许培扬博客分享 http://blog.sciencenet.cn/u/xupeiyang 跟踪国际前沿 服务国内科研

博文

Carey的研究成果很受启发,我们的团队应该学习

已有 1532 次阅读 2014-6-9 12:14 |个人分类:科学计量|系统分类:观点评述


      我经常与我们研究所做信息分析和科学计量学研究的年轻科研人员讨论,如何探索文献信息规律的问题,经典的文献定律和研究方法固然十分重要,但是现代文献信息的活动发生了很大的变化,应该积极探索分析文献信息活动规律的新理论和方法。

      数字出版、开放获取、网络引用等都是新的科学活动现象,是否存在活动规律?需要我们去思考分析。

      比如Altmetrics    替代计量学 在国外研究和应用较多,而我国计量学研究人员还很少关注,应该积极跟踪国际研究动态,并积极开展研究。

Altmetrics    替代计量学     http://blog.sciencenet.cn/blog-280034-769354.html

Altmetrics所具有的客观性,公正、透明性,覆盖、 社会性,补充性,实时性特征。通过文献研究、整理,得到在社交媒体中Altmetrics即时测量出的学术论文的影响力,与科技期刊的学术影响力相吻合;在开放存取领域中,Altmetrics学术影响力计量方法已得到认识、关注和应用,并为科技期刊的影响力计量化、可视化评价提供依据。

Links to Resources Discussed in the Webinar

• Altmetric.com:  http://www.altmetric.com/ 

Who is Altmetric for?

For Publishers

Showcase research impact to your authors and readers in a beautiful new way. Monitor, search and measure all of the conversations about your journal’s articles, as well as those published by your competitors.

For Librarians &
Repository Managers

Add value to your libraries and institutional repositories. Track article level metrics for your institution's research outputs, and show faculty, staff and students a richer picture of their online research impact.

“不发表就发臭”
电脑模型预测论文数量任职机构性别关乎学术成就

最近,研究者用电脑模型证明:对事业起步期的科学家来说,“不发表就发臭”是一条黄金准则。根据计算公式,对于年轻科学家来说,以第一作者身份在知名期刊上发表的论文数量是决定其之后成就的最重要因素。

西班牙巴塞罗那市庞比犹法布拉大学计算机科学家Lucas Carey是该模型的设计者,他与同事发现,除了论文发表数量之外,供职于知名大学及身为男性也会为日后成功打下基础。

Carey将研究结果在线发表于6月2日的《当代生物学》杂志上,该小组还专门建立了一个名为pipredictor.com的网站,为处于事业起步阶段的科学家分析他们的论文能否在业界“独领风骚”。

Carey与以色列雷霍沃特市魏茨曼科学研究所的David van Dijk、美国西雅图市华盛顿大学的Ohad Manor一起开展研究工作。他们分析了1996年至2000年间由生物医学研究者首次发表的25000份论文。在这些作者中,只有6.2%的人最后成为了首席研究员(PI)。研究小组对PI的评判依据是:在之后的13年里,以最终作者的名义最少发表过3篇论文。Carey小组使用的运算法则是一种机器学习技术,可以分析出超过200种不同指标对未来事业成功的影响。此外,该运算法则还生成了一个公式,可以用来计算同一研究机构中不同2人在未来成为PI的机会孰高孰低。结果显示,该公式计算推算的准确率高达83%。

http://news.sciencenet.cn/htmlnews/2014/6/296209.shtm

 http://www.nature.com/news/computer-model-predicts-academic-success-1.15337

 



http://blog.sciencenet.cn/blog-280034-801845.html

上一篇:美丽北京 蓝天白云
下一篇:科研信息不能只依赖谷歌(google)

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-4-2 08:59

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部