预测你的学术影响力

摘要: 　　如果能预测学者未来的学术影响力，那么，我们在人才引进、基金与项目审批、科研人员绩效评估等方面的工作，将得到极大的改进。Nature上的一项学习提出了一个预测模型。　　编译作者：步一 / Indiana University ...

　　如果能预测学者未来的学术影响力，那么，我们在人才引进、基金与项目审批、科研人员绩效评估等方面的工作，将得到极大的改进。Nature上的一项学习提出了一个预测模型。
　　编译作者：步一 / Indiana University 原文作者：Acuna， D. E.， Allesina， S.， Kording， K. P.
　　素材推荐人：张红丽 / 中山大学图文编辑：李江 / 浙江大学

　　注：图片来源于参考文献中的论文
　　每一位学者都希望自己的学术职业能够蒸蒸日上，未来能取得更大的学术影响力。然而，学术道路上的成长取决于很多因素，总有局部人的学术前途戛然而止。如果能预测学者未来的学术影响力，那么，我们在人才引进、基金与项目审批和科研人员绩效评估等方面，将避免依靠数数量或拍脑袋做出决定。
　　h指数是对过去业绩的评价
　　目前，h指数是一个被广泛采用的评价学者影响力的指标：如果一位科研人员发表了n篇论文，其中h篇论文的被引量大于等于h，且其他n-h篇论文的被引量小于等于h，那么这位科研人员的h指数就等于h。
　　依照这种算法，我们自小熟知的几位科学家爱因斯坦、达尔文和费曼的h指数分别为96、63和53。h指数的创始人Hirsch博士指出，如果一位物理学家的h指数达到12，那么他（她）就应当被聘至主要大学担任终身教职；很多高校和科研机构也在人员晋升时使用h指数作为一个重要的评测指标，因为它同时考虑了发文量和被引量这两个指标。然而，h指数和其他类似的指标都只能评价一位科研人员过去的成就而非未来。一个显著的问题就是，即便一位科研人员已经退休或者再也不发文，其h指数也直升不降（或者维持不变）。
　　只要有简历，就可以预测学者未来的影响力
　　2012年，芝加哥康复学习所的Acuna等三位学者在Nature上发表了一篇短文，提出了基于一般科研人员简历上的信息来预测其未来h指数（代表学术影响力）的方法。一般来说，科研人员的简历内包含有论文数量、论文发表期刊、目前h指数及其合作者等信息。有时，简历上还包含有教育信息、获得的基金信息甚至博士导师等信息。本质上，所有这些信息都应当被考虑在科研人员未来学术影响力的预测中，但是如何给这些指标加权从而更好更精确地预测未来影响力成为一个重要的问题。
　　为了建立一个预测科研人员未来h指数的定量评估公式，作者选取了academictree.org网站上大约348000位神经科学家、2000位学习果蝇（fruitflyDrosophila）的科学家和1300位进化学家的全名及其机构信息；这里，academictree.org网站上还包含有这些科学家的导师、学生和合作者信息。将这些记录映射到Scopus数据库内，然后剔除了目前h指数缺乏4（相当于剔除了不活跃的学者）、发表于1995年前（相当于剔除了过于稀疏的数据）或者第一篇论文发表于12年前或5年内的作者及其发文记录。随后数据集内剩下了3085位神经学家、57位学习果蝇的科学家和151位进化学家。作者随后使用了线性回归和机器研究中弹性网络正则化（elastic netregularization）方法进行了数据的拟合。以数据集中剩下的神经生物学家为例，他们得到的主要结论为：下一年、五年后、十年后的h指数的预测结果分别如下，

　　这里，n代表目前已经发表的论文数量，h代表目前的h指数，y代表目前距第一篇发文的间隔年份，j代表目前已经发表的不同期刊数量，q代表目前发表在Nature、Science、Neuroscience、PNAS和Neuron期刊上论文的数量。需要指出的是，由于不同学科之间在诸多方面存在较大的差异，这些预测公式在不同领域的适用性需要进一步验证。预测你的学术影响力 | 责任编辑：虫子