Within and across department variability in individual productivity : the case of economics
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
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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