Factors Influencing Research Performance in Higher Education: An Empirical Investigation
Notice bibliographique
Résumé
Universities play an increasingly significant role in producing new knowledge. The relationship between research inputs (grants, infrastructure spending, training of researchers) and research outputs (number of publications, citation, impact) emerges, therefore, as a strategic issue for public decision-making on funding in support of innovation and the development of competencies. Despite the abundance of empirical works on the question of researcher productivity, there is a paucity of studies dealing with this issue in the context of higher eductaion. This paper seeks to identify the factors that explain research productivity in higher education, using as a case study, the universities in Quebec-Canada. The main hypothesis is that productivity in scientific research is significantly influenced by the volume and origin of the funding sources mobilized to support scientific research performance. We analyzed data on 194 researchers for the period of 2001–2008. Individual publications in referred journals (number of publications, fractioned publications, citations, impacts) were used as indicators for research productivity. Factor analysis and linear regression served as tools for evaluation. Our findings imply that the volume of funding is not as influential as supposed. We revealed that age and language (Francophone versus Anglophone) of university instruction, and, in addition, the origin of funding do affect researcher productivity. Generally speaking, young researchers, as well as those affiliated with Anglophone or/and large universities tend to produce more publications. The gender of researcher does not seem to significantly influence the productivity variables. The results of our analysis should motivate program evaluators who assess the benefits of public funding andintervention to support academic research. It is essential thatevaluators do not only see these benefits in terms of number of publications produced, but also through the prism of publication quality (citations and outcomes generated) as well as individual and organizational attributes. In this way, those designing interventions to support research will benefit from the fully-fledged information necessary to improve program effectiveness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».