[论文解读] 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 5

一句话总结

本文提出了一种分段泊松模型，通过将研究人员的出版动态建模为一系列由历史出版数量分段的泊松过程，来预测其出版生产力。该模型利用时间与先前出版量的回归分析，即使在个体层面自相关性较低的情况下，也能在 dblp 数据集中有效预测群体层面的趋势和分布模式，展现出强大的预测能力。

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.

研究动机与目标

• 开发一种不依赖引文指标或自回归模式的预测模型，用于预测研究人员的出版生产力。
• 通过识别出版动态中的结构性模式，解决个体出版轨迹可预测性不足的问题。
• 验证基于分段泊松过程的模型，该模型根据先前出版数量对研究人员进行分组。
• 为资助机构提供一种可扩展、无偏见的定量工具，用于评估出版潜力。
• 测试该模型在预测出版数量演化趋势与分布特征方面的有效性。

提出的方法

• 该模型根据给定时间点的研究人员累计出版数量将其划分为不同组别，假设每组均遵循泊松过程。
• 对每组而言，未来短时间间隔内的出版数量被建模为一个泊松分布的随机变量，其强度参数依赖于时间和先前的出版量。
• 通过回归分析估计强度参数作为时间与历史出版数量的函数，从而实现对未来生产力的预测。
• 使用 dblp 数据集测试模型的有效性，重点关注累计出版序列的自相关性以及对经验出版分布的拟合程度。
• 采用两种评估方法：(1) 预测个体研究人员的出版生产力演化；(2) 拟合研究人员群体的整体出版数量分布。
• 将该模型与自回归方法进行比较，结果表明由于个体出版序列在滞后大于1时的自相关系数较低，自回归方法效果不佳。

实验结果

研究问题

• RQ1 尽管个体研究人员累计出版时间序列的自相关性较低，是否仍能有效预测其出版生产力？
• RQ2 根据先前出版数量对研究人员进行分组后，其未来出版速率是否呈现出一致的泊松样模式？
• RQ3 分段泊松模型是否能优于自回归模型来预测出版生产力？
• RQ4 该模型在多大程度上能够捕捉研究人员群体中出版数量的演化趋势与分布形态？
• RQ5 当个体轨迹不可预测时，该模型是否仍具备足够鲁棒性，以提供无偏见的群体层面预测？

主要发现

• 个体研究人员累计出版序列在滞后大于1时的自相关系数始终低于 0.5，表明通过自回归方法难以实现有效预测。
• 具有相同历史出版数量的研究人员在短时间间隔内的出版模式与泊松分布高度吻合，支持分段泊松假设。
• 该模型成功预测了个体研究人员出版生产力的演化趋势，以及 dblp 数据集中研究人员群体整体的出版数量分布。
• 即使在个体层面可预测性较低的情况下，该模型的预测能力依然稳健，表明群体层面的模式保持稳定且可分析。
• 该模型提供无偏见的回归预测，适合资助机构使用定量出版指标对大规模研究群体进行评估。
• 本研究证实，出版数量缺乏强自相关性意味着自回归模型不适用，但并不排除通过出版动态的结构性建模实现预测。