高影响力学者集合的评价方法研究以社会科学为例(附件)
学者评价是运用不同类型的指标对科学研究者的研究成果进行客观性评价，以反映该学者的学术水平及其影响力，因此研究作者评价方法的意义就显得十分重大。研究从CSSCI中选取经济学、社会学和图书馆、情报与文献学为代表学科，得到这3个学科中的62名高影响力学者集合在1998-2016年间的被引数据，计算高影响力学者集合的发表论文总数、总被引次数、篇均被引次数等传统文献计量学评价指标。分析各个学科的高影响力学者集合之间的差异及其，计算了这3个学科高影响力学者集合的h指数。重点研究了高影响力学者h指数的分布特点和原因；期刊影响因子是否可以进行跨学科比较；分析各学科之间的高影响力学者集合评价成果有何不同。研究可为今后的学者评价方法的选择提供建议。
目录
摘要 2
关键词 2
Abstract 2
Keywords 2
一、相关研究 3
二、研究设计 4
（一）研究方法与假设 4
（二）研究对象的选择 4
（三）数据来源与采集策略 5
（四）研究指标的选取 5
三、研究结果分析 5
（一）描述性统计分析 5
（二）各学科分析 7
1.图书馆、情报与文献学 7
2.社会学 8
3.经济学 8
（三）各学科数据对比 8
四、研究结论与讨论 9
（一）结论 9
1.期刊影响因子可以作为跨学科比较研究的评价指标 10
2.高影响力学者集合的评价指标选取会受到学科差异的限制 10
（二）不足之处 10
致谢 10
参考文献 12
图 1 图书馆、情报与文献学发表期刊分布 6
图 2 社会学发表期刊分布 7
图 3 经济学发表期刊分布 7
图 4 图书馆、情报与文献学高影响力学者排名 8
图 5 社会学高影响力学者排名 9
图 6 经济学高影响力学者排名 10
表 1 高影响力学者集合的各项指标统计 6
表 2 图书馆、情报与文献学的不同阈值的统 *好棒文|www.hbsrm.com +Q: ^351916072#
计量 8
表 3 社会学的不同阈值的统计量 9
表 4 经济学的不同阈值的统计量 10
表 5 各个学科的指标统计比较 11
表 6 各学科期刊影响因子与篇均被引次数的相关性统计 11
高影响力学者集合的评价方法研究——以社会科学为例
引言
引言：自从科学家Hirsch[1]在2005年首次提出h指数以来，引起了学术界的高度关注。众多学者纷纷撰文，对h指数进行了全方位、深层次的探索研究。随着学者们不断提出新的指数以完善h指数的缺陷，Vinkler[2]提出精英集合的评价方法，即选择作者的优秀论文作为集合，利用h统计、g统计、π统计等得出该集合的h指数、g指数、π指数等，并进行多维度分析从而得出学者评价结果。
基于以上背景，研究将在社会科学领域中开展，选择其中有研究价值的三门学科作为代表学科，并选择这三门学科里具有高影响力的学者集合作为研究对象，利用CSSCI引文数据库下载高影响力学者集合的相关数据，如论文总数、总被引次数。通过Excel表格计算其对应的h指数、篇均被引次数和期刊影响因子等指标，并将这些指标与精英集合的评价方法相结合，旨在探索新型的适合高影响力学者的评价指标，并研究各个学科领域的高影响力学者集合评价指标有何差异。
相关研究
近五年来，国内外评价学者的方法主要是利用一些指标对学者发表的文章进行评价。而单一的指标对学者的绩效和学术影响力评价都是不公平的，比如如h = 30，即他们都有30篇文章每篇至少引用30次。但是，前者可能有20篇这样的论文被引用超过1000次，后者则可能仅有30篇文章每篇只收到30次以上的引文。很明显，前一位科学家的工作更有影响力。随着学科交叉的深入，合著现象越来越普遍，在评价论文的会产生一些问题，比如合著者的贡献率如何计算等。
当前，主要有3种计算合著者贡献率分配的方法，如完全分配法、直接统计法和Fractional Counting法。但以上这些方法均未涉及通讯作者的贡献率计算，因此，Hagen[3]修改了Harmonic算法，在计算作者贡献率时只区分第一作者和其它作者，算法相对简单。Biswal[4]提出了Abindex方法明确区分第一作者，通讯作者和其它作者的贡献比例；并提出适合各个年龄阶段的区分作者的方法，方便计算使用。Kim[5]更是提出了NBA算法贡献率分配指数，对于不同的学科则选取不同的指标。
众多学者还提出了g指数、R指数、hg指数等新的指标来弥补h指数的不足。比如h指数和R指数组合使用就可以弥补灵敏度低、区分度不够的问题[68]；h指数和g指数组合使用就可以弥补h指数对高被引论文不敏感的问题[910]。根据每个指标的优势对适用的群体进行评价才能在最大程度上实现每个指标的价值。
Vinkler[15]在其文章中表明h集合中的论文数量等于h指数。由此可类比为，g集合中论文的数量等于g指数。但π集合大小是按引用次数降序的论文总数的最大平方根，而π指数等于π集合论文中获得到的引用数量的百分之一。
通过上述方法确定精英集合的大小是将被分析的论文按被引次数排序。Radicchi认为从精英集合中的数据（如h指数，g指数或π指数）得到的指数代表总集合的定量和影响方面[16]。因此，上述指数的价值可能被认为是可以表征总论文集合的学术影响力。例如在计算h指数时使用两个因素：论文的排名次序和被引次数。因此，在不同领域中积极参与的学者的精英集合的数据中，获取的指标与参考标准似乎是相关的，所以标准的选择对于任何比较都至关重要[15]。
Vinkler[2]在其文章中表明利用三个引用阈值的类型应用于获取精英论文（即研究的论文可能属于出版期刊的精英集合），其被引次数等于或高于相应期刊的出版物的平均引用次数的两倍、三倍或五倍。通过确定期刊中所选精英集合的论文（即与被引次数相等或更多的论文数量对所研究论文集合的对应π指数进行计算对应的引用率阈值：2MCR，3MCR，5MCR），并总结其引用。其中百分之一被视为π指数。
根据上述方法选取标准的精英论文形成精英集合并获取集合中的相应指标进行多维度评价，通过这种定量方式可以全面准确的评价作者的学术影响力。
目录
摘要 2
关键词 2
Abstract 2
Keywords 2
一、相关研究 3
二、研究设计 4
（一）研究方法与假设 4
（二）研究对象的选择 4
（三）数据来源与采集策略 5
（四）研究指标的选取 5
三、研究结果分析 5
（一）描述性统计分析 5
（二）各学科分析 7
1.图书馆、情报与文献学 7
2.社会学 8
3.经济学 8
（三）各学科数据对比 8
四、研究结论与讨论 9
（一）结论 9
1.期刊影响因子可以作为跨学科比较研究的评价指标 10
2.高影响力学者集合的评价指标选取会受到学科差异的限制 10
（二）不足之处 10
致谢 10
参考文献 12
图 1 图书馆、情报与文献学发表期刊分布 6
图 2 社会学发表期刊分布 7
图 3 经济学发表期刊分布 7
图 4 图书馆、情报与文献学高影响力学者排名 8
图 5 社会学高影响力学者排名 9
图 6 经济学高影响力学者排名 10
表 1 高影响力学者集合的各项指标统计 6
表 2 图书馆、情报与文献学的不同阈值的统 *好棒文|www.hbsrm.com +Q: ^351916072#
计量 8
表 3 社会学的不同阈值的统计量 9
表 4 经济学的不同阈值的统计量 10
表 5 各个学科的指标统计比较 11
表 6 各学科期刊影响因子与篇均被引次数的相关性统计 11
高影响力学者集合的评价方法研究——以社会科学为例
引言
引言：自从科学家Hirsch[1]在2005年首次提出h指数以来，引起了学术界的高度关注。众多学者纷纷撰文，对h指数进行了全方位、深层次的探索研究。随着学者们不断提出新的指数以完善h指数的缺陷，Vinkler[2]提出精英集合的评价方法，即选择作者的优秀论文作为集合，利用h统计、g统计、π统计等得出该集合的h指数、g指数、π指数等，并进行多维度分析从而得出学者评价结果。
基于以上背景，研究将在社会科学领域中开展，选择其中有研究价值的三门学科作为代表学科，并选择这三门学科里具有高影响力的学者集合作为研究对象，利用CSSCI引文数据库下载高影响力学者集合的相关数据，如论文总数、总被引次数。通过Excel表格计算其对应的h指数、篇均被引次数和期刊影响因子等指标，并将这些指标与精英集合的评价方法相结合，旨在探索新型的适合高影响力学者的评价指标，并研究各个学科领域的高影响力学者集合评价指标有何差异。
相关研究
近五年来，国内外评价学者的方法主要是利用一些指标对学者发表的文章进行评价。而单一的指标对学者的绩效和学术影响力评价都是不公平的，比如如h = 30，即他们都有30篇文章每篇至少引用30次。但是，前者可能有20篇这样的论文被引用超过1000次，后者则可能仅有30篇文章每篇只收到30次以上的引文。很明显，前一位科学家的工作更有影响力。随着学科交叉的深入，合著现象越来越普遍，在评价论文的会产生一些问题，比如合著者的贡献率如何计算等。
当前，主要有3种计算合著者贡献率分配的方法，如完全分配法、直接统计法和Fractional Counting法。但以上这些方法均未涉及通讯作者的贡献率计算，因此，Hagen[3]修改了Harmonic算法，在计算作者贡献率时只区分第一作者和其它作者，算法相对简单。Biswal[4]提出了Abindex方法明确区分第一作者，通讯作者和其它作者的贡献比例；并提出适合各个年龄阶段的区分作者的方法，方便计算使用。Kim[5]更是提出了NBA算法贡献率分配指数，对于不同的学科则选取不同的指标。
众多学者还提出了g指数、R指数、hg指数等新的指标来弥补h指数的不足。比如h指数和R指数组合使用就可以弥补灵敏度低、区分度不够的问题[68]；h指数和g指数组合使用就可以弥补h指数对高被引论文不敏感的问题[910]。根据每个指标的优势对适用的群体进行评价才能在最大程度上实现每个指标的价值。
Vinkler[15]在其文章中表明h集合中的论文数量等于h指数。由此可类比为，g集合中论文的数量等于g指数。但π集合大小是按引用次数降序的论文总数的最大平方根，而π指数等于π集合论文中获得到的引用数量的百分之一。
通过上述方法确定精英集合的大小是将被分析的论文按被引次数排序。Radicchi认为从精英集合中的数据（如h指数，g指数或π指数）得到的指数代表总集合的定量和影响方面[16]。因此，上述指数的价值可能被认为是可以表征总论文集合的学术影响力。例如在计算h指数时使用两个因素：论文的排名次序和被引次数。因此，在不同领域中积极参与的学者的精英集合的数据中，获取的指标与参考标准似乎是相关的，所以标准的选择对于任何比较都至关重要[15]。
Vinkler[2]在其文章中表明利用三个引用阈值的类型应用于获取精英论文（即研究的论文可能属于出版期刊的精英集合），其被引次数等于或高于相应期刊的出版物的平均引用次数的两倍、三倍或五倍。通过确定期刊中所选精英集合的论文（即与被引次数相等或更多的论文数量对所研究论文集合的对应π指数进行计算对应的引用率阈值：2MCR，3MCR，5MCR），并总结其引用。其中百分之一被视为π指数。
根据上述方法选取标准的精英论文形成精英集合并获取集合中的相应指标进行多维度评价，通过这种定量方式可以全面准确的评价作者的学术影响力。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/xxaq/491.html
