MétaCan
Menu
Retour à la cohorte
Enregistrement W7025579937

Within and across department variability in individual productivity : the case of economics

2014· report· en· W7025579937 sur OpenAlexfundno aff

Notice bibliographique

Revuee-Archivo (Carlos III University of Madrid) · 2014
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueScience and Climate Studies
Établissements canadiensnon disponible
Organismes subventionnairesIowa State UniversityYork UniversityDartmouth CollegeUniversity of RochesterMinisterio de Economía y CompetitividadUniversity of PittsburghJohns Hopkins UniversityUniversity of WashingtonArizona State UniversityMcDonnell Center for Systems NeuroscienceCollege of Engineering, Michigan State UniversityBrown UniversityHarvard UniversityNorthwestern UniversityOhio State UniversityUniversity of MinnesotaPrinceton UniversityUniversity of PennsylvaniaYale UniversityVanderbilt UniversityGeorgetown UniversityBoston CollegePurdue University
Mots-clésProductivityInequalityIndex (typography)PopulationSample (material)Scale (ratio)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

University departments (or research institutes) are the governance units in any scientific field \nwhere the demand for and the supply of researchers interact. As a first step towards a formal \nmodel of this process, this paper investigates the characteristics of productivity distributions \nof a population of 2,530 individuals with at least one publication who were working in 81 \nworld top Economics departments in 2007. Individual productivity is measured in two ways: \nas the number of publications until 2007, and as a quality index that weights differently the \narticles published in four journal equivalent classes. The academic age of individuals, \nmeasured as the number of years since obtaining the PhD until 2007, is used to measure \nproductivity per year. Independently of the two productivity measures, and both before and \nafter age normalization, the main findings of the paper are the following five. Firstly, \nindividuals within each department have very different productivities. Secondly, there is not \na single pattern of productivity inequality and skewness at the department level. On the \ncontrary, productivity distributions are very different across departments. Thirdly, the effect \non overall productivity inequality of differences in productivity distributions across \ndepartments is greater than the analogous effect in other contexts. Fourthly, to a large \nextent, this effect on overall productivity inequality is accounted for by scale factors well \ncaptured by departments’ mean productivities. Fifthly, this high degree of departmental \nheterogeneity is found to be compatible with greater homogeneity across the members of a \npartition of the sample into seven countries and a residual category.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,048
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,248
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineIncitatifs
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuee-Archivo (Carlos III University of Madrid)Même sujetScience and Climate StudiesTravaux en français237 207