h指数和多个类h指数应用于优秀科学家绩效评价的尝试——以美国医学研究院2003-2012年当选院士为例.pdfVIP

差异的诸指标共同或逐个作为自变量进行判别分析，根据各指标的分类效率、指 标间的相关系数和系统聚类分析的分类筛选出较少的指标再行判别分析，获得分 类效率较高的判别方程，同时通过神经网络分析的结果检验此判别方程的稳定性。 以此为依据，探讨h指数与某些类h指数以及多作者论文的作者权重分配方法的 适用性和评价效能。 多士 里 毒口 术 卡方检验的结果提示，除2004．2009年比较组中不同年度当选者间专业构成 有显著差异外，其余各年度比较组先、后期当选者间学科、专业构成均无显著性 差异，具有可比性。 正态分布检验显示大多数指标为非正态分布，方差齐性检验结果表明少数指 U检验，结果显示在先期截点年度比较组的 标间方差不齐。采用Mann．Whimey 期当选者，印证了早期当选者的当之无愧；在各当期截点年度比较组及其合并组 中，先期与后期当选者间绝大多数指标无显著差异，反映出5年后晚期的当选者 已与早期当选者同样名至实归。 Spearman相关分析表明h指数和多数类h指数间、多个类h指数之间高度相 关。在指令分为两类到20类的系统聚类分析过程中，各指标的类别变化可以为判 别分析的指标筛选提供参考信息。 先期截点合并比较组单一评价指标对院士早或晚期当选的判别分析，以至统 计截止年首篇论文出版年数的分类效率最高(62．2％)，h指数的分类效率(60．6％) 和brat指数、hT指数、g(r，k)权重术被引次数、hi指数的分类效率不相上下。25个 指标(变量)的判别分析结果产生的判别函数具有显著性意义，其分类效率为 66．1％，交互验证效率较低，为60．4％。综合各指标Spearman相关分析、系统聚类 分析及单一指标和25个指标判别分析的结果，筛选出至统计截止年首篇论文出版 年数等13个指标再行判别分析，获得的判别函数效率为67．1％，交互验证效率 65．1％。此13个指标径向基函数神经网络分析的判别效率为训练分析64．2％，测 试分析68．4％，与13个指标判别分析的效率类似。 2 万方数据 皇口结论髟匕 在优秀科学家群体评价中h指数的局限性已不明显，绝大多数类h指数与h 指数间有非常显著的正相关关系。h指数和绝大多数类h指数在优秀科学家群体 业绩评价中具有较好的区分度，评价结果具有相似性。h指数和绝大多数类h指 数各为单变量在院士当选年度早晚判定中的判别效率相近，h指数略优但不突出。 综合13个指标，从研究资历、补偿h指数灵敏度和区分度不足、赋予论文作者数 及院士贡献程度相应权重等多个角度所作判别分析的分类效率提高，与同行评议 的符合率达到67．6％。基于论文及其弓l文统计的h指数和绝大多数类h指数在不 同学科、专业间存在明显差别，应尽量在同一专业实施绩效评价。 关键词 学术评价；评价指标：h指数；类h指数；合作者权重分配 3 万方数据 -英文论著摘要- A h ofandh indices study type onthescientific evaluationexcellent performanceamong scientists——Membersin10M from2003．2012 Objectives Inthis we the