文摘

与科学合作的日益频繁,研究科学学者合作的科学性能的影响已成为学术研究的热点话题。本文主要采用定量研究方法,如文献计量学分析和社会网络分析之间的相关性程度中心,L-index,和科学的体育教育和培训科学的中国作家,以下结论:(1)学位中心的论文数量呈正相关,平均每篇论文引用,和h指数,(2)L-index呈正相关的论文数量,平均每篇论文引用和h指数。与先前的研究在科学合作网络和学者们的表演,专注于传统网络特征指标,本研究引入了一个新的网络特征指标,L-index,通过之间的合作程度,作者和其他研究领域的重要作者可以更好的评估,也提供了一个新的研究方向相关的科研合作网络和学者的性能;与此同时,它也为后续研究提供了理论基础科学合作的效用,参考评估其他学科的学者的研究性能和更科学的理论参考和综合学者们的研究预测在未来的表现。

1。介绍

随着社会的发展和科学的进步,科学研究变得越来越复杂。价格提出“大科学”的概念第一次指出,现代科学研究的特点是高投资强度、多学科交叉、昂贵的实验设备和复杂的研究目标(1]。科学合作是一种有效的方法来解决复杂的科学研究问题。科学合作指的是知识生产模式中,许多人一起工作来完成同样的研究课题在科学研究的过程,这是非常重要的在科学发展的历史进程。特别是在科学是越来越全面和复杂,科学合作不仅允许在不同领域的研究人员分享他们的知识,他们的经验和资源,复杂和昂贵的设备的研究,而且还激发创新思维,提高研究的效率。因此,科学合作越来越频繁,和科学研究已经逐渐从个人研究转向团队研究。科研合作已逐渐成为一个不可阻挡的发展趋势。

科学合作已经成为一种普遍现象在科学研究、科学合作的有效性的研究已逐渐成为一个重要的主题领域的科技合作。科学合作科学性能的影响的学者研究的一个重要方面是科学合作的有效性。我们都知道,科学的绩效评价是一个重要的基础的学者的学术水平。科学学者的性能越高,越富有他们的学术成就和学术成就的影响就越大。学者的评价科学性能不仅可以建立正确的科学研究的价值取向,促进科学研究的可持续稳定发展,而且可以提供客观依据教师招聘、项目申请,政府资金,等等。学者通过研究科学合作如何影响科学的性能,我们可以发现学者影响因素的科学的性能和其内部的相关性,以优化的方式科学合作和提高学者的科学的性能。

作为一门学科,既有社会和自然科学方面的研究物理教育和培训不能置换和先进没有作者的科学带来的参考意义的性能。本文选择10386篇论文在核心期刊上的物理教育和培训在CSSCI数据库中,和Python用于可视化之间的相关性程度中心,L-index和科学的性能。占据中心被用来进行线性回归学位,L-index和科学讨论他们的相关性能。与先前的研究在科研合作网络和学者们的表演,专注于传统网络特征指标,本研究引入了一个新的网络特征指标,L-index,通过之间的合作程度,作者和其他研究领域的重要作者可以更好的评估,也提供了一个新的研究方向相关的科研合作网络和学者的性能;与此同时,它也为后续研究提供了理论基础科学合作的效用,参考评估其他学科的学者的研究性能和更科学的理论参考和综合学者们的研究预测在未来的表现。

除了第一部分的介绍,本文还包括以下部分。第二部分介绍了本研究的理论基础。第三部分介绍了数据源,变量的选择和研究方法。第四部分是实证分析。最后,第五部分总结了本研究的结论和贡献,指出研究中的不足之处。

2。理论基础

2.1。科学合作

目前,学术界有不同的定义的科学合作。凯西认为科研合作是一种强烈的互动研究人员在科学活动的过程。它们形成一个理想的模型,通过意识形态和知识科研合作交流(2]。齐曼和施密特相信科学合作是科学发展达到一定阶段后生成并逐步稳定,在科技合作中发挥着极其重要的作用在提高科学知识的输出(3]。卡茨和马丁相信科学合作的工作人员一起为创造新知识的共同目标(4]。赵和温家宝相信科学合作是一种科学活动中两个或两个以上的人员或组织一起合作科研产出最大化为了完成一个共同的研究任务,和其实质是合作者之间资源共享5]。基于不同的学者提出的科学合作的概念,作者认为,科学合作意味着研究人员专注于一个特定的科学问题通过资源共享和合作,最后共同完成科研任务和明确的目标,共同发表的科学结果。其中,合作出版研究成果是科学合作的最终表达。

2.2。科学的性能

科学性能是指在科学活动的过程中,研究对象,由主观动机,客观需要,原始的基础和可能的合作,开展各种形式的合作,生产各种直接或间接的好处,如论文的直接利益,专利专著,等等。间接的好处包括提高学者的知识、技能、声誉和影响力。有定性评价和定量评价评价研究学者的性能。定性评估主要指的是同行评议,这也是评估的传统方法科学学者的性能。但是同行评审有其缺陷。首先,它是低效的,因为它需要专家评分每个科学成就和给一个书面的解释。此外,同行审查是非常主观的,评审结果很容易受主观因素影响等专家的个人利益,专业,和情绪,很难保证公平和正义。提出了定量评价和广泛应用的不断增长的科学成就和文献计量学和科学计量学的不断发展。定量评价评估研究学者通过明确量化的性能特征,提高了效率和客观性的评价的科学学者的性能。目前,定量评价研究学者的深入科学的表现,其评价指标也不同,主要包括:论文的数量,平均论文质量,影响因素,合作者,h指数,等等。 [6]。整合现有研究,论文是知识的结果在科学活动的过程中形成的,它是最直接的形式输出的科学研究。它的数量和质量,在一定程度上,相对客观地反映了学者对现有知识的贡献,因此,评估的主要参考学者发表论文是他们的性能(7- - - - - -9]。

本文的论文数量、平均引文/纸,和h指数选为学者的科学的绩效评价指标。论文的数量是每个作者发表的论文总数。尽管论文的数量并不完全代表学者的学术水平和影响力,生产高质量的论文通常是基于一定数量的出版物。例如,诺贝尔奖获得者发表时平均每年13.1论文约20岁,平均每年3.5,普通学者发表论文(10]。平均每篇论文引用参考引用的总数的比例/作者的论文数量。平均引文论文是基于其质量。每个论文的平均引用得到越多,越高程度的“认可”,论文的质量就越高。一些权威学者发表的论文引用每年200倍,而那些普通学者发表的(小于10倍11]。赫希h指数是研究提出的性能评价指标,结合学者发表的论文的数量和平均引用论文,和h指数是指的数量N学者发表的论文H论文被引用至少H次(12]。它不仅量化研究成果还结合研究人员发布的能力与引用的影响。因此,h指数是定量评价指标中使用最广泛的指标来评估科学学者的性能。后续学者改进h指数h指数的基础上,提出新的科学的绩效评估指标,如G-index (2006) (13),r指标和AR-index (2007) [14),m (2008) (15),新兴市场指数(2017)(16),等等。然而,h指数的概念很简单,很容易计算,健壮性和全面性的特点,这使得它广泛应用于科学的评价性能。

2.3。科学合作网络

“网络”是一家集节点和所有的相互关系。“科学合作网络”是一个集合的节点和连接的研究人员通过科学合作。在科学合作网络,学位中心、介数中心,接近中心,特征向量中心,PageRank,和其他网络特征指标常用来描述位置,功能,或网络中节点的影响。研究已经进行了检查科学合作网络和学者性能之间的关系而言,这些网络特征指标。Abbasi等人G-index作为因变量测量学者的学术影响力。网络特征,如学位中心,接近中心,中间性中心,eigencentrality,平均强度作为独立变量之间的关系。他们研究了他们的关系,发现程度中心性,eigencentrality,平均强度是呈正相关的关系与他们的学术影响力(G-index)。亲密中心与他们的学术影响力和中间性中心负相关(G-index) [17]。从社会资本的角度来看,李等人研究学位中心之间的关系,亲密关系中心,中间性科学合作网络的中心,和学者的论文的平均引用次数。他们发现,学位中心和亲密中心几乎没有相关性的平均数量的引用,而中间性中心的平均数量呈正相关,引用(18]。Gonzalez-Brambila等人发现,有更多的直接接触其他学者,处于结构洞位置的科学合作网络,配合其他学科学者,和中心的科学合作网络将增加学者发表的论文的数量(19]。Abbasi等人提出了两个新的指标,PDI和PTDI传统社交网络指标的基础上;研究了PDI和PTDI和学者之间的关系的研究影响基于引文关系;,发现PDI和PTDI呈正相关,研究影响基于引文关系(20.]。达明等人发现,学者们在桥上位置的科学合作网络将提高他们的科学性能(21]。

虽然这些网络特征指标可以在一定程度上描述的内在相关性合作研究网络,他们不提供一个良好的程度的描述网络中节点连接到其他重要的节点。其中常用的网络特征指标,学位中心是最基本的一个。学位中心是一个常用的概念在社会网络分析(SNA),也称为学位,也是最直观的向心性指标科学合作网络的研究中。一个节点的程度越高,与节点越多,网络中节点越重要。在一个合作网络的学位中心节点,节点我节点之间的直接接触的总数吗我和其他- 1节点。如果一个作家有10度,他与10作者在他的科学合作网络。而学位中心通常是用来描述在多大程度上一个节点与其他节点在一个社交网络,它只测量节点连接到一个节点的数量,而不是节点连接到一个节点的重要性。因此,科恩等人考虑一个新的网络特征指标基于学位中心测量网络中一个节点的连接到其他重要的节点,即L-index(游说指数),这是指至少有l节点的度至少l的N网络中的节点连接到一个节点(22]。L-index为研究提供一个新的方向科学合作网络和学者的性能。

基于这个角度来看,本文探讨了相关性的程度和L-index作者物理教育和培训的论文和科学性能(的论文数量、平均引文论文和h指数),为随后的研究奠定了理论基础与研究合作的效用,为评估提供一个参考的研究表现在其他学科的学者,并提供一个理论参考学者的研究更加科学和全面的预测在未来的表现。

2.4。社会网络分析

在1920年代的西方社会,社会网络分析逐渐应用于社会学、人类学、心理学,等等。Simmel完成第一次使用“网络”的概念在1922年。布朗首先提出了1940年“社交网络”的概念。巴恩斯首先改变了社会网络分析系统的研究在挪威的社会结构是一个渔村(23]。经过几十年的研究与探索,社会网络分析已成为一个独特的研究方法,提供一个新的视角研究社会结构。弗里曼总结了社交网络的四个特征研究:分析受试者之间形成特定结构的社交网络,应用统计原则和计算机技术作为技术支持,基于数据网络,社交网络和图形语言表达(24]。Wellman,分析师的社交网络,指出,社交网络是一个巨大的网络组成的社会群体之间的关系,以及社会网络分析研究网络下的深层结构,特别是连接模式隐藏在表面下的复杂的社会网络(25]。2000年之后,社会网络分析已经逐渐认识到,在中国广泛使用。保等人首先分析自我中心网络使用社会网络分析的方法(26]。胡邓分析人际关系运用结构洞理论(27]。刘等人分析了小世界理论在分析组的作用[28]。社会网络分析也广泛应用于研究与科学合作有关。徐朱和应用社会网络分析引文分析和分析了学者的影响力和集团通过密度、中心和其他指标(29日]。邱和王使用社交网络分析作者的合作关系和发现潜在的合作组织(30.]。兴等人可视化关键字通过构造整个关键字之间的关系网络,结合社交网络的相关指标,以便更直观地了解相关领域的研究现状(31日]。一般来说,《社交网络》反映了各种元素之间的关系。社会网络分析的核心是分析各种元素的“关系”和现在的个人之间的关系从“微观”到“宏”。基于数学建模的分析方法和网络图,和主要的研究内容包括网络中每个参与者的重要性和它在整个网络中的作用。此外,社会网络分析和文献计量学也可以互补和集成,广泛应用于科学合作网络的相关研究。许多学者通过文献计量方法分析研究合作,但深入研究分析和知识地图的演讲涉及到社会网络分析方法,分析和可视化等方面的节点之间的关系网络中心等特点,有凝聚力的子组,和密度,以识别核心作者、研究方法、学科主题领域的热点。

科学合作网络组成的身体教育和培训的作者论文研究是一个典型的社交网络。其中,每个节点是指研究者参与科学合作,以及节点之间的边是指科学研究人员之间的合作,也就是说,通过科技合作共同发布。

3所示。方法

3.1。数据源

布拉德福德,1931年英国书志学家第一次揭示了文学集中和分散的法律,也就是说,在某一学科,大约三分之一的文献发表在期刊的3.2%。1967年,联合国教科文组织研究文献的分布,发现75%的文学作品出现在只有10%的期刊。加菲尔德在1971年,一位美国情报科学家和scientometrician SCI的创始人,被引用期刊的分布,发现24%的引用出现在1.25%的期刊。所有这些表明存在“核心效应”,也就是说,“核心期刊的存在。“核心期刊的输入文档是权威的、有代表性的科研成果在各学科经过严格选择。

本文使用的数据来自体育核心期刊,并在CSSCI数据库的数据。分别输入“杂志”列中的16种体育核心期刊的名称:“北京体育大学学报,”“上海体育大学学报,”“首都大学的体育教育和体育》杂志”“山东体育大学学报,”“成都体育大学学报,”“天津大学学报的运动,”“西安体育学院学报,”“武汉体育学院学报”“沈阳体育大学学报,”“广州体育大学学报,”“南京体育学院学报(社会科学),”“中国体育科学与技术”,“体育文化指南,”“体育杂志,”“体育与科学”和“中国体育科学。“主题类型设置为“物理教育,“和二级学科类型被设置为“物理教育和培训,“没有限制出版时间。考虑到相同的汉字将出现在作者的名字,只模糊使用收集到的数据集的名称计算。为了消除这种歧义,本文匹配的名称和工作论文的作者的从属关系同时,也就是说,两个学者名称相同的和不同的关系被认为是两个不同的学者。最后,提取保存的所有文献名称、作者、作者所属工作、引用、发表时间、引文时间,和其他信息,终于10386年的数据。

3.2。变量选择和测量

3.2.1之上。因变量

本研究的因变量是所有作者的科学表现在示例中,它主要包括三个方面:论文的数量,平均每篇论文引用和h指数。

(1)论文的数量。的论文数量指的是每个作者发表的论文总数在他的学术生涯。一定数量的论文是创建高层次的科学成就的基础。

(2)平均每篇论文引用。每个论文的平均引用是引用的总数的比例/作者的论文数量。作者的平均论文质量越高,越高的平均质量,作者的科研产出和更有用的他或她的结果与其他学者。的公式计算平均引文论文如下:

(3)h指数。h指数是指的数量N学者发表的论文H论文被引用至少H次(12]。h指数能够准确地反映一个人的学术成果。h指数不仅量化科学产出的学者还考虑的能力研究人员发表论文和引文的影响。一个作家的h指数越高,更具影响力和学术价值的文章他或她已经出版了。

3.2.2。独立的变量

本研究的独立变量是所有作者的中心和L-index样本。

(1)学位中心。学位中心指的总数之间的直接连接节点我和其他网络中的节点节点。学历越高的中心节点,该节点的节点越多接触,更重要的是该节点在网络。中心度的计算公式如下:

(2)L-Index。L-index意味着的程度l的N网络中的节点连接到至少一个节点l(22]。L-index程度反映了网络中一个节点连接到其他重要的节点。L-index较高的作者,作者中心高他或她与和他或她的合作者的质量就越高。

3.3。研究方法

3.3.1。建立科学合作网络

科学合作网络的基础上,本研究构建我们的身体教育和培训文件,这是一个典型的社交网络。科学合作网络中,每个节点代表一个作者,节点之间的边表示两个作者先前的合作文件。本研究的科学合作网络是由Python。

3.3.2。测量的独立和相关的变量

科研合作网络构造后,学位中心和L-index所有作者的计算使用Python示例。然后利用文献计量方法,研究性能指标如论文的数量、平均引文论文,h指数所有作者的计算示例。所有的独立和相关的变量和分布的独立和相关的变量之间的相关性被可视化和分析通过Python。

3.3.3。独立变量和因变量的相关分析

独立和相关的变量之间的相关性进行了分析使用占据详细探讨学位中心的影响和L-index科学性能指标如论文的数量、平均引文论文和h指数。

4所示。分析和结果

4.1。描述性统计和分布的独立和相关的变量

以下4.4.1。描述性统计

10386年文献数据的处理和分析所有16个体育核心期刊在中国与“体育”的主题类型和二级主题类型的“物理教育和培训,我们一共获得了12875作者,每个人对应于科研合作网络中的一个节点。表1显示的是意思是,中位数,标准差,最小和最大科研合作网络中每个变量的值。

我们可以从表1的论文数量的平均值,h指数,学位中心,和L-index是1.541,1.395,2.975,和2.468,分别和他们的中间值是1,1,2,2,非常接近最小值1,0,1,1,分别,甚至的论文数量的中值和最小值是一致的。这表明物理研究领域的教育和培训在中国,大部分的作者发表的论文较少,和h指数的水平,学位中心,和L-index很低。每个论文的平均引用是23.848,中位数是14,也远离1268年引文量最大,表明物理研究领域的教育和培训在中国,大多数作者发表论文的引文数量相对较低。

4.1.2。分布的独立和相关的变量

(1)分布的依赖变量。(1)论文的数量分布:图1显示了作者发表的论文数量的分布在中国的物理教育和培训。从图可以看出1的总体布局由作者发表的论文数量的物理教育和培训在中国是迅速减少数量在一定范围内,然后趋于稳定,与1的最小值和最大值为66。作者发表论文最多的是9768,约占总数的77%。作者发表了少于5篇论文的数量是12447,占总数的96%以上的作者。作者发表了十多篇论文的人不到100人。并考虑到数据收集没有限制报纸的出版日期。最早在2000年论文发表记录。在20年自2000年以来,在这个领域发表论文的总数只有10386,平均每年发表论文的数量只有500人。在作者水平,绝大多数作者发表了少量的论文,只有少量的作者大量的出版物,所有这些都表明,科学研究的总体水平在物理教育和培训的主题领域在中国仍相对有限。(2)平均引用论文的分布:图2显示分布的平均引用的论文作者在中国物理教育和培训。从图2,我们可以发现作者分布的物理教育和培训在中国有更多的引文分布范围越低,作者和作者的分布逐渐减少引用数量的增加。虽然高引用作者的数量相对有限,也有作者高每条引文,这也表明作者在物理领域的教育和培训在中国发表的文章引用高。即有高冲击和公认的科学领域的研究成果在中国物理教育和培训。然而,从整体的角度来看,大多数作者的平均每个文章的引用数量在物理教育和培训领域的研究在中国仍处于低水平,和学科科学研究的总体水平仍相对有限。(3)h指数的分布:图3显示作者的h指数分布的物理教育和培训在中国。从图3,我们可以发现,中国体育教育和培训论文作者h指数也在呈下降趋势,最小值为0。总体布局的趋势是,作者的数量达到峰值时h指数是1。随着h指数的增加,作者的数量减少。当10 h指数时,作者将达到一个相对较低的数量水平。作者的数量和h指数1是最大的,共有9494,占总数的73%以上的作者。作者高h指数的数量很小,和作者的数量与一个h指数高于10还不到总数的1.5%。这表明,大多数作者发表论文较少或引用的数量不高,只有少数作者大量的发表论文的被引用次数高。h指数是主要的评价指标来评估学术影响力,所以它可以解释大部分的作者在物理领域的教育和培训在中国温和的学术影响力,和只有少数作者具有较高的学术影响力。科学研究领域的影响的物理教育和培训在中国需要改进。

(2)独立变量的分布。(1)度的分布中心:图4显示了作者的程度的分布中心的中国体育教育和培训。从图4,我们可以发现作者的学位中心分布的物理教育和培训论文在中国仍是一个下降的趋势,从我们的数据,我们发现学位中心1的最小值和最大值是83。随着学历的增加中心,作者的数量迅速减少学位中心的范围从1到10。因为我们的分布是绘制在双对数坐标,作者慢慢减少和高原的分布随着中心程度增加当中心程度大于10。作者与学位中心1、2和3有最多,共有9398作者,占72%以上的作者。作者的数量与学位中心1 - 10的范围是12610,占总数的97%以上的作者,表明大多数作者的学位中心的物理教育和培训在中国小于10,也就是说,大多数作者的合作者的数量小于10。也可以看到,大部分的作者在物理领域的教育和培训在中国有相对固定的合作者,他们通常有固定的研究团队,尤其是与少于5名小团队。作者的学位中心的数量超过10几。甚至作者是谁的学位中心的数量超过20小于70。这表明一些作者可能没有一个固定的团队,但他们会主动寻求与更多的合作作者,作者或物理学科的教育和培训可能有较高的声誉,和有很多作者或研究小组将积极寻求与他们合作。(2)的分布L-index:图5显示了作者的L-index分布的物理教育和培训在中国。从图5的最小值,我们可以发现作者的L-index物理教育和培训在中国是1,最大值是14。总体分布趋势是,随着L-index的增加,作者的数量减少。当L-index是2,1,3,作者的数量是最高的,共有10143,占78%以上的作者。作者的数量的L-index小于6是12557,占总数的90%以上。它表明L-index大部分物理教育和培训在中国的作者小于6,也就是说,大部分的作者没有至少6学位中心的合作者大于6。他们有更少的合作者或合作者较低程度的中心,只有一小部分作者与作者有更高程度的协作网络的中心。这表明作者在物理领域的教育和培训在中国仍局限于原来的小研究小组,也可以反映出发展缓慢和有限的研究水平在物理教育和培训领域的研究在中国。

4.2。回归分析

原始数据最初测试的内生性。解释变量和讨厌的条款,没有联系和足够大的样本大小是与“大样本理论一致。“这篇论文使用大样本OLS回归分析原始数据,并避免偏见在统计推断由于异方差性,健壮的标准错误是用来代替普通标准中的错误大样本OLS回归。回归分析后,合理的使用大样本OLS回归将进一步测试通过鲁棒性测试。

4.2.1。准备回归分析的论文和学位中心的数量

图6显示了散点图之间的相关性和回归曲线的论文数量和程度由Python中心。每个点代表一个作者,红色曲线代表相关的论文数量之间的回归曲线和学位中心。从图可以看出6,学位中心的增加,论文的数量也显著增加。大多数作者都分布在左下角的人物,也就是说,大部分的作者有一个低程度的中心和少量的论文发表。占据是用来制造一元线性回归的论文和学位中心。结果如表所示2。

从表可以看出2,值小于0.01;回归系数为0.347 > 0,这表明论文的数量与学位中心呈正相关;这关系重大的置信水平0.01。它也表明,随着作者的增加程度中心,发表论文的数量会更高。换句话说,如果一个作家广泛寻求合作作者,发表论文的数量将会增加。

4.2.2。回归分析的平均引用论文和学位中心

的散点图和回归曲线相关性平均论文质量和学位中心如图7。每个点代表一个作者,红色曲线代表之间的相关性回归曲线平均论文质量和学位中心。然后占据被用于制造一元线性回归对每条平均引文和学位中心。结果如表所示3:

从表可以看出3, - - - - - -值小于0.01;回归系数为0.484 > 0,这表明平均引文论文与学位中心呈正相关;这关系重大的置信水平0.01。它也表明,随着作者的学位中心,平均引文论文也将增加,也就是说,如果作者寻求与更多的作者广泛合作,他或她的论文的平均引用将会增加。

和图7表明作者具有较高平均引文论文中心程度较低,这可能是由于样本数量较低的学位中心相对巨大,还有一些没有高度中心发布论文作者具有较高的影响力。样本的数量和高度中心是相对较小的,和他们的平均引用论文作者发表论文之间有一定的差距具有高程度的影响和中心地位不高,但仍高于平均水平,而不会影响平均引文之间的正相关论文和学位中心。

4.2.3。回归分析h指数和学位中心

的散点图和回归曲线和h指数之间的相关性程度中心是由Python,如图8。每个点代表一个作者,红色曲线代表h指数之间的相关性回归曲线和学位中心。从图可以看出8,学位中心的增加,h指数也显著增加。大多数作者都分布在左下角的人物,也就是说,大部分的作者中心程度低和h指数低。然后占据h指数被用于制造一元线性回归和学位中心。结果如表所示4:

从表可以看出4, - - - - - -值小于0.01;回归系数为0.188 > 0,这表明h指数与中心程度呈正相关;这关系重大的置信水平0.01。它也表明,随着程度的增加中心,发表文章的数量和质量也将更高。换句话说,这也表明,如果一个作家广泛寻求合作更多的作者,发表文章的数量和质量将显著增加,也就是说,他或她的学术影响力将会显著增加。

4.2.4。回归分析的论文数量和L-Index

的散点图和回归曲线之间的关系的论文数量和L-index是由Python,如图9。每个点代表一个作者,红色曲线代表的论文数量之间的相关性的回归曲线和L-index。从图可以看出9,L-index的增加,论文的数量也显著增加。大多数作者都分布在L-index小于10的范围。当L-index大于10,论文的数量分布的波动由于样本数量的减少,但这并不影响整体趋势。然后占据被用于制造一元线性回归的论文数量和L-index。结果如表所示5。

从表可以看出5,值小于0.01;回归系数是0.153 > 0,这表明之间存在正相关的论文数量和L-index;这关系重大的置信水平0.01。它还表明,与作者的L-index的增加,发表文章的数量将会更高。换句话说,如果越来越多的作者努力配合更重要和有影响力的作者在科研合作网络,也就是说,更多的作者寻求配合L-index更高,发表论文的数量将会增加。

4.2.5。回归分析的平均每纸和L-Index引用

的散点图和回归曲线相关性平均引文纸和L-index如图10。每个点代表一个作者,红色曲线代表相关纸和L-index平均引文之间的回归曲线。从图可以看出10,L-index的增加,最大平均论文质量降低。根据相关纸和L-index平均引文之间的回归曲线,平均每篇论文引用和L-index没有显示一个明显的相关性。然后占据被用于制造一元线性回归平均论文质量和L-index之间。结果如表所示6。

从表可以看出6, - - - - - -值小于0.01;回归系数为0.926 > 0,这表明有一个平均论文质量和L-index之间正相关;这关系重大的置信水平0.01。它还表明,与作者的L-index的增加,每个论文的平均引用会更高。换句话说,如果越来越多的作者努力配合更重要和有影响力的作者合作网络,也就是说,更多的作者寻求配合L-index更高,平均每篇论文引用将会增加。

4.2.6。回归分析h指数和L-Index

的散点图和回归曲线h指数之间的相关性和L-index如图11。每个点代表一个作者,红色曲线代表了h指数之间的相关性的回归曲线和L-index。从图可以看出11增加L-index, h指数也增加。然后占据被用于制造一元线性回归的h指数和L-index。结果如表所示7:

从表可以看出7, - - - - - -值小于0.01;回归系数为0.095 > 0,这表明h指数与L-index呈正相关;这关系重大的置信水平0.01。这也意味着,随着作者的L-index上升,他或她的h指数也上升。换句话说,如果越来越多的作者努力配合作者L-index较高,也就是说,越来越多的作者努力配合更重要、更有影响力的作者在科研合作网络中,发表论文的数量和质量将会提高。

4.3。健壮性测试

在现实中,作者的研究性能将受到其他变量的影响除了一些作者合作网络自身的特点,因此他的研究性能并不是一个随机分配的结果。为了减少选择性偏差等因素的影响,本研究使用的方法倾向得分匹配(PSM)估计的影响程度中心和L-index研究论文作者的性能。评估研究作者的性能时,我们发现对照组尽可能相似的治疗组通过倾向得分值并进行配对分析;然后可以有效降低样本选择偏差;和可观测因素,如控制变量可以有效地移除。作者的研究性能的影响和平均处理效应(ATT)消除后可以获得选择性偏差。最期刊发表,因此,在选择的起始年作者的职业,和作者的职业生涯的长度匹配变量,PSM的方法可以更好地避免程度的一般回归分析中心和L-index研究作者的性能。估计误差在过去可以有效地解决内生问题。此外,本研究使用最近邻匹配倾向值匹配方法。该方法可以实现“一”(即“所有”。, individuals in each treatment group and individuals in all control groups) matching and can also avoid degree centrality and L-index and the two-way causal effect of the author’s research performance. The results of propensity score matching are shown in Table8。

根据实证结果表8,学位中心的影响的论文数量作为一个例子,匹配后,治疗组论文的平均数是2.360;论文在对照组的平均数量是1.707;和丙氨酸是0.652的平均治疗效果显示在1%水平具有重要意义。测试基于PSM方法显示,在控制了其他因素的影响,论文作者的数量和更高层次的学位中心平均为0.652高于作者水平较低程度的中心,约38%,这意味着学位中心。有一个显著的改善影响论文的数量。同样,L-index有重大影响的论文数量,学位论文的中心是引用,学位中心和L-index h指数有显著的影响。

为了验证之前和之后的主要变量的样本特征匹配的匹配和平衡,平衡试验是根据不同的独立变量。测试结果如表所示9和10。匹配后每个匹配的变量的标准偏差很小。根据罗森鲍姆和鲁宾的角度来看,标准偏差的绝对值的该变量的值进行匹配后显著小于20,可考虑匹配的方法是合适的,效果更好。因此,这次倾向得分匹配结果更加可靠。

健壮性测试的结果表明,不存在内生性问题,还用大样本验证的合理性OLS回归。

5。研究结论和启示

在这项研究中,作者的中心和L-index程度之间的相关性和科学性能(的论文数量、平均引文论文和h指数)分析了16个物理教育和培训的核心期刊,第二类纪律在第一类运动,和具体的研究结果如下:(1)学位中心的论文数量呈正相关,平均每篇论文引用,和h指数,(2)L-index呈正相关的论文数量,平均每篇论文引用和h指数。从这项研究的结果,可以看出,如果作者寻求配合更多作者广泛,尤其是在更多有影响力的作家,他们的研究表现将会改善。

本研究也有一些理论上的贡献。本文分析学位中心之间的相关性,L-index作者在物理教育和培训,和科学的性能。后续研究奠定了一定的理论基础科学合作的有效性,为预测提供了理论参考学者的科学表现更科学、全面的方式在未来,同时也提供了一个参考的科学绩效评估在其他学科的学者。

此外,本研究也有一些缺点。首先,没有深入研究原因之间没有相关性平均每纸和L-index引用。其次,本研究的数据是16个核心期刊的物理教育和培训在中国科学,定义主题领域,研究结果可能不是外推到其他领域。这些需要在后续研究中进一步探讨。

数据可用性

数据可用中文社会科学引文索引(CSSCI)数据库(http://cssrac.nju.edu.cn/)。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

本张写了初稿,审查和编辑手稿,贡献文献收集。剑吴确定论文的框架,负责融资收购,审查和编辑了手稿。钱黄写了初稿。Yujiao谭和陆主任审查和编辑的手稿。郑千余张,苗族他促成了文学收集。魏王负责融资收购。

确认

这部分工作是支持中国的国家社会科学基金批准号20 aty007。