[目的/意义]基于学者知识结构蕴含的创新特征,设计学者早期知识结构新颖性的测度指标,以此预测学者未来的影响力,为学术人才的早期识别提供新的指标借鉴。[方法/过程]首先,通过Pub Med Knowledge Graph数据库获取57927位生物医学领域学...
详细信息
[目的/意义]基于学者知识结构蕴含的创新特征,设计学者早期知识结构新颖性的测度指标,以此预测学者未来的影响力,为学术人才的早期识别提供新的指标借鉴。[方法/过程]首先,通过Pub Med Knowledge Graph数据库获取57927位生物医学领域学者数据,利用受控主题词共现关系构建学者的知识结构;其次,从知识主题与结构位置两个层面出发设计6项指标测度学者早期知识结构新颖性;之后,根据学者后期的影响力对学者进行分类标注,训练机器学习模型;最后,实验评估不同组合变量模型下的分类效果,分析基于知识结构新颖性指标的预测性能。[结果/结论]新颖性指标能有效预测影响力;单指标预测中,主题新颖性(TN)效果最好,结构层面的4个指标效果均超过主题组合新颖性(TCN);综合指标的预测F1值平均提高2.7%。从内容特征角度出发,为预测与理解学者学术影响力提供新视角,所设计的新指标具有实用价值,能帮助弥补现有预测指标的不足。
暂无评论