44个作者层面绩效指标的批判性聚类分析

本文探讨了作者层面文献计量指标与其所“衡量”的研究人员之间的关系，以五个学术资历层次和四个学科为例。采用聚类方法，检验了作者层面指标的学科与资历适用性。在 Web of Science (WoS) 中收集了天文学、环境科学、哲学和公共卫生领域 741 名研究人员的出版与引文数据。利用这些数据计算了 44 个个体绩效指标。使用 IBM SPSS 22 版进行了两步聚类分析，随后进行了风险分析和有序逻辑回归以探索聚类归属。利用个别研究人员的简历对指标得分进行了背景化。基于指标得分的四个不同聚类将研究人员评为低、中、高和极高绩效者。结果表明，不同指标在划分不同学科排名绩效时是合适的：天文学中的 h2 indicator、环境科学中的 sum pp top prop、哲学中的 Q2 以及公共卫生中的 e-index。回归与优势比分析表明，个体层面指标得分主要取决于研究人员在 WoS 中首次发表以来的年数、出版物数量以及引文数量。资历分类是次要的，因此未能确信地识别出任何资历适用指标。聚类方法在识别学科适用指标方面被证明是有用的，前提是前期数据准备充分，但需要通过其他分析来补充以验证结果。观察到研究人员简历所体现的绩效与基于文献计量指标的研究人员绩效之间存在普遍脱节。