Wybrane metody prognozowania tempa rozwoju dyscyplin naukowych (indeks citing half-life, metoda regresji nieliniowej, linearyzowanej i wielomianowej drugiego stopnia)

Author:

Opaliński ŁukaszORCID,Jaromin MarcinORCID

Abstract

Cel/Teza: Dokonano przeglądu oraz porównano wybrane statystyczne metody prognozowania tempa ewolucji dyscyplin naukowych. Materiał empiryczny badania stanowiły cytowania uzyskane przez publikacje należące do wybranych dyscyplin. Jednocześnie zaakcentowano problem warunków możliwości uogólnienia wyników badań prób losowych na szerszą populację generalną dokumentów.Koncepcja/Metody badań: Na przykładzie danych empirycznych, na które złożyło się prawie 25 tys. cytowań, zademonstrowano metodę tworzenia przedziałów ufności dla indeksu citing half-life oraz metody ukierunkowane na uogólnienie i prognozę zidentyfikowanych w badaniu trendów. Były to: metoda regresji nieliniowej, metoda regresji linearyzowanej i metoda regresji wielomianowej drugiego stopnia. Wyniki i wnioski: Problemy, jakie napotkały metody regresyjne, to fakt niespełniania przez nie określonych warunków Gaussa-Markova. Dla przeanalizowanych danych wykluczyło to zastosowanie podstawowych form modeli regresji jako narzędzi prognostycznych. Wymagane są korekty lub wykorzystanie innego rodzaju modeli, co stanowi perspektywę dalszych badań.Oryginalność/Wartość poznawcza: W artykule zestawiono metody ilościowe, które nie są powszechnie stosowane w celu ewaluacji tempa rozwoju nauki. Zademonstrowano ich potencjał i użyteczność w tym względzie oraz zaznaczono potrzebę dalszego ich doskonalenia i testowania metod bardziej wyrafinowanych.

Publisher

Polish Librarians' Association

Reference54 articles.

1. Aczel, A. D. (2007). Statystyka w zarządzaniu: pełny wykład. Warszawa: PWN.

2. Agarwal, B. L. (2009). Basic Statistics. New Delhi: New Age International.

3. Allen, M. P. (1997). Understanding Regression Analysis. New York: Plenum Press, https://doi.org/10.1007/b102242

4. Andersen, E. B., Jensen, N. E., Kousgaard, N. (1987). Statistics for Economics, Business Administration, and the Social Sciences. Berlin: Springer, https://doi.org/10.1007/978–3-642–95528-0

5. Benoit, K. (2011). Linear Regression Models with Logarithmic Transformations [online]. London School of Economics, [19.11.2019], https://kenbenoit.net/assets/courses/ME104/logmodels2.pdf

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3