A critical comparative analysis of five world university rankings
为了让用户深入了解世界大学排名的价值和局限性,我们对ARWU、Leiden、THE、QS和U-Multirank等5个排名系统进行了比较分析。它在各个机构一级将这些系统相互联系起来,并分析机构覆盖面的重叠、地理覆盖面、如何根据原始数据计算指标、指标分布的偏斜以及指标之间的统计相关性。四个二级分析,调查国家学术体系和选定的指标对。有人认为,目前的系统仍然是一维的,因为它们提供的是最后确定的、似乎无关的指标值,而不是提供一套数据和工具来观察多方面数据的模式。通过系统地比较不同的制度,可以更深入地了解其机构覆盖面、评级方法、指标的选择及其标准化如何影响特定机构的排名。
2016-12-05 cs.DL
Analyzing the activities of visitors of the Leiden Ranking website
为了更好地了解大学排名的使用方式,我们对大学排名网站的访问者的活动进行了详细的分析。我们为此使用CWTS莱顿排名网站。例如,我们研究了访问者来自的国家、他们访问的莱顿排名网站的具体页面、他们特别感兴趣的国家或大学以及他们关注的指标。此外,我们还讨论了在莱顿排名网站上进行的两个实验。我们的分析不仅为大学排名的使用提供了新的见解,而且还提出了改进这些排名的可能方法。
2018-07-14 cs.DL
From rankings to funnel plots: the question of accounting for uncertainty when measuring university research performance
这项工作采用漏斗图方法来衡量和可视化的不确定性,在科学学科的意大利大学的研究表现。绩效评估在学科和整个大学层面进行。研究结果显示,对于大多数大学来说,基于引用的指标没有提供足够的统计证据来推断他们的研究生产力低于或高于平均水平。在一个基本上没有竞争力的高等教育体系中,我们确实可以预料到这种普遍的观察结果。问题是,在执行情况报告中引入不确定性,虽然在技术上是合理的,但是否会削弱努力实现持续改进的机构动力。
2018-10-30 cs.DL
An Analysis of the Impact of SEO on University Website Ranking
今天,大学排名系统已经被学术界所考虑,世界大学之间为了获得更高的排名而展开了激烈的竞争。与此同时,大学网站的排名也备受关注,Webmetric研究中心每年公布两次大学网站排名。研究大学排名指标和大学的Webmetric排名表明,其中一些指标直接或间接地相互影响。另一方面,对网络计量指标的初步研究表明,一些搜索引擎优化(SEO)指标可以影响网络计量排名。这项研究的目的是展示SEO指标可以影响大学网站排名的程度。为此,在使用各种工具提取了提取的大学的38个重要SEO指标后,进行了数据分析,并对数据应用关联规则。研究结果表明,一些SEO指标,如反向链接数量,Alexa排名和页面排名对大学网站排名有直接和显著的影响,在这方面,已经提取出有趣的规则。
2020-11-04 cs.DL cs.IR
The Leiden Ranking 2011/2012: Data collection, indicators, and interpretation
2011/2012年莱顿大学排名是基于出版物产出、引用影响和科学合作的文献计量指标对大学进行的排名。该排名包括来自41个不同国家的500所主要大学。本文对2011/2012年莱顿排名进行了广泛的讨论。该排名与其他全球大学排名进行比较,特别是世界大学学术排名(通常称为上海排名)和泰晤士高等教育世界大学排名。此外,还详细说明了2011/2012年莱顿排名的数据汇集方法以及排名中使用的指标。2011/2012年莱顿排名中的各种创新。这些创新包括(1)基于计算大学高被引出版物的指标,(2)基于合作出版物的分数而不是全部计数的指标,(3)排除非英语出版物的可能性,以及(4)使用稳定性间隔。最后,对排名的解释提出了一些意见,并指出了排名的一些局限性。
2012-02-17 cs.DL
Are University Rankings Statistically Significant? A Comparison among Chinese Universities and with the USA
目的:我们解决大学排名中的差异在统计上是否显着的问题。我们提出了衡量不同大学之间的统计显著性的方法,并通过实证数据说明了结果。设计/方法/办法:基于z检验和重叠置信区间,并使用2020年莱顿大学排名中包含的205所中国大学的数据,我们认为中国研究型大学可以分为三个主要群体。调查结果:当205所中国大学的样本与2020年莱顿排名中的197所美国大学合并时,结果类似地显示了三个主要群体:高,中,低。使用这些数据(莱顿排名和Web-of-Science),中国大学的z分数明显低于美国大学,尽管有一些重叠。研究局限性:我们的经验表明,排名的差异可能是由于数据,模型或对数据的建模效果的变化。当我们使用不同的方法时,科学计量分组并不总是稳定的。R & D政策的影响:大学之间的差异可以测试其统计意义。统计数据使排名中小数的值相对化。人们可以在政策辩论中使用低/中/高的方案,并将个别大学的更细粒度排名留给运营管理和当地环境。创意/价值:在关于大学排名的讨论中,我们认为,差异是否具有统计意义的问题没有得到充分解决。
2020-11-17 cs.DL
Aggregation of the web performance of internal university units as a method of quantitative analysis of a university system: the case of Spain
大学内部各单位的网络性能(页面数和可见度)的汇总可以构成比大学整体网络性能更精确的指标,因此,在设计大学网络排名时有用。为了验证这一假设,2010年对西班牙大学系统的内部单位进行了纵向分析。对于识别的13800个URL,使用Yahoo API计算页面计数和可见性。获得的内部值按大学汇总,并与分析大学通用网址获得的值进行比较。结果表明,虽然一般和内部值之间的相关性很高,内部性能是低的一般性能相比,它们引起不同的性能排名。结论是,由于网站内部发展水平低,单位绩效的汇总使用有限,因此不建议将其用于排名设计。尽管如此,内部分析使得能够检测到,除其他外,由于广泛使用子目录和访问某些内容的问题,页面计数和可见性之间的相关性很低。
2013-10-22 cs.DL
Evaluating university research: same performance indicator, different rankings
评估多学科机构的研究绩效,其中科学家属于许多领域,要求评估人员计划如何汇总各个领域的绩效指标。两种聚合方法是可能的。这些标准的依据是:a)科学家个人的业绩,或b)该机构现有科学领域的业绩。适当的选择取决于评价背景和特定措施的目标。这两种方法带来的表现得分和排名的差异。我们通过观察2008-2012年意大利大学(超过35,000名教授)从事硬科学的整个研究人员的科学生产来量化这些差异。评价人员在准备一项活动时,必须理解所说明的差异,以便正确选择实现评价目标的方法。
2018-10-30 cs.DL
A Note on the Ranking of Saudi Arabian Universities based on highlycited.com
最近,汤森路透发布了2014年高被引研究人员(HCR)名单[1]。对该榜单的初步研究[2]表明,一些大学(例如沙特阿拉伯的阿卜杜勒阿齐兹国王大学)可能通过与高被引研究人员签订合同来操纵其世界排名。在这项工作中,我们分析了其他沙特大学的排名完全基于列表。我们的分析表明,沙特阿拉伯的其他大学在与HCR签订合同时没有遵循阿卜杜勒阿齐兹国王大学的步骤。
2014-08-25 cs.DL
Gaming the Metrics? Bibliometric Anomalies and the Integrity Crisis in Global University Rankings
本研究分析18所高产大学在排名压力下的文献计量异常,提出研究诚信风险指数(RI2)以识别指标操纵风险,强调排名改革需重视学术诚信。
2025-06-19 cs.DL
University Twitter Engagement: Using Twitter Followers to Rank Universities
我们对264所美国大学进行了研究和排名,这些大学来自美国大学体育协会(NCAA)第一分部的成员资格和《美国新闻》、《泰晤士报高等教育》、《世界大学学术排名》和《金钱杂志》上公布的全球名单。我们的大学Twitter参与度(UTE)排名是基于大学主页上引用的主要和附属次要Twitter帐户的朋友和扩展追随者网络。在排名之间的比较中,我们观察到一个显着的,正的排名相关性(τ=0.6018)之间的UTE和总声誉排名,这表明,UTE可以是一个可行的代理排名通常排除在传统名单的非典型机构。此外,我们显着降低了数据汇集所需的成本排名每个机构只使用基于Web的工件和公开访问的Twitter应用程序编程接口(API)。
2017-08-19 cs.DL cs.SI
Peer review and citation data in predicting university rankings, a large-scale analysis
大多数基于绩效的研究资助系统(PRFS)借鉴同行评审和文献计量指标,这两种不同的方法有时会结合起来。反对在此类研究评估活动中使用指标的一个常见论点是,它们在文章水平上与同行评审判断的相关性较低。在这项研究中,我们分析了来自154所高等教育机构的191,000篇论文,这些论文在国家研究评估活动中进行了同行评审。我们将这些数据与原始论文的695万次引用相结合。我们发现,当基于引用的指标被应用于机构或部门层面,而不是在单个论文的水平,可以观察到令人惊讶的大相关性与同行评审的判断,高达r <= 0.802,n = 37,p < 0.001的一些学科。在我们基于引用数据的排名预测性能评估中,我们发现与以前的工作相比,我们可以将平均排名预测误差减少25%。这表明,基于引用的指标与机构一级的同行审议结果充分一致,可用于减轻同行审议对国家评价工作的总体负担,从而节省大量费用。
2018-05-22 cs.DL
Visualization of rank-citation curves for fast detection of h-index anomalies in university metrics
本文通过可视化 2023 年 Scopus 乌克兰大学排名前 30 所高校的秩-引用曲线,结合自引比例与 FWCI,快速识别两所大学的 h 指数及引用数据异常。
2024-01-24 cs.DL
The VQR, Italy's second national research assessment: Methodological failures and ranking distortions
2013年7月完成的2004-2010年VQR是意大利的第二次国家研究评估活动。VQR性能评估遵循了其他国家的模式,即基于选定的产品子集。在这项工作中,我们确定了这项工作的方法上的弱点,并衡量他们在大学绩效排名中造成的扭曲。首先,我们创建一个场景,在这个场景中,我们假设有效的选择的产品提交的大学,并从这个模拟一组排名应用精确的VQR评级标准。接下来,我们比较这些“VQR排名”与那些将来自更适当的文献计量学的应用。最后,我们将比较扩展到基于该时期整个科学生产的大学排名,如在Web of Science中索引的那样。
2018-10-31 cs.DL
On the Internal Dynamics of the Shanghai Ranking
由上海交通大学研究人员发布的世界大学学术排名(ARWU)已成为大学管理人员,国家官员,学生和公众的主要信息来源。最近的发现,关于其内部动态允许反转公布的ARWU指标分数重建原始分数为500所世界一流大学。本文探讨了原始分数在ARWU和其他比赛的动态对比排名驱动和分数驱动的表,并解释为什么ARWU排名是一个分数驱动的程序。我们发现,ARWU指标构成一个单一的因素占研究绩效的子尺度,并提供了一个帐户的系统的收益和非线性ARWU使用。本文讨论了ARWU选择的非线性,得出的结论是,它们的目的是代表回归特性的指标衡量研究绩效。我们建议,ARWU的实用性和可用性可以大大提高取代不必要的动态效果的基础上,最好的表演者的原始分数的年度重新缩放。
2013-09-27 cs.DL
Comparing webometric with web-independent rankings: a case study with German universities
在本文中,我们将研究是否可以使用超链接为基础的(网络计量)指标来排名学术网站。因此,我们分析了德国大学网站的互联结构,并将我们简单的基于超链接的排名与官方和独立于网站的大学排名进行了比较。我们发现,链接的影响不能轻易地被视为一个大学的声望因素。
2011-05-12 cs.DL cs.SI physics.soc-ph
A comparison of university performance scores and ranks by MNCS and FSS
在我们之前的一篇文章中,我们解释了为什么MNCS和所有类似的按出版物引用指标不应该用于衡量研究绩效,而效率指标(输出到输入),如FSS是有效的绩效指标。衡量效率指标时经常出现的问题在于能否获得输入数据。如果我们接受这样的数据是不可访问的,而不是诉诸于每出版物引用指标,问题是在多大程度上机构绩效排名的跨国公司是不同的,从FSS(因此,什么样的影响,这样的结果可能会对决策者,管理人员和其他用户的排名)。对比2008-2012年的表现由MNCS和FSS的意大利大学的科学,我们试图回答这个问题,在现场,学科和整体大学水平。我们提出的描述性统计的排名的变化,以及分数和排名的相关性。分析表明,在许多领域的强相关性,但在其他弱相关性。排名变化的程度是不可忽视的:一些大学从最高的四分之一变成了非最高的四分之一。
2018-10-30 cs.DL
Measuring the academic reputation through citation networks via PageRank
客观评估一个学术机构的声望是一项困难和激烈辩论的任务。在过去的几年里,不同类型的大学排名被提出来量化世界上不同研究机构的卓越性。尽管在某些情况下受到批评,但大学排名的相关性正日益得到承认:事实上,排名对机构和政府层面的研究政策设计产生了重大影响。然而,关于什么样的排名是{ \em确切}衡量的争论是持久的。在这里,我们通过测量一个给定机构的学术声誉的定量和可靠的代理,并通过评估其与不同的大学排名的相关性来解决这个问题。具体来说,我们研究了五个不同的Web of Science学科类别的大学之间的引文模式,并使用\pr ~算法对五个产生的引文网络。我们的工作背后的基本原理是,科学引文是由参考文献的声誉驱动的,因此PageRank算法预计将产生一个排名,反映学术机构在特定领域的声誉。我们的研究结果允许量化的威望,一组机构在某一研究领域的基础上,只有硬文献计量数据。鉴于分析的数据量,我们的调查结果在统计上是强大的,不太容易出现偏差,在与特设调查往往采用排名机构,以达到类似的结果。因为我们的研究结果被发现与ARWU主题排名非常相关,我们在论文中提出的方法可能会打开新的学术排名方法的大门,这些方法通过协调学术声望的定性评估与其通过出版影响的定量测量,超越了当前的方法。
2019-01-04 cs.DL cs.SI physics.soc-ph
Evaluation of research activities of universities of Ukraine and Belarus: a set of bibliometric indicators and its implementation
监测大学排名的文献计量指标被认为是大学图书馆活动的一个主题。为了完成乌克兰和白俄罗斯大学的研究活动的比较评估,作者介绍了一套文献计量学指标。对相应大学的研究活动进行了比较评估;提供了领先大学的数据。其中一个指标对大学研究活动的快速变化的敏感性以及另一个指标在科学领域的正常化这一事实,使拟议的一套指标优于在相应的国家排名实践中使用的指标。
2017-11-06 cs.DL
Decoding University Hierarchy and Prestige in China through Domestic Ph.D. Hiring Network
本研究利用最小违规排序算法分析中国近三万名博士的招聘网络,揭示大学层级结构及人才流动不平衡,并发现博士毕业生进入更高声望机构愈发困难。
2025-06-22 cs.DL
Rankings of countries based on rankings of universities
虽然为大学排名设计了许多方法,但没有一个适当的系统侧重于根据各国大学的表现进行排名。一个地区大学的总体排名可以表明该地区人民对科学兴趣的增长。本文介绍了一种新的排名机制的基础上的大学排名。首先,我们介绍和讨论两个新的排名的国家,根据他们的大学排名。其次,我们根据webometrics.info(2012年1月)中排名前12000的大学,根据选定的方法创建国家排名,并比较4个版本(2012年1月至2013年7月)的国家排名。首先,我们介绍了两种基于大学排名的国家排名方法,加权排名(WR)和平均排名(AR)。其次,我们讨论了如何引入排名系统,在排名国家两年的数据的基础上执行。第三,我们选择QS(www.topuniversities.com)和webometrics.info作为两个不同的分类系统来比较各国的排名,基于这些排名中的前500所大学。结果表明,该方法可以用来显示每个国家的整体大学的质量,用于比较国家在实践中的排名与世界其他国家相比。
2020-04-21 cs.DL
The suitability of h and g indexes for measuring the research performance of institutions. Scientometrics, 97(3), 555-570
使用文献计量学指标来评估研究机构的绩效越来越普遍,但往往没有认识到这种指标的局限性和缺点。由于业绩计量的目的是支持研究管理人员和决策者作出重要决定,因此必须对所用指标的可靠性进行经验检验。在这项工作中,我们检查流行的“h”和“g”指标来衡量大学的研究绩效的准确性,通过比较从他们的应用程序的排名列表,排名列表从第三个指标,更好地满足了强大的和可靠的评估机构的生产力的要求。测试人口是意大利所有大学的硬科学,观察在2001-2005年期间。该分析量化了三个大学排名(按学科)之间的相关性,以及在不断变化的指标下发生的变化,以衡量使用h和g指数及其评估机构的相对准确性时固有的扭曲。
2018-10-30 cs.DL
Analyzing the disciplinary focus of universities: Can rankings be a one-size-fits-all?
排名现象与政府对大学研究成果财政化的兴趣密切相关。新形式的管理主义已被引入高等教育系统,导致资助机构越来越有兴趣开发外部评估工具来分配资金。排名在很大程度上依赖于文献计量指标。但是文献计量学家对它们的使用非常挑剔。除此之外,他们指出,在分析大学的研究成果时,排名代表了过于简单化的观点,因为他们认为大学是同质的,忽视了学科差异。虽然许多大学排名现在包括按领域排名,但将大学研究活动的复杂框架简化为单一维度会导致判断和决策能力低下。这部分是因为学科专业化对研究评价的影响。本章从方法论的角度分析了排名如何压制学科差异,这是正确解释这些排名的关键因素。
2017-06-07 cs.DL
National research assessment exercises: a measure of the distortion of performance rankings when labor input is treated as uniform
衡量科学研究活动的效率是一个关键的方法问题,其中许多问题尚未得到充分研究。虽然许多研究已经评估了质量和研究生产率和学术排名之间的关系,但当学术排名和其他劳动力因素不被视为标准化因素时,对全国大学绩效排名的扭曲程度知之甚少。这项工作提出了一个比较分析,旨在量化的敏感性,文献计量学排名的输入的选择,与输入被认为是只有工作人员的研究人员的数量,或者他们的成本也被认为是。观察领域包括所有69所活跃在硬科学领域的意大利大学。业绩计量的依据是所有34 000名研究人员在2004-2006年三年期内编制的81 000份出版物,并在各学科一级进行了分析,共计187份。从劳动力转向成本的影响似乎微乎其微,除了一些离群值。
2018-11-05 cs.DL
The three-step workflow: a pragmatic approach to allocating academic hospitals' affiliations for bibliometric purposes
本文提出了一种方法来分类不同程度的学术医院和大学之间的相互依赖关系的背景下,莱顿排名。大学排名的一个关键问题是是否将附属医院的出版产出分配给大学。世界各地的医院名称各不相同,以表示与大学的某种形式的合作:学术医院,教学医院,大学医院和学术医疗中心并不符合普遍的标准定义。因此,而不是寻求学术医院的规范定义,我们提出了一个工作流程,使大学与医院的关系与三个一般模型之一:医院和医学院完全整合成一个单一的组织;健康科学中心,其中医院和医学院仍然是独立的实体,尽管在同一个治理结构;以及大学和医院是相互合作的独立实体的结构。这个分类系统提供了一个标准,我们可以通过它来分配与学术医院有联系的出版物。我们的三步工作流程有效地将上述三个模型转化为两种类型的工具关系分配的出版物:“关联”和“组件”。当一所医院和一所医学院完全结合或当一所医院是一个健康科学中心的一部分时,这种关系被归类为组成部分。当医院遵循协作和支持的模式时,这种关系被归类为联营。按照这些标准汇编数据,可以对世界各地的教育和研究系统进行更统一的比较。
2021-05-28 cs.DL
Categorical and Geographical Separation in Science
我们在大学一级进行科学合作的分析。本研究的范围是回答两个基本问题:(一)一个人能否指出一个类别(即,一个科学学科)对大学排名影响最大,(ii)最好的大学只与最好的大学合作吗?使用两个大学排名列表(ARWU和QS)以及来自科学引文索引的数据,我们展示了某些类别的出版物数量与大学排名的相关性。此外,利用复杂网络分析,我们给出的启示,科学合作是高度嵌入在物理空间和共同的论文数量衰减与它们之间的距离。我们还表明,大学之间的联系的强度是成正比的产品,他们的出版物总数。
2013-12-15 cs.DL physics.soc-ph
Statistical Significance and Effect Sizes of Differences among Research Universities at the Level of Nations and Worldwide based on the Leiden Rankings
莱顿大学排名可用于对研究型大学进行分组,将统计学上没有显著差异的大学视为同质集合。群体和群体间的关系可以使用网络分析工具进行分析和可视化。使用所谓的“卓越指标”PPtop-10%-分配给大学的前10%最高引用论文的比例-我们使用(i)重叠稳定性区间,(ii)显著性检验和(iii)54个国家902所大学之间差异的效应量进行分类;我们专注于英国,德国,巴西和美国作为国家示例。尽管使用不同的统计学显著性水平或重叠的稳定性区间进行分组基本相同,但这些分类与基于效应量的分类不相关。大学之间差异的效应量很小(w <0.2)。对国家一级的大学进行的更详细的分析表明,区分三组或四组大学(高、中、低)以外的大学可能没有意义。在相似的制度激励下,大学生态系统内部的同构性不容低估。我们的研究结果表明,基于重叠稳定区间的网络可以提供大学之间相关分组的第一印象。然而,集群并不是大学群体之间的明确划分。
2018-10-13 cs.DL
The dangers of performance-based research funding in non-competitive higher education systems
越来越多的国家根据国家评价工作中获得的排名向研究机构分配公共资金。因此,在非竞争性的高等教育体系中,顶尖科学家分散在所有大学中,而不是集中在少数几所大学中,在绩效较低的大学工作的顶尖科学家受到惩罚的风险很高。利用对2004-2008年活跃在硬科学领域的所有意大利大学进行的五年文献计量分析,这项工作分析了大学内科学家的出版物和相关引文的分布,衡量了单个科学家的研究绩效,量化了每所大学顶尖科学家的集中度,提供了大学的绩效排名,并指出了选择性资助对低排名大学顶尖科学家的影响。
2018-11-05 cs.DL
Understanding Repository Growth at the University of North Texas: A Case Study
在过去的十年中,北德克萨斯大学图书馆(UNTL)已经开发了一个相当大的数字图书馆基础设施,用于执行其核心使命的学生,教师,工作人员和相关社区的大学。当它被发现并用于研究、学术、娱乐和终身学习时,这个内容库为整个互联网的最终用户提供了无数的研究可能性。存储库本身的特征提供了对现代数字图书馆基础设施的工作的深入了解,它是如何创建的,多久更新一次,或者多久修改一次。在这种情况下,作者创建了一个数据集,该数据集由从UNT图书馆的档案库Coda中提取的信息组成,并分析了该数据集,以展示从更广泛地共享存储库特征中可以获得的价值和见解。本案例研究介绍了对该数据集进行分析的结果。
2014-07-02 cs.DL
Impact Factors and the Central Limit Theorem: Why Citation Averages Are Scale Dependent
引文平均值,特别是影响因子(IF),对样本量很敏感。我们将中心极限定理(CLT)应用于IF,以了解它们的尺度依赖行为。对于从所有论文的总体中随机选择的$n$论文的期刊,我们从CLT中期望其IF围绕总体平均$μ$波动,并且跨越与$σ/\sqrt[]{n}$成比例的值范围,其中$σ^2$是总体引用分布的方差。$1/\sqrt[]{n}$依赖性对IF排名有着深远的影响:期刊越大,其IF所在的$μ$范围就越窄。因此,IF排名分配了一个不公平的优势,小期刊在高IF排名,并在低IF排名较大的期刊。我们预计,在IF排名中,期刊会出现规模依赖性分层,小型期刊占据顶部、中间和底部排名;中型期刊占据中间排名;超大型期刊的IF逐渐接近$μ$。我们通过分析(i)1997- 2016年Clarivate Analytics期刊引文报告中的166,498个IF \&期刊大小的数据对,(ii)2014- 2015年发表的276,000篇物理学论文的最高引用部分,以及(iii)任意抽样的物理学期刊列表的引用分布来证实这些预测。我们的结论是,CLT是一个很好的预测实际期刊的IF范围,而持续偏离其预测是一个真正的,非随机的,引用影响的标志。因此,如果不比较类似规模的期刊或调整这些影响,IF排名是误导性的。我们提出了$Φ$指数,一个重新缩放的IF调整大小,它可以推广到也占不同的引文实践跨研究领域。我们的方法也适用于用于…
2018-09-20 cs.DL physics.soc-ph
How journal rankings can suppress interdisciplinary research. A comparison between Innovation Studies and Business & Management
这项研究提供了定量证据,说明期刊排名的使用如何在研究评估中不利于跨学科研究。使用出版物和引文数据,它比较了跨学科的程度和创新研究单位的研究业绩与领先的商业与管理学校在英国。在各种映射和指标的基础上,这项研究表明:(i)创新研究单位在研究中始终比商学院和管理学院更具跨学科性;(ii)商学院协会排名中的顶级期刊跨越的学科比排名较低的期刊少;(iii)这导致对更注重学科的商业和管理学院的表现进行更有利的评估。这种基于引文的分析对基于期刊排名的评估提出了挑战。简而言之,这项调查说明了表面上“基于卓越”的期刊排名如何表现出有利于单学科研究的系统性偏见。本文最后讨论了这些现象的影响,特别是偏见可能会对跨学科研究组织的评估和相关的财政资源产生负面影响,并可能导致研究人员随着时间的推移变得更加符合学科权威。
2012-04-19 cs.DL physics.soc-ph