英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

基于FSSR的多领域单位的劳动生产率

我们已经看到，一个单位的个体研究人员的表现可以按百分位数表示或者标准化到现场平均值。 自然的趋势是通过研究人员百分比排名的简单平均来表达多领域单位的生产力。 应该指出的是，对于多单位单位的绩效评估来说，采用百分位数排名，或简单比较不同领域的研究人员受到明显的限制，首先是压缩一个位置与下一个位置之间的性能差异。汤普森（1993）警告说，百分位数不应该被添加或平均，因为百分位数是不代表等间隔测量的数字。此外，百分位数等级也对字段的大小和性能分布敏感。例如，考虑由两个不同SDS（A和B，每个国家共有10名研究人员）的两名研究人员组成的单位，他们排名第三，但生产力仅略低于第一名研究人员在其各自的SDS中：该单位的平均百分位数将为70.然后考虑另一个单位，两名研究员属于另外两个SDS（C和D，每个具有100个研究人员），其中两个人都位于第三，但现在与SDS的顶尖科学家有更大的差距：他们的百分位数排名将是97.在这个特例中，使用百分位数排名的两个单位的比较肯定会惩罚前一个单位。

第二种方法，而是通过现场平均标准化生产力标准化，考虑到个人生产率之间的差异程度。在公式中，部门D的某一时期的生产率FSSD由属于不同SDS的研究人员组成：

FSS_D= (3)

其中：RS =部门研究人员，观察期; FSSRj = produc-

研究员j在部门的能力; FSSR =同一SDS研究人员的所有研究人员的全国平均生产力。

基于FSSS的多领域单位的劳动生产率

第二种测量研究单位生产力的方法包括识别单位中存在的所有SDS，并根据大小（全职等效研究人员）分配每个SDS的相对重量。例如，为了从一个学科（UDA）的大学（地区，国家）的生产率的测量，从个人SDS的生产力开始，特定UDA U的大学的生产力FSSU是：

FSS_U= (4)

其中：wSk =大学研究人员在SDS k中的总工资，在观察期间; wU = UDA U大学研究人员在观察期间的总工资; NU = UDA U大学的SDS数量; FSSSk = SDS中生产力超过0的所有大学的平均FSSS为11个别研究人员的生产力，将单位的绩效解释为个人表现的平均值，意味着重视个人。

另一种基于领域生产力的方法将该领域解释为一个独特的群体（即使是一个虚拟群体），这意味着重点在于属于该领域的研究人员的整体产品，独立于个人贡献的变异性。这两种方法导致性能结果非常相似。在未来的工作中，我们将对这两种方法进行比较深入的分析

基于不同研究生产力措施的大学排名清单比较

在本节中，我们将FSS的意大利大学排名列表与通常接受的生产力定义（即每个研究人员的出版物数量）进行比较，我们称之为P.我们还将FSS的排名列表与P的主要变体进行比较，为共同出版物嵌入分数计数，我们称之为FP。观察期间的生产期为2006-2010年，而引用次数则为2011年12月31日。

与（1）类似，观察期间出版物的数量在观察期内多年工作。然后，通过（3）中说明的相同标准化，在UDA级别聚合各个度量：

P_U= (5)

其中：RSU = UDA U大学研究人员在观察期间;

Qj =研究者j的平均年产量，观察期; Q =在观察期间，同一SDS研究人员的所有生产性国家研究人员的平均年产量。

现在我们可以按照FSS和P来构建UDA的大学排名。表1,2列出了排名比较的描述性统计数据。为了使我们的措施更加健全，我们排除了在观察期间不到三年工作的研究人员和UDA研究人员低于十个单位的大学。

最后一行显示了所有意大利大学，每个UDA没有区别.12这些排名之间的相关性显然非常高：Spearman的相关系数相当于0.933;然而，61所大学中有52所评估（85％）在两个排名之间改变位置，平均排名相当于4.9级，中位数为4.一所大学跃居14级，从FSS排名的第20位上升到了30位排名第四的16个大学排名第一的四分之一的三分之一在FSS的第二个四分位数中完成。

UDA的分析提供了有趣的见解。医学UDA显示两个排名列表之间最高的相关性（Spearman系数0.903）。但是，农业兽医科学学科是排名最小的学科，虽然只有27所大学被评估，但23个排在第二位，然而，平均变化只有2.8个位置，中位数2和最大偏移10.相反的极端是物理学：这两个排名之间的相关性很低（斯皮尔曼系数0.426），平均偏移10.7个位置，中位数10.甚至有一个大学跳了34个职位，从FSS的第四十一个改为P.的第七个。在FSS顶部的11所大学中，只有两个仍然是“P”。在现实中，这个UDA提出了一个不容置疑的异常：特别是12在这种情况下，没有考虑在低于30单位的硬科学研究人员的大学。

表1每UDA的P和FSS大学排名清单比较

在“粒子和高能物理学”领域，研究往往是通过所谓的“大实验”进行的。结果通常具有较高的科学影响力，并被认可给合作伙伴组织的大量研究人员。它们通过出版物与数百甚至数千份合着者共同传播。因此，作者对FSS贡献的分数化给出了与P和由此产生的分歧排名列表产生的生产力分数非常不同。

我们现在进行进一步分析，考虑（1）中定义的分数计数，代替共同出版物的全面计数。在公式中：

其中：RSU = UDA U大学研究人员在观察期间; FQj =研究者j的平均年度分数，在观察期间;

FQ =观察期间同一SDS研究人员j中所有生产性国家研究人员的年均分数产量。

如预期，FP和FSS排名列表之间的相关性强于P和FSS之间;每个UDA的班次数都较少，大学排名从四分之一下降。

讨论和结论

到目前为止，文献计量学已经提出了从微观经济角度来看，很大程度上不符合研究成果的指标和方法。例如，h指数及其大部分变体不可避免地忽略了h中的许多引文的作品的影响以及h核心作品之上的所有引文。 h指数也无法对引用进行现场归一化，以解释共同作者的数量及其排序顺序。最后但并非最不重要的是，由于各领域出版物的强度不同，生产率排名需要进行（Abramo和DAngelo，2007），实际上人们倾向于比较不同领域的研究人员的h指标。所提出的h变体指标中的每一个都代表了h指数的许多缺点之一，而其他指标尚未解决，所以没有一个可以被认为是完全令人满意的。

另一方面，新的冠军指标衡量了一套出版物的平均标准化标准，这不能提供任何单位生产力的指示。事实上，如果第二单位产量是出版物的四倍，那么另一个单位的MNCS值的两倍的研究单位实际上可能具有一半的生产力。无论CWTS研究组（Waltman et al。2012）可能声称如何，MNCS的年度世界大学排名都不是“表现”排名 - 除非有人将性能视为产品的平均影响力而不是影响力成本单位使用CWTS方法，一个只产生一篇文章的单位，10次引用，比一个产生100个单位的单位具有更好的表现，其中每个单独的一个获得10次引用，最后一次获得9次引用。从不同的角度来看，如果一个组织产生的标准化影响低于先前MNCS值的附加文章，组织可能会恶化其MNCS排名，这是一个悖论。此外，报告用于制作排名表的方法没有描述基于直线订单对共同作者的任何权重。 SCImago机构排名的相关缺点是其主要指标，归一化影响，衡量机构的平均科学影响与世界对同一时间框架，文件类型和主题领域的出版物的平均影响之间的比例。我们不会进一步考虑到年度世界机构排名依然严重的许多年级：上海交响乐团上海交响大学，泰时高等教育和QS Quacquarelli Sy-monds排名等。这些似乎代表熟练的​​沟通和营销活动，实际排名比即兴表现更多通过其ISI索引出版物和引文的份额，测量了15个国家在科学，医药和工程领域的相对国际地位。美国在所有科学部门总是排名第一的这一指标。为了将大小（劳动和资本）的影响与生产要素的质量分开，他按照单位消费的引用排列国家。 King（2004）将五月份的独立工作更新至2002年，涵盖了十年。新研究增加了分析的国家数量（31），提供了两个五年期的纵向分析，增加了进一步的指标（高达1％的高度引用的文章;每篇文章的平均引用次数），为引用的正常化提供了平均值每个领域，并考虑到出版年份，从而为每个国家的整体研究状况提供总体措施。然后将产出和结果归一化为投入（研究人员，支出，GDP）。将产出和结果归一化为输入的这种尝试已经在总体层面处理了数据，并且无法避免随之而来的扭曲。事实上，现在大多数学者现在通常对观察到的产出和引文数据进行归一化，占据出版领域和出版年份，输入数据根据分配领域不会相应分配，因为从业人员缺乏关于研究人员数量的数据，每个国家每个领域的支出比较。

Pepe和Kurtz（2012）提出了个人的生产率指标，研究影响商与FSS有相似之处。是“总体研究影响”到生产时的平方根的商。研究的总体影响是通过引用论文的共同作者人数和引用文献的书目参考数量对外部（非自我）引用进行归一化。虽然消除自我引用是一个可以接受的选择，但引用文件的引用数量的归一化是值得怀疑的，值得进一步的调查。对于具有跨学科影响的论文实际上，引文的价值与参考列表的长度负相关。物理学出版物的引用将比数学论文中的引文更少，因为前者的参考文献列表通常较长。

大多数更受欢迎的文献计量指标和基于其使用的排名存在两个基本限制：输出值缺乏对输入值的正常化，以及研究领域没有科学家的分类。没有规范化，就不可能有任何生产率的测量，这是任何生产单位绩效的典型指标;没有提供科学家的实地分类，多领域研究单位的排名将不可避免地被扭曲，原因是跨领域的出版力不同。一个直接的推论是，不可能正确地比较国际上的生产率。到目前为止，没有国际科学家的分类标准，我们进一步不知道任何国家除了意大利之外，在国内一级对科学家进行分类。生产力的普遍接受的定义，即每个研究者的出版物数量没有任何意义，因为出版物具有不同的价值。我们已经提出了生产力的代理衡量标准，FSS既包括数量和生产质量，也允许在不同组织层面进行测量。指标和相关方法当然可以得到改善，但根据经济生产理论，它们是有意义的。其他指标和相关排名，例如每个研究者的出版物的简单数量（或分数计数）或平均归一化影响，不能单独提供绩效评估 - 但是如果与真正的生产力测量相关联，则可以假定其意义。事实上，如果一个研究单位实现平均生产力水平，这可能是由平均出版物数量和有意义的影响造成的，而且也是出版物数量和影响力较小的相反情况。在这种情况下，知道表现的数量出版物和平均标准化影响将为科学生产的哪个方面（数量或影响）提供有用的信息，以加强提高生产效率。

除了具有研究单位生产力的指标外，决策者还可以找到其他有用的信息，例如关于非生产性研究者的信息，对顶尖研究人员（10,5,1％等），高度引用的出版物，分散性研究单位之间和之间的表现等

对于进行研究绩效评估的大部分目标和背景，生产力是应该告知政策，战略和运营决策的最重要或唯一的指标。因此，我们对这个学科的学者们进行了双重呼吁：第一，把他们的知识和技能集中在进一步完善FSS指标在实际情况下的测量;第二，不要根据无效指标分配机构的业绩排名表，这在决策者和研究管理人员使用时可能会产生负面影响。

参考文献

Abramo，G.，Cicero，T.，＆DAngelo，C.A。（2012a）。评估研究成果的出版期的适当长度是多少？科学计量学，93（3），1005-1017。

Abramo，G.，Cicero，T.，＆DAngelo，C.A。（2012b）。敏感性分析研究人员的生产力排名与引文观察时间的关系。 Journal of Informetrics，6（2），192-201。

Abramo，G.，Cicero，T.，＆DAngelo，C.A。（2012c）。回顾研究评估引文的缩写。 Journal of Informetrics，6（4），470-479。

Abramo，G.，Cicero，T.，＆DAngelo，C.A。（2012d）。重新审视高等教育研究生产力的规模效应。高等教育，63（6），701-717。

Abramo，G.，Cicero，T.，＆DAngelo，C.A。（2013a）。个人研究成果：比较苹果与橘子的建议。 Journal of Informetrics，7（2），528-529。

Abramo，G.，＆DAngelo，C.A。（2007）。测量科学：不可抗拒的诱惑，容易的捷径和危险的后果。 Current Science，93（6），762-766。

Abramo，G.，DAngelo，C.A。，＆Di Costa，F.（2008）。研究生产力测量中部门聚合失真的评估。研究评估，17（2），111-121。

Abramo，G.，DAngelo，C.A。，＆Di Costa，F.（2011）。研究生产力：高等级的学术排名比较低级别的生产力高吗？科学计量学，88（3），915-928。

Abramo，G.，DAngelo，C.A。，＆Di Costa，F.（2013b）。调查大学研究领域的回报。高等教育。 DOI：10.1007 / s10734-013-9685-X。

Abramo，G.，DAngelo，C.A。，＆Rosati，F.（2013c）。在评估生命科学个人层面的研究成果时，考虑共同作者数量及其顺序的重要性。Journal of Informetrics，7（1），198-208。

Abramo，G.

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[28229]，资料为PDF文档或Word文档，PDF文档可免费转换为Word