学术影响力预测研究进展述评

数据驱动科学研究范式下,学术影响力预测研究受到越来越多的关注。作为科学学预测研究的重要组成部分,学术影响力预测研究旨在对论文、学者、期刊、机构等学术实体未来的科学影响力进行预测,从而指导科学研究和科研管理。本文系统地梳理了论文、学者、机构、期刊、项目、专利等不同学术实体影响力预测研究的进展;在概括各类预测研究以及相关特征基础上,总结了学术影响力预测研究的指标体系、方法体系和特征体系。在数据生产要素化、数据开放与数据共享的进一步推动下,有望形成新的综合性影响力指标,随着新的特征提取技术和时间序列预测模型的发展,有望促成新的学术影响力预测模式,全面提升学术影响力预测的准确性。

复杂网络视域下的学术行为预测研究述评:选题、合作与引用

基于科学复杂系统理论,复杂网络视域下的学术行为预测旨在解析科学复杂网络的变化规律,预测学者在复杂网络中的行为关系,以促进科学创新和发现。针对一系列学术行为,文章着重对选题、合作、引用等学术行为预测研究进行述评,总结其共同基于复杂网络的研究体系。文章凝练了同构网络链路预测和异构网络协同预测两种方法体系,指出数据广度、跨学科数据、多源异构数据融合等数据支持方面的不足和解决思路,建议融合学者动机、偏好等心理机制,深化科学复杂网络对学术行为的表征,提升预测准确率。

新世纪:古代文学研究使命和新楚辞学构建

从学术发展的角度说,学术预测有其独特的意义。只要认真回顾历史,总结研究史规律,客观地认识现实社会状况及其与学术的关系,在必要时我们是可以对学术趋势作出预测并取得某些成功的。如果对新世纪我国古代文学的格局作一定的前瞻和估测,则古代文学的研究使命将重点在“学术创兴”———创构自己学术思想、理念、方法、体系,实现古老传统学术的现代复兴。就楚辞研究而言,则需要创构“新楚辞学”,具体包括基础材料、思想文化精神与理论方法诸层面的全面构建。

开放互联网中的学者画像技术综述

开放互联网中的学者画像工作是近年来的研究热点问题.学者画像的目标是提取学者各维度的属性信息进行信息挖掘和分析应用.学者画像技术是大型智库实现专家发现、学术影响力评估等功能的关键.在开放互联网中,学者画像面临数据量大、数据噪音和数据冗余等新挑战.这使得传统的用户画像理论、模型和方法无法直接无缝地移植到开放互联网环境下的用户画像系统中.针对这些挑战,对现有学者画像技术进行了总结和分类,为进一步的研究工作提供参考.首先分析了学者画像问题,对学者画像的基础理论——信息抽取方法——进行了总体概述,详细总结了各种可用模型与方法;对实现学者画像的基本任务包括学者信息标注、研究兴趣挖掘和学术影响力预测进行了详细阐述;介绍了学者画像应用实例AMiner系统;对未来重点的研究内容和发展方向进行了探讨和展望.

人工智能辅助学术同行评议的应用及分类

【目的】分析人工智能(Artificial Intelligence,AI)作为辅助工具在学术同行评议中的创新应用,提出未来发展建议。【方法】首先通过文献调研法和案例分析法,比较国内外AI辅助学术同行评议的应用实践;其次按功能对其进行分类,并阐述其主要支撑算法;最后展望AI在学术同行评议领域的未来发展方向。【结果】国内方面,AI推荐审稿人功能被应用于基金评审,但AI学术影响力预测功能尚停留在研发阶段;国外方面,除学术不端检测功能外,其他功能的应用均处于起步阶段。按功能不同,AI辅助同行评议可分为投稿审查、审稿人推荐和学术影响力预测3类。其未来发展方向为:评议流程和文本结构的标准化、智能算法的通用化、评议专家库和已发表学术论文数据库的集成化;最终AI将发挥评议主体功能。【结论】科研机构与学术期刊应积极参与全文文献数据库与全球审稿人数据库等相关数字基础设施建设,加快AI在学术同行评议中的应用,进一步推进该领域的数字化和智能化。