دانلود رایگان ترجمه کمی سازی تکامل ضریب تاثیر علمی فردی (سال 2016)

ارزیابی کمی سیر تکامل ضریب تاثیر علمی شخصی

Quantifying the evolution of individual scientific impact

معرفی
در اغلب جنبه های عملکرد بشری، از ورزش تا مهندسی، مسیر پیشرفت خوب به منحنی یادگیری تند و تلاش طولانی نیازمند است. علم نیز از این قاعده مبرا نیست: اکتشافات برجسته اغلب بر نشریات با تاثیر کمتر مقدم بوده است. اما صرف نظر از تمایل رو به رشد برای تشخیص دانشمندان خوب تاکنون، الگوهای تخصصی جدیدی که مزیت علمی را مشخصه بندی نماید ناشناخته باقی مانده است.
نتایج
     به این نتیجه رسیدیم که کار با بالاترین تاثیر در دوره کاری یک دانشمند به طور تصادفی در بدنه کارهای او توزیع شده است. به این معنا که کار با بالاترین تاثیرگزاری با احتمال یکسان می تواند هرجایی از زنجیره مقالات منتشرشده توسط یک داشنمند باشد- یعنی اولین انتشار، در اواسط دوره کاری، یا آخرین انتشار او باشد. این قانون تاثیر تصادفی، برای دانشمندان رشته های مختلف با دوره تخصصی متفاوت، در حال کار در دهه های مختلف، با انتشار انفرادی یا تیمی و با تایید اعتبار علمی یکنواخت یا متفاوت بین همکاران، صادق است.
     قانون تاثیر تصادفی به ما این امکان را خواهد داد که یک مدل کمی را توسعه دهیم که به صورت متقارن قانون بهره وری و موفقیت در هر رشته علمی را روشن سازد. در این مدل فرض بر این است که هر دانشمند یک پروژه را با تاثیر تصادفی p انتخاب کرده و با یک ضریب Qi آن را بهبود می بخشد و منتج به انتشاری با تاثیر گذاری Qip می شود. پارامتر Qi قابلیت دانشمند i برای پیشرفت دانش دردسترس، به طریقی است که تاثیر احتمالی p یک مقاله را بهبو (Qi > 1) یا کاهش (Qi < 1) دهد. این مدل پیش بینی می کند که اکتشافات با تاثیر حقیقی بالا به ترکیبی از Qi و p بالا نیازمندند و بهره وری زیاد به تنهایی نمی تواند شانس ایجاد یک کار با تاثیرگزای خیلی زیاد را بهبود بخشد. همچنین نشان می دهیم که Q دانشمند که نشان دهنده توانایی شخصی برای انتشار مقالات با تاثیر بالاست، مستقل از مرحله تخصصی او می باشد. این مورد در تقابل با معیارهای کنونی، شامل تعداد کلی نقل قول ها تا مقیاس-h است که با زمان افزایش خواهند یافت. مدل Q توصیفی تجربی از این معیارهای تاثیر سنتی ارائه می کند، به ما امکان پیش بینی سیر تکاملی آینده هر دانشمند را می دهد و دستیابی به معیارهای رسمی نظیر جوایز نوبل را پیش بینی خواهد کرد.صرف نظر از استفاده مکرر از شاخص های کمی زیادی برای سنجش تاثیر حرفه ای یک دانشمند، در مورد اینکه چگونه دانشمند در طول زمان پیشرفت و ظهور می کند، اطلاعات کمی وجود دارد. در اینجا، ما تغییرات تاثیرگزاری و بهره وری تخصصی در یک علم را از لحاظ کمی بررسی خواهیم کرد و این تاثیر را برحسب انتشارات موثر خواهیم سنجید که به طور تصادفی درون زنجیره انتشارات دانشمند نهفته است. این قانون تاثیر تصادفی به ما امکان تنظیم یک مدل تصادفی را خواهد داد که تاثیرات بهره وری ، قابلیت شخصی و شانس را از هم مجزا خواهد نمود و وجود الگوهای جهانی پیش برنده موفقیت دانشمندان را به طور واضح نشان خواهد داد. این مدل یک پارامتر شخصی واحد Q را به هر دانشمند نسبت می دهد که در طول کار تخصصی پایدار است، و به طور دقیق سیر تکاملی تاثیر یک دانشمند را با استفاده از مقیاس-h برای نقل قول های تجمعی و تقدیرات مستقلی نظیر جوایز، پیش بینی می کند.
     بهره وری که به تعداد انتشارات تالیف شده توسط دانشمند در طول زمان اشاره دارد و تاثیرگزاری که اغلب با شمار نقل قول های انجام شده از یک انتشار تخمین زده می شود (1-4)، مکررا به عنوان معیارهایی برای سنجش بازدهی دانشمندان استفاده شده اند. صرف نظر از استفاده گسترده، ما از فقدان فهمی کمی از الگوهای این معیارها حین کار تخصصی یک دانشمند رنج می بریم (5). با تطابق رو به افزایش دانشمندان برای کار آکادمیک (4 و 11)، بکارگیری آنها به عنوان ورودی معیارهای متعددی مانند مقیاس- hو متغیرهای مربوط به آن که مکررا برای مقایسه بازدهی اشخاص استفاده شده اند (12-14) جالب خواهد بود. با علاقه رو با افزایش برای پیش بینی مقدار این شاخص ها (5و15)، در اینجا این پرسش را مطرح می کنیم که: چگونه تاثیر و بهره وری در طول کار حرفه ای یک دانشمند تغییر خواهد کرد؟ آیا تاثیرگزاری که معمولترین معیار سنجش بازدهی است از الگوهای قابل پیش بینی پیروی می کند؟ آیا می توانیم زمان رسیدن یک دانشمند به برجستگی علمی را پیش بینی کنیم؟ آیا می توانیم قاعده ای برای تاثیر، بهره وری و شانس در طول تخصص کاری یک دانشمند تعریف نماییم؟
     برای پاسخ به این سوالات، پروفایل انتشارات دانشمندان را با استفاده از چند قاعده بازسازی می کنیم و هر کدام از انتشارات آنها را با یک ضریب تاثیر مرتبط خواهیم کرد که با نشان داده شده است که معرف تعداد نقل قول ها در 10 سال بعد از انتشار مقاله است(شکل 1الف؛ روش ها و بخش س1 را مشاهده نمایید).
     با گرفتن ایده از کارهای با تاثیر بالای دانشمندانی (16و17)، نظیر رادیواکتیویته ماری کوری و مارپیچ دوگانه واتسون و کریک، برای هر دانشمند مقاله با بیشترین نقل قولش را با c*10 مشخص کردیم، که مقاله ای است که بیشترین تعداد نقل قول را 10 سال پس از انتشار داشته است. توزیع P(c*10) برای دانشمندان مطالعه شده نشان می دهد که فقط 5% دارای c*10 بالاتر یا مساوی 200 بوده اند، بنابراین اکثر دانشمندان محقق تاثیر بیشنه محدود داشته اند. به منظور تمییز سیستماتیک بین متخصصین برپایه بیشترین تاثیرشان، هر دانشمند را به گروه های با تاثیر بیشینه بالا (5% بالا، c*10 بیشتر از 200)، تاثیر بیشینه کم (20% پایین، c*10 کمتر از 20) و تاثیر بیشینه متوسط (75% وسط، c*10 بین 20 و 200) گروه بندی می کنیم (شکل 1ب و بخش س2).
الگوهای تاثیر و بهره وری در تخصص های علمی
     تعداد کلی مقالات دانشمند i منتشرشده تا زمان t پس از اولین انتشارش، Ni(t) ، از منحنی مجانب پیروی می کند (شکل 1ث) (18). بنابراین، بهره وری سالیانه،ni(t)، از مقیاس مشابه با توان (ˠi − 1) پیروی می کند (شکل س5). اما توان معادله برای دانشمندان با تاثیر کم، متوسط و بالا متفاوت است (شکل 1ث). به این نتیجه رسیدیم که برای دانشمندان با تاثیر کم این توان برابر با 55/1 است که نشان می دهد به طور میانگین افزایش بهره وری پایداری دارند. برای محققین با تاثیر بالا، افزایش بیشتری وجود دارد که این ضریب 05/2 است (شکل 1د). این معیارها با تغییرات بهره وری سالیانه n(t) نیز تایید می شود: برای دانشمندان با تاثیر بالا، بهره وری اغلب در طول دوره تخصصیشان افزایش می یابد، در حالی که این افزایش برای دانشمندان با تاثیر کم، متوسط خواهد بود (شکل 1ای). شکل1(د و ای) نشان می دهد که بهره وری در طول تخصص کاری یک دانشمند تغییر خواهد کرد. بهرحال ما دریافتیم که این مقیاس توسط تاثیرگزاری تعدیل خواهد شد: رشد بهره وری برای دانشمندان با تاثیرگزاری بالا قابل ملاحظه است و برای دانشمندان با تاثیرگزاری پایین متوسط است (شکل 1، ث تا ای).
     همانطور که شکل 2الف نشان می دهد، تاثیرگزاری از منحنی های مشابه بهره وری پیروی می کند (شکل 1ای). اگرچه c10 در طول تخصص کاری یک دانشمند با تاثیرگزاری بالا افزایش می یابد، افزایش این مقیاس برای اشخاص با تاثیرگزاری کم متوسط قابل ملاحظه تر است. اما اگر تاثیرگزاری در مجاورت t* (زمان انتشار کار با بیشترین تاثیر c*10) را بررسی نماییم به الگوی متفاوتتری می رسیم. با رسم c10 برای زنجیره مقالات قبل و بعد از مقاله با بیشترین تاثیر یک دانشمند c*10 (شکل 2ب)، افزایش تدریجی در تاثیرگزاری قبل و بعد از این شاهکار مشاهده نمی شود. درعوض، الگوی مشاهده شده یک رفتار عجیب را نشان می دهد. این شگفتی می تواند در نتیجه تغییرات میانگین تاثیر تصادفی در تخصص کاری باشد. اما دریافتیم که در صورت استفاده از یک میانگین متحرک با در نظر گرفتن انتشارات با بیشترین تاثیر در یک پنجره چرخشی (بخش س2. 1 و شکل س6) نتایج محکمتری حاصل خواهد شد و با استفاده از تئوری تطابق که قبل و بعد از t* (بخش س2.2 و شکل س7) بدون تغییر αi است، اعتبارسنجی خواهد شد (19). همچنین، مقالات منتشرشده قبل و بعد از t* تفاوت قابل تشخیصی از لحاظ میانگین نقل قول ها نشان نمی‌دهند (شکل 2ث). سرانجام، ما هر تخصص کاری را با بدون تغییر نگه داشتن تمام معیارهای بهره وری [تعداد کلی مقالات Ni و ni(t)] و ترکیب تاثیرگزاری تمام مقالات یک تخصص کاری، به طور تصادفی انتخاب کردیم (شکل 2ث). عدم وجود تفاوت بین تخصص های کاری تصادفی شده و اصلی این نتیجه را حاصل کرد: تغییرات بخصصی قبل و بعد از کار با بیشترین تاثیر یک دانشمند وجود ندارد. استحکام این نظریه را برای نمونه های مختلف دانشمندان (شکل های س8 و س9)، برای تعاریف مختلف تاثیرگزاری (بخش س 1. 6 و شکل س10) و در مجموعه داده هایی که برای تاثیر مختلف هر نویسنده یک مقاله وجود داشت (بخش س6 و شکل س11) آزمایش کردیم که به نتیجه مشابه رسیدیم. اما به طور قطع نمی توانیم بگوییم که متغیرهای تاثیرگزاری یا مجموعه داده هایی یافت نشود که الگوهایی قبل و بعد از مقاله با بیشترین تاثیرگزاری را رد خود نداشته باشد.
     برای فهمیدن زمانی که یک دانشمند کار با بیشترین تاثیرگزاری را منتشر می کند، احتمال P(t*) را سنجش کردیم که مقاله با بیشترین تاثیرگزاری در زمان t* بعد از اولین انتشار مقاله منتشر شده است (شکل2د). P(t*) بالا بین 0 تا 20 سال نشان می دهد که اغلب دانشمندان مقاله با بیشترین تاثیر خود را در اوایل یا اواسط دوره کاری خود منتشر می کنند. افت P(t*) پس از 20 سال نشان می دهد که احتمال وجود کار با بیشترین نقل قول یک دانشمند در اواخر دوره کار او باشد که نتیجه ای است که در ادبیات موضوع خلاقیت نیز به خوبی مستند شده است (به بخش س3. 1 رجوع کنید) (20 و 21). به منظور فهم مبدا این الگو، c10 را با حفظ بهره وری وابسته به زمان دانشمند و تاثیر مقاله به مقاله، و انتخاب تصادفی مرتبه انتشارات او، در میان تمام مقالات یک دانشمند ترکیب کردیم. این حقیقت که P(t*) برای این کارهای ترکیبی از داده های اصلی غیر قابل تمییز است (شکل 2د) نشان می دهد که P(t*) به دلیل زنجیره های تاثیرگزاری خاص یا دیگر مشخصات نیست، بلکه با تغییرات سال به سال بهره وری در طو ل کار تخصصی دانشمند تشریح می شود (شکل س12) (20و21).