全面画像_而非简单指标_10页_2mb

文档总结：全面画像，而非简单指标

核心内容

本报告由 Jonathan Adams、Marie McVeigh、David Pendlebury 和 Martin Szomszor 合著，于 2019 年 1 月发布。报告的核心观点是：科研活动和机构表现的复杂性不能通过简单的指标或排名来全面反映，使用更丰富的数据可视化方法，如“图片画像”，可以更准确地解读科研表现并支持负责任的科研管理。

主要观点

1. 简单指标的局限性

   • 单点指标（如 h 指数、期刊影响因子 JIF、篇均引文影响力）虽然在某些情况下有用，但它们往往忽略科研活动的多维性和复杂性。
   • 这些指标容易被误用，导致对科研人员、期刊或机构的评估出现偏差。

2. 数据可视化的重要性

   • 使用图形化方法（如射束图、期刊画像、影响力全貌、研究足迹）可以更全面地展现科研数据的分布和趋势。
   • 图像能揭示隐藏的信息，例如论文的影响力分布、机构科研成果的多样性等。

3. 科研评估的多维度需求

   • 科研活动涉及多个维度，如教学、研究、跨学科合作、社会影响等。
   • 单一指标无法反映这些复杂因素，因此需要多指标结合的分析方式。

4. 对大学排名的批评

   • 大学排名虽然提供了简明的参考，但压缩了大量信息，难以反映真实科研表现。
   • 排名可能误导决策，甚至被用于不合理的比较。

关键信息

个体科研人员：h 指数 vs 射束图

• h 指数：衡量科研人员论文影响力，但不适用于跨机构或跨学科比较。
• 射束图：通过百分位数反映论文影响力分布，更直观地显示科研人员的影响力变化趋势。
• 示例表明，射束图可以揭示高被引与低被引论文的分布情况，而 h 指数仅提供一个数字。

期刊：JIF vs 期刊画像

• JIF：反映期刊在特定时间段内的平均被引次数，但不适用于科研人员或机构的评估。
• 期刊画像：提供更丰富的数据背景，如百分位数、引文分布图，帮助理解期刊在学科中的位置和影响力。
• 图表显示，JIF 仅能提供部分信息，而期刊画像能揭示更全面的引文趋势。

研究机构：CNCI vs 影响力全貌

• CNCI（学科规范化引文影响力）：用于衡量机构论文的影响力，但其平均值可能掩盖数据的多样性。
• 影响力全貌（Impact Profile™）：通过分组百分位数展示论文影响力分布，揭示机构科研成果的真实全貌。
• 示例表明，B 机构的高 CNCI 平均值可能是因为一篇高影响力综述文章，而非整体表现更优。

大学：排名 vs 研究足迹

• 大学排名：通常基于综合数据，但信息压缩严重，无法反映真实科研多样性。
• 研究足迹：使用雷达图形式，展示多个指标（如基金、论文、人员等），便于多维度比较。
• 表格显示，即使排名靠前的大学，其科研表现也存在显著差异，且排名不能准确说明科研质量。

结论

• 单点指标和排名系统存在误导性、片面性和误用风险。
• 数据可视化方法（如射束图、期刊画像、影响力全貌、研究足迹）是更有效的科研评估工具。
• 负责任的科研管理应基于全面的数据分析和图形化展示，以揭示科研活动的真实复杂性。

可视化工具推荐

重要引用

• h 指数：Jorge Hirsch (2005)
• 射束图：Lutz Bornmann 和 Robin Haunschild (2018)
• 影响力全貌（Impact Profile™）：Adams、Gurney 和 Marshall (2007)
• 研究足迹：Evidence Ltd (2002-2014)
• JIF 的历史与意义：Eugene Garfield (2006)

总结

本报告强调，科研评估不能依赖单一指标，而应采用多维度数据可视化方法。这些方法不仅能够更真实地反映科研表现，还能帮助科研管理人员做出更合理的决策。通过“图片画像”代替简单指标，我们能够获得更全面、更负责任的科研评估结果。