[目的/意义]梳理同行评议发展脉络,分析当前同行评议面临的问题,进而提出科学合理的应对之策。[方法/过程]首先从同行评议起源、传统同行评议模式、开放同行评议、同行评议文本挖掘四方面梳理同行评议发展脉络,并以Web of Science核心...
详细信息
[目的/意义]梳理同行评议发展脉络,分析当前同行评议面临的问题,进而提出科学合理的应对之策。[方法/过程]首先从同行评议起源、传统同行评议模式、开放同行评议、同行评议文本挖掘四方面梳理同行评议发展脉络,并以Web of Science核心库中收录的同行评议模式文献数据为例,分析学者对同行评议模式的研究变化趋势;随后,对Elsevier旗下2426种期刊使用的同行评议模式进行统计,分析同行评议模式的实际应用情况。其次,根据国家统计局发布的中国创新指数、中国知网2000—2019年间收录的图书馆、情报与文献学领域的题录数据,从科研文献数量增长、研究主题演化以及潜在评审专家数量变化角度分析当前同行评议工作面临的问题。最后,根据分析结果,提出从构建学术质量评估系统、精准构建学者画像、量化学者在同行评议中的贡献三个方面应对在大数据环境下同行评议面临的困境。[结果/结论]在科研文献数量不断增长、研究主题不断拓展、评审专家数量增长放缓的情形下,同行评议面临的挑战与日俱增。通过发展脉络梳理、研究趋势与应用现状总结、挑战与策略分析,能够加深对同行评议的认识;提出的方案能够在一定程度上缓解日趋严峻的同行评议工作,具有一定的应用价值。[局限]由于数据获取难度大,文章使用的数据不够全面,所提出的对策尚未开发出验证系统。
[目的/意义]识别新兴研究主题并预测其发展趋势,对科技创新和科研决策具有重要意义。[方法/过程]提出基于主题模型和曲线拟合的新兴主题趋势预测方法。该方法应用LDA主题模型进行科技文献主题划分,然后将主题新颖性、增长性、影响力等特征指标依次赋权叠加构建主题新兴指标,利用多维尺度绘制主题分布矩阵以识别和探测新兴主题。最后基于主题新兴指标时序特征进行曲线拟合,预测新兴主题未来发展趋势。[结果/结论]利用Web of Science数据库中1997—2017年燃料电池领域的94661篇文献,进行实证研究。结果表明该方法能够有效识别燃料电池领域新兴研究主题,相对于时间序列自回归预测方法,曲线拟合预测方法具有较高准确率。
暂无评论