reliable tool for quantifying academic productivity within otolaryngology. This measure is easily calculable and may be useful when evaluating decisions regarding advancement within academic otolaryngology departments. Comparison of this metric among faculty members from different fields, however, may not be reliable.
|
| [3] |
The Inconsistency of the H-index [J].https://doi.org/10.1002/asi.22605 URL [本文引用: 1] 摘要
The h-index is a popular bibliometric indicator for assessing individual scientists. We criticize the h-index from a theoretical point of view. We argue that for the purpose of measuring the overall scientific impact of a scientist (or some other unit of analysis) the h-index behaves in a counterintuitive way. In certain cases, the mechanism used by the h-index to aggregate publication and citation statistics into a single number leads to inconsistencies in the way in which scientists are ranked. Our conclusion is that the h-index cannot be considered an appropriate indicator of a scientist's overall scientific impact. Based on recent theoretical insights, we discuss what kind of indicators can be used as an alternative to the h-index. We pay special attention to the highly cited publications indicator. This indicator has a lot in common with the h-index, but unlike the h-index it does not produce inconsistent rankings.
|
| [4] |
基于合著网络的学术人才评价方法研究 [J].https://doi.org/10.3969/j.issn.1002-1965.2014.12.015 URL [本文引用: 1] 摘要
现有学术评价方法体系存在着许多的不足之处一直被人们所诟病，如，同行评议的主观性、引文评价的自引、马太效应、引用偏见、引用曲解等等。从社会网络的视角，基于合著网络的中心度指标提出了一种新的学术人才评价方法，这种方法一定程度上弥补了传统评价方法的不足，为学术人才评价方法体系提供了新的视角。最后，我们提出了该方法的不足之处和改善方向，将基于合著网络的学术人才评价方法与传统的发文、引文评价方法结合起来，可以得到更为全面和客观的评价结果。
Study on Scholars Evaluation Method Based on Co-author Network [J].https://doi.org/10.3969/j.issn.1002-1965.2014.12.015 URL [本文引用: 1] 摘要
现有学术评价方法体系存在着许多的不足之处一直被人们所诟病，如，同行评议的主观性、引文评价的自引、马太效应、引用偏见、引用曲解等等。从社会网络的视角，基于合著网络的中心度指标提出了一种新的学术人才评价方法，这种方法一定程度上弥补了传统评价方法的不足，为学术人才评价方法体系提供了新的视角。最后，我们提出了该方法的不足之处和改善方向，将基于合著网络的学术人才评价方法与传统的发文、引文评价方法结合起来，可以得到更为全面和客观的评价结果。
|
| [5] |
中国管理学者论文合作网络属性及其对合作绩效的影响研究 [J].https://doi.org/10.3969/j.issn.1004-8308.2012.04.010 URL [本文引用: 1] 摘要
收集中国管理学领域8种期刊1994—2007年的论文数据,构建中国管理学者论文合作网络,从学者合作与否与论文质量的关系、学者间不同合作模式对论文质量的影响、基金支持对论文质量的影响、学者个人网络属性与其绩效的关系等方面探讨中国管理学者合作网络属性与合作绩效的关系.研究发现,中国管理学者合著论文质量高于独著论文;跨校合作比政企合作和校企合作、跨省合作比跨国合作对论文质量提高有更大的促进作用,管理科学学者跨院系合作论文比工商管理学者跨院系合作论文质量好;有基金支持比没有基金支持的论文质量好;管理学者个人的点度中心度、中间中心度与其个人产出和影响力正相关,接近中心度与之负相关,3种中心度均与论文质量无显著关系.
A Study of the Characteristics of Co-authorship Network of Chinese Scholars in Management and Their Impacts on Cooperative Performance [J].https://doi.org/10.3969/j.issn.1004-8308.2012.04.010 URL [本文引用: 1] 摘要
收集中国管理学领域8种期刊1994—2007年的论文数据,构建中国管理学者论文合作网络,从学者合作与否与论文质量的关系、学者间不同合作模式对论文质量的影响、基金支持对论文质量的影响、学者个人网络属性与其绩效的关系等方面探讨中国管理学者合作网络属性与合作绩效的关系.研究发现,中国管理学者合著论文质量高于独著论文;跨校合作比政企合作和校企合作、跨省合作比跨国合作对论文质量提高有更大的促进作用,管理科学学者跨院系合作论文比工商管理学者跨院系合作论文质量好;有基金支持比没有基金支持的论文质量好;管理学者个人的点度中心度、中间中心度与其个人产出和影响力正相关,接近中心度与之负相关,3种中心度均与论文质量无显著关系.
|
| [6] |
基于领域贡献值的高合作著者评价和合作网络研究 [J].https://doi.org/10.16353/j.cnki.1000-7490.2015.01.019 URL [本文引用: 1] 摘要
为了精确、客观地评价一个著者在领域内的贡献,文章提出了基于领域贡献值的核心著者评价的方法。在一篇文章中,考虑作者位次给予贡献分配,并采用文章来源期刊综合影响因子来进行加权计算作者的领域贡献值,两者结合有效解决了采用发文量只注重量不注重质以及采用被引量带来的冷启动问题。并基于领域贡献值对合作网络进行了研究。
Study High Collaboration Scholars Evaluation Value and Cooperation Network Based on the Contribution in the Field [J].https://doi.org/10.16353/j.cnki.1000-7490.2015.01.019 URL [本文引用: 1] 摘要
为了精确、客观地评价一个著者在领域内的贡献,文章提出了基于领域贡献值的核心著者评价的方法。在一篇文章中,考虑作者位次给予贡献分配,并采用文章来源期刊综合影响因子来进行加权计算作者的领域贡献值,两者结合有效解决了采用发文量只注重量不注重质以及采用被引量带来的冷启动问题。并基于领域贡献值对合作网络进行了研究。
|
| [7] |
中国学者国际管理学合作网络演化及学术贡献分析 [D].Research on Chinese Scholars’ International Coauthor Network’ Evolution in Management and Academic Contribution [D]. |
| [8] |
网络环境下国内学者引证行为变化与学科间差异——基于历时角度的分析 [J].https://doi.org/10.13530/j.cnki.jlis.160008 URL [本文引用: 1] 摘要
引证是学者最基本的学术行为之一,新时期引证行为的变化与趋势引起了图书情报学者及各学科的关注。本文从文献计量学的历时分析角度,基于学科层面,分析和比较我国学者引证行为的变化特征。选择＂中国引文数据库＂中四个学科（哲学、图书情报、物理和机械工程）1994—2013年内896 645篇论文的引文数据进行分析。结果显示：1总体上不同时段、不同学科间的引证情况存在显著差异,各年发表论文被引量曲线呈拱形,被引的累积效应不明显;2发表在不同年份的论文,特定年段后（时间窗）,论文平均被引量呈现一致变化（在早期快速增加,近年来细微下降）,未被引论文比例在早期下降明显,近年来趋于稳定或细微增长;3发表在特定年份的论文,其平均被引峰值,机械工程和哲学分别为7年和9年,物理学和图书情报学都为3年。图书情报学中各年论文被引峰值时间较为稳定;另外三个学科则在早期快速增加,近期趋于稳定;近年来,四个学科显现相对一致的被引特征,国内学者引证行为向相对稳定状态发展。图9。参考文献32。
Differences of Citing Behavior over Time and Across Fields in China: A Diachronous Analysis [J].https://doi.org/10.13530/j.cnki.jlis.160008 URL [本文引用: 1] 摘要
引证是学者最基本的学术行为之一,新时期引证行为的变化与趋势引起了图书情报学者及各学科的关注。本文从文献计量学的历时分析角度,基于学科层面,分析和比较我国学者引证行为的变化特征。选择＂中国引文数据库＂中四个学科（哲学、图书情报、物理和机械工程）1994—2013年内896 645篇论文的引文数据进行分析。结果显示：1总体上不同时段、不同学科间的引证情况存在显著差异,各年发表论文被引量曲线呈拱形,被引的累积效应不明显;2发表在不同年份的论文,特定年段后（时间窗）,论文平均被引量呈现一致变化（在早期快速增加,近年来细微下降）,未被引论文比例在早期下降明显,近年来趋于稳定或细微增长;3发表在特定年份的论文,其平均被引峰值,机械工程和哲学分别为7年和9年,物理学和图书情报学都为3年。图书情报学中各年论文被引峰值时间较为稳定;另外三个学科则在早期快速增加,近期趋于稳定;近年来,四个学科显现相对一致的被引特征,国内学者引证行为向相对稳定状态发展。图9。参考文献32。
|
| [9] |
Thomson Reuters. Thomson Reuters China Citation Laureates 2014 [EB/OL]. [ |
| [10] |
科研团队合作紧密度的分析研究——以大连理工大学WISE实验室为例 [J].
科研团队; 合作紧密度; 社会网络分析; WISE实验室
Research on the Close Degree of Cooperation in Research Team——An Empirical Study in WISE Laboratory in Dalian University of Technology [J].
科研团队; 合作紧密度; 社会网络分析; WISE实验室
|
| [11] |
基于社会网络的虚拟团队知识共享促进策略研究 [D].Research on the Virtual Team Knowledge Sharing Promotion Strategy Base on the Social Networks[D]. |
| [12] |
社会网络分析法运用于科研团队发现和评价的实证研究 [J].https://doi.org/10.7666/d.y1904514 URL [本文引用: 1] 摘要
20世纪40年代以来，随着科学研究复杂性和专业性的不断提升，科学合作的重要性日益凸显，在自然科学领域，跨机构、跨区域的科研团队合作成为最主要的科学生产模式。确定科研团队并对其绩效进行量化和评价具有重要的理论和实践意义。科学研究工作人员应当了解科研团队的网络结构特点、知识交流过程、知识生产模式以及影响科研团队产出的各种因素以便更有效的开展和推进科学研究工作。 本文将社会网络分析法与传统的文献综述、信息计量、比较分析、归纳演绎等方法相结合，对科研团队的发现和评价两个方面进行了深入探讨，以期为科研团队领域的研究提供...
An Empirical Study on the Application of Social Network Analysis to the Discovery and Evaluation of Scientific Research Team [J].https://doi.org/10.7666/d.y1904514 URL [本文引用: 1] 摘要
20世纪40年代以来，随着科学研究复杂性和专业性的不断提升，科学合作的重要性日益凸显，在自然科学领域，跨机构、跨区域的科研团队合作成为最主要的科学生产模式。确定科研团队并对其绩效进行量化和评价具有重要的理论和实践意义。科学研究工作人员应当了解科研团队的网络结构特点、知识交流过程、知识生产模式以及影响科研团队产出的各种因素以便更有效的开展和推进科学研究工作。 本文将社会网络分析法与传统的文献综述、信息计量、比较分析、归纳演绎等方法相结合，对科研团队的发现和评价两个方面进行了深入探讨，以期为科研团队领域的研究提供...
|
| [13] |
基于凝聚子群法的专家团队聚合 [J].https://doi.org/10.3969/j.issn.1005-8214.2014.08.007 URL [本文引用: 1] 摘要
阐述了目前虚拟咨询企业发展优势，通过分析其服务现状发现虚拟咨询企业服务力需进一步提高，主要体现在应该通过与行业专家合作加强自身问题解决能力；以绩效管理为例，介绍了如何运用社会网络中的凝聚子群法实现专家团队的聚合，为企业选择合适的专家提供参考。
Aggregation of Expert Team Based on Cohesive Subgroup [J].https://doi.org/10.3969/j.issn.1005-8214.2014.08.007 URL [本文引用: 1] 摘要
阐述了目前虚拟咨询企业发展优势，通过分析其服务现状发现虚拟咨询企业服务力需进一步提高，主要体现在应该通过与行业专家合作加强自身问题解决能力；以绩效管理为例，介绍了如何运用社会网络中的凝聚子群法实现专家团队的聚合，为企业选择合适的专家提供参考。
|
| [14] |
Applying Centrality Measures to Impact Analysis: A Coauthorship Network Analysis [J].https://doi.org/10.1002/asi.21128 URL [本文引用: 1] 摘要
Many studies on coauthorship networks focus on network topology and network statistical mechanics. This article takes a different approach by studying micro-level network properties with the aim of applying centrality measures to impact analysis. Using coauthorship data from 16 journals in the field of library and information science (LIS) with a time span of 20 years (1988-2007), we construct an evolving coauthorship network and calculate four centrality measures (closeness centrality, betweenness centrality, degree centrality, and PageRank) for authors in this network. We find that the four centrality measures are significantly correlated with citation counts. We also discuss the usability of centrality measures in author ranking and suggest that centrality measures can be useful indicators for impact analysis.
|
| [15] |
Identifying the Effects of Co-authorship Networks on the Performance of Scholars: A Correlation and Regression Analysis of Performance Measures and Social Network Analysis Measures [J].https://doi.org/10.1016/j.joi.2011.05.007 URL [本文引用: 1] 摘要
In this study, we develop a theoretical model based on social network theories and analytical methods for exploring collaboration (co-authorship) networks of scholars. We use measures from social network analysis (SNA) (i.e., normalized degree centrality, normalized closeness centrality, normalized betweenness centrality, normalized eigenvector centrality, average ties strength, and efficiency) for examining the effect of social networks on the (citation-based) performance of scholars in a given discipline (i.e., information systems). Results from our statistical analysis using a Poisson regression model suggest that research performance of scholars (g-index) is positively correlated with four SNA measures except for the normalized betweenness centrality and the normalized closeness centrality measures. Furthermore, it reveals that only normalized degree centrality, efficiency, and average ties strength have a positive significant influence on the g-index (as a performance measure). The normalized eigenvector centrality has a negative significant influence on the g-index. Based on these results, we can imply that scholars, who are connected to many distinct scholars, have a better citation-based performance (g-index) than scholars with fewer connections. Additionally, scholars with large average ties strengths (i.e., repeated co-authorships) show a better research performance than those with low tie strengths (e.g., single co-authorships with many different scholars). The results related to efficiency show that scholars, who maintain a strong co-authorship relationship to only one co-author of a group of linked co-authors, perform better than those researchers with many relationships to the same group of linked co-authors. The negative effect of the normalized eigenvector suggests that scholars should work with many students instead of other well-performing scholars. Consequently, we can state that the professional social network of researchers can be used to predict the future performance of researchers.
|
| [16] |
Egocentric Analysis of Co-authorship Network Structure, Position and Performance [J].https://doi.org/10.1016/j.ipm.2011.09.001 URL [本文引用: 1] 摘要
In this study, we propose and validate social networks based theoretical model for exploring scholars’ collaboration (co-authorship) network properties associated with their citation-based research performance (i.e., g-index). Using structural holes theory, we focus on how a scholar’s egocentric network properties of density, efficiency and constraint within the network associate with their scholarly performance. For our analysis, we use publication data of high impact factor journals in the field of “ Information Science & Library Science ” between 2000 and 2009, extracted from Scopus. The resulting database contained 4837 publications reflecting the contributions of 8069 authors. Results from our data analysis suggest that research performance of scholars’ is significantly correlated with scholars’ ego-network measures. In particular, scholars with more co-authors and those who exhibit higher levels of betweenness centrality (i.e., the extent to which a co-author is between another pair of co-authors) perform better in terms of research (i.e., higher g-index). Furthermore, scholars with efficient collaboration networks who maintain a strong co-authorship relationship with one primary co-author within a group of linked co-authors (i.e., co-authors that have joint publications) perform better than those researchers with many relationships to the same group of linked co-authors.
|
| [17] |
发文与引文融合视角下的科学计量学领域核心作者影响力分析 [J].
综合发文与引文这两个相互对应的角度,融合作者合作网络分析、作者关键词耦合分析、作者共被引分析、作者文献耦合分析、作者互引网络分析等方法,形成了一种综合视角下的学术共同体与主题结构发现以及作者学术交流与贡献影响力的比较分析框架,然后利用该思路对科学计量学这一领域进行探索研究;实现了科学计量学领域内核心作者所构成的不同层面的研究群体划分以及主题结构发现,并利用社会网络的中心性测度对他们在不同维度的影响力情况和综合影响力进行了规范处理与测度分析,进而得出了该领域最有影响力的作者排序。
The Influence of the Core Authors in the Field of Metrology from the Perspective of the Integration of Document and Citation [J].
综合发文与引文这两个相互对应的角度,融合作者合作网络分析、作者关键词耦合分析、作者共被引分析、作者文献耦合分析、作者互引网络分析等方法,形成了一种综合视角下的学术共同体与主题结构发现以及作者学术交流与贡献影响力的比较分析框架,然后利用该思路对科学计量学这一领域进行探索研究;实现了科学计量学领域内核心作者所构成的不同层面的研究群体划分以及主题结构发现,并利用社会网络的中心性测度对他们在不同维度的影响力情况和综合影响力进行了规范处理与测度分析,进而得出了该领域最有影响力的作者排序。
|
| [18] |
科研合作网络的重要作者发现 [J].https://doi.org/10.3772/j.issn.1673-2286.2010.08.005 URL [本文引用: 1] 摘要
近年来,使用复杂网络理论对文献的科研合作网进行分析得到了广泛的研究.文章对DBLP数据库中1998年至2007年的作者合作数据构造科研合作网络,并且通过复杂网络的基本统计度量,如度、聚集系数等对网络的总体面貌进行了宏观上的描述.在微观层面,文章提出了高效的重要作者发现算法,能够从作者的合作数量以及合作范围对重要作者进行排名.通过分析科研合作数据作者的影响力,从而为科研人才评价提供参考.
Core Author Discovery in Science Collaboration Network [J].https://doi.org/10.3772/j.issn.1673-2286.2010.08.005 URL [本文引用: 1] 摘要
近年来,使用复杂网络理论对文献的科研合作网进行分析得到了广泛的研究.文章对DBLP数据库中1998年至2007年的作者合作数据构造科研合作网络,并且通过复杂网络的基本统计度量,如度、聚集系数等对网络的总体面貌进行了宏观上的描述.在微观层面,文章提出了高效的重要作者发现算法,能够从作者的合作数量以及合作范围对重要作者进行排名.通过分析科研合作数据作者的影响力,从而为科研人才评价提供参考.
|
| [19] |
个人学术影响力的动态评价方法研究综述 [J].A Review of Dynamic Quantitative Evaluation Methods for Individual Academic Impact [J]. |
| [20] |
Power-Law Distributions for the Citation Index of Scientific Publications and Scientists [J]. |
| [21] |
h-指数及其扩展指标的研究进展 [J].
随着对h-指数研究的不断深入,近年来一些新的扩展指标不断出现,如g-指数、hm-指数、hg-指数、mockh-指数、f-指数、e-指数和SRI-指数等。本文对h-指数的优缺点及其与其他文献计量学指标的关系进行了总结,并对h-指数的各扩展指标进行了深入的探讨。指出每一个扩展指标都是基于h-指数某一方面的局限性所做的改进。在科研绩效评价过程中,应充分考虑各扩展指标应用的前提条件,并与其他文献计量学指标相结合。
Research Advances on h Index and Its Expanded Variants [J].
随着对h-指数研究的不断深入,近年来一些新的扩展指标不断出现,如g-指数、hm-指数、hg-指数、mockh-指数、f-指数、e-指数和SRI-指数等。本文对h-指数的优缺点及其与其他文献计量学指标的关系进行了总结,并对h-指数的各扩展指标进行了深入的探讨。指出每一个扩展指标都是基于h-指数某一方面的局限性所做的改进。在科研绩效评价过程中,应充分考虑各扩展指标应用的前提条件,并与其他文献计量学指标相结合。
|
| [22] |
2015化学系教授职务任职基本条件 [EB/OL]. [2015 Basic Requirements for the Position of Chemistry Department Professor [EB/OL]. [ |
| [23] |
知识管理领域学者间合著网络分析 [J].
本文利用社会网络分析方法对知识管理领域学者间的合著网络进行分析,研究该领域内的合作团体、最具影响力的学者,以及学者间的合作模式.本文收集了2000～2010年间发表在6本顶级知识管理期刊中的1831篇文献,并进行分析.首先,通过研究合著网络的度分布,发现存在少数有着大量合作者的学者,和大量仅有少数合作者的学者.其次,本文识别出3类核心学者:基于度中心性20位合作者最多的学者,基于接近中心性的20位地位最核心的学者和20位基于中介中心性的20位有着“桥梁”作用的学者.最后,本文抽取并分析了两个最大的子合著网络-57节点网络和39节点网络,发现Bontis,N.和Guthrie,J.是知识管理领域非常有影响力的两位学者.
Analysis on Co-authorship Network of Scholars in Knowledge Management [J].
本文利用社会网络分析方法对知识管理领域学者间的合著网络进行分析,研究该领域内的合作团体、最具影响力的学者,以及学者间的合作模式.本文收集了2000～2010年间发表在6本顶级知识管理期刊中的1831篇文献,并进行分析.首先,通过研究合著网络的度分布,发现存在少数有着大量合作者的学者,和大量仅有少数合作者的学者.其次,本文识别出3类核心学者:基于度中心性20位合作者最多的学者,基于接近中心性的20位地位最核心的学者和20位基于中介中心性的20位有着“桥梁”作用的学者.最后,本文抽取并分析了两个最大的子合著网络-57节点网络和39节点网络,发现Bontis,N.和Guthrie,J.是知识管理领域非常有影响力的两位学者.
|
| [24] |
国内外作者贡献声明的贡献要素与贡献权重算法初探 [J].https://doi.org/10.13266/j.issn.0252-3116.2016.01.017 URL [本文引用: 1] 摘要
[目的/意义]梳理国内外作者贡献声明的研究发展,以期为今后的相关研究提供借鉴和参考。[方法/过程]采用文献调研的方法,通过对国内外有关作者贡献声明文献的调研,从作者贡献研究现状、作者贡献要素、作者贡献权重算法3个角度对比国内外的相关研究现状和研究特点。[结果/结论]国内外关于作者贡献声明的研究内容还比较有限,其中国内的研究视野较窄,局限于基本贡献权重算法的探讨,而国外则从理论和实践两方面探讨贡献要素、深入对比分析不同算法并提出相应的改进措施。建议今后作者贡献研究从两个方面展开：①开展作者贡献的实证研究,探索我国作者贡献要素发展的共性和个性;②确定不同学科的作者贡献要素,明确作者贡献的要素组成与作者贡献权重的算法。
An Exploration Study of Contribution Factors and Weight Algorithm of Author Contribution Statements in China and Abroad [J].https://doi.org/10.13266/j.issn.0252-3116.2016.01.017 URL [本文引用: 1] 摘要
[目的/意义]梳理国内外作者贡献声明的研究发展,以期为今后的相关研究提供借鉴和参考。[方法/过程]采用文献调研的方法,通过对国内外有关作者贡献声明文献的调研,从作者贡献研究现状、作者贡献要素、作者贡献权重算法3个角度对比国内外的相关研究现状和研究特点。[结果/结论]国内外关于作者贡献声明的研究内容还比较有限,其中国内的研究视野较窄,局限于基本贡献权重算法的探讨,而国外则从理论和实践两方面探讨贡献要素、深入对比分析不同算法并提出相应的改进措施。建议今后作者贡献研究从两个方面展开：①开展作者贡献的实证研究,探索我国作者贡献要素发展的共性和个性;②确定不同学科的作者贡献要素,明确作者贡献的要素组成与作者贡献权重的算法。
|
/
| 〈 |
|
〉 |
