科学生态系统依赖于基于引文的度量标准,这些度量标准仅提供了不完善、不一致且易于操纵的研究质量度量。有鉴于此,美国麻省理工学院的James W. Weis等研究人员,开发出评估研究影响力的新方法。
本文要点
1)研究人员报道了DELPHI(通过学习预测高影响力来进行动态预警),该框架通过从科学文献中自动学习跨时间计算出的特征之间的高维关系,为“有影响力的”研究提供预警信号。
2)研究人员对该框架进行原型设计,并根据1980年至2019年的时间结构化发布图(其来自42种与生物技术相关的期刊)得出了其性能和缩放属性,包括超过780万个单独节点、2.01亿个关系和38亿个计算指标。
3)研究人员通过盲法回顾研究正确识别1980年至2014年中19/20个重要的生物技术来证明该框架的性能,并提供DELPHI预测的2018年以来50篇研究论文,这些论文将在未来时间重定的节点中心度中占前5%。
本文研究建议将DELPHI作为一种工具来帮助构建多样化、影响优化的基金参考。
参考文献:
James W. Weis, et al. Learning on knowledge graph dynamics provides an early warning of impactful research. Nature Biotechnology, 2021.
DOI:10.1038/s41587-021-00907-6
https://www.nature.com/articles/s41587-021-00907-6