[目的/意义]梳理同行评议发展脉络,分析当前同行评议面临的问题,进而提出科学合理的应对之策。[方法/过程]首先从同行评议起源、传统同行评议模式、开放同行评议、同行评议文本挖掘四方面梳理同行评议发展脉络,并以Web of Science核心...[目的/意义]梳理同行评议发展脉络,分析当前同行评议面临的问题,进而提出科学合理的应对之策。[方法/过程]首先从同行评议起源、传统同行评议模式、开放同行评议、同行评议文本挖掘四方面梳理同行评议发展脉络,并以Web of Science核心库中收录的同行评议模式文献数据为例,分析学者对同行评议模式的研究变化趋势;随后,对Elsevier旗下2426种期刊使用的同行评议模式进行统计,分析同行评议模式的实际应用情况。其次,根据国家统计局发布的中国创新指数、中国知网2000—2019年间收录的图书馆、情报与文献学领域的题录数据,从科研文献数量增长、研究主题演化以及潜在评审专家数量变化角度分析当前同行评议工作面临的问题。最后,根据分析结果,提出从构建学术质量评估系统、精准构建学者画像、量化学者在同行评议中的贡献三个方面应对在大数据环境下同行评议面临的困境。[结果/结论]在科研文献数量不断增长、研究主题不断拓展、评审专家数量增长放缓的情形下,同行评议面临的挑战与日俱增。通过发展脉络梳理、研究趋势与应用现状总结、挑战与策略分析,能够加深对同行评议的认识;提出的方案能够在一定程度上缓解日趋严峻的同行评议工作,具有一定的应用价值。[局限]由于数据获取难度大,文章使用的数据不够全面,所提出的对策尚未开发出验证系统。展开更多
【目的】对学者研究兴趣识别的意义、视角及其相关技术方法进行分析和总结,为后续研究提供参考和借鉴。【文献范围】以“学者画像”、“研究兴趣”、“Scholar Profile”、“Research Interest”为检索词在中国知网、Web of Science、D...【目的】对学者研究兴趣识别的意义、视角及其相关技术方法进行分析和总结,为后续研究提供参考和借鉴。【文献范围】以“学者画像”、“研究兴趣”、“Scholar Profile”、“Research Interest”为检索词在中国知网、Web of Science、DBLP等学术平台检索文献,共筛选62遍具有代表性的文献进行综述。【方法】从词汇、主题和网络三个方面对学者研究兴趣识别研究进行梳理,分析研究的发展进程,探讨未来的发展趋势。【结果】在词汇、主题层次的研究较为成熟,能够有效地识别出学者研究兴趣及其演化特征;在网络层次的研究还处于初级阶段。【局限】主要从全信息视角分析已有研究兴趣识别方法,未深入阐述研究兴趣识别算法的技术细节。【结论】学者研究兴趣关联及其语义识别方面还有改进的空间,同时在学者研究兴趣的语义描述方面还有很大的发展潜力。展开更多
文摘[目的/意义]梳理同行评议发展脉络,分析当前同行评议面临的问题,进而提出科学合理的应对之策。[方法/过程]首先从同行评议起源、传统同行评议模式、开放同行评议、同行评议文本挖掘四方面梳理同行评议发展脉络,并以Web of Science核心库中收录的同行评议模式文献数据为例,分析学者对同行评议模式的研究变化趋势;随后,对Elsevier旗下2426种期刊使用的同行评议模式进行统计,分析同行评议模式的实际应用情况。其次,根据国家统计局发布的中国创新指数、中国知网2000—2019年间收录的图书馆、情报与文献学领域的题录数据,从科研文献数量增长、研究主题演化以及潜在评审专家数量变化角度分析当前同行评议工作面临的问题。最后,根据分析结果,提出从构建学术质量评估系统、精准构建学者画像、量化学者在同行评议中的贡献三个方面应对在大数据环境下同行评议面临的困境。[结果/结论]在科研文献数量不断增长、研究主题不断拓展、评审专家数量增长放缓的情形下,同行评议面临的挑战与日俱增。通过发展脉络梳理、研究趋势与应用现状总结、挑战与策略分析,能够加深对同行评议的认识;提出的方案能够在一定程度上缓解日趋严峻的同行评议工作,具有一定的应用价值。[局限]由于数据获取难度大,文章使用的数据不够全面,所提出的对策尚未开发出验证系统。
文摘【目的】对学者研究兴趣识别的意义、视角及其相关技术方法进行分析和总结,为后续研究提供参考和借鉴。【文献范围】以“学者画像”、“研究兴趣”、“Scholar Profile”、“Research Interest”为检索词在中国知网、Web of Science、DBLP等学术平台检索文献,共筛选62遍具有代表性的文献进行综述。【方法】从词汇、主题和网络三个方面对学者研究兴趣识别研究进行梳理,分析研究的发展进程,探讨未来的发展趋势。【结果】在词汇、主题层次的研究较为成熟,能够有效地识别出学者研究兴趣及其演化特征;在网络层次的研究还处于初级阶段。【局限】主要从全信息视角分析已有研究兴趣识别方法,未深入阐述研究兴趣识别算法的技术细节。【结论】学者研究兴趣关联及其语义识别方面还有改进的空间,同时在学者研究兴趣的语义描述方面还有很大的发展潜力。
