[论文解读] Growth rates of modern science: A latent piecewise growth curve approach to model publication numbers from established and new literature databases

Lutz Bornmann, Robin Haunschild+1 more|arXiv (Cornell University)|Dec 14, 2020

scientometrics and bibliometrics research被引用 4

一句话总结

本研究利用四种书目数据库（Web of Science、Scopus、Dimensions 和 Microsoft Academic）的出版数据，通过潜在分段增长曲线方法，从17世纪至今建模现代科学的增长。研究发现，科学出版物的年均增长率为4.10%（每17.3年翻一番），并识别出五个不同的增长阶段，这些阶段最好由工业化和第二次世界大战等重大历史、经济和政治事件来解释。

ABSTRACT

Growth of science is a prevalent issue in science of science studies. In recent years, two new bibliographic databases have been introduced which can be used to study growth processes in science from centuries back: Dimensions from Digital Science and Microsoft Academic. In this study, we used publication data from these new databases and added publication data from two established databases (Web of Science from Clarivate Analytics and Scopus from Elsevier) to investigate scientific growth processes from the beginning of the modern science system until today. We estimated regression models that included simultaneously the publication counts from the four databases. The results of the unrestricted growth of science calculations show that the overall growth rate amounts to 4.10% with a doubling time of 17.3 years. As the comparison of various segmented regression models in the current study revealed, the model with five segments fits the publication data best. We demonstrated that these segments with different growth rates can be interpreted very well, since they are related to either phases of economic (e.g., industrialization) and / or political developments (e.g., Second World War). In this study, we additionally analyzed scientific growth in two broad fields (Physical and Technical Sciences as well as Life Sciences) and the relationship of scientific and economic growth in UK. The comparison between the two fields revealed only slight differences. The comparison of the British economic and scientific growth rates showed that the economic growth rate is slightly lower than the scientific growth rate.

研究动机与目标

• 分析从现代科学诞生至今的科学出版物产出长期增长趋势。
• 评估新出现的书目数据库（Dimensions 和 Microsoft Academic）在历史科学增长分析中的有效性和实用性。
• 识别科学增长的不同阶段，并将其与重大的社会历史发展联系起来。
• 比较自然科学（物理与技术科学）与生命科学在广阔学科范围内的增长速率，以及英国科学与经济增长之间的差异。
• 开发并应用一种潜在分段增长曲线模型，以比标准指数模型更准确地捕捉非线性增长模式。

提出的方法

• 从四个数据库（Web of Science、Scopus、Dimensions 和 Microsoft Academic）收集1600–2020年间的出版物数量数据。
• 应用潜在分段增长曲线模型，估算分段增长率，允许不同增长阶段具有不同的斜率。
• 使用回归分析同时建模所有四个数据库的出版物数量，以提高稳健性并减少偏差。
• 通过拟合统计量评估多个分段模型（2至7个分段），以确定最优增长阶段数量。
• 引入历史标记（如第二次世界大战、工业化）以解释增长率变化的时间点和原因。
• 开展领域特定和国家层面（英国）的比较，以评估不同领域以及科学与经济之间增长动态的差异。

实验结果

研究问题

• RQ1 从17世纪到2020年，科学出版物的整体年增长率是多少？对应的翻倍时间是多少？
• RQ2 现代科学史上存在多少个不同的增长阶段？其时间点和不同增长率的原因是什么？
• RQ3 所观察到的增长阶段在多大程度上可与工业化或第二次世界大战等重大经济或政治事件相关联？
• RQ4 在相同时间段内，物理与技术科学的增长率与生命科学的增长率相比如何？
• RQ5 英国科学出版物的增长率与同期经济增长率相比如何？

主要发现

• 1600年至2020年期间，科学出版物的整体年增长率为4.10%，翻倍时间为17.3年。
• 五段式分段增长模型对数据的拟合效果最佳，优于分段更少或更多的模型。
• 五个增长阶段与重大历史发展高度吻合：前工业化时期、早期工业化、第二次世界大战、战后扩张和20世纪后期加速期。
• 物理与技术科学与生命科学的增长率仅有微小差异，表明广泛科学领域内长期出版趋势基本一致。
• 在英国，科学出版物增长率（4.10%）略高于同期经济增速，表明科学扩张速度超过经济。
• 将新数据库（Dimensions 和 Microsoft Academic）与既有数据库（Web of Science 和 Scopus）结合，显著提高了科学史研究中增长建模的准确性与时序覆盖范围。