舒 予
(四川大學(xué)圖書館 成都 610065)
學(xué)術(shù)影響力的評價是國內(nèi)外科研管理與評價領(lǐng)域中的一項重要工作,由于文獻被引用的情況代表了被同行關(guān)注和利用的程度,因此在科研評價中通常采用被引次數(shù)作為衡量研究質(zhì)量和影響力的一個重要指標[1-2],同時這種定量計算的評價指標也是對同行評議等定性評價方法的一個重要補充[3-4],在科研績效評價領(lǐng)域占據(jù)著重要位置。
事實上,學(xué)術(shù)影響力的內(nèi)涵是多樣的[5],研究的“深度”和“廣度”都是研究實體學(xué)術(shù)影響力的表現(xiàn),其中研究深度往往與學(xué)術(shù)質(zhì)量和研究水平相關(guān),通常用篇均被引次數(shù)來測度[6],例如在期刊評價領(lǐng)域,JCR數(shù)據(jù)庫的影響因子、InCites的CNCI、Scopus的FWCI等評價指標都屬于篇均被引次數(shù)的范疇;而研究廣度往往與學(xué)術(shù)產(chǎn)出和活躍程度相關(guān),由于可以體現(xiàn)學(xué)術(shù)影響在“量”上的積累,因此學(xué)術(shù)活躍度應(yīng)該也是學(xué)術(shù)影響力的重要范疇,但針對學(xué)術(shù)活躍度的評價指標研究較少,較為常見的指標則是論文集合的論文數(shù)量或總被引次數(shù)[7-9]。
進一步地,由于不同學(xué)科之間的引用規(guī)律存在著明顯的區(qū)別,因此需要設(shè)計標準化指標消除由于學(xué)科不同造成的差異,目前針對篇均被引次數(shù)的學(xué)科標準化方法已有相當多的研究成果,較為著名的則是荷蘭萊頓大學(xué)的CWTS提出的Crown Indicator[14]以及Opthof和Leydesdorff在針對Crown Indicator的不足的基礎(chǔ)上進行改進所提出的MNCS[15],相關(guān)指標并且也廣泛應(yīng)用于機構(gòu)、期刊或者學(xué)者的科研評價[10-13];針對總被引次數(shù)的學(xué)科標準化方法研究和應(yīng)用的場景比較少見,較為成熟的方法則是Frame提出的活躍指數(shù)AI(Activity Index)[16]和Braun和Schubert提出的吸引指數(shù)AAI(Attractivity Index)[17],葉鷹將上述標準化指標設(shè)計方法總結(jié)為“均值測度”方法[18],其基本思想則是選擇一個參考論文集合,以參考論文集合被引次數(shù)的期望值作為基準值,再將論文集合的被引次數(shù)與基準值取比值。葉鷹總結(jié)的第二類評價指標是以h指數(shù)為代表的“高影響特征測度”指標,與h指數(shù)有類似指標還有g(shù)指數(shù)、p指數(shù)、z指數(shù)等[19-21],由于相關(guān)指標能夠同時體現(xiàn)學(xué)術(shù)活躍度、學(xué)術(shù)產(chǎn)出、學(xué)術(shù)質(zhì)量等多個方面的信息,因此又被稱為綜合性指標[22],但是針對綜合性指標的學(xué)科標準化研究方法不多,有Normalized h指數(shù)等[23]。除此之外,以百分位數(shù)指標(PRS)為代表的“整體綜合測度指標”也是學(xué)術(shù)影響力評價的重要指標,與“均值測度”指標不同的是,百分位數(shù)指標是以排序評價對象,是論文集合被引次數(shù)關(guān)系大小的體現(xiàn),不受被引次數(shù)具體數(shù)值的影響,能夠較全面反映研究實體的學(xué)術(shù)影響力[24-25]。
本文以百分位數(shù)指標的計算框架為基礎(chǔ),提出一種用于描述學(xué)術(shù)活躍度的動態(tài)權(quán)重百分位指標,該指標可以實現(xiàn)隸屬于不同學(xué)科研究實體的橫向?qū)Ρ?,?cè)重從“研究規(guī)模”“影響廣度”的角度刻畫研究實體的學(xué)術(shù)活躍度,能夠與MNCS、百分位數(shù)等偏向描述“學(xué)術(shù)質(zhì)量”的學(xué)術(shù)影響力評價指標形成良好的互補,為學(xué)術(shù)活躍度的評價提供一個新的思路和工具。
Bornmann等認為由于參考集合論文被引次數(shù)是非正態(tài)分布,因此應(yīng)當使用分布對學(xué)術(shù)影響力進行度量[24]。他們提出將論文按照被引次數(shù)分為若干百分位區(qū)間,再對進入各百分位區(qū)間的論文比例進行線性加權(quán)的標準化思路,并且設(shè)計了百分位數(shù)指標(PRS),具體計算方法如下:
(1)
其中,p(xi)是論文集合在設(shè)定百分位區(qū)間的比例,xi是各百分位區(qū)間對應(yīng)的系數(shù),K是設(shè)定的百分位區(qū)間的個數(shù)。PRS指標本質(zhì)上是一種線性加權(quán)的概率密度算子,基于高被引論文的價值高于低被引論文這一假設(shè)前提,PRS指標對高百分位區(qū)間賦予了相對更高的權(quán)重。
PRS指標雖然與篇均被引次數(shù)、MNCS指標有不同的計算框架,但是經(jīng)實證研究的結(jié)果表明,三者相關(guān)性較強,說明PRS也側(cè)重體現(xiàn)的是研究實體在學(xué)術(shù)質(zhì)量這一維度上的信息[26],但當在測度機構(gòu)的優(yōu)勢學(xué)科布局、團隊的核心研究方向以及學(xué)者的主要學(xué)術(shù)領(lǐng)域時,不僅需要了解研究實體的學(xué)術(shù)質(zhì)量,更需要了解研究實體在不同學(xué)科、不同研究領(lǐng)域的學(xué)術(shù)活躍度,例如近五年我校農(nóng)業(yè)領(lǐng)域的百分位數(shù)PRS(6)=2.40,而數(shù)學(xué)領(lǐng)域的百分位數(shù)PRS(6)=1.75,僅從百分位數(shù)指標值只能了解到農(nóng)業(yè)領(lǐng)域的研究水平或許高于數(shù)學(xué)領(lǐng)域,但從發(fā)文量可以發(fā)現(xiàn)二者的學(xué)術(shù)規(guī)模相差甚大(農(nóng)業(yè)領(lǐng)域發(fā)文量僅為80余篇,而數(shù)學(xué)領(lǐng)域發(fā)表文超過1000篇),因此PRS指標在科研管理決策的一些場景下并不適用,需要設(shè)計能夠描述學(xué)術(shù)活躍度的指標用以判斷學(xué)科、學(xué)者或其它研究實體宏觀層面的研究水平?;谶@樣的考慮,筆者引入一種描述學(xué)術(shù)活躍度的動態(tài)權(quán)重百分位指標(DPRA),定義如下:
(2)
(3)
(4)
其中xi是從1到K的離散隨機變量,ci表示待評價的論文集合在第i個百分位區(qū)間中篇均被引次數(shù),ei表示參考論文集合在第i個百分位區(qū)間的篇均被引次數(shù)。
DPRA與PRS相比,有兩方面的不同:
a.PRS指標是各百分位區(qū)間的論文比例的線性加權(quán),即只與論文比例的分布有關(guān),而與論文數(shù)量的分布沒有任何關(guān)系,研究實體論文數(shù)量的多少并不影響PRS指標值,這顯然不利于區(qū)分具有不同學(xué)術(shù)活躍度的研究實體。而DPRA指標將論文比例值調(diào)整為論文相對數(shù)量值,從而體現(xiàn)評價對象在不同被引區(qū)間中分布的論文數(shù)量,可以直觀地發(fā)現(xiàn)“論文集中在高被引區(qū)間、并且論文數(shù)量較多”的評價對象顯然具有較高的學(xué)術(shù)水平和學(xué)術(shù)活躍度,因此DPRA綜合了研究水平和學(xué)術(shù)活躍度兩個維度的信息。
b.DPRA指標是在PRS指標的計算框架基礎(chǔ)上進行了調(diào)整和修正。原PRS指標的權(quán)重是固定不變的,例如前1%區(qū)間對應(yīng)權(quán)重系數(shù)6,區(qū)間1%~5% 對應(yīng)權(quán)重系數(shù)5,以此類推。權(quán)重系數(shù)體現(xiàn)的是對應(yīng)百分位區(qū)間論文的重要性,PRS指標認為高被引區(qū)間論文的重要性高于低被引區(qū)間論文,但是卻忽略了隸屬于同一個百分位區(qū)間的論文,其引文也同樣存在差異性,例如2015年發(fā)表在Biology學(xué)科的2篇論文,分別被引用2 063次和150次,這2篇論文均在Bidlogy學(xué)科的前1%,但是引文影響力明顯不同。因此,將這類情況推廣到同屬于一個百分位區(qū)間的兩個論文集合,盡管這兩個論文集合中的論文被引次數(shù)均在同一個百分位區(qū)間,但是其學(xué)術(shù)表現(xiàn)(即論文實際的被引情況)也一定存在著差異,基于這樣的考慮,DPRA指標引入了動態(tài)調(diào)整機制,作出這一調(diào)整的依據(jù)是:當待評價論文集合在某一百分位區(qū)間的表現(xiàn)高于該百分位區(qū)間的期望值(即參考論文集合在該百分位區(qū)間中的篇均被引次數(shù))時,原有的權(quán)重應(yīng)該有適當?shù)奶岣?,用以“激勵”該區(qū)間表現(xiàn)出色的論文,反之權(quán)重系數(shù)應(yīng)當下降,以此“懲罰”該區(qū)間表現(xiàn)不佳的論文。例如,某一百分位區(qū)間對應(yīng)的權(quán)重系數(shù)為3,如果待評價論文集合在該百分位區(qū)間的論文平均被引次數(shù)與期望值之比為0.8,顯然待評價論文集合在該百分位區(qū)間的表現(xiàn)低于平均水平線,于是我們可以認為論文集合在這一百分位區(qū)間的表現(xiàn)相對較差,進而這一部分的論文對論文集合整體的學(xué)術(shù)影響力的貢獻應(yīng)低于預(yù)先設(shè)置的權(quán)重系數(shù)3,于是將權(quán)重系數(shù)調(diào)整為30.8=2.41。權(quán)重的調(diào)整本質(zhì)上即是利用論文集合在某一百分位區(qū)中的學(xué)術(shù)質(zhì)量對學(xué)術(shù)活躍度進行調(diào)整,如果學(xué)術(shù)質(zhì)量較好,則提升其學(xué)術(shù)活躍度,反之則降低其學(xué)術(shù)活躍度。事實上,文獻[27]將變權(quán)方法歸納為四種:懲罰型變權(quán)、激勵型變權(quán)、混合型變權(quán)和折衷型變權(quán)。DPRA采用的權(quán)重調(diào)整方法屬于混合型變權(quán),即將懲罰型變權(quán)和激勵性變權(quán)加以混合,根據(jù)各百分位區(qū)間中的論文實際表現(xiàn)對原權(quán)重系數(shù)做出動態(tài)的調(diào)整,以體現(xiàn)懲罰或激勵。
2.1評價對象的選擇在InCites數(shù)據(jù)庫中,按照Web of Science的學(xué)科分類方法,分別在Computer Science, Artificial Intelligence、Energy & Fuels、Engineering, Chemical、Mathematics, Applied和nanoscience & Nanotechnology共計5個學(xué)科中選取科研人員的論文數(shù)據(jù)。從這5個學(xué)科2015年發(fā)表論文截至2020年10月被引情況看,篇均被引次數(shù)分別為17.09、24.64、17.98、6.66、29.15,可以看到這6個學(xué)科引文規(guī)律存在明顯差異,因此選取這6個學(xué)科的科研人員進行跨學(xué)科領(lǐng)域?qū)W術(shù)影響力評價的實證研究是合理的。
2.2數(shù)據(jù)采集從InCites數(shù)據(jù)庫中獲取到5個學(xué)科共計106名科研人員共計2 443篇論文數(shù)據(jù),包括論文標題、被引次數(shù)、學(xué)科百分位等,論文類型限制為article。考慮到各學(xué)科引用周期的原因,將發(fā)表時間設(shè)定為2015年,保證各學(xué)科發(fā)表的論文都能夠有充分的引文積累周期。同時,考慮到評價指標在用于微觀評價時有可能會失效,故盡量選取擁有較多論文數(shù)量的學(xué)者作為數(shù)據(jù)樣本。
2.3DPRS指標值的計算2015年Engineering, Chemical學(xué)科發(fā)表的文獻類型為article的論文數(shù)量共計31 513篇,設(shè)定top1%、95%~99%、90%~95%、75%~90%、50%~75%和50%以下共6個百分位區(qū)間,論文被引次數(shù)的百分位數(shù)99th、95th、90th、75th和50th分別為119、58、40、22、10,于是該學(xué)科下的論文進入到各百分位區(qū)間需要滿足的被引次數(shù)條件見表1。
以Engineering和Chemical學(xué)科下的一位科研人員Jiang Zhongyi(以下縮寫為JZ)為例對其DPRA指標進行計算。該科研人員在2015年共計發(fā)表28篇論文,根據(jù)表1提供的百分位區(qū)間閾值,可以得到這位學(xué)者進入到6個百分位區(qū)間top1%、95%~99%、90%~95%、75%~90%、50%~75%和50%以下的論文數(shù)分別為2、4、3、7、4和8。
表1 2015年Engineering和Chemical學(xué)科論文進入到各百分位區(qū)間被引次數(shù)需滿足的條件
Engineering和Chemical學(xué)科在2015年文獻類型為article的論文數(shù)量為31 513篇,全球論文數(shù)量為1 591 798篇,所有待評價的126名科研人員的論文總數(shù)為2 443篇,因此Engineering和Chemical學(xué)科論文的修正值:
因此可以根據(jù)公式(3)將科研人員JZ在2015年發(fā)表論文進入到各百分位區(qū)的數(shù)量修正為標準的相對數(shù)量值,見表2。
表2 科研人員JZ在2015年發(fā)表論文進入到各百分位區(qū)修正后的相對數(shù)量
由動態(tài)權(quán)重百分位數(shù)指標DPRA的介紹可知,DPRA指標的計算需要評價對象論文集合和參考論文集合在各百分位區(qū)間的篇均被引次數(shù)的比值。科研人員JZ在Engineering和Chemical學(xué)科所有論文在各百分位區(qū)間的篇均被引次數(shù)見表3。
表3 科研人員JZ在Engineering和Chemical學(xué)科所有論文在各百分位區(qū)中的篇均被引次數(shù)
根據(jù)動態(tài)權(quán)重系數(shù)的計算公式(4)可以計算科研人員JZ的論文在各百分位區(qū)間調(diào)整后的權(quán)重系數(shù),分別為:
于是,該科研人員的DPRA指標計算如下:
DPRAJZ=5.24·0.042+5.35·0.084+3.88·0.063+3.22·0.147+2.12·0.084+1·0.168=1.73
按照上述方法,可以得到其它科研人員的DPRA指標值。
3.1DPRA指標用于測度學(xué)術(shù)活躍度的內(nèi)涵由于不同學(xué)科之間的論文數(shù)量、被引次數(shù)、h指數(shù)等指標無法進行直接對比,因此要考察DPRA指標與論文數(shù)量、被引次數(shù)、h指數(shù)等指標的相關(guān)性,只能在同一學(xué)科中進行相關(guān)性分析。由于篇幅限制,僅列出Computer Science和Artificial Intelligence學(xué)科下各指標的相關(guān)性分析結(jié)果,見表4。從表4的結(jié)果可知,DPRA指標與篇均被引次數(shù)相關(guān)度不高,說明DPRA指標并不具備表征“學(xué)術(shù)質(zhì)量”這一維度信息的內(nèi)涵,而DPRA與h指數(shù)、被引次數(shù)、論文數(shù)量3個指標高度相關(guān),相關(guān)性系數(shù)分別為0.94、0.851和0.836,說明DPRA與其有相類似的內(nèi)涵,即可以從“廣度”的角度體現(xiàn)學(xué)術(shù)影響力。此外,其它4個學(xué)科的相關(guān)性分析結(jié)論基本一致,均表明DPRA可以用于測度學(xué)術(shù)規(guī)模和學(xué)術(shù)活躍度的信息。
表4 DPRA與論文數(shù)量、被引次數(shù)等指標的相關(guān)性分析
3.2DPRA指標實現(xiàn)跨學(xué)科評價功能分析選取DPRA與AI、AAI、相對論文數(shù)量、相對被引次數(shù)4種學(xué)科標準化學(xué)術(shù)影響力評價指標的相關(guān)性,其中相對論文數(shù)量定義為學(xué)者論文數(shù)量與全球?qū)W科論文數(shù)量的比值,相對被引次數(shù)定義為學(xué)者論文被引次數(shù)與全球?qū)W科被引次數(shù)的比值,SPSS的結(jié)果見表5。
表5 DPRA與相對指標的相關(guān)性分析
由上述定義可知,相對論文數(shù)量、相對被引次數(shù)、AI、AAI指標與DPRA指標一樣,都側(cè)重從“研究廣度”表征學(xué)術(shù)影響力,具有測度學(xué)術(shù)活躍度的內(nèi)涵,同時,這4種指標也都屬于學(xué)科標準化評價指標,能夠一定程度消除學(xué)科論文數(shù)量或引文的差異性,實現(xiàn)跨學(xué)科對比和評價,在科研評價領(lǐng)域得到了廣泛的應(yīng)用。從表5可知,DPRA與這4個指標高度相關(guān),相關(guān)性系數(shù)分別為0.894、0.931、0.931和0.894。這一結(jié)果說明DPRA指標的評價結(jié)果與相對論文數(shù)量、相對被引次數(shù)、AI、AAI這4個指標的評價結(jié)果在排序關(guān)系上較為一致,因此DPRA指標有和學(xué)科標準化指標相類似的性質(zhì),可以實現(xiàn)跨學(xué)科的學(xué)術(shù)影響力評價。
3.3DPRA指標性質(zhì)的進一步分析
3.3.1 DPRA能夠從整體層面展現(xiàn)學(xué)術(shù)活躍度 正如前文所述,DPRA和論文數(shù)量、被引次數(shù)、h指數(shù)等具有相類似的內(nèi)涵,可以從學(xué)術(shù)活躍度的角度測度學(xué)術(shù)影響力的“廣度”,但是部分科研人員的DPRA指標值與論文數(shù)量、被引次數(shù)、h指數(shù)等指標值在排序上仍存在差異。表6列出了Mathematics、Applied學(xué)科中2位科研人員的信息。
表6 Mathematics和Applied學(xué)科中2位科研人員的信息
從表6可以看到,科研人員MA1在論文數(shù)量、被引次數(shù)、h指數(shù)三項指標上均高于MA2,從學(xué)術(shù)活躍度的角度看,似乎MA1高于MA2,但是DPRA指標值的結(jié)果卻反映出MA2略高于MA1。對MA1與MA2在各百分位區(qū)間的論文分布比例進行分析(見圖1),可以發(fā)現(xiàn)科研人員MA1僅在1%~5%和50%以下兩個百分位區(qū)間的論文比例較高,即MA1的高被引論文和低被引論文比例高于MA2,但是在余下的5%~10%、10%~25%和25%~50%這3個中等被引次數(shù)區(qū)間中,MA1的論文比例明顯低于MA2,整體上看,MA1呈現(xiàn)出高被引論文和低被引論文較多、中等被引次數(shù)論文較低的“兩頭大、中間小”的論文分布特點,而科研人員MA2雖然缺少高被引論文,但是其大多數(shù)論文表現(xiàn)處于中等偏上的水平。MA1由于擁有少部分高被引論文便拉高了整體的被引次數(shù)(從MA1的篇均被引次數(shù)高于MA2也印證了這一點),但其實MA1大多數(shù)論文的表現(xiàn)并不好,其總體的被引次數(shù)只是“虛高”。因此從全局的角度看待2位科研人員,MA2的學(xué)術(shù)水平要稍優(yōu)于MA1,而DPRA指標值也將二者論文在整體分布上的細節(jié)差異揭示出來,并有效進行了區(qū)分。
圖1 Mathematics和Applied學(xué)科中2位科研人員論文在各百分位區(qū)間的分布對比
3.3.2 DPRA可以有效平衡學(xué)術(shù)規(guī)模和學(xué)術(shù)水平的信息 部分科研人員的PRS指標值與DPRA指標值排序結(jié)果相反。以來自Engineering, Chemical學(xué)科和Energy & Fuels學(xué)科的4位科研人員為例,具體見表7。4位科研人員在各百分位區(qū)間論文的比例分布和相對數(shù)量分布見表8。
表7 4位科研人員PRS和DPRA指標值對比
從表8可知,單從百分位區(qū)間的分布比例看,EC1和EC2各有3個區(qū)間的比例高于對方,最終的PRS指標值結(jié)果是EC1高于EC2。但是如果考察各百分位區(qū)間的相對論文數(shù)量時會發(fā)現(xiàn),EC2在原本論文比例遠低于ECI的幾個百分位區(qū)間上,例如1%~5%、10%~25%兩個百分位區(qū)間,由于EC2的論文相對數(shù)量較高,從而“迫近”、甚至“趕超”了EC1,這使得EC2的DPRA指標值反而高于EC1。
類似的情況還有和Energy & Fuels學(xué)科的兩位科研人員EF1和EF2,科研人員EF1的PRS指標值高于EF2,但是EF1的DPRA指標值低于EF2。表9給出了2位科研人員在各百分位區(qū)間的論文比例和相對論文數(shù)量。
表9 2位科研人員各百分位區(qū)間的比例分布 和相對論文數(shù)量分布對比
從表9可知,在論文比例的分布上,EF1在10%~50%這一區(qū)間段上的論文比例高于EF2,使得EF1的PRS值高于EF2。但是由于DPRA指標是各百分位區(qū)間相對論文數(shù)量(而非論文比例)的線性加權(quán),所以當考察2位科研人員的相對論文數(shù)量時,情況發(fā)生了變化,EF2在各百分位區(qū)間上的論文數(shù)量均高于EF1,這使得EF2的DPRA指標值高于EF1。
從上述兩個例子中可以看到,DPRA與高質(zhì)量論文的分布和高質(zhì)量論文的數(shù)量均有關(guān):首先,DPRA指標從整體考察評價對象的學(xué)術(shù)影響力,各百分位區(qū)間的論文分布情況的不同會影響DPRA指標值,“論文向高被引區(qū)間集中、而不僅僅是擁有部分高被引論文”是獲得高DPRA指標值的條件之一,因此DPRA可以看做是代表著不同研究質(zhì)量和學(xué)術(shù)水平的論文集合的綜合表征;其次,DPRA指標將“以比例的形式考察論文分布”調(diào)整為“以相對數(shù)量的形式考察論文分布”,使得DPRA不再只表征論文研究質(zhì)量和學(xué)術(shù)水平這一單一維度的信息,論文數(shù)量,特別是高水平論文的數(shù)量也成為指標的影響因素,從而豐富了DPRA指標表征的內(nèi)容。
3.3.3 DPRA指標在微觀層面可以利用學(xué)術(shù)質(zhì)量信息調(diào)整學(xué)術(shù)活躍度 正如前文所述,論文數(shù)量和論文質(zhì)量都是影響DPRA指標值的重要因素,而當論文數(shù)量相同時,部分科研人員PRS和DPRA指標值的排序也有所不同。例如在Nanoscience & Nanotechnology學(xué)科中,2位科研人員的PRS和DPRA指標值見表10。
表10 2位科研人員PRS和DPRA指標值對比
為深入分析兩種指標排序不同的原因,圖2給出了2位科研人員在各百分位區(qū)間相對論文數(shù)量的分布。
圖2 2位科研人員各百分位區(qū)間的相對論文數(shù)量對比
圖3 2位科研人員各百分位區(qū)間的權(quán)重系數(shù)對比
從圖3可知,由于在1%~50%的4個百分位區(qū)間上,NN2的論文篇均被引次數(shù)表現(xiàn)均優(yōu)于NN1,因此對其權(quán)重系數(shù)的獎勵也高于NN1,于是在NN2論文相對數(shù)量占優(yōu)勢的10%~25%、25%~50%和50%以下的3個百分位區(qū)間中,NN2可以憑借較高的權(quán)重系數(shù)“擴大”論文比例的優(yōu)勢,在論文相對數(shù)量偏低的前1%、1%~5%和5%~10%3個百分位區(qū)間中,NN2也可以憑借較高的權(quán)重系數(shù)“彌補”在相應(yīng)區(qū)間論文數(shù)量偏低的劣勢,從而使得NN2的DPRA指標高于NN1。從上述分析可以看到,DPRA指標將評價對象分解為由不同百分位區(qū)間論文組成的集合,如果在某一個百分位區(qū)間相對質(zhì)量較高,則提升該百分位區(qū)間的學(xué)術(shù)活躍度,反之則降低該百分位區(qū)間的學(xué)術(shù)活躍度,從而將“相對質(zhì)量”與“相對數(shù)量”充分結(jié)合,更加精準地揭示學(xué)術(shù)影響力的細節(jié),更具區(qū)分度和準確度。
筆者從學(xué)術(shù)活躍度的角度評價研究實體的學(xué)術(shù)影響力,將PRS指標計算框架進行可擴展,提出一種基于動態(tài)權(quán)重百分位數(shù)指標,該指標根據(jù)在各百分位區(qū)間上分布的論文相對數(shù)量,合理表征研究實體在高、中、低被引區(qū)間的學(xué)術(shù)產(chǎn)出規(guī)模,并從整體層面將學(xué)術(shù)水平和學(xué)術(shù)活躍度有效綜合起來,再將論文集合在各百分位區(qū)間上的實際表現(xiàn)與預(yù)期表現(xiàn)的比較結(jié)果,對權(quán)重系數(shù)進行動態(tài)修正,提升“相對質(zhì)量”較高的學(xué)術(shù)活躍度、降低“相對質(zhì)量”偏低的學(xué)術(shù)活躍度,使得研究實體的學(xué)術(shù)活躍度與其真實的學(xué)術(shù)表現(xiàn)精準對應(yīng)。實證研究的結(jié)果表明,DPRA指標能夠?qū)崿F(xiàn)跨學(xué)科的學(xué)術(shù)活躍度評價,與其它類似的評價指標相比可以兼顧學(xué)術(shù)水平和學(xué)術(shù)產(chǎn)出兩方面的信息,從而更精準地揭示研究實體學(xué)術(shù)影響力的細節(jié)。