Audiology Faculty Author Impact Metrics as a Function of Institution
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to develop a method for the assessment of audiology author impact as a function of institution and compare these results to a recent college ranking of audiology graduate programs. METHOD: Scopus author impact metrics (i.e., number of documents, number of citations, and h index) from a previous study (Stuart, Faucette, & Thomas, 2017) were generated for 79 accredited graduate programs in audiology in the United States and Canada. Author impact metrics were summed to represent the total institution output, and median values were calculated to reflect a measure of central tendency of individual faculty performance. RESULTS: Three hundred and seventy-nine audiology faculty members were identified and of those 86.0% (n = 326) were found in Scopus. Database presence increased with increasing rank (p = .003). Scopus index values were positively skewed. The total summed number of documents, citations, and h indices were positively correlated with the total number of faculty in the institutions and with the summed number of coauthors (p < .001). The median number of documents, citations, and h indices were not significantly correlated with the total number of faculty in the institutions but were positively correlated with the median number of coauthors (p < .001). In general, indices were higher for research/doctoral versus nonresearch universities. Higher college program rankings were statistically related with better Scopus index values. CONCLUSION: These institutional metrics may be used to serve as a benchmark for institutional production, attracting students, hiring faculty, and assessing allocation of institutional funding.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,041 | 0,101 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle