Детерминанты продуктивности научных исследований в сфере высшего образования: эмпирический анализ
Notice bibliographique
Résumé
Джейкоб Джоан - менеджер по оценке проектов. E-mail: johann.jacob@enap.caЛамари Моктар - директор. E-mail: moktar.lamari@enap.caЦентр экспертизы исследований и оценки программ, Национальная школа государственного управления (Centre d’expertise et de recherche en evaluation de programmes (CREXE), Ecole nationale d’administration publique), Университет Квебека, КанадаАдрес: 555, boulevard Charest Est, Quebec (Quebec) G1K 9E5В современном мире роль высшего образования в производстве новых знаний неуклонно растет. Однако на фоне растущих финансовых потребностей этой сферы, вклад университетских ученых в получение новых знаний не всегда соответствует ожиданиям. Соотношение расходов на научную деятельность (гранты, обеспечение инфраструктурой, подготовка кадров и т. п.) и ее результатов (цитирование, эффект и др.) становится стратегическим аспектом принятия государственных решений, оказывающих влияние на развитие инноваций и компетенций. Несмотря на изобилие эмпирических изысканий в отношении публикационной активности, лишь немногие из них оценивают ее применительно к образовательной сфере.В статье на примере университетов Канады оцениваются факторы, влияющие на продуктивность научной деятельности в сфере высшего образования. Мы исходили из предположения, что продуктивность исследовательских проектов в значительной степени определяется объемом и источниками финансирования. Проведен анализ данных по 194 исследователям за период 2001-2008 гг. В качестве индикаторов научной продуктивности рассматривались общее количество публикаций каждого ученого в реферируемых научных журналах, число совместных работ, цитирование, эффект).Результаты проведенного нами исследования показали, что объем финансирования не оказывает столь значимого влияния, как предполагалось. В то же время заметный эффект для научной продуктивности имеют возраст ученого, язык преподавания университета, в котором он работает и/или размер последнего, а также определенные источники финансирования. В целом, более высокую производительность демонстрируют молодые кадры; исследователи из крупных университетов и/или преподающих на английском языке; а также получатели целевого финансирования от научных фондов. Пол исследователя не оказался статистически значимым определяющим показателем.Выявленные в ходе нашего анализа закономерности целесообразно учитывать при экспертизе итогов реализации программ. Необходимо принимать во внимание не только валовые показатели (количество подготовленных статей), но и качество этих публикаций (цитирование и реальные результаты, полученные на основе изданных работ), а также персональные характеристики авторов и организационный контекст. Тем самым разработчики инициатив по поддержке научных исследований получат максимально полную информацию, необходимую для повышения эффективности соответствующих программ.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,011 |
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 ».