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