[論文レビュー] Predicting publication productivity for researchers: a piecewise Poisson model

Zheng Xie|arXiv (Cornell University)|Aug 20, 2019

scientometrics and bibliometrics research参考文献 37被引用数 5

ひとこと要約

本論文は、研究者の出版動態を歴史的出版件数で区画された一連のポアソン過程としてモデル化することで、研究者の出版生産性を予測するための区分的ポアソンモデルを提案する。このモデルは時間および過去の出版件数に基づく回帰を活用し、個々の研究者の自己相関が低くても、dblpデータセットにおいて集団レベルの傾向および分布的パターンに対して強い予測力を持つことを示している。

ABSTRACT

Predicting the scientific productivity of researchers is a basic task for academic administrators and funding agencies. This study provided a model for the publication dynamics of researchers, inspired by the distribution feature of researchers' publications in quantity. It is a piecewise Poisson model, analyzing and predicting the publication productivity of researchers by regression. The principle of the model is built on the explanation for the distribution feature as a result of an inhomogeneous Poisson process that can be approximated as a piecewise Poisson process. The model's principle was validated by the high quality dblp dataset, and its effectiveness was testified in predicting the publication productivity for majority of researchers and the evolutionary trend of their publication productivity. Tests to confirm or disconfirm the model are also proposed. The model has the advantage of providing results in an unbiased way; thus is useful for funding agencies that evaluate a vast number of applications with a quantitative index on publications.

研究の動機と目的

• 引用ベースの指標や自己回帰的パターンに依存しない、研究者の出版生産性を予測するモデルの開発。
• 出版動態における構造的パターンの同定により、個々の出版経路の予測不可能性を是正すること。
• 過去の出版件数で分類された研究者を対象とした区分的ポアソン過程に基づくモデルの妥当性の検証。
• 資金提供機関が出版可能性を評価するためのスケーラブルで偏りのない定量的ツールの提供。
• モデルの有効性が、出版件数の進化的な傾向および分布的特徴の両方を予測できるかの検証。

提案手法

• モデルは、特定の時点における累積出版件数に基づき研究者をグループに分割し、各グループがポアソン過程に従うと仮定する。
• 各グループについて、短い将来の期間における出版件数を、時間および過去の出版件数に依存するレートパラメータを持つポアソン分布の確率変数としてモデル化する。
• 回帰を用いて、時間および歴史的出版件数の関数としてレートパラメータを推定し、将来的な生産性の予測を可能にする。
• モデルの妥当性は、dblpデータセットを用いて検証され、累積出版系列の自己相関および実証的出版分布への適合度に注目する。
• 2つの評価手法が用いられる：(1) 個々の研究者の出版生産性の進化の予測、(2) 研究者全体における出版件数分布への適合。
• 自己回帰的手法と比較され、個々の出版系列における自己相関係数（1ラグ以上）が低いため、自己回帰的手法は効果を示さないことが示された。

実験結果

リサーチクエスチョン

• RQ1 個々の研究者の累積出版時間系列における自己相関が低い状況でも、出版生産性は効果的に予測可能か？
• RQ2 過去の出版件数で研究者を分類することで、将来の出版レートに一貫したポアソン的パターンが現れるか？
• RQ3 区分的ポアソンモデルは、自己回帰モデルを上回って出版生産性を予測できるか？
• RQ4 モデルは、研究者全体における出版件数の進化的な傾向および分布の形状をどの程度正確に捉えられるか？
• RQ5 個々の経路が予測不可能であっても、モデルは偏りのない集団レベルの予測を十分に提供できるか？

主な発見

• 1ラグ以上の自己相関係数が、個々の研究者の累積出版系列において常に0.5未満であるため、自己回帰による予測は困難であることが示された。
• 同じ歴史的出版件数を持つ研究者たちは、短い時間間隔において出版パターンがポアソン分布に非常に近いことを示しており、区分的ポアソン仮定の裏付けとなった。
• モデルは、dblpデータセットにおける個々の研究者の出版生産性の進化的な傾向および研究者集団全体の出版件数分布両方を成功裏に予測した。
• 個々のレベルでの予測可能性が低くても、モデルの予測力は強く保たれ、集団レベルのパターンが安定的かつ分析可能であることを示した。
• モデルは、資金提供機関が定量的出版指標を用いて大規模評価を行うのに適した、偏りのない回帰ベースの予測を提供した。
• 研究は、出版件数に強い自己相関がないことから、自己回帰モデルは不適切であるが、出版動態の構造的モデリングにより予測は可能であると確認した。