当前位置: 太阳成集团tyc9728 > 科学研究 > 学术信息 > 正文

学术活动┃超越相关性的回归分析:哪些因素影响科研绩效?

发布时间:2023-08-18浏览次数:

海报设计:苏华

直播观看方式

1. 直接扫描海报上二维码

2. 直播链接:学术志 https://qfbuc.h5.xeknow.com/sl/24NwtT

方法的夏天(第四季):研究方法系列讲座

第4讲 超越相关性的回归分析:哪些因素影响科研绩效?

步 一 北京大学助理教授

丁 杨 爱丁堡大学博士生

许家伟 得克萨斯大学奥斯汀分校博士生

2023/08/21(周一)19:30-20:30

【研究方法】

超越相关性的回归分析

【研究问题与发现】

随着信息资源管理学科量化研究的不断深入,数据和结果的可解释性显得越发重要。然而,当前信息资源管理学科的很多回归分析主要考察“是什么”类的研究问题,缺乏对“为什么”层面问题的分析和解释能力。本次分享旨在以科学计量学中的典型研究问题为例,讨论如何使用回归方法开展超越相关性层面的分析,以更好地验证和丰富现有的科学计量学理论,提升科学计量学的决策支持水平。

【论文出处】

1. Dong, X., Xu, J., Bu, Y., Zhang, C., Ding, Y., Hu, B., & Ding, Y. (2022). Beyond Correlation: Towards Matching Strategy for Causal Inference in Information Science. Journal of Information Science, 48(6), 735-748.

2. Liu, M., Bu, Y., Chen, C., Xu, J., Li, D., Leng, Y., …, & Ding, Y. (2022). Pandemics Are Catalysts of Scientific Novelty: Evidence from COVID-19. Journal of the Association for Information Science and Technology (JASIST), 73(8), 1065-1078.

3 Xu, J., Min, C., Huang, W., & Bu, Y. (2021). Interdisciplinarity vs. Unidisciplinarity: A Structural Comparison of Multi-generation Citations and References. Proceedings of the 18th International Conference on Scientometrics and Informetrics (ISSI 2021).

【主讲人简介】

步一,北京大学信息管理系助理教授,博士生导师。北京大学管理学学士,美国印第安纳大学理学硕士、信息学博士。担任中国科学技术情报学会国际合作工作委员会副主任委员,入选第七届中国科协青年人才托举工程。从事信息计量学、科技情报和学术大数据及其应用等相关研究。在Journal of the Association for Information Science and Technology、Information Processing and Management、Journal of Informetrics、Technological Forecasting and Social Change、ACM Transactions on Knowledge Discovery in Data、《情报学报》等国内外期刊上发表论文数十篇,研究成果被NatureAtlantic Daily等媒体报道,担任Editing Practice期刊副主编,Annual Review of Information Science and Technology、Humanities and Social Sciences Communications、Journal of Information Science等期刊编委。主持国家自然科学基金青年项目、教育部人文社会科学研究青年基金项目等。

【对谈人简介】

丁杨,爱丁堡大学商学院博士研究生,主要研究因果推断和信息计量来理解科学生产力难题、性别平等和跨学科评估等。其研究受到爱丁堡大学全额奖学金和发展信托基金支持,是爱丁堡大学人文、艺术和社会科学领域大使,同一个欧洲大学联盟(Una Europa)爱丁堡大学大使,主持和参与帝国理工、欧洲高级研究中心等多所大学和研究机构的跨学科项目。成果发表在JOI等多个期刊和会议上,是HSSC,Economics,IPM,Scientometrics等多个期刊的审稿人。

许家伟,得克萨斯大学奥斯汀分校信息科学学院博士研究生,主要研究方向为数据驱动的科学学(Data-driven Science of Science)。他使用回归、科学计量、机器学习等方法,基于科学文献数据,研究科学系统的机制,例如跨学科行为对科学产出的影响、医学知识图谱的挖掘等。研究成果发表于ISSI(International Society for Scientometrics and Informetrics)和JCDL(Joint Conference on Digital Libraries)等会议上。

Baidu
sogou