| 曾建勋.重视学术代表作的识别与遴选[J].数字图书馆论坛,2021,(9):1 |
| 重视学术代表作的识别与遴选 |
| Attach Importance to the Identification and Selection of Academic Representative Works |
| |
| DOI： |
| 中文关键词: |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 1910 |
| 全文下载次数: 1220 |
| 中文摘要: |
《关于深化项目评审、人才评价、机构评估改革的意见》强调“推行代表作评价制度，注重标志性成果的质量、贡献、影响”，旨在扭转不科学的评价导向。代表作评价制度建设已成为科技评价改革的重点，成为加强科研诚信建设、落实“破五唯”的重要举措。
由于不同学科、技术、行业领域的专业特征各异，导致学术代表作的类型也呈现多样化形态，既可以是学术论文、学术专著、专利、研究报告等常见的科技文献，也可以是技术转让、技术服务、技术咨询、获奖项目、衍生作品、艺术作品、古籍整理等成果形式。遵循可代表性原则和可比较性原则，代表作遴选时可以采用“代表作集群”形式，通过对代表性成果多维、立体和全方面的评价，更客观、准确地反映项目、人才、机构所取得学术成果的质量、影响力、创新和实际贡献。文献情报机构可以为推进代表作评价制度的落实，做好代表作的评价参谋，强化相关基础条件和咨询方法建设。
第一，要加强科技大数据建设。在进行科技信息资源建设的基础上，注重体现信息作品质量、贡献、影响等方面大数据的采集，如信息作品的下载与利用数据、同行评价数据，科技文献的引用信息，科技成果的转化数据等，并在此基础上进行深入分析、挖掘，尽可能获得支撑专家评价的来源信息。
第二，要做好作者知识库构建工作。在作者名称消歧基础上，进行作者画像勾勒，展示作者完整的学术成果链和研究轨迹，提供对作者成果的可视化分析。综合运用文献计量、技术演化、自然语言处理等技术方法，从科学性、创新性与价值性三个维度识别众多类型作品的内容、创新点、效用等信息，帮助同行专家对作者进行不同维度的评价分析，以遴选出反映作者能力、水平和贡献的有代表性或标志性的作品。
第三，要做好代表作关联分析工作。结合作者代表作的内容特征及情境信息，把与其具有可比性的其他科技工作者的作品也遴选出来，并结合代表作的应用场景进行定量统计和关联分析，为专家将代表作与同类作品进行横向比较提供信息基础，以辅助专家鉴别、认定。
随着开放科学的不断发展、文本挖掘技术的快速应用，借助科技大数据资源和知识库建设，可帮助专家摸清科研现状及学科发展脉络，辅助专家对代表作价值进行评价，识别学术代表作的内容特征，准确抓取代表作的创新点和贡献点，探索将多个学者的创新贡献、研究主体内容进行可视化展示的方法，对于完善同行评价有显著的数据支撑作用。既可减少同行评价的分歧和模糊操作空间，又可提升评价效率和评价准确性，为学术代表作评价制度的落实提供强有力的数据支持。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
