摘要：文章以東莞理工學院為例，運用基本科學指標數(shù)據(jù)庫和InCites數(shù)據(jù)庫的數(shù)據(jù)，采用學科準入率法和SWOT分析法識別出優(yōu)勢學科和機會學科，分別為工程學、材料科學、化學、環(huán)境生態(tài)學、計算機科學和農(nóng)業(yè)科學。利用灰色預測模型對這些學科的被引頻次和ESI閾值進行擬合和預測，得到了這些學科入圍ESI全球前1%的時間節(jié)點。通過對比實際入圍時間和預測時間，驗證了該模型的可靠性和有效性。文章為高校學科建設和發(fā)展提供了一種新的方法和思路，也為高校制定或調(diào)整學科發(fā)展規(guī)劃提供了有價值的參考依據(jù)。

關(guān)鍵詞：基本科學指標；時間預測；灰色預測模型；SWOT分析

中圖分類號：G250.2""文獻標志碼：A

0"引言

近年來，高校越來越重視學科評價工作，作為國際上學科評價的重要指標與評價工具，基本科學指標數(shù)據(jù)庫（Essential Science Indicators，ESI）已經(jīng)成為高校評價科研水平、衡量科研績效、追蹤科研發(fā)展趨勢的重要參考依據(jù)。通過對學科的現(xiàn)狀和歷史數(shù)據(jù)進行分析，學者們能夠評估學科在未來的發(fā)展中是否具有入選ESI全球前1%的潛力。這不僅有助于高校評價學科的科研水平，也可以為學科的發(fā)展提供有益的參考依據(jù)。

在多年的實踐中，不同的學者建立了各種計算機構(gòu)ESI潛力值的辦法，同時還利用各種統(tǒng)計學的方法進行預測。管翠中等［1］引入了曲線擬合模型來預測入圍時間；戴瑩［2］提出了灰色模型對學科的部分指標進行預測與分析。朱文佳等［3］提出了ARIMA時間序列預測模型擬合機構(gòu)ESI被引頻次預估值，用溫特斯季節(jié)指數(shù)平滑模型擬合ESI入圍閾值時間序列。湯瑩［4］通過回歸分析模型預測未來機構(gòu)被引頻次與發(fā)文數(shù)。不同的預測方法各有優(yōu)劣，但目前尚未有一種方法能夠完全適合所有學科與機構(gòu)。本文結(jié)合實踐經(jīng)驗，根據(jù)ESI和InCites數(shù)據(jù)庫數(shù)據(jù)的特性，嘗試構(gòu)建SWOT—灰色預測模型應用于擬合ESI被引頻次預估值時間序列和ESI入圍閾值時間序列，交叉得出潛力學科入圍預測時間，為ESI潛力學科的預測方法提供一種新的嘗試，也為高校科學制定或修正學科發(fā)展規(guī)劃提供參考依據(jù)。

1"ESI潛力學科識別和入圍預測模型的構(gòu)建方法

1.1"數(shù)據(jù)來源與獲取

ESI數(shù)據(jù)庫每2個月更新閾值，InCites數(shù)據(jù)庫每月更新Web of Science（WoS）數(shù)據(jù)。筆者從2019年3月起，定期對東莞理工學院進行數(shù)據(jù)采集存檔，跟蹤分析ESI學科。本文選用截至2023年4月東莞理工學院的相關(guān)數(shù)據(jù)，ESI的閾值為2023年第二期數(shù)值，對各學科潛力值進行分析與預測。

1.2"未入圍學科潛力區(qū)間劃分

學科潛力值計算采用學科準入率法，通過計算東莞理工學院未入圍ESI的學科在InCites數(shù)據(jù)庫中模擬檢索所獲得的總被引頻次和該學科領域的門檻值之間的比值，估算東莞理工學院未入圍ESI學科的潛力值；同時，根據(jù)計算得出的入圍差距劃分區(qū)間。各區(qū)間以25%的差距分為4個區(qū)間。東莞理工學院的計算機科學學科位于最優(yōu)第一區(qū)間，表現(xiàn)為具有最高競爭力的潛力學科，入圍差距僅為7.87%；農(nóng)業(yè)科學學科位于第二區(qū)間，屬于中上游水平的第二梯隊潛力學科；物理學作為理工類院校的傳統(tǒng)學科位于第三區(qū)間，相較于其他學科發(fā)展較為緩慢，如表1所示。

1.3"未入圍學科SWOT分析

從SWOT角度對東莞理工學院的學科發(fā)展論文現(xiàn)狀進行分析（見圖1）。X軸設定為WoS論文數(shù)；Y軸設定為學科規(guī)范化引文影響力（CNCI），CNCI是一篇文獻實際引用次數(shù)除以同文獻類型、出版年、同學科領域文獻的期望被引次數(shù)獲得的；當一篇文獻被劃歸至多個學科領域時，則使用實際被引次數(shù)與期望被引次數(shù)比值的平均值［5］。CNCI能夠反映該機構(gòu)文獻的引文表現(xiàn)力，如果CNCI小于1，表示其引文影響力低于全球平均水平；如果CNCI大于1，表示其引文影響力已超過全球平均水平［6］；氣泡面積大小表示該學科的總被引頻次；以該機構(gòu)各學科WoS論文數(shù)與CNCI的平均值劃分象限［7］。

以被引頻次大于200，以學科規(guī)范化引文影響力大于1為界限劃分，東莞理工學院的學科特征較為明顯，作為優(yōu)勢學科的工程學、材料科學、化學、物理學、計算機科學和環(huán)境生態(tài)學，科研產(chǎn)出水平較高且引文影響已超過全球平均水平，同時，工程學、材料科學、化學和環(huán)境生態(tài)學都已經(jīng)進入ESI全球前1%，計算機科學的潛力值也已經(jīng)到達92.13%，如圖1所示。

位于左上角第二象限的機會學科中，農(nóng)業(yè)科學具有較大的發(fā)展機會，其引文影響力達到 1.679，論文質(zhì)量較高，但在論文產(chǎn)出數(shù)量上仍有待提高。類似的學科還包括一般社會科學，其引文影響力高達 2.07，為所有學科中最高，然而其論文產(chǎn)出數(shù)量較低，短期內(nèi)難以成為優(yōu)勢學科。因為理工類院校的學科屬性，其他學科的論文體量相對處于較低水平，短期內(nèi)沒有進入優(yōu)勢學科的可能性。因此，在綜合考慮潛力值區(qū)間及學科 SWOT 分析的基礎上，本研究選擇計算機科學和農(nóng)業(yè)科學作為重點觀測的潛力學科，并對其進行后續(xù)的預測分析。

2"優(yōu)勢學科入圍預測數(shù)據(jù)模型

2.1"灰色預測模型

灰色預測是一種對含有不確定因素的系統(tǒng)進行預測的方法［8］?；疑A測通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度，即進行關(guān)聯(lián)分析，并對原始數(shù)據(jù)進行生成處理來尋找系統(tǒng)變動的規(guī)律，生成有較強規(guī)律性的數(shù)據(jù)序列，然后建立相應的微分方程模型，從而預測事物未來發(fā)展趨勢的狀況［9］。經(jīng)典 GM（1，1） 模型是灰色系統(tǒng)理論中最重要的預測模型之一，已經(jīng)廣泛應用于解決經(jīng)濟、管理、工程等多個領域的預測問題［10］，其主要思想是利用一階累加生成降低序列的隨機性，使數(shù)據(jù)序列呈近似指數(shù)規(guī)律，然后建立一階線性微分方程，對方程求解后得到時間響應序列函數(shù)，并將其用于預測值計算［11］。

2.2"基于灰色預測的ESI學科入圍模型

依據(jù)ESI學科評定標準，采用 ESI 數(shù)據(jù)庫更新時間序列數(shù)據(jù)作為定量變量，以研究機構(gòu)學科總被引頻次及 ESI 數(shù)據(jù)庫定期更新的該學科閾值的歷史數(shù)據(jù)作為基礎。通過應用灰色預測模型進行擬合預測，可以得到對未來學科發(fā)展趨勢的估計。為了更直觀地展示預測結(jié)果，根據(jù)預測數(shù)據(jù)分別繪制兩條曲線。第一條曲線代表研究機構(gòu)學科總被引頻次的預測變化，第二條曲線則表示 ESI 數(shù)據(jù)庫定期更新的該學科閾值預測變化。兩條曲線的交點意味著在某一時刻，研究機構(gòu)的學科總被引頻次將達到 ESI 學科全球前 1% 的閾值。該交點即代表該學科預計躋身 ESI 學科全球前 1% 的時間節(jié)點。通過分析這一預測時間點，機構(gòu)可以更好地制定戰(zhàn)略規(guī)劃，以實現(xiàn)學科發(fā)展的優(yōu)化和提升。

通過灰色預測模型擬合被引頻次與學科閾值，從而獲取預測時間。在Environment/Ecology學科中，被引頻次與學科閾值的預測值交匯點時間約為2023年1月（見圖2）。鑒于InCites數(shù)據(jù)與ESI數(shù)據(jù)庫的更新周期存在一個月的差距，因此，推測Environment/Ecology學科入圍ESI學科全球前1%的時間點為2023年3—5月更新周期。事實上，東莞理工學院的Environment/Ecology學科于2023年3月成功入圍ESI全球前1%。此結(jié)果證實了該模型的科學性與適用性。

2.3"機會學科入圍預測模型

兩條曲線的交點位于2024年11月左右，如圖3所示。這兩條曲線分別表示東莞理工學院Agricultural Sciences學科的被引頻次預測變化與ESI學科閾值預測變化。根據(jù)ESI更新周期，預測時間應接近2025年年初的更新節(jié)點。然而，由于Agricultural Sciences學科的被引頻次值與學科閾值之間存在較大差距，對該學科的預測值誤差可能相應增大。因此，推測東莞理工學院Agricultural Sciences學科入圍ESI學科全球前1%的時間為2025年1—3月的更新節(jié)點。

3"結(jié)語

3.1"結(jié)論

本文以東莞理工學院為例，運用ESI數(shù)據(jù)庫和InCites數(shù)據(jù)庫的數(shù)據(jù)，采用學科準入率法和SWOT分析法識別出優(yōu)勢學科和機會學科，分別為工程學、材料科學、化學、環(huán)境生態(tài)學、計算機科學和農(nóng)業(yè)科學。利用灰色預測模型對這些學科的被引頻次和ESI閾值進行擬合和預測，得到了這些學科入圍ESI全球前1%的時間節(jié)點。通過對比實際入圍時間和預測時間，驗證了該模型的可靠性和有效性。本文的研究為高校學科建設和發(fā)展提供了一種新的方法和思路，也為高校制定或調(diào)整學科發(fā)展規(guī)劃提供了有價值的參考依據(jù)。

3.2"創(chuàng)新與意義

本文結(jié)合實踐經(jīng)驗，根據(jù)ESI和InCites數(shù)據(jù)庫數(shù)據(jù)的特性，構(gòu)建了SWOT—灰色預測模型。將SWOT分析和灰色預測相結(jié)合，從不同角度分析和預測學科的發(fā)展?jié)摿腿雵鷷r間，提高了預測的準確性和可信度。采用灰色預測模型中的背景值重構(gòu)方法，對原始數(shù)據(jù)進行了生成處理，降低了數(shù)據(jù)的隨機性，增強了數(shù)據(jù)的規(guī)律性，使得預測模型更加符合實際情況，提高了預測的精度和穩(wěn)定性。本文利用ESI數(shù)據(jù)庫和InCites數(shù)據(jù)庫的數(shù)據(jù)，對東莞理工學院的學科進行了全面分析和預測，為東莞理工學院的學科建設和發(fā)展提供了科學的依據(jù)和指導，也為其他高校的學科評價和預測提供了一種可借鑒的范例。

3.3"缺陷與未來研究方向

本文的缺陷與不足主要有：數(shù)據(jù)來源于ESI數(shù)據(jù)庫和InCites數(shù)據(jù)庫，可能存在一定的局限性和偏差，未能涵蓋所有的學科領域和評價指標，也未能反映學科的內(nèi)在質(zhì)量和特色。本文的預測模型基于歷史數(shù)據(jù)，可能存在一定的滯后性和不確定性，未能充分考慮學科發(fā)展的動態(tài)變化和外部影響因素，也未能對學科的發(fā)展趨勢和變化規(guī)律進行深入分析和解釋。此外，高校機構(gòu)實際操作的各種因素，如對重點學科的扶持，制定相關(guān)科研績效激勵政策，國際國內(nèi)合作的深入等，都有可能對論文的實際發(fā)表與被引量產(chǎn)生影響。本文的預測結(jié)果僅供參考，需要相關(guān)學者作進一步的研究和探索，如在模型中納入更多可能影響學科發(fā)展的因素，結(jié)合其他多元預測方法，構(gòu)建動態(tài)預測模型等。

參考文獻

［1］管翠中，范愛紅，賀維平，等.學術(shù)機構(gòu)入圍ESI前1%學科時間的曲線擬合預測方法研究——以清華大學為例［J］.圖書情報工作，2016（22）：88-93.

［2］戴瑩.灰色預測在高校學科發(fā)展中的應用——以合肥工業(yè)大學為例［J］.情報探索，2018（9）：13-17.

［3］朱文佳，朱莉.基于時間序列分析法的ESI前1%學科入圍時間預測模型［J］.情報理論與實踐，2019（10）：137-145.

［4］湯瑩.我國經(jīng)濟學與商學學科分析與潛力預測——基于ESI和InCites數(shù)據(jù)分析［J］.上海教育評估研究，2019（4）：66-71.

［5］顧東蕾，張靜，劉旭明.基于JCR和InciteTM中國大陸期刊的學科影響力研究［J］.情報雜志，2016（8）：107-113.

［6］宋麗萍，王建芳.基于學科規(guī)范引文影響力與同行評議相關(guān)性的科學評價實證研究［J］.圖書情報工作，2018（18）：122-128.

［7］林菲菲，周喆.“雙一流”背景下ESI潛力學科識別與入圍預測模型構(gòu)建的實踐探索——以福建醫(yī)科大學為例［J］.晉圖學刊，2021（3）：1-9.

［8］鄧聚龍.灰色預測與灰決策［M］.武漢：華中科技大學出版社，2002.

［9］DUMAN G M，KONGAR E，GUPTA S M.Estimation of electronic waste using optimized multivariate grey models［J］.Waste Management，2019（95）：241-249.

［10］譚冠軍，檀甲友，王加陽.灰色系統(tǒng)預測模型GM（1，1）背景值重構(gòu)研究［J］.數(shù)學的實踐與認識，2015（15）：267-273.

［11］張鵬.小樣本時間序列灰色預測關(guān)鍵技術(shù)研究［D］.成都：電子科技大學，2020.

（編輯"何"琳編輯）

Research on ESI discipline potential and finalist model based on SWOT-Grey Prediction

Lou "Jing

（Dongguan University of Technology， Dongguan 523106， China）

Abstract： "The article takes Dongguan University of Technology as an example， using data from Essentials Science Indicators database and InCites database， and using discipline admission rate method and SWOT analysis method to identify advantageous disciplines and opportunity disciplines， namely engineering， materials science， chemistry， environmental ecology， computer science， and agricultural science. Then， the Grey Prediction model was used to fit and predict the citation frequency and ESI threshold of these disciplines， and the time nodes for these disciplines to be ranked in the top 1% of ESI globally were obtained. The reliability and effectiveness of the model were verified by comparing the actual nomination time with the predicted time. This study provides a new method and approach for the construction and development of disciplines in universities， and also provides valuable reference for universities to formulate or adjust disciplinary development plans.

Key words： Essentials Science Indicators; time prediction; Grey Prediction model; SWOT analysis

基金項目：東莞理工學院高等教育研究重點項目；項目名稱：基于ESI數(shù)據(jù)分析的新型高水平理工科大學學科建設成效跟蹤研究；項目編號：GJKY20220。

作者簡介：樓晶（1986— ），女，館員，碩士；研究方向：學科服務與情報分析，知識產(chǎn)權(quán)評議，高等教育評價。