Originalni Katy Berrner i drugi intelektualni klubovi
Prednji
S napretkom znanosti, istraživanje o navođenju mreža, rezultatima istraživanja i znanstvenim politikama postajalo je sve više zabrinuto, a postupno se formirala i unakrsna -disciplinarna disciplina, znanost o znanosti.U 2018. godini, brojni znanstvenici na čelu s internetskim znanstvenicima Albert -lászló Barabási, objavili su teški sažetak o znanosti, koji je sveobuhvatno uveo ova vrata iz interdisciplinarnih metoda znanosti i smjernica produktivnosti znanstvenih istraživanja za poboljšanje produktivnosti znanstvenih istraživanja. ” Disciplina na razini “.
Santo Fortunato, Carl T. Bergstrom, Katy Börner, itd. |
Chen XI |
Cui Haochuan |
Wang Yixi, Deng Yixue |
Sadržaj
1. Struktura sažetak
1. Pozadina
2. Napredak
3. Outlook
Drugo, tekst
1. Sažetak
2. Mreža sačinjena od znanstvenika, znanstvenih istraživačkih institucija i znanstvenih istraživačkih ideja
3. Proučite izbor problema
4. Inovacija
5. Dinamika znanstvenika Akademske karijere
6. Timski znanstveno istraživanje
7. Dinamika koja stoji iza referentne količine
8. Izgledi
Prilog: reference
1. Struktura sažetak
1. Pozadina
Danas, s čitavim procesom znanstvenih istraživanja, uključujući financiranje znanstvenih istraživačkih fondova, akademsku proizvodnju, znanstvenike surađuju u referenci članka i sve veći broj znanstvenika digitalne akvizicije, ljudi su stekli strukturu i razvoj znanstvenih znanstvenih Znanost i razvoj neviđene mogućnosti.Science of Science, kratica znanosti pruža kvantitativno razumijevanje interakcije između znanstvenih i vremenskih znanstvenih znanosti i vremenske znanosti: Omogućuje nam razumijevanje uvjeta i znanstvenog otkrića iza “kreativnosti”. je razviti niz politika i alata koji ubrzavaju znanstvena istraživanja.
U posljednjih deset godina znanost je privukla znanstvenike koji imaju istraživačko podrijetlo poput prirode, računala i sociologije.Zajedno su izgradili znanstvena istraživanja velikih podataka za empirijsku analizu i generiranje modela istraživanja kako bi obuhvatili produktivnost iza znanosti i razvoja i promjena praktičara.Znanstvena znanost nada se da će dublje razumjeti i promicati različite čimbenike u znanstvenim istraživanjima kako bi se učinkovitije riješile okolišne, socijalne i tehničke probleme.
Znanost se može smatrati kontinuiranom širenjem i evolucijskom misao, znanstvenici i tezama.Znanstvena znanstvena potraga za univerzalnim zakonima temeljenim na znanstvenoj strukturi i dinamici.
2. Napredak
Znanost se može opisati kao složena, samoorganizirana, razvijajuća mreža.Sastoji se od učenjaka, radova i ideja.Ova metoda opisivanja problema objašnjava mnoge potencijalne modele, poput istraživanja istraživanja kooperativne mreže i istraživanja referentne mreže, objašnjava rođenje novih disciplina i proces rođenja velikog otkrića.Mikro -model prati dinamiku nakupljanja citata, omogućujući nam da predvidimo utjecaj jednog rada u budućnosti.
Znanstvena znanost otkriva izbore i trgovine -suočavaju se znanstvenici u njihovoj karijeri i znanstvenoj viziji.Na primjer, analiza pokazuje da znanstvenici ne vole rizike i spremniji su proučavati teme vezane za njihovo trenutno profesionalno znanje, što ograničava njihov potencijal u budućnosti.Oni koji su voljni razbiti ovaj model uključit će se u zanimanja s višim rizikom, ali veća je vjerojatnost da će napraviti velike proboje.
Ukratko, najinovativnija znanost temelji se na tradicionalnim kombinacijama discipline, ali ta je kombinacija često bez presedana.Konačno, kako se istraživački rad više prebacuje od pojedinaca do timova, znanstvena znanost sve je više zabrinuta zbog utjecaja i značaja tima u znanstvenim istraživanjima.Neke su studije otkrile da se revolucionarne ideje obično rađaju u malim timovima.Suprotno tome, veliki timovi imaju tendenciju da promoviraju istraživanje polja rezanja i imaju kratkoročni utjecaj.
3. Outlook
Znanost pruža kvantitativno razumijevanje strukturnog okvira između znanstvenika, istraživačkih institucija i ideja.Pomaže u prepoznavanju osnovnog mehanizma koji stoji iza znanstvenog otkrića.Ovi interdisciplinarni sadržaj koji se upravljaju nadopunjavaju sadržaj znanstvenog mjerenja i srodnih znanstvenih i socioloških područja koja se odnose na znanost.
Iako je znanstvena žeđ za dugoročnim i univerzalnim zakonima i mehanizmima koji se primjenjuju na različita znanstvena područja, prije svega, potrebno je suočiti se s neizbježnim razlikama između kulture, navika i sklonosti između različitih polja i zemalja.Ova promjena otežava razumijevanje nekih križnih uvida, a teško je provesti srodne znanstvene politike.Razlike između znanstvenih istraživačkih pitanja i podataka općenito su povezane s poljem, što također nagovještava da će u budućnosti znanstvena istraživanja imati odgovarajuću promjenu zbog “karakteristika discipline”.
Proces zgušnjavanja znanstvenih granica također je signal interdisciplinarnog istraživanja, integracije i inovacija.
Drugo, tekst
1. Sažetak
Identificirati motivaciju iza razvoja znanstvenog razvoja.Na primjer, jačanjem političkog dizajna profesionalnih cesta znanstvenika, boljom procjenom znanstvenih performansi, učinkovitijim dizajnom financiranja, pa čak i rezanjem studija koje će se roditi.Znanstvena znanost koristi velike podatke o znanstvenoj proizvodnji kako bi pronašla zakone i modele univerzalnih i specifičnih disciplina.Ovdje pregledavamo najnoviji razvoj ovog cross -disciplinarnog polja.
Veliki broj digitalnih podataka o akademskom izlazu pruža neviđene mogućnosti za istraživanje modela znanstvene strukture i evolucije.Znanstvena znanost postavila je proces znanstvenog razvoja pod mikroskopom i ima kvantitativno razumijevanje podrijetla znanstvenog otkrića, kreativnosti i prakse.Može razviti alate i politike koje ubrzavaju znanstveni napredak.
Pojava znanosti pokreće dva ključna čimbenika.
Prvo je dostupnost podataka.Pored vlasničkog Web of Science (WOS), to je dugotrajna atrakcija prvog vremena. .Neki od ovih izvora pružaju se besplatno, koji pokrivaju milijune podataka povezanih sa znanstvenicima i njihovim postignućima.
Drugo, znanstvena je znanost imala koristi od prirode, računanja i suradnje društvenih znanstvenika.
Jedan od najvažnijih dijelova ovog polja u nastajanju je razbijanje procesa disciplinskih granica.
Od znanstvenih mjerenja, naučili smo analizirati i mjeriti velike podatke podataka;
Znanstvena znanost oslanja se na integraciju opsežnih kvantitativnih metoda, od opisne statistike i vizualizacije podataka do ekonometrijskih metoda na visokoj razini, metode mrežnih znanosti, algoritama strojnog učenja, matematičke analize i računalne simulacije, uključujući metode modeliranja temeljenih ).
Vrijednost znanosti temelji se na takvoj pretpostavci: s In -Depth razumijevanjem čimbenika koji stoje iza uspješnih znanstvenih proboja i shvaćanjem znanstvenog napretka istraživanja u cjelini, čime se učinkovitije rješava socijalne probleme.
2. Mreža sačinjena od znanstvenika, znanstvenih istraživačkih institucija i ideja
Suvremena znanost je elektroenergetski sustav vođen složenom interakcijom između društvene strukture i reprezentacije znanja i složene interakcije između prirodnog svijeta.Znanstvena saznanja sastoje se od koncepata i odnosa u umjetnim proizvodima u istraživačkim radovima, knjigama, patentima, softveru i drugim akademskim područjima.Ti su sadržaji klasificirani u discipline i šira područja prema napetosti.Ova društva, koncepti i materijalni elementi povezani su s protokom informacija, ideja, znanstvenih istraživanja, alata i informacija o slučajevima kroz formalne informacije, ideje, znanstvene istraživačke prakse, alate i informacije o slučajevima.
Stoga se znanost može opisati kao složena, samoorganizirana i razvijati višeslojnu mrežu (multiskalna mreža).
Rane studije otkrile su da se broj znanstvene literature s vremenom (2) akumulira (2).Međutim, nemojte misliti da su se znanstvene misli povećale s brojem literatura.Tehnologija i ekonomija izdavačke industrije također su se s vremenom poboljšali, a učinkovitost izdavačkih članaka također se poboljšala.Pored toga, novi objavljeni članci iz znanosti često se okupljaju u različitim područjima znanja (3).
Istraživači koriste analizu teksta velikih skala za mjerenje svijesti o znanstvenoj literaturi koristeći fraze izvađene iz naslova i sažetak.Otkrili su da se opseg znanstvenih koncepata s vremenom linearno proširio.Drugim riječima, iako se broj članaka eksponencijalno povećava, novi se koncept tijekom vremena povećava linearnim, kao što je prikazano na slici 1.(4)
Slika 1 Rast znanosti.(A) Uredite godišnji izlaz i vrijeme u WOS bazi podataka.(B) Rast novih znanstvenih otkrića obuhvaćenih literaturom indeksiranom u WOS -u.To se određuje izračunavanjem broja koncepata u fiksnom broju članaka (4).
Riječi i izrazi koji se obično koriste u članku i sažetak se širio putem citatske mreže kako bi se stvorio model, a ovaj će model biti zamijenjen novim paradigmama u određeno vrijeme i prostor (5).Primjenom metoda mrežnih znanosti na citatsku mrežu za istraživanje, istraživači mogu identificirati zajednicu koja odgovara izdavačkim člancima (6) objavljivanjem članaka koji se često citiraju.Ove zajednice obično odgovaraju autorovoj skupini (7) koji imaju zajednički položaj o određenim problemima ili praktičarima (8) koji rade na istoj posebnoj znanstvenoj temi.U posljednje vrijeme, članak koji se tiče znanosti o biomedicinskoj znanosti ilustrira kako je rast izdavačkog objekta ojačao “zajednicu discipline” (9).
Jednom kada se objavi nova teza, povezanost između znanstvenika, lijekova, bolesti i metoda (“ove stvari”, to jest čvorovi u mrežnoj analizi), (to jest Hyperged u mrežnoj analizi) ažurirajte i ojačajte.Većina novoosnovanih veza udaljena je samo jedan ili dva koraka jedna od druge, što znači da kada znanstvenici odaberu nove istraživačke teme, radije biraju izravno povezane s trenutnim profesionalnim znanjem ili njihovim profesionalnim znanjem.Ovo zgušnjavanje pokazuje da postojeća znanstvena struktura može ograničiti istraživački sadržaj budućih ljudi.
Proces zgušnjavanja znanstvenih granica također je signal interdisciplinarnog istraživanja, integracije i inovacija.
Analiza životnog ciklusa osam istraživačkih područja (10) pokazuje da je uspješno polje uspjeha prošlo kroz proces znanja i društvenog jedinstva, što dovodi do ogromnog kanala u suradničkoj mreži (104).Znanstvenik je uspješno reproducirao autorovu produktivnost, broj autora svake discipline i interdisciplinarni autora (11) na matematičkom modelu Mreže zadruge na mreži suradnje (11).
3. Proučite izbor problema
Kako znanstvenici odlučuju koja istraživačka pitanja?Znanstveni sociolozi dugo nagađaju da su ove opcije određene intenzivnim igrama između tradicionalnih istraživanja i inovacija (12, 13).Znanstvenici koji se pridržavaju tradicionalnog istraživanja tradicionalnih istraživanja obično će promicati proces fokusiranja na temu gravitacije objavljivanjem niza stabilnih i kontinuiranih rezultata istraživanja, što se čini učinkovitim.
Međutim, previše fokusiranja na određeno pitanje može ograničiti sposobnost istraživača da percipiraju i iskoriste priliku.Ove mogućnosti mogu pronaći nove ideje koje promiču razvoj polja.Na primjer, studija studije o studiji biomedičara koji su odabrali novu vrstu kemijskih i postojećih kemijskih lijekova pokazalo je da sazrijevanjem istraživačkog polja sve više i više istraživača obraća pažnju na postojeće znanje (3).
Iako inovativni članci često imaju veći utjecaj od konzervativnih članaka, strategije visokog rizika i visokog inovativanja su rijetke, jer dodatne nagrade ne mogu nadoknaditi rizik od neuspjeha.Nagrada i čast izgledaju kao da to mogu uzeti za glavne poticaje konzervativnih tendencija.Iako postoje mnogi čimbenici koji utječu na rad znanstvenika, makro model koji kontrolira promjene u istraživačkim interesima u znanstvenim poduhvatama očito se može pratiti, a ti su zakoni skriveni u profesionalnom putu znanstvenih istraživanja i znanstvenika.(14).
Izbor znanstvenika u istraživačkim temama uglavnom utječe na njihovu osobnu karijeru i karijeru onih koji se oslanjaju na njih.Međutim, odluka -donošenje skupina znanstvenika ponekad djeluje više u smjeru odlučivanja znanstvenog otkrića (Slika 2).Strategija istraživanja Konzervativna znači da (15) osobno zanimanje ima stabilnu i dobru izgledu, ali učinak promocije cijele discipline je loš.Fenomen ove strategije povećava se fenomenom ladice za datoteke Privam (16): Rezultati nedosljednih pretpostavki koje su utvrđene rijetko su objavljeni, što rezultira objavljenim sistemskim predrasudama.Neodrživ i lažni sadržaj ponekad se čak smatra klasikom (17).
Pitanje ladice za datoteku:
Odnosi se na predrasude izbora istraživača, a literatura koja nije u skladu sa studijom ostat će u ladici, umjesto da je izvadi kao referencu.
Nekoliko generacija znanstvenika moglo je testirati još hrabre pretpostavke, ali mogu nam biti poznati samo one koji su uspješno proizveli članke.Jedan od načina za rješavanje ovog konzervativnog problema zamke je pozivanje agencija za financiranje da aktivno sponzoriraju rizične projekte koji testiraju nove pretpostavke i puštaju posebne interesne skupine da istražuju posebne bolesti.
Rezultati kvantitativne analize pokazuju da je raspodjela američkih biomedicinskih resursa povezana s povijesnom raspodjelom i istraživanjima, koja nije povezana s ozbiljnom stvarnim problemima bolesti (18), koja je ukazala na sistemsku dislokaciju između biomedicinskih potreba i resursa.Ovaj nerazumijevanje čini da ljudi sumnjaju da će agencija za financiranje utjecati na razvoj znanstvenog razvoja bez dodatnog nadzora, inspiracije i povratnih informacija i koliko tih sredstava upravljaju ugrađenim navikama mogu utjecati na razvoj znanosti.
4. Inovacija
Analiza članaka i patenata zajedno dokazuje da rijetke kombinacije u znanstvenom otkrivanju i izumima imaju tendenciju da dobiju veće referentne stope (3).Interdisciplinarno istraživanje je ikonični proces reorganizacije (19);Međutim, iz dokaza koji se primjenjuju na fond, usprkos stvarnom romanu (21-23) ili interdisciplinarnog (24) istraživačkih pitanja, sustavi stručne procjene obično daju niže rezultate.
Slika 2 Odaberite eksperiment koji ubrzava kolektivno otkriće.
(A.) Studija je izmjerila učinkovitost svih novih lijekova objavljenih u Medline (medicinska baza podataka) u 2010. godini.Ovaj model ne uzima u obzir razlike ili troškove određenih eksperimenata.Grafikon učinkovitosti ove globalne znanstvene strategije odražava odnos novo objavljenog novog biokemijskog puta (horizontalna os) i prosječnog broja eksperimenata (okomita os).U skladu s tim, može se napraviti mrežni dijagram između lijekova.Istraživači koriste različitu učinkovitost hipotetičke strategije za usporedbu sa strateškom učinkovitošću stvarne situacije i koriste potpuno slučajne i 50 % i 100 % kako bi otkrili strategije optimizacije za najbolju mrežu.Niža vrijednost na okomitoj osi predstavlja učinkovitiju strategiju, a novi način otkrivanja nije najbolji.Stvarna strategija najprikladnija je za otkrivanje 13 % kemijske mreže, a 50 % strategija optimizacije učinkovita je za otkrivanje 50 % kemijske mreže, ali nijedna od njih nije tako dobra kao što je najbolja strategija 100 % cjelokupnog cjelokupnog Mreža je jednako dobra.
(B) Pravi kineski lijek utvrdio je da se mreža može uvući u obrazac grafikona.Nova povezanost ove strategije temelji se na nekim “važnim”, visoko povezanim kemikalijama, kao što je prikazano na toj točki na slici, ali strategija istraživanja od 100閤ovitosti pokazuje više ujednačenih zakona o otkrivanju, a malo je vjerojatno da je malo vjerojatan “congzang” U prostoru mogućnosti znanosti.(15)
Najutjecajniji znanstveni rad proizlazi iz kombinacije konvencionalnog sadržaja, ali dolazi i iz neobičnih kombinacija (25-27).Mogućnost visoke referentne stope ove vrste radova je dva puta (26).Drugim riječima, novi i postojeći elementi najsigurniji su načini uspješnog znanstvenog napretka.
5. Dinamika znanstvenika Akademske karijere
U pozadini proizvodnje i upotrebe znanja pojavile su se razna akademska zanimanja (28).Stoga se znanstveni profesionalni učinak ne proučava samo za osobne poticaje i graničnu produktivnost (relativni dobitak i energija) (29), već je testiran i u pozadini institucionalnih poticaja (30,31) i konkurencije (32).Osobni, geografski i vremenski veliki metapodaci plačući (33) pojedinaca, geografije i vremena s visokom rezolucijom sadržaja potrebni su za izgradnju profesionalne putanja koja se može analizirati iz različitih uglova.Na primjer, studija je utvrdila da je plan financiranja toleriranog ranog neuspjeha (dugoročni uspjeh) vjerojatnije da će proizvesti utjecajni članak iz objavljivanja (31) od financiranja ciklusa kratkoročnog pregleda.
Konkurentni sustav interakcije s vremenskim skalom klasično je pitanje u znanosti o složenim sustavima.Znanstveni polinom je pokretačka sila za generiranje modela, koji mogu istaknuti nesreće politike.Na primjer, model razvoja karijere pokazuje da su kratkoročni ugovori važni razlozi fluktuacije produktivnosti, jer to obično dovodi do naglog kraja određenog uzroka.
Razlike između produktivnosti i profesionalne duljine mogu objasniti razlike između načina suradnje (38) i stope zapošljavanja (35) između muških i ženskih znanstvenika.S druge strane, dokazi o provjeri pokazuju da su se predrasude žena dogodile u ranoj fazi karijere.Kad se spol nasumično dodijeli u grupi podnositelja zahtjeva, Odbor za zapošljavanje sustavno prezire rezultate kandidatkinja (40).
Do sada je većina studija koncentrirana na relativno male uzorke, poboljšati i sastavljati skupove podataka znanstvenika velikih znanstvenika i koristi različite izvore informacija (na primjer, objavljivanje zapisa, aplikacije za prisvajanje i nagrade), što će pomoći dublje razumjeti da razumije Razlozi nejednakosti.Uspostavite model motivacije koji može pružiti informacije za rješenja za politika.
Likvidnost znanstvenika jedan je od ostalih važnih čimbenika za pružanje višestrukih profesionalnih prilika.Većina istraživanja likvidnosti talenta koncentrirana je u priliv i odljev talenata u kvantitativnim zemljama ili regijama (41.42).Međutim, još uvijek je malo istraživanja o osobnoj likvidnosti i njihovom zanimanju, uglavnom zato što je teško dobiti uzdužne informacije o migraciji znanstvenika i razlozima koji stoje iza odluke o protoku.
Prema količini članka, ustanovljeno je da su znanstvenici koji su napustili zemlju u zemlji bolji od onih koji nisu napustili, a oni se bolje snalaze u citatu članka.To može proizaći iz preferencije izbora: dobri učenjaci (sposobni za odlazak u inozemstvo) lako su dobiti bolje pozicije (jači timovi).(43, 44).Osim toga, znanstvenici se obično kreću između institucija slave -to -fame (45).Međutim, kada se kvantitativni znanstvenici koriste za kvantificiranje utjecaja skakanja, nije utvrđeno da se sustav povećava ili smanjuje, čak i ako su se znanstvenici prešli na prilično visoku ili nisku instituciju (46).Drugim riječima, nije institucija, već pojedinačni istraživač institucije koji ima utjecaj.
Drugi potencijalni čimbenik koji utječe na zanimanja je ugled, a ima dvije dileme dovedene pregledom literature, prijedloga za procjenu i odluka za polazište.Autorova reputacija može značajno povećati broj referenci (47) u prvih nekoliko godina nakon objave radova (47) sa svojim prethodnim ukupnim referentnim volumenom.Međutim, nakon ove početne faze, ona utječe na prihvaćanje znanstvene zajednice na radu.Rad ovog otkrića (46) pokazuje da za učinkovit znanstveni uzrok reputacija nije prva produktivna sila, naporan rad, talent i poteškoće u učenju je pokretački faktor.
Jedno pitanje vezano za politiku je da li su kreativnost i inovacije povezani s dob ili karijerom.Već desetljećima istraživanja izvanrednih istraživača i inovatora dogodili su se veliki proboji u relativno ranijoj fazi karijere, među kojima je 35 godina (48).
Međutim, nedavni rad pokazuje da je tendencija dovoljnih zapisa o ranim zanimanjima objašnjena tendencijom produktivnosti.Drugim riječima, u inovaciji nema dobnog načina: najpoznatiji radovi za znanstvenike mogu biti on ili bilo koji od njenih radova, koji u vrijeme rada nema nikakve veze s fazom dobi ili karijere (slika 3).Slučajni model koji opisuje razvoj utjecaja također pokazuje da su proboji generirani kombinacijom sposobnosti znanstvenika i odabirom intuicije i sreće visoke potencijalne intuicije (49).
Slika 3. Utjecaj znanosti znanosti na znanstveno zanimanje
(A) Rekord pobjednika Tri Nobelove nagrade za fiziku.Vodoravna os označava broj godina nakon što je pobjednik prvi put objavio članak.Teza s najvećim utjecajem pobjednika predstavljen je narančastim krugom.
(B) Histogram teze koji se dogodio u nizu teze znanstvenika izračunalo je 10.000 znanstvenika.Ravnost histograma pokazuje da u nizu radova koje su objavili znanstvenici, najutjecajniji rad može imati istu vjerojatnost (49)
6. Timski znanstveno istraživanje
Desetljećima se iz dana u dan povećavao stupanj ovisnosti znanstvenih istraživanja o suradnji u timu, što predstavlja temeljnu transformaciju metoda znanstvenih istraživanja.Studija o 19,9 milijuna istraživačkih radova i 2,1 milijuna patenata pronašla je trend orijentiranog timu u području znanstvenih istraživanja (50) (Slika 4).Na primjer, 1955. godine, znanstveni i inženjerski tim napisao je isti broj radova kao jedan autor.Međutim, do 2013. godine, udio radova koje je tim napisao porastao je na 90 % (51).
Danas su radovi napisani u znanstvenom i inženjerskom timu 6,3 puta da mogu dobiti referencu veću od 1.000, ili referenca na pojedinačne disertacije.Jedan od mogućih razloga je taj što tim može predložiti više novih ideja (26) ili resursa koje drugi istraživači mogu koristiti (na primjer, genomika).
Podaci pokazuju da tim može imati 38%više od autora koji mogu kombinirati sadržaj znanstvenog istraživanja u poznato polje znanja, što dokazuje da tim može zajedno kombinirati različite smjernice, učinkovito promičući proboj znanosti.Imajući više suradnje znači da će uobičajeni autori poboljšati vidljivost između znanstvenika, oni mogu uvesti jedni druge u internu mrežu znanstvenih istraživanja.
Slika 4 Skala i utjecaj tima
U prošlom stoljeću prosječna timska ljestvica neprestano se širi.Crvena linijska linija predstavlja prosječni broj Komunističke partije Kine i autori Komunističke partije Kine;Sustav crne krivulje nalazi se iznad crvene isprekidane linije, što znači da su vjerojatnije da će veliki timovi imati visoki utjecaj od malih timova.Svaki grafikon odgovara disciplinskoj kategoriji (a) Znanost i inženjering navedenu u WOS -u, (b) društvene znanosti, (c) umjetnosti i humanističkih znanosti.
U prosjeku, istraživači iz velikih timova mogu dobiti više citata u raznim područjima.Studije su pokazale da mali timovi obično koriste nove ideje i mogućnosti za promjenu znanosti i tehnologije, dok veliki timovi promiču proces postojećeg istraživanja (53).Stoga je važno financirati i njegovati tim različitih veličina kako bi se ublažila znanost (28).
U isto vrijeme, veličina tima se također mijenja po stopi od 17 % u deset godina (50, 54, 105).Znanstveni tim uključuje male, stabilne “temeljne” timove i velike timove i dinamične timove za širenje (55).Povećana veličina većine polja generira se kontinuiranim širenjem tima za dinamično širenje.Ljestvica je ključni odlučujući faktor strategije preživljavanja tima: ako mali tim održava stabilnu jezgru, njihovo će vrijeme preživljavanja biti duže, ali veliki tim pokazuje mobilni mehanizam za preživljavanje članova duže (56).
Uz ubrzanje znanosti i sve složenost, alati potrebni za širenje znanja sve se više poboljšavaju u pogledu razmjera i točnosti.Za većinu pojedinačnih istraživača vrijednost istraživačkih alata je previsoka i nema tržišta, ali isto vrijedi i za većinu institucija.Akademska suradnja uvijek je bila ključno rješenje za rješavanje ovog problema, tako da se resursi mogu koncentrirati na znanstvena istraživanja.
Snažni stroj za sudar u Europskom i najmoćnijom stroju za sudar čestica na svijetu je najveći i najmoćniji stroj za sukob s česticama. utjecaja.Međutim, kako se skala povećava, vrijednost i rizik povezani s “velikom znanošću” odmah se generiraju (2).Iako može riješiti veće probleme, znanstvena ponavljajuća pitanja zahtijevaju da ponovite eksperiment, što je zapravo neizbježno ili ekonomično.
Kooperatori će imati ogroman utjecaj na znanost.Prema nedavnom istraživanju (57.58), znanstvenici koji su izgubili suradnike zvijezda doživjet će nagli pad produktivnosti, posebno ako je raštrkani partner običan istraživač.Prosječni broj referenci s jakim suradnicima povećat će se za 17 %, što ukazuje na vrijednost profesionalne suradnje (59).
S obzirom na sve veći broj autora u istraživačkim radovima, tko bi trebao imati najviše reputacije?Klasična teorija pogrešne distribucije reputacije u znanosti je Matthew Effect (60).Teško je dodijeliti vjerodostojnost sudionika suradnje, jer se to ne može lako razlikovati od osobnog doprinosa (61).Međutim, moguće je provjeriti uobičajeni način rada zajedničkog autora kako bi se utvrdio ugled koji je raspodijelio svaki ko -autor u grupi (62).
7. Dinamika koja stoji iza referentne količine
Akademske reference i dalje su glavni načini za mjerenje akademskih dostignuća u znanosti.S obzirom na dugoročne ovisnosti glavnih referentnih standarda (63-66), dinamički zakon akumuliran citatima potvrđen je generacijama učenjaka.Prema cijeni (67) pionirskim istraživanjima, raspodjela citata znanstvenih radova visoko je orijentirana: mnogi radovi nikada nisu citirani, ali pionirski radovi mogu akumulirati 10 000 ili više referenci.Ova neujednačena raspodjela citata snažna je, prirodna i inovativna atributa znanstvenih promjena.Kad se rad grupira od strane agencije, također je uspostavljen (68).A ako je broj referenci rada podijeljen s prosječnim citatom odjela za razrednik iste godine, dobivena distribucija rezultata u osnovi se ne razlikuje od svih disciplina (69, 70) (Slika 5A).
To znači da je utjecaj radova koje su objavile različite discipline gledajući relativni referentni volumen.Na primjer, matematički rad koji prikuplja 100 citata ima veći utjecaj od mikrobioloških radova od 300 citata.
Slika 5 Općenitost dinamike citata
(A) Ako je broj referenci svakog rada C, osim prosječnog broja referenci svih radova predmeta C0, tada je referentna raspodjela radova objavljenih u istoj disciplini i godini, svaka je disciplina u osnovi ujednačena.Točkasta linija je normalna krivulja ugradnje.(69)
(B) Povijest četiri rada objavljena u četiri rada objavljena u “Fizičkom pregledu” 1964. godine, prema njegovim jedinstvenim dinamičkim izborima, pokazala je način “propadanja skoka” (plava), vršno kašnjenje (ljubičasto crvena), broj citata Količina stabilnog načina (zelena), a indeks citata porastao je (crvena).(C. pojedinačni papir) Citiranje se određuje tri parametra: fitness λ, neposredni μ i dugovječnost σ.Kroz odgovarajuće (λ, μ, σ) parametre, reference svakog rada u svakom radu u svakom radu spojene su u opću funkciju, što je isto za sve discipline.(77)
Podaci o distribuiranim repom mogu zabilježiti broj visokoinfluacijskih radova i otkriti akumulirani mehanizam broja vozača.Nedavna analiza pokazuje da slijedi raspodjelu zakona o moći (71-73).Rep snage moći može se generirati postupkom akumuliranja prednosti (74), a mrežna znanost na njega naziva preferencijalna vezanost (75), što ukazuje na to da se vjerojatnost referentne teze povećava s brojem referenci akumulirao se.
Takav model može poboljšati objašnjenje modela s drugim karakteristikama referentne dinamike, poput zastarjele upotrebe znanja.Količina članka smanjuje se (76, 79, 106) s vremenom, ili može koristiti i parametar ugradnje (fitness parametar) kako bi bio privlačan za znanstvenu zajednicu (77,78) za svaki rad.Samo mali dio radova ne može se opisati gore navedenim pretpostavkama, nazvanim “uspavana ljepotica”, jer su neko vrijeme bez nadzora nakon objave, ali nakon određenog razdoblja, oni odjednom dobivaju puno pažnje i citata (80 , 80, 80, 80, 80, 80, 80, 80, 80. 81).
Gore navedeni mehanizam formiranja može se koristiti za predviđanje referentne dinamike jednog rada.Vjerojatnost modela predviđanja (77) pretpostavlja da jest od rada ovisi o broju prethodnih referenci i razmatra zastarjeli faktor svakog članka i adaptivni parametar (Slika 5, b, c) za predviđanje ovog broja referenci o članak.Može se zaključiti da je dugoročni utjecaj određenog znanstvenog istraživačkog rada (77).Ostale studije utvrdile su pokazatelje predviđanja povezane s faktorom utjecaja (82), kao što je periodični faktor utjecaja (72).Neke studije pokazuju da se može precizno predvidjeti H-indeks znanstvenika (83) (84).Iako se uzima u obzir akumulacija znanstvenika i akumulacija H-indeksa, ne-smanjenja će se smanjiti (85).
Iza nedosljednosti korištenja kvantitativnih pokazatelja procjene u znanosti i uobičajenih statističkih podataka, unutarnji mehanizam generiranja ovih podataka vrlo je važan mehanizam u znanstvenim istraživanjima.
8. Izgledi
Iako znanstvena istraživanja imaju svoju univerzalnost, pozadinske razlike u supstancijalnim disciplinama kulture, navika i sklonosti otežavaju razumijevanje određenih uvida u domovinu u nekim poljima, a teško je provesti odgovarajuće politike.Razlike u problemima, podacima i vještinama koje zahtijeva svaka disciplina pokazuju da se daljnji uvidi mogu dobiti iz znanstvenih istraživanja u određenim područjima.Ove studije simulacije i predviđaju udovoljavanje potrebama i mogućnostima u svakom području predmeta.Za mlade znanstvenike, rezultati znanstvenih istraživanja pružaju učinkovit uvid u znanstvena istraživanja u prošlosti, pomažući da ih usmjeravaju u predviđanje budućih predvida (Box1).
Box1: Lekcije nam znanstveno
Inovacija i tradicija: čiste, istinske inovacije i visoke disciplinarne ideje možda neće moći postići znanstveni utjecaj koji mogu postići.Kako bi se poboljšao svoj utjecaj, nove ideje trebaju biti smještene u postojeći disciplinski okruženje (26).
Upornost: Sve dok nastavite studirati, u konceptu znanstvenika (49) nikada neće biti “prestar”.
Suradnja: Sada se istraživački model kreće prema timu, pa je sudjelovanje u suradnji uvelike korisno.Rad malih timova često je razorniji, a ti jaki timovi često imaju veće resurse za obavljanje utjecajnijeg rada (4,50,53).
Ugled: Većina reputacije pripadat će suradniku istog posla u području literature (62).
Fond: Iako tim za pregled obećava da će podržati inovacije, oni su zapravo skloniji zanemarivanju inovacije.Institucije za financiranje trebale bi zatražiti od recenzenta da procijeni i inovira, a ne samo uspjeh predviđen u njihovom umu (24).
Doprinos znanosti je detaljno razumijevanje odnosa između znanstvenika, institucija i ideja.Ukratko, ti podaci usmjereni na (podatkovni) rade dopunjavaju nedostatak povezanih istraživačkih područja, poput ekonomije (30) i znanstvene sociologije (60,86).
Uzročna procjena tipičan je primjer ekonomije.Procjena uzročne veze jedan je od najpotrebnijih budućih razvoja u znanosti: mnoge opisne studije otkrivaju snažnu povezanost između strukture znanstvenih istraživanja i uspjeha uspjeha, ali stupanj “uzrokovanih” rezultatima specifične strukture nije istražen – Ne znamo uzrok i posljedice iza korelacije.
Uspostavljanjem bližeg kooperativnog odnosa s istraživačima, znanost će moći bolje identificirati vezu koja je pronađena iz modela i velikih podataka.Međutim, eksperiment znanosti možda je najveći izazov s kojim se znanost nije suočila.Testovi nasumičnih kontrola promijenit će istraživački proces pojedinaca ili znanstvenih institucija koje podržavaju porezi.
Stoga će u skoroj budućnosti kvazieksperimentalni pristupi dominirati u znanstvenom istraživanju.
Većina znanstvenih istraživanja koristi znanstvena istraživačka literatura kao glavni izvor podataka, što znači da su istraživački predmeti ovog disciplinskog razmišljanja i otkrića oni uspješni slučajevi.Međutim, većina znanstvenih istraživanja nije uspjela, a ponekad čak i ogroman neuspjeh.S obzirom na broj puta kada je neuspjeh znanstvenika više od uspjeha i neuspjeha, ključan je za razumijevanje i gdje, zašto i kako ne razumjeti i poboljšati znanstveni sustav.Ove studije mogu pružiti smislene upute za obnovljivu krizu i pomoći nam da riješimo problem s ladicama datoteka.Otkrivanjem kreativnih aktivnosti, ove studije također mogu uvelike promovirati tumačenje ljudske kreativnosti.
Znanstveni sustav i ekonomski sustav su slični.To podrazumijeva da klasa postoji i u znanstvenom istraživačkom sustavu.
Znanstveni sustav može se poboljšati širenjem broja i opsega pokazatelja uspješnosti.U tom smislu formuliraju se formuliranje alternativnih pokazatelja mjernih podataka koji pokrivaju Web (88), formuliraju se aktivnosti društvenih medija (89) i društveni utjecaj (90).Ostale izmjerene dimenzije uključuju i informacije (poput podataka) (91) koje dijele znanstvenici i konkurenti, kao i pomoć koju pružaju svojim vršnjacima (92) i pouzdanost svojih recenzenata kao kolege (93).
Međutim, budući da je potreban veliki broj pokazatelja, potrebno je više rada kako bi se razumjela uloga svakog pokazatelja i sadržaj koji nije zabilježen kako bi se osiguralo smisleno objašnjenje i izbjeglo zlostavljanje.Znanost može dati razne doprinose pružanjem modela.Na primjer, model iskustva primijećen pri korištenju alternativnih pokazatelja (na primjer, raspodjela preuzimanja literature) omogućit će nam da istražimo odnos između njih (94) između mjernog sustava temeljenog na količini i identificirati rad tamnih kutija.
Kombinacija pokazatelja temeljenih na referentnim količinama i drugim pokazateljima promovirat će raznoliki razvoj znanstvenih istraživanja i ostvariti podjelu produktivnosti znanstvenih istraživanja.Znanost je ekosustav koji zahtijeva ne samo objavljivanje, već i stručnjake, učitelje i stručnjake koji obraćaju pažnju na detalje.Moramo biti u mogućnosti postavljati pitanja o romanu, promjenama inovacija i ljudi koji mogu odgovoriti na pitanja.Ako se znatiželja, kreativnost i znanje mogu učinkovito komunicirati -posebno informacije o primjeni znanosti i tehnologije i društvenog utjecaja -više raznolikih metoda mogu smanjiti umnožavanje, a znanost može procvjetati (95).
Jedan problem koji znanost pokušava riješiti je raspodjela znanstvenih fondova.Trenutni sustav za recenziju ima predrasude i kontradikcije (96).Predloženo je nekoliko alternativnih planova, kao što su fondovi nasumične distribucije (97), koji ne uključuju fond -orijentirani fond (31) koji ne uključuje sustav prijedloga i pregleda da se otvori za internetsku gužvu (98). 99) i znanstvenici crowdfunding (100) fondova.
Ključno područje budućeg istraživanja znanosti (znanost) je integriranje s strojnim učenjem i umjetnom inteligencijom, omogućavajući objektivnim strojevima da rade s ljudima.Ovi će novi alati imati ugodan dubok, jer strojevi mogu proširiti horizont znanstvenika nego ljudski suradnici.Na primjer, vozila za samostalno upravljanje su tehnologijom strojnog učenja, što je uspješna kombinacija ljudske tehnologije vožnje i nepoznatih vozačkih navika.Istraživanje mentalnog mašinskog partnerstva pruža širok raspon pozitivnih učinaka u odlukama u području higijene, ekonomije, društva i zakona (101-103).Kako poboljšati znanost odnosom strojeva i duhovne duše i kako urediti razvoj znanosti učinkovitije?Ova pitanja pomažu nam da razumijemo buduću znanost.
reference
1. Garfield, citiranje za znanost;
PMID: 14385826
2. D. J. S. Price, Little Science, Big Science (Columbia Univ. Press, 1963).
3. J. G. Foster, A. Rzhetsky, J. A. Evans, Trgovanje i inovacije u Scientisovim istraživačkim strategijama.
0003122415601618
4. S. Milojević, kvantificiranje kognitivnog opsega znanosti.
5. T. Kuhn, M. Perc, D. Helbing, Obrasci nasljeđivanja u citiranim mrežama otkrivaju znanstvene meme.
6. Klavans, K. W. Boyack, koja vrsta citata generira najtačniju taksonomu znanstvenog i tehničkog znanja?
7. Shwed, P. S. Bearman, vremenska struktura znanstvenog konsenzusa.
8. Bruggeman, V. A. Traag, J. Uitermark, otkrivanje podataka o mrežnim podacima.
9. F. Shi, J. G. Foster, J. A. Evans, tkanje tkanine znanosti:
Dinamički modeli znanosti o odvijanju STRUKTURA.
10. L. M. A. Bettencourt, D. I. Kaiser, J. Kaur, Znanstveno otkriće i topološki prijelazi u mrežama za suradnju.
J.Joi.2009.03.001
11. Sunce, J. Kaur, S. Milojević, A. Flammini, F. Menczer, Društvena dinamika znanosti.
12. T. S. Kuhn, Osnovna napetost: SELECTD Studije u znanstvenoj tradiciji i promjenama (Univ. Chicago Press, 1977).
13. P. Bourdieu, specifičnost znanstvenog polja i socijalni uvjeti napretka razuma.
053901847501400602
14. Jia, D. Wang, B. K. Szymanski, kvantificirajući obrasce evolucije istraživanja.
15. A. Rzhetsky, J. G. Foster, I. T. T. Foster, J. A. Evans, Eksperimenti za ubrzanje prikupljanja.
Doi: 10.1073/pNAs.1509757112;
16.
17. S. B. Nissen, T. Magidson, K. Gross, C. T. Bergstrom, pristranost publikacije i kanizacija lažnih činjenica 5, E21451 (2016).
18. L. Yao, Y. Li, S. Ghosh, J. A. Evans, A. Rzhetsky, Zdravstveni ROI kao mjera neusklađenosti biometalnih potreba i resursa. PMID: 26252133
19. C. S. Wagner i dr., Pristupi za podcjenjivanje i mjerenje međunarodnog (2011).
20. V. Larivière, S. Haustein, K. Börner, Interdisciplinarnost na daljinu dovodi do većeg znanstvenog utjecaja.
21. K. J. Boudreau, E. C. Guinan, K. R. Lakhani, C. Riedl, prolazi preko i gledajući izvan Unitetorske granice:
Intelektualna udaljenost, novost i alokacija resursa u znanosti.
22. E. Leahey, J. Moody, Sociološka inovacija kroz Podpolje
Integracija.
23. A. Yegros-Yegros, I. Rafols, P. D ‘EST
Istraživanje navode Boga?
24. L. Bromham, R. Dinage, X. HUA, Interdisciplinarno istraživanje dosljedno je Loweess 534, 684–687 (2016).
25. D. Kim, D. B. Cerigo, H. Jeong, H. Youn, Tehnološki profil i izumi Budući utjecaj.
26. B. Uzzi, S. Mukherjee, M. Stringer, B. Jones, atipični kombinacija i znanstveni utjecaj 342, 468–472 (2013).
27. J. Wang, R. Veuglers, P. Stepha, “Pristranost novosti u znanosti: Oprezne priče o bibliometrijskim pokazateljima” (NBER radni rad br. 22180, National BU Reau za ekonomska istraživanja, 2016).
28. J. P. Walsh, Y.-N.
29. A. M. Petersn, M. Riccaboni, H. E. Stanley, F. Pammolli, upornost i nesigurnost u akademskoj karijeri.
30. P. E. Stephan, Kako ekonomija oblikuje znanost (Harvard Univ.
Press, 2012).
31. P. Azoulay, J. S. Graff Zivin, G. Manso, Poticaji i kreativnost: Dokazi iz akademskih znanosti o životu J. Econ.
J.1756-2171.2011.00140.x
32. R. Freeman, E. Weinstein, E. Marincola, J. Rosenbaum, F. Solomon, Konkurencija i karijera u bioznanosti.
294, 2293–2294 (2001).
33.
34. V. Larivière, C. Ni, Y. Gingras, B. Cronin, C. R. Sugimoto, Bibliometrija: Globalni genetički razlika u znanosti 504, 211–213 (2013).
PMID: 24350369
35. S. F. Way, D. B. Larremore, A. Clauset, u Zborniku 25. međunarodne konferencije na World Wide Webu (www ’16) (ACM, 2016), str.
36. J. Duch i sur., Moguća uloga zahtjeva za resurse i akademski rizik od izbora za rod u stopi objavljivanja i utjecaja. PMID: 23251502
37. J. D. West, J. Jacquet, M. M. King, S. J. Correll, C. T. Bergstrom, uloga autorstva generacije.
38. H. T. ZENG i sur.
39. T. J. Ley, B. H. Hamilton, GENERSKA PROMETNA U PRIJAVU 322, 1472–1474 (2008).
40. C. A. Moss-Racusin, J. F. Dovidio, V. L. Brescoll, M. J. Graham, J. Handelsman, Studenti znanstvenog fakulteta.
(2012).
41. R. Van Noorden, Global Mobiless: Science u pokretu 490, 326–329 (2012).
42. O. A. Doria Arrieta, F. Pammolli, A. M. Petersen, kvantificiranje
Negativni utjecaj mozga na integraciju europske znanosti.
SCIADV.1602232;
43. 040
44. C. R. Sugimoto i sur., Znanstveni su utjecaj na slobodu da se kreću 550, 29–31 (2017).
45. A. Clauset, S. Arbesman, D. B. Larremore, sustavna nejednakost i hijerarhija u fakultetskim mrežama.
46. P. Deville i sur.
4. M. Petersen i dr. Ugled u akademskoj karijeri.
48. D. K. Simonton, kreativna produktivnost: prediktivni i objašnjeni model karijere i orijentira.
0033-295X.104.1.66
49. R. Sinatra, D. Wang, P. Deville, C. Pjesma, A.-L. : 27811240
50. S. Wuchty, B. F. Jones, B. Uzzi, sve veća dominacija timova u proizvodnji znanja 316, 1036–1039 (2007).
51. N. J. Cooke, M. L. Hilton, ur., Povećavajući učinkovitost tima znanosti (National Academies Press, 2015).
52. V. Larivière, Y. Gingras, C. R. Sugimoto, A. TSOU, Veličina tima: Suradnja i znanstveni utjecaj.
Doi: 10.1002/asi.23266
53. L. Wu, D. Wang, J. A. Evans, veliki su timovi razvili znanost i tehnologiju;
54. B. F. Jones, teret znanja i “Deth of the Reneissaance”: Je li inovacija postajala teže? x
55. Milojev, načela znanstvenog istraživanja i evolucija.
56. G. Palla, A.-L.
57. G. J. Borjas, K. B. Dara, koji su relativni utjecaji suradnika, kolege i konkurentskih ekonomija.
58. P. Azoulay, J. G. Zivin, J. Wang, izumiranje Superstara.
59. M. Petersen, kvantificirajući utjecaj slabih, jakih i super vezanih za znanstvene karijere.
60. R. K. Merton, Matthew Effect u znanosti 159, 56–63 (1968).
61. L. Allen, J. Scott, A. Brand, M. Hlava, M. Altman, Izdavanje: Kredit gdje je kredit 508, 312–313 (2014).
6. Shen, A.-W.
63. L. Waltman, Pregled literatora o gradskim pokazateljima.
64. J. E. Hirsch, indeks za kvantificiranje znanstvenog pojedinca
Istraživački izlaz.
65. H. F. Moed, Analiza citata u evaluaciji istraživanja (Springer, 2010).
66. E. Garfield, Gradska analiza kao alat u evaluaciji časopisa.
Science 178, 471–479 (1972).
67. D. J. de Solla Price, mreže znanstvenih radova.
149, 510–515 (1965).
68. q.
Karakterizacija znanstvene proizvodnje i konzumiranja u fizici.
69. F. Radicchi, S. Fortunato, C. Castellano, Univerzalnost citata: prema objektivnoj mjeri znanstvenog utjecaja.
17268–17272 (2008).
PMID: 18978030
70. L. Waltman, N. J. Van Eck, A. F. J. Van Raan, Univerzalnost citata Revides.
71. M. Golosovs, S. Solomon, dominiraju teškim repom gradskih distribucija. /E 2012-01576-4
72. C. Stegehuis, N. Litvak, L. Waltman, Utjecaj dugoročnog citata nedavnih publikacija.
73. M. Thelwall, Diskretizirana distribucija zakona o vlastitim i zakon o kompletnim gradskim podacima: Najbolje opcije za modeliranje i regresiju.
74. D. de solla cijena, opća teorija bibliometrijskih i drugih procesa kumulativne prednosti.
75. A.-L.
76. P. D. B. Parolo i sur., Propadanje pažnje u znanosti.
77. D. Wang, C., A.-L.
78. Y.-H.
79. M. Golosovsky, S. Solomon, Stohastički dinamički model rastuće citatske mreže na temelju samostalnog prointskog proint-a.
80.
81. Q. Ke, E. Ferrara, F. Radicchi, A. Flammini, definiranje i i
Utvrđivanje ljepotice u znanosti.
82. I. Tahamtan, A. Safipour Afshar, K. Ahamdzadeh, Čimbenici koji utječu na broj citata: sveobuhvatni pregled literatora.
83. 40045
84. D. E. Acuna, S. Allesina, K. P. Kording, budući utjecaj: Predviđanje znanstvenog uspjeha 489, 201-202 (2012).
85. O. Penner, R. K. Pan, A. M. Petersen, K. Kaski, S. Fortunato, predvidivost budućeg utjecaja u znanosti.
86. J. R. Cole, H. Zuckerman, U ideji društvene strukture: Radovi u čast Roberta K. Mertona, L. A. Coser, Ed.
87. P. Azolay, Učinkovitost istraživanja: Uključite znanstvenu metodu na
Mi sami.
PMID: 22481340
88. M. Thelwall, K. Kousha, Dio za istraživanje. 08
89. M. Thelwall, K. Kousha, Internajdžeri za procjenu istraživanja.
90. L. Bornmann, što je društveni utjecaj i kako se to može procijeniti.
91. C. Haeussler, L. Jiang, J. Thursby, M. Thursby, Specifična i opća razmjena informacija među konkurentnim akademskim istraživačima. . 017
92. A. OETTL, Sociologija: Počasnite korisnu prirodu.
93. S. Ravindran, “Dobivanje kredita za recenziju”, Science, 8. veljače 2016.;
94. COSTAS, Z. ZAHEDI, P.ETMERICIJA LIJENE SU OSNOVNE PERSPECIJE ISPITIVANJA ASPLEKACIJA. Doi: 10.1002/asi.23309
75. A.-L.
76. P. D. B. Parolo i sur., Propadanje pažnje u znanosti.
77. D. Wang, C., A.-L.
78. Y.-H.
79. M. Golosovsky, S. Solomon, Stohastički dinamički model rastuće citatske mreže na temelju samostalnog prointskog proint-a.
80.
81. Q. Ferrara, Ferrara, A. Flammini, identificirajući spavanje ljepotice u znanosti. 26015563
82. I. Tahamtan, A. Safipour Afshar, K. Ahamdzadeh, Čimbenici koji utječu na broj citata: sveobuhvatni pregled literatora.
83. 40045
84. D. E. Acuna, S. Allesina, K. P. Kording, budući utjecaj: Predviđanje znanstvenog uspjeha 489, 201-202 (2012).
85. O. Penner, R. K. Pan, A. M. Petersen, K. Kaski, S. Fortunato, o predvidljivosti budućeg utjecaja u znanosti.
PMID: 24165898
86. J. R. Cole, H. Zuckerman, U ideji društvene strukture: Radovi u čast Roberta K. Mertona, L. A. Coser, Ed.
87. P. Azolay, Učinkovitost istraživanja: Naravi znanstvene metode 484, 31–32 (2012).
88. M. Thelwall, K. Kousha, Dio za istraživanje. 08
89. M. Thelwall, K. Kousha, Internajdžeri za procjenu istraživanja.
90. L. Bornmann, što je društveni utjecaj i kako se to može procijeniti.
91. C. Haeussler, L. Jiang, J. Thursby, M. Thursby, Specifična i opća razmjena informacija među konkurentnim akademskim istraživačima. . 017
92. A. OETTL, Sociologija: Počasnite korisnu prirodu.
93. S. Ravindran, “Dobivanje kredita za recenziju”, Science, 8
Veljača 2016.;
dobivanje-kredi-peer-review.
94. COSTAS, Z. ZAHEDI, P.ETMERICIJA LIJENE SU OSNOVNE PERSPECIJE ISPITIVANJA ASPLEKACIJA. Doi: 10.1002/asi.23309
Kompilacija: Jizhi Club Translation Group
Izvor: Znanost
Izvorni naslov: Znanost o znanosti
Izvorna adresa:
https://sclence.sciencemag.org/content/359/6379/eaao0185
Izvorni naslov: “Znanstveni dugi tekst: Što je Science | Spring Festival Special”
