基于学科分类和文本主题的科学基金项目与产出论文目标一致性识别研究

doi:10.3772/j.issn.1000-0135.2023.08.002

情报学报

2023, Vol. 42

Issue (8): 893-905 DOI: 10.3772/j.issn.1000-0135.2023.08.002

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

基于学科分类和文本主题的科学基金项目与产出论文目标一致性识别研究

黄颖^1,2,3, 虞逸飞^1,2, 郑寅鑫^1,2, 朱芸畅¹, 张琳^1,2,3

1.武汉大学信息管理学院,武汉 430072
2.武汉大学科教管理与评价中心,武汉 430072
3.鲁汶大学ECOOM研究中心,鲁汶 B- 3000

Objective Consistency of Funded Projects and Papers Based on Discipline and Text

Huang Ying^1,2,3, Yu Yifei^1,2, Zheng Yinxin^1,2, Zhu Yunchang¹, Zhang Lin^1,2,3

1.School of Information Management, Wuhan University, Wuhan 430072
2.Center for Science, Technology & Education Assessment (CSTEA), Wuhan University, Wuhan 430072
3.Centre for R&D Monitoring (ECOOM) and Department of MSI, KU Leuven, Leuven B- 3000

摘要
图/表
参考文献
相关文章 (5)

全文: PDF (3770 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要探究科学基金项目与产出论文的相关性，有助于拓宽科学基金绩效评价的分析维度，对提高科学基金管理水平具有重要意义。本研究从内容相关性的角度出发，引入科学基金项目与产出论文目标一致性的概念，在此基础上提出了基于学科分类和文本主题的目标一致性识别方法，并以国家自然科学基金委员会（National Natural Science Foundation of China，NSFC）资助的项目为例，验证了该方法的科学性和有效性。研究发现，有大量的NSFC项目与其产出论文的目标一致程度较低，且不同目标一致性特征的NSFC项目在各维度上的分布有很大差异。其中，“低学科相似度-低文本相似度”项目在更具影响力的国家自然科学基金重点项目和国家杰出青年科学基金项目中占比更高。结果表明，本研究提出的目标一致性识别方法可以有效弥补单一视角的不足，实现对科学基金项目与产出论文目标一致性的多维度综合识别，为科学基金绩效评价提供了一个新的角度和解决思路。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	黄颖
	虞逸飞
	郑寅鑫
	朱芸畅
	张琳

关键词 ：科学基金, 产出论文, 目标一致性, 学科分类, 文本主题

收稿日期: 2022-09-05

基金资助:国家自然科学基金面上项目“科研人员职业生涯的性别差异和影响机理研究：合作、流动与学术表现”（71974150）；国家自然科学基金青年科学基金项目“基于多源异构数据的新兴技术演化路径识别与预测研究”（72004169）。

作者简介: 黄颖，男，1990年生，博士，副教授，博士生导师，研究方向为科技计量与科技管理；虞逸飞，女，1999年生，博士研究生，研究方向为科技计量与科技管理；郑寅鑫，男，1998年生，硕士研究生，研究方向为科学计量学与科技管理；朱芸畅，女，2000年生，本科生，研究方向为科学计量学与科技管理；张琳，通信作者，女，1980年生，博士，教授，博士生导师，研究方向为科学计量学与科技管理，E-mail：linzhang1117@whu.edu.cn；

引用本文:

黄颖, 虞逸飞, 郑寅鑫, 朱芸畅, 张琳. 基于学科分类和文本主题的科学基金项目与产出论文目标一致性识别研究[J]. 情报学报, 2023, 42(8): 893-905.
Huang Ying, Yu Yifei, Zheng Yinxin, Zhu Yunchang, Zhang Lin. Objective Consistency of Funded Projects and Papers Based on Discipline and Text. 情报学报, 2023, 42(8): 893-905.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2023.08.002 或 https://qbxb.istic.ac.cn/CN/Y2023/V42/I8/893

1 凌健, 宣勇, 宣晓冬. 对地方自然科学基金绩效评估的若干问题探讨[J]. 科技管理研究, 2007, 27(7): 59-60, 63.
2 汪雪锋, 陈云, 王志楠, 等. 基于学科交叉与目标一致性的重大研究计划资助绩效评价[J]. 科研管理, 2017, 38(4): 132-144.
3 马强, 陈建新. 同行评议方法在科学基金项目管理绩效评估中的应用[J]. 科技管理研究, 2001, 21(4): 37-41.
4 张诗乐, 盖双双, 刘雪立. 国家自然科学基金资助的效果——基于论文产出的文献计量学评价[J]. 科学学研究, 2015, 33(4): 507-515.
5 李新杰, 李雄诒, 孙泽厚. 基于DEA方法的省级自然科学基金效率实证研究[J]. 软科学, 2012, 26(6): 78-82.
6 李志兰, 何学东. 基于DEA模型的自然科学基金投入产出效率分析——以浙江省自然科学基金为例[J]. 浙江大学学报(理学版), 2015, 42(2): 246-252.
7 Huang C C, Chu P Y, Chiang Y H. A fuzzy AHP application in government-sponsored R&D project selection[J]. Omega, 2008, 36(6): 1038-1052.
8 郭瑞. 基于灰色关联分析的省级自然科学基金项目评价研究[D]. 合肥: 合肥工业大学, 2008.
9 李兴国, 宁平. 基于BP神经网络的省级自然科学基金项目评价模型研究[J]. 科技进步与对策, 2008, 25(3): 144-146.
10 龚艳冰, 邓建高, 梁雪春. 基于SVM的省级自然科学基金项目评价研究[J]. 情报杂志, 2009, 28(4): 64-66.
11 袁醉敏, 徐燕椿, 束沛鑫. 省级科技计划评价的方法[J]. 科学管理研究, 1989, 7(6): 74-78.
12 杨芳娟, 刘云, 宋赛赛. 基于循证设计的中国博士后科学基金整体资助绩效评估[J]. 科学学与科学技术管理, 2014, 35(8): 152-161.
13 段庆锋, 汪雪锋, 朱东华, 等. 国家自然科学基金合作与交流类项目绩效评估方法研究[J]. 科学学与科学技术管理, 2010, 31(9): 5-8.
14 程艳丽. 期刊及其学术论文的评价方法及思考[J]. 河南大学学报(社会科学版), 2010, 50(2): 152-156.
15 王贤文, 刘则渊, 侯海燕. 全球主要国家的科学基金及基金论文产出现状: 基于Web of Science的分析[J]. 科学学研究, 2010, 28(1): 61-66.
16 张爱军, 高萍, 刘素芳. 世界各国社会科学基金论文产出绩效分析[J]. 情报科学, 2010, 28(5): 705-708.
17 闫建军. 科技论文基金项目标注不端行为的调查研究[J]. 济源职业技术学院学报, 2014, 13(2): 35-37.
18 王小艳. 科技论文基金项目标注不实分析及对策[J]. 中国科技期刊研究, 2014, 25(7): 954-957, 974.
19 梁继文, 杨建林, 王伟, 等. 科技项目及其成果文献的相关性评估研究[J]. 情报学报, 2022, 41(2): 155-166.
20 白雪娜, 张辉玲, 黄修杰. 科技论文基金项目标注的不端行为及防范对策研究——基于178篇论文标注209个国家自然科学基金项目的实证分析[J]. 编辑学报, 2017, 29(3): 260-264.
21 董建军. 中国知网收录的基金论文资助现状和被引情况分析[J]. 中国科技期刊研究, 2013, 24(2): 307-312.
22 舒安琴, 罗瑞, 张耀元, 等. 科技期刊中国家自然科学基金标注失范现象的调查[J]. 中国科技期刊研究, 2020, 31(4): 413-418.
23 叶文豪, 洪磊, 唐梦嘉, 等. 科研论文基金项目“一文多注”和不实标注研究——以2014—2018年国家社科基金项目为例[J]. 图书与情报, 2020(6): 65-72.
24 叶文豪, 王东波, 沈思, 等. 基于孪生网络的基金与受资助论文相关性判别模型构建研究[J]. 情报学报, 2020, 39(6): 609-618.
25 Hook D W, Porter S J, Herzog C. Dimensions: building context for search and evaluation[J]. Frontiers in Research Metrics and Analytics, 2018, 3: 23.
26 Zhang L, Zheng Y X, Zhao W J, et al. Is Dimensions a reliable data source of funding and funded publications?[C]// Proceedings of the 18th International Conference on Scientometrics and Informetrics, KU Leuven, 2021: 1573-1574.
27 Herzog C, Hook D, Konkiel S. Dimensions: bringing down barriers between scientometricians and data[J]. Quantitative Science Studies, 2020, 1(1): 387-395.
28 Jia T, Wang D S, Szymanski B K. Quantifying patterns of research-interest evolution[J]. Nature Human Behaviour, 2017, 1(4): Article No.0078.
29 Herzog C, Lunn B K. Response to the letter ‘Field classification of publications in Dimensions: a first case study testing its reliability and validity’[J]. Scientometrics, 2018, 117(1): 641-645.
30 Singh P, Piryani R, Singh V K, et al. Revisiting subject classification in academic databases: a comparison of the classification accuracy of Web of Science, Scopus & Dimensions[J]. Journal of Intelligent & Fuzzy Systems, 2020, 39(2): 2471-2476.
31 Papadimitriou C H, Raghavan P, Tamaki H, et al. Latent semantic indexing: a probabilistic analysis[J]. Journal of Computer and System Sciences, 2000, 61(2): 217-235.
32 Ahmadi P, Gholampour I, Tabandeh M. Cluster-based sparse topical coding for topic mining and document clustering[J]. Advances in Data Analysis and Classification, 2018, 12(3): 537-558.
33 Teh Y W, Jordan M I, Beal M J, et al. Hierarchical dirichlet processes[J]. Journal of the American Statistical Association, 2006, 101(476): 1566-1581.
34 段瑞雪, 王小捷, 孙月萍, 等. HDP主题模型的用户意图聚类[J]. 北京邮电大学学报, 2011, 34(S1): 55-58.
35 Zhang L, Sun B B, Shu F, et al. Comparing paper level classifications across different methods and systems: an investigation of Nature publications[J]. Scientometrics, 2022, 127(12): 7633-7651.
36 Bornmann L. Field classification of publications in Dimensions: a first case study testing its reliability and validity[J]. Scientometrics, 2018, 117(1): 637-640.