调查作者和出版物特定特征对学者h指数预测的贡献
摘要：研究人员的产出评估对于招聘委员会和资金机构至关重要，通常是通过科学产出、引用或综合度量指标（如h指数）来衡量。评估年轻研究人员更为重要，因为获取引用和h指数的时间较长。因此，预测h指数可以帮助发现研究人员的科学影响力。此外，确定影响科学影响力的关键因素对于寻求改进的研究人员是有帮助的。本研究调查了作者、论文和会议特定特征对未来h指数的影响。为此，我们使用机器学习方法预测h指数，并使用特征分析技术来深入理解特征的影响。利用Scopus中的文献计量数据，我们定义并提取了两个主要特征组。第一个组与先前科学影响力有关，我们将其命名为“先前基于影响力的特征”，包括发表文章数量、接收到的引用和h指数。第二个群组是“非影响力特征”，包括与作者、共同作者、论文和会议特征相关的特征。我们探索了它们在预测不同职业阶段的研究人员的h指数中的重要性。此外，我们检查了不同特征类别预测绩效的时态维度，以确定哪些特征对于长期和短期预测更可靠。我们参考了作者的性别来研究该特征在预测任务中的作用。我们的研究结果显示，性别对于预测h指数影响很小。我们发现，非影响力特征比起先前基于影响力的特征在短期内更能准确预测年轻学者的情况。此外，先前基于影响力的特征在长期预测中的预测能力较其他特征较弱。
作者：Fakhri Momeni, Philipp Mayr and Stefan Dietze
论文ID：2207.09655
分类：Digital Libraries
分类简称：cs.DL
提交时间：2023-08-15