பைபிலியோமெட்ரிக்ஸ், மேற்கோள் பகுப்பாய்வு மற்றும் ஆராய்ச்சி தாக்க மதிப்பீடு

ஆதாயங்கள்:

• AI நினைவகத்திலிருந்து மேற்கோள் எண்ணிக்கை மற்றும் மேற்கோள்களை எடுக்காமல் செயல்படுத்தும் திறன்
• மேற்கோள், எச்-இண்டெக்ஸ் மற்றும் தாக்கக் காரணி போன்ற அளவீடுகள் பயன்படுத்துவதைக் குறிக்கின்றன, ஆனால் தரம் அல்ல, மேலும் புலங்கள் முழுவதும் அவற்றின் ஒப்பற்ற தன்மையைக் குறிக்கும்.
• தனிநபர்களை மதிப்பிடுவதில் பைபிலியோமெட்ரிக் அளவுகோல்களை மட்டும் பயன்படுத்துவதற்கான நெறிமுறை வரம்புகளைக் கருத்தில் கொண்டு அவர்களை தரமான மதிப்பீட்டில் சமநிலைப்படுத்தும் திறன்

ஒரு பல்கலைக்கழக நூலகம் அதன் நிறுவனத்தின் ஆராய்ச்சி வெளியீட்டை அளவிடுகிறது; ஒரு துறையில் மிகவும் செல்வாக்குமிக்க ஆய்வுகளைக் கண்டறிய ஒரு ஆராய்ச்சியாளர்; ஒரு மேலாளர் ஒரு துறையின் அறிவியல் பார்வையை மதிப்பீடு செய்ய விரும்பலாம். இந்த வேலைக்குப் பின்னால் பைபிலியோமெட்ரிக்ஸ் உள்ளது: அறிவியல் வெளியீடுகள் மற்றும் அவற்றுக்கிடையேயான மேற்கோள் உறவுகளை எண்ணியல் ரீதியாக ஆராயும் துறை. மேற்கோள் பகுப்பாய்வு, வெளியீடு மேப்பிங் மற்றும் தாக்க மதிப்பீடு ஆகியவற்றில் செயற்கை நுண்ணறிவை எவ்வாறு பயன்படுத்துவது என்பதை இந்த பிரிவில் நீங்கள் கற்றுக் கொள்வீர்கள்; ஆனால் எண் அளவீடுகளின் வரம்புகள் மற்றும் நெறிமுறைக் குறைபாடுகளை எவ்வாறு வழிநடத்துவது என்பதை நீங்கள் கற்றுக் கொள்வீர்கள்.

கருத்துகளை வரையறுப்போம். மேற்கோள் என்பது ஒரு பிரசுரத்தால் மற்றொரு வெளியீட்டிற்கு செய்யப்படும் அறிவியல் குறிப்பு ஆகும்; மேற்கோள்களின் எண்ணிக்கை ஒரு படைப்பு எவ்வளவு பயன்படுத்தப்பட்டது என்பதற்கான குறிகாட்டியாகக் கருதப்படுகிறது. h-index என்பது ஒரு ஆராய்ச்சியாளரின் உற்பத்தித்திறன் மற்றும் தாக்கம் இரண்டையும் ஒருங்கிணைக்கும் ஒரு அளவீடு ஆகும் (h எண் வெளியீடுகள் ஒவ்வொன்றும் குறைந்தது h மேற்கோள்களைப் பெற்றிருந்தால், h-index h ஆகும்). தாக்கக் காரணி என்பது ஒரு பத்திரிகையின் சராசரி மேற்கோள் அளவைக் காட்டும் அளவீடு ஆகும். இந்த அளவீடுகள் பயனுள்ளவை, ஆனால் எதுவுமே "தரத்தின்" நேரடி அளவீடுகள் அல்ல; இந்த வேறுபாட்டை மனதில் வைத்திருப்பது பைபிலியோமெட்ரிக்ஸின் சாராம்சம்.

படிப்படியாக: பொறுப்பான நூலியல் பகுப்பாய்வு

1. கேள்வியை தெளிவுபடுத்துங்கள். "இந்தத் துறையின் அடிப்படை ஆய்வுகள் என்ன?", "எங்கள் நிறுவனத்தின் மிகவும் மேற்கோள் காட்டப்பட்ட வெளியீடுகள் யாவை?", "இந்த இரண்டு துறைகளும் எப்படி வெட்டுகின்றன?" ஒவ்வொரு கேள்விக்கும் வெவ்வேறு பகுப்பாய்வு தேவை.

2. நம்பகமான தரவைப் பயன்படுத்தவும். மேற்கோள் பகுப்பாய்வு தரவு மூலத்தைப் போலவே நம்பகமானது. AI மேற்கோள் எண்ணிக்கைகள் அல்லது வெளியீடு பட்டியல்களை உருவாக்க முடியும்; எனவே, உண்மையான மேற்கோள் தரவுத்தளத்திலிருந்து தரவுகளுடன் வேலை செய்வது அவசியம். உண்மையான தரவை விளக்கவும் சுருக்கவும் AI ஐப் பயன்படுத்தவும், தரவை உருவாக்க அல்ல.

3. வடிவங்களைக் குறிக்கவும். AI ஆனது தலைப்புக் கிளஸ்டர்கள், கூட்டு நெட்வொர்க்குகள் அல்லது காலப்போக்கில் போக்குகளை ஒரு பெரிய தொகுப்பு வெளியீடுகளில் சுருக்கமாகக் கூற உதவுகிறது. இது மனித ஆய்வாளரின் கவனத்தை முக்கியமான புள்ளிகளுக்கு செலுத்துகிறது.

4. சூழலில் அளவுகோலை விளக்கவும். குறைந்த மேற்கோள் எண்ணிக்கை, வேலை பயனற்றது என்பதைக் குறிக்கவில்லை; புலம் சிறியதாக இருக்கலாம், தலைப்பு புதியதாக இருக்கலாம் அல்லது வெளியீடு மிகவும் புதியதாக இருக்கலாம். சூழல் இல்லாமல் எண்ணை விளக்க வேண்டாம்.

5. நெறிமுறை எல்லையை கவனிக்கவும். தனிநபர்களை பணியமர்த்துதல், ஊக்குவிப்பது அல்லது நிதியளிப்பது பற்றிய முடிவுகளை எடுப்பதற்கு பைபிலியோமெட்ரிக் நடவடிக்கைகளை மட்டும் பயன்படுத்தக்கூடாது. எண்கள் மக்களின் மதிப்பை அளவிடுவதில்லை; அவற்றை துஷ்பிரயோகம் செய்வது நியாயமற்றது மற்றும் தீங்கு விளைவிக்கும்.

உதவிக்குறிப்பு: AI மேற்கோள் பகுப்பாய்வு செய்யும்போது, ​​உண்மையான தரவுத்தளத்திலிருந்து மேற்கோள் எண்ணிக்கை மற்றும் வெளியீட்டு மேற்கோள்களை வழங்கவும்; AI இந்த தரவை ஒழுங்கமைக்கவும், குழுவாகவும் விளக்கவும் அனுமதிக்கவும். "இந்த எழுத்தாளரின் எச்-இன்டெக்ஸ் என்ன?" நேரடியாகக் கேட்டால் உருவாக்கப்பட்ட எண்ணைப் பெறலாம்.

அளவுகோல்கள் மற்றும் கையாளுதலின் வரம்புகள்

பிப்லியோமெட்ரிக் அளவீடுகள் சக்திவாய்ந்ததாகத் தோன்றுவதால், அவை தவறாகப் பயன்படுத்தப்படுகின்றன. மேற்கோள் எண்களை பல்வேறு வழிகளில் உயர்த்தலாம்: அதிகப்படியான சுய மேற்கோள் (ஒருவரின் சொந்த வேலையை மேற்கோள் காட்டுதல்), மேற்கோள் வளையங்கள் (ஒருவருக்கொருவர் பரஸ்பர மேற்கோள் காட்டுதல்) அல்லது புலத்தின் சொந்த மேற்கோள் கலாச்சாரம். மேலும், அளவுகோல்கள் துறைகளில் ஒப்பிட முடியாது: மருத்துவக் கட்டுரை மற்றும் ஒரு தத்துவக் கட்டுரையின் மேற்கோள் சூழல் முற்றிலும் வேறுபட்டது.

மனிதநேயம் மற்றும் சமூக அறிவியலில் இந்தப் பிரச்சனை இன்னும் தெளிவாகத் தெரிகிறது; ஏனெனில் இந்த துறைகளில் குறிப்பிடத்தக்க வெளியீடுகள் (புத்தகங்கள், மொழிபெயர்ப்புகள், மதிப்புரைகள்) மேற்கோள் தரவுத்தளங்களில் குறைவாகவே குறிப்பிடப்படுகின்றன. ஒரு வரலாற்றாசிரியர் அல்லது இலக்கிய அறிஞரின் தாக்கத்தை மேற்கோள்களின் எண்ணிக்கையால் மட்டுமே அளவிடுவது படைப்பின் தன்மையை தவறாகப் புரிந்துகொள்வதாகும். நூலகர் என்பவர் இந்த அளவுகோல்களின் வரம்புகளை நிர்வாகிகள் மற்றும் ஆராய்ச்சியாளர்களுக்கு விளக்கும் வழிகாட்டி.

எச்சரிக்கை: ஒரு தனிநபரின் கல்வித் தகுதி அல்லது துறையின் தரம் பற்றிய இறுதித் தீர்ப்பாக பைபிலியோமெட்ரிக் அளவை முன்வைக்காதீர்கள். பொறுப்பான ஆராய்ச்சி மதிப்பீட்டின் கோட்பாடுகள், நடவடிக்கைகள் தரமான மதிப்பீட்டை நிறைவு செய்ய வேண்டும், அதை மாற்றக்கூடாது என்பதை வலியுறுத்துகின்றன.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - பகுதி வரைபடம். ஒரு நூலகர் ஒரு ஆராய்ச்சிக் குழுவிற்கு அவர்களின் துறையில் அடிப்படைப் பணிகளைக் காட்ட விரும்பினார். இது உண்மையான மேற்கோள் தரவுத்தளத்திலிருந்து 200 வெளியீடுகளிலிருந்து தரவை எடுத்தது; YZ இந்தத் தரவை தலைப்புக் கிளஸ்டர்களாகச் சுருக்கி, மிகவும் மேற்கோள் காட்டப்பட்ட 10 ஆய்வுகளை முன்னிலைப்படுத்தியது. தரவுத்தளத்தில் உள்ள ஒவ்வொரு கிளஸ்டர் மற்றும் அடையாளங்காட்டியையும் ஆய்வாளர் சரிபார்த்தார்; குழு விரைவாக அப்பகுதியின் கட்டமைப்பைப் பற்றிக் கொண்டது.

வழக்கு 2 - போலி h-இண்டெக்ஸ் பிடிபட்டது. ஒரு மேலாளர் AI யிடம் ஆராய்ச்சியாளரின் h-இன்டெக்ஸ் பற்றி கேட்டார்; AI "42" என்று கூறியது. நூலகர் உண்மையான தரவுத்தளத்தைப் பார்த்தார்: சரியான மதிப்பு 19; AI எண்ணை உருவாக்கியது. அளவீடுகள் AI நினைவகத்திலிருந்து எடுக்கப்படக்கூடாது, ஆனால் உண்மையான தரவுகளிலிருந்து எடுக்கப்படக்கூடாது என்பதை இது காட்டுகிறது.

வழக்கு 3 - தவறான ஒப்பீடு தடுக்கப்பட்டது. ஒரு யூனிட் இரண்டு அத்தியாயங்களை அவற்றின் சராசரி மேற்கோள்களின் அடிப்படையில் ஒப்பிட்டு நிதி ஒதுக்க விரும்புகிறது. துறைகளில் ஒன்று மருத்துவம் (உயர் மேற்கோள் கலாச்சாரம்) மற்றொன்று மனிதநேயம் (புத்தகம்-கடுமையான, குறைந்த மேற்கோள் கலாச்சாரம்) மற்றும் இந்த ஒப்பீடு நியாயமற்றது என்று நூலகர் விளக்கினார். புல வேறுபாடுகளைக் கருத்தில் கொண்டு தரமான அளவுகோல்களால் மதிப்பீடு ஆதரிக்கப்பட்டது.

காட்சி வரைபடங்கள் மற்றும் வாசிப்பு பொறிகள்

பிப்லியோமெட்ரிக்ஸில் அடிக்கடி பயன்படுத்தப்படும் கருவி நெட்வொர்க் வரைபடங்கள் (எ.கா. இணை மேற்கோள் அல்லது இணை-ஆசிரியர் நெட்வொர்க்குகள்), இது வெளியீடுகள் அல்லது ஆசிரியர்களுக்கு இடையேயான உறவுகளை முனைகள் மற்றும் இணைப்புகள் மூலம் காட்டுகிறது. இந்த வரைபடங்கள் ஒரு பகுதியின் அமைப்பு, கொத்துகள் மற்றும் பாலங்கள் ஆகியவற்றைப் பார்க்க வைக்கின்றன; AI ஆனது அடிப்படை உண்மையான தரவை ஒருங்கிணைத்து, இந்த வரைபடங்களை விளக்க உதவும். ஆனால் காட்சி வரைபடங்கள், சக்தி வாய்ந்ததாக இருந்தாலும், தவறாக வழிநடத்தும் ஒரு கிளஸ்டரின் அளவு வெளியீட்டின் அளவை மட்டுமே பிரதிபலிக்கும், அந்த இடத்தின் மதிப்பை அல்ல. கூடுதலாக, வரைபடம் எவ்வாறு வரையப்படுகிறது (எந்த வாசல், எந்தக் காலம், எந்த தரவுத்தளம்) முடிவை முற்றிலும் மாற்றுகிறது. எனவே, ஒரு பைபிலியோமெட்ரிக் காட்சிப்படுத்தலை ஒரு முடிவிற்கான அடிப்படையாக முன்வைக்கும்போது, ​​அது எந்தத் தரவை அடிப்படையாகக் கொண்டது, எந்த அளவுருக்கள் மற்றும் எந்தக் காலக்கட்டத்தில் உள்ளது என்பதைத் தெளிவாகக் குறிப்பிடுவது அவசியம். AI-உருவாக்கிய கருத்து, வரைபடத்தில் ஒரு முனையை “தலைவர்” அல்லது “மிகவும் செல்வாக்கு மிக்கது” எனத் தகுதிப்படுத்தினால், அந்த குணாதிசயம் உண்மையான தரவுகளால் ஆதரிக்கப்படுகிறதா என்பதைப் பார்க்கவும்.

உதவிக்குறிப்பு: நெட்வொர்க் வரைபடத்தை விளக்கும் போது "மையம் = மேல்" வலையில் விழ வேண்டாம். மையத்தன்மை என்பது இணைப்பு அடர்த்தியை மட்டுமே குறிக்கிறது; ஒரு படைப்பின் அசல் பங்களிப்பு அல்லது தரம் வரைபடத்தில் தெரியவில்லை மற்றும் உள்ளடக்கத்தைப் படிப்பதன் மூலம் மட்டுமே புரிந்து கொள்ள முடியும்.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) உண்மையான மேற்கோள் தரவை சுருக்கவும்:

உண்மையான மேற்கோள் தரவுத்தளத்திலிருந்து நான் எடுத்த வெளியீடு பட்டியல் மற்றும் மேற்கோள் எண்கள் கீழே உள்ளன. அவற்றை தலைப்புக் கிளஸ்டர்களாகப் பிரித்து, ஒவ்வொரு தொகுப்பையும் ஒரே வாக்கியத்தில் சுருக்கவும். நான் வழங்கிய தரவைப் பயன்படுத்தினால் போதும், புதிய வெளியீடுகள் அல்லது மேற்கோள் எண்ணிக்கைகளைச் சேர்க்க வேண்டாம். தரவு: [இங்கே]

2) போக்கு மற்றும் முறை குறித்தல்:

கீழே உள்ள ஆண்டு அடிப்படையிலான வெளியீடு/மேற்கோள் தரவுகளில் குறிப்பிடத்தக்க போக்குகளை (அதிகரிப்பு, குறைப்பு, கூட்டுச் செறிவு) முன்னிலைப்படுத்தவும். தரவுகளின் அடிப்படையில் ஒவ்வொரு அவதானிப்பும், ஊகிக்க வேண்டாம். தரவு: [இங்கே]

3) அளவுகோல் விளக்க எச்சரிக்கை:

பின்வரும் பைபிலியோமெட்ரிக் அளவுகோலை விளக்கவும், அதன் வரம்புகளையும் குறிப்பிடவும்: எந்த விஷயத்தில் இது தகவலை வழங்குகிறது, எந்த விஷயத்தில் அது தகவலை வழங்காது, எந்த விஷயத்தில் தவறாகப் பயன்படுத்தப்படுகிறது? அளவுகோல் மற்றும் சூழல்: [இங்கே]

4) பகுதி வேறுபாடு கட்டுப்பாடு:

பின்வரும் இரண்டு குழுக்களின் மேற்கோள் தரவை நேரடியாக ஒப்பிட முடியுமா? புலங்களுக்கு இடையே மேற்கோள் கலாச்சாரத்தில் உள்ள வேறுபாடுகளை மதிப்பீடு செய்து, ஒப்பீடு நியாயமானதா என்பதை விளக்கவும். தரவு: [இங்கே]

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்த ஆசிரியரின் மிகவும் செல்வாக்குமிக்க கட்டுரைகள் மற்றும் மேற்கோள் எண்ணிக்கையை பட்டியலிடுங்கள்.

AI ஆனது உண்மையான தரவை அணுகாமல் அதன் உலகளாவிய நினைவகத்திலிருந்து தயாரிக்கப்பட்ட தலைப்புகள் மற்றும் மேற்கோள் எண்ணிக்கையை உருவாக்குகிறது. முடிவு: ஒரு உறுதியான ஆனால் போலியான பகுப்பாய்வு.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: பிப்லியோமெட்ரிக்ஸ் உதவியாளர். உண்மையான மேற்கோள் தரவுத்தளத்திலிருந்து நான் எடுத்த வெளியீட்டு மேற்கோள்கள் மற்றும் மேற்கோள் எண்கள் கீழே உள்ளன. இந்தத் தரவை மிகவும் மேற்கோள் காட்டப்பட்ட டொமைனில் இருந்து மிகக்குறைந்ததாக வரிசைப்படுத்தி, தலைப்புக் கிளஸ்டர்களாகப் பிரித்து, ஒவ்வொரு கிளஸ்டரையும் சுருக்கவும். நான் கொடுத்த தரவுகளிலிருந்து விலகாதீர்கள், எந்த எண்களையும் லேபிள்களையும் உருவாக்க வேண்டாம். அளவுகோல்களின் வரம்புகள் பற்றிய சிறு குறிப்பைச் சேர்க்கவும். தரவு: [இங்கே]

சக்திவாய்ந்த உடனடி; இது AIஐ உண்மையான தரவுகளுக்கு வரம்பிடுகிறது, புனையப்படுவதைத் தடைசெய்கிறது மற்றும் பெஞ்ச்மார்க் வரம்புகளை நமக்கு நினைவூட்டுகிறது.

அளவுகோல்கள் மற்றும் வரம்புகள் அட்டவணை

அளவுகோல்

என்ன காட்டுகிறது

என்ன காட்டவில்லை

கவனம்

மேற்கோள்களின் எண்ணிக்கை

பயன்பாடு/தெரிவுத்தன்மை

தரம், துல்லியம்

பகுதி கலாச்சாரம் சார்ந்தது

h-குறியீடு

உற்பத்தித்திறன்+ தாக்கம்

தனிநபரின் மதிப்பு

தொழில் நீளத்திற்கு உணர்திறன்

தாக்க காரணி

பத்திரிகை சராசரி

ஒற்றை கட்டுரையின் மதிப்பு

பத்திரிகை நிலை அளவுகோல்கள்

ஒத்துழைப்பு நெட்வொர்க்

உடன் பணிபுரிந்தவர்

பங்களிப்பு விகிதம்

நெட்வொர்க்கில் பங்கு தெளிவாக இல்லை

பொதுவான தவறுகள்

• AI இலிருந்து மேற்கோள் எண்ணிக்கையைக் கோருகிறது. உண்மையான தரவுத்தளத்திற்கு வெளியே எண்கள் உருவாக்கப்படுகின்றன.
• அளவுகோல் தரத்தின் அளவுகோல் என்று நினைப்பது. மேற்கோள் பயன்பாட்டைக் குறிக்கிறது, தரம் அல்ல.
• பகுதிகளை நேரடியாக ஒப்பிடுதல். கற்பிதக் கலாச்சாரங்கள் வேறு, அது நியாயமில்லை.
• பண்புக்கூறு மூலம் மனிதநேயத்தை அளவிடுதல். புத்தகக் கனமான வெளியீடுகள் தரவுத்தளங்களில் குறைவாகவே குறிப்பிடப்படுகின்றன.
• அளவுகோல்களுடன் தனிநபர்களை மதிப்பீடு செய்தல். பணியமர்த்தல்/பதவி உயர்வு முடிவு ஒரே அளவுகோலின் அடிப்படையில் இருக்கக்கூடாது.

சுருக்கமாக

பிப்லியோமெட்ரிக்ஸ் மற்றும் மேற்கோள் பகுப்பாய்வில், AI என்பது உண்மையான தரவைக் கூட்டி, போக்குகளைக் கொடியிடும் மற்றும் சுருக்கமாகக் கூறும் சக்திவாய்ந்த உதவியாளர்; ஆனால் AI நினைவகத்திலிருந்து மேற்கோள் எண்கள் மற்றும் பைலைன்களை எடுக்க வேண்டாம், ஏனெனில் அது அதை உருவாக்குகிறது. அளவீடுகள் பயன்பாடு மற்றும் தெரிவுநிலையைக் காட்டுகின்றன, தரம் அல்ல; களங்கள் முழுவதும் ஒப்பிட முடியாது; மனிதநேயத்தில் குறைவான பிரதிநிதித்துவம் உள்ளது மற்றும் தனிநபர்களை மதிப்பீடு செய்ய தனியாக பயன்படுத்த முடியாது. நூலகர் ஒரு பொறுப்பான வழிகாட்டி ஆவார், அவர் இந்த அளவுகோல்களின் வரம்புகளை விளக்குகிறார் மற்றும் அவற்றை தரமான மதிப்பீட்டில் சமநிலைப்படுத்துகிறார்.

விண்ணப்ப பணி

உண்மையான மேற்கோள் தரவுத்தளத்திலிருந்து வெளியீடுகளின் சிறிய பட்டியலை (10-15 பதிவுகள், மேற்கோள் எண்ணிக்கையுடன்) எடுக்கவும். AI கிளஸ்டரை வைத்து, "உண்மையான மேற்கோள் தரவைச் சுருக்கவும்" டெம்ப்ளேட்டுடன் சுருக்கவும், பின்னர் தரவுத்தளத்திற்கு எதிராக மேற்கோள்களையும் எண்ணிக்கையையும் சரிபார்க்கவும். பின்னர் நீங்கள் விரும்பும் அளவீட்டின் வரம்புகளை (எ.கா. h-index) "அளவுகோல் விளக்க எச்சரிக்கை" டெம்ப்ளேட்டுடன் அச்சிட்டு, மேலாளருக்கு அதை எவ்வாறு விளக்குவது என்று திட்டமிடுங்கள்.

சரிபார்ப்பு பட்டியல்

• உண்மையான தரவுத்தளத்தில் இருந்து மேற்கோள் எண்கள் மற்றும் மேற்கோள்களை நான் வழங்கினேன், AI ஆல் உருவாக்கப்பட்டவை என்னிடம் இல்லை.
• [ ] நான் அளவீடுகளை பயன்பாடு/தெரிவுத்தன்மையின் குறிகாட்டிகளாக வழங்கினேன், தரம் அல்ல.
• [ ] புலங்களுக்கு இடையே மேற்கோள் கலாச்சாரத்தில் உள்ள வேறுபாட்டை நான் கணக்கில் எடுத்துக் கொண்டேன்.
• [ ] மனிதநேயங்களின் குறைவான பிரதிநிதித்துவத்தை நான் கணக்கில் எடுத்துக் கொண்டேன்.
• [ ] தனிநபர்களை மதிப்பிடுவதில் நான் அளவுகோலை மட்டும் பயன்படுத்தவில்லை.