十里店大学吧 关注:6,704贴子:278,139

肱骨之臣与学术新星:川属高校科学研究的推动力量

只看楼主收藏回复

一直以来,我们都习惯于将高校视为一个整体,去讨论他们的论文发表和学科建设,而对于那些用一篇篇论文给各个高校的建设添砖加瓦的老师,却缺乏足够的关注。教师节刚刚过去,这个周末,萌新利用来自InCites的数据,把来自11所省属高校的老师中具有代表性的一小尛𡮐部分介绍给大家。
InCites数据库基于Web of Science核心合集的引文数据,可以从十分丰富的维度对学科、机构、研究人员进行全面而系统地评价。然而,由于一个帖子所能呈现的内容有限,我不得不在从数据库取得的数据之上,做一些加工处理,以方便展示和讨论。同时,由于数据是局部的、片面的、静态的,而我的分析也难以尽可能周全,因此,本帖的结果可能与实际情况有偏差,并可能辜负其他理应被关注的老师。


IP属地:四川1楼2021-09-18 19:45回复
    (一)肱骨之臣
    如果要去寻找一个高校论文发表的肱骨之臣,那发表数量一定是最重要的标准。虽然我们正在挥别那个看重数量的时代,但能够发表一篇SCI/SSCI在尚未远去的过去仍然是件值得骄傲的事情。我们不能因为今天对质量的赞美,就否认数量的历史价值。更为重要的是,当数量累积到一定程度,体现的是这些老师在某个领域持续不断的耕耘,其中的佳作也并不会少。所以,为了寻找各个高校的肱骨之臣,我们按照各个老师在数据库中的全部发文量的排序,选取出每所高校发文量最多的10位老师。同时,为了反映这些老师的学术影响力,我们使用了两个指标:
    一个是学科规范化的引文影响力。根据Incites的介绍,对于每一篇论文,学科规范化的引文影响力是用该文的实际被引数除以同一类型论文(Article还是Review)、出版年份和主题领域的其他论文的被引数均值得到的。然后,将每位老师全部论文的学科规范化的引文影响力求平均值,就是这位老师的学科规范化的引文影响力。显然,越大于1,表示这位老师(单篇的)论文影响力越大。
    另一指标是H指数。H指数是指一位学者的全部论文中,有H篇论文每篇至少被引H次。H指数的提升是非常困难的,不仅要求足够的数量,还必须有足够的质量。高的H指数是每位学者孜孜以求的荣誉勋章,代表着他整体的学术成就。
    把这些数据整理出来,就是:

    我就不一一去核对每位老师的中文名了,相信这些学校的校友一看便知。很明显,这个名单里面的老师,几乎都是我们耳熟能详的名字。虽然在此之前,我们并不清楚他们的论文情况,但从表格里反映的情况来看,我们对他们的敬爱,无论如何都是值得的!
    把上图的数据在各高校层面做一个均值,可以方便我们在不同高校进行比较(我知道你们就爱看这个):

    川农的这10位老师发表了最多的论文,并且具有不错的学术成就。西华师范的这10位老师总体来看具有更高的学术影响力(单篇)和学术成就。西科、川师、西油也表现不错。成大的10位老师在论文数量上不占优势,但他们单篇论文的影响力还是不错的。成理大致处在一个中不溜的位置。


    IP属地:四川2楼2021-09-18 19:46
    收起回复
      (二)学术新星
      看完了肱骨之臣,我们再把目光转向各个高校的学术新星。学术新星的寻找是一件比较困难的事,并且非常依赖于我们如何定义“学术新星”。近年来发表大量论文的是学术新星吗?或许是,但如果他以往也发表了大量论文,那他就不足够“新”了。近年来论文数量大比例增长的是学术新星吗?也或许是,但如果他只是从1增长200%到了3,那也算不上“星”了。思来想去,本帖寻找学术新星的方式十分简单粗暴:先挑选出每所高校在近三年(2019至今)有论文发表而在此前无任何发表的老师,这样他们就足够新了,然后,再从中找出论文数量前5名(论文数相同则按H指数排)的老师,这样,他们就既“新”又“星”了。这些冉冉升起的学术新星是:

      可以看到,不少高校的学术新星中都出现了一些国际友人。同样的,我们也可以在学校层面求取均值,看看这些学术新星整体的成色如何(这又是你们爱看的):

      可以看到,川农的这5位新星同样最能发论文,但论文的(单篇)影响力却还不够高,甚至没有达到领域的平均水平。成理的学术新星发文数量不错,并且在(单篇)论文影响力和个人成就上来看都是最高的,应该说成理近三年的引才工作是成效显著的。西华师范和西油的学术新星表现也不错,其次是川师。西科的新星有论文数量,但论文质量还需提升。


      IP属地:四川3楼2021-09-18 19:47
      收起回复
        (三)学者结构
        人才是流动的。随着老的学者逐渐谢幕,必须有新鲜的学者补充进来。本帖想继续探索,这些高校的学者结构是怎样的。由于我们无法知道每个学者的年龄,本帖从侧面定义了一个学者新鲜度的指标,来刻画每位老师在其所在高校的学术新鲜度:
        新鲜度=该学者近三年在该高校发文数/该学者在该高校全部发文数
        显然,这个指标越大,表示该学者是该高校的新鲜学者(但并不意味着他年龄上的年轻,因为他可能是从外校引进而来)。在得到每个高校每位老师的新鲜度后,我们可以绘制出频率分布图。由于学生也可能发表SCI/SSCI论文,我们于是仅关注发表数量在3篇以上的学者,从而一定程度地排除学生的影响。通过测度频率分布的偏度,我们可以大致知道这些高校的学者结构:

        偏度越小(越负),反映的是该校(能发论文)的学者结构更往新鲜度更高学者集中。但应提醒吧友注意,这个指标的高低或许并没有优劣之分。越小,虽然意味着你(能发论文)的学者中有更多新人,但也意味着你原有的老师科研能力是不足的。处于变革、快速发展阶段的高校可能更容易出现学者新鲜度更高的情况,比如成大。而处于稳步发展期,原有教师尚具有足够的科研能力而对新人依赖度较低的高校,则相反,比如川农。这两个学校的学者频率分布图是这样的:

        总而言之,与学校现实情况和发展愿景相适应的学者新鲜度,才是合理的学者结构。对于成信和西民而言,从上文的分析来看,他们的科研实力较弱,这里又显示,他们的学者结构也没有体现足够的新鲜度,人才战略不免让人疑惑。


        IP属地:四川4楼2021-09-18 19:48
        回复
          最后,虽然本帖同时考虑了SCI和SSCI,但SCI的发文量更大,所以理工科的学者更容易凸显出来。另外,只考虑外文,也使得我们忽视了人文社科领域主攻国内刊物上的学者。每一位老师,都值得赞美!最后的最后,祝大家节日快乐!


          IP属地:四川5楼2021-09-18 19:48
          收起回复
            好帖!!


            IP属地:四川来自Android客户端8楼2021-09-18 20:18
            回复


              IP属地:四川来自Android客户端9楼2021-09-18 20:21
              回复


                IP属地:贵州来自iPhone客户端10楼2021-09-18 20:29
                回复
                  楼主太厉害(ง •̀_•́)ง


                  IP属地:四川来自Android客户端11楼2021-09-18 20:30
                  回复
                    楼主出品,必属精品


                    IP属地:四川来自Android客户端12楼2021-09-18 20:52
                    回复
                      楼主


                      IP属地:宁夏来自iPhone客户端13楼2021-09-18 21:11
                      回复


                        IP属地:四川来自iPhone客户端14楼2021-09-18 21:28
                        回复
                          本吧数据分析能人,大赞一个,献花


                          IP属地:四川来自Android客户端15楼2021-09-18 21:46
                          回复
                            每个周末,必出精品啊。


                            IP属地:重庆来自Android客户端16楼2021-09-18 21:47
                            回复
                              请把肱骨之臣这篇重发一下嘛


                              IP属地:四川来自Android客户端17楼2021-09-18 21:52
                              收起回复