基于优化与人工智能的学术质量量化方法用于透明化学术招聘：第一部分——模型开发
人工智能
2023-05-10 v1 机器学习
摘要
对于高校与科研机构的公平学术招聘，基于全球公认的学术质量特征确定恰当度量是一项极为微妙、富有挑战但十分重要的待解问题。在系列两篇论文中，第一篇（即本文）考量学术质量量化的建模部分，第二篇考量案例研究部分。针对学术质量量化建模，我们开发了可用于构建决策支持工具的两类计算框架：（i）基于优化的框架；（ii）基于 Siamese 网络（一种人工神经网络）的框架。两模型输出均为称为学术质量指数（AQI）的单一指标，作为整体学术质量的度量。来自一流与平均水平世界高校（基于泰晤士高等教育世界大学排名与 QS 世界大学排名）的学者数据，被假定为调参的参考数据。
引用
@article{arxiv.2305.05460,
title = {Optimization- and AI-based approaches to academic quality quantification for transparent academic recruitment: part 1-model development},
author = {Ercan atam},
journal= {arXiv preprint arXiv:2305.05460},
year = {2023}
}