基于ESI和InCites的學科和學者評價指標探討

楊光

【摘 要】以ESI和InCites提供的學科評價指標數據作為依據，分析江蘇師范大學Engineering學科特點及學科構成，從科研生產力、科研影響力、科研發展力、科研創新力等方面，分別給出對于學院科研績效評估、學科發展預測、學者科研水平評估等相關的評價指標和評價模式。

【關鍵詞】學科評估；評價指標；ESI；InCites

Investigation Into Discipline Evaluation Method Based on the ESI and InCites

——Case Engineering Disciplines of Jiangsu Normal University

YANG Guang

（Library of JiangSu Normal University， Xuzhou Jiangsu China 221116，China）

【Abstract】Provided in ESI and InCites discipline evaluation index data as the basis， analysis of Engineering characteristics and disciplines of Jiangsu normal university， from the scientific research productivity force， influence of scientific research， scientific research development， the scientific research innovation， etc.， are given for college scientific research evaluation， subject development forecast， to introduce and talent evaluation and related evaluation indicators and evaluation model.

【Key words】Discipline evaluation； Evaluation index； ESI； InCites

1 ESI和InCites作為學科評價工具概述

基本科學指標數據庫（Essential Science Indica-tors，ESI）是由美國科技信息所（ISI）推出的衡量科學研究績效、跟蹤科學發展趨勢的基本分析評價工具，是基于ISI科學引文索引數據庫（SCI）和社會科學引文索引數據庫（SSCI）所收錄的學術期刊而建立的計量分析數據庫[1]。教育部2012年開展的學科評估開始將ESI納入學科評估體系，將“ESI 高被引論文數”與最新發表的高水平期刊論文同時納入評價指標，創立了學術論文評價的新質量文化[2]。目前，ESI已被廣泛使用與科研績效評估中。

InCites數據庫基于Web of Science核心合集七大索引數據庫，對數據進行重新加工整理，從中提供了多元化的分析評價指標，可以發現重點學科或優勢學科，跟蹤和評估機構的科研績效，與同行機構開展對標分析，分析本機構的科研合作開展情況，挖掘機構內高影響力和高潛力的研究人員[3]。

本文利用ESI和InCites提供的評估數據，分析江蘇師范大學Engineering學科分布特點；探討師范大學Engineering學科中科研重點所在；預測未來兩年發文量，給出學者科研水平評價方法。

2 江蘇師范大學Engineering學科概況

2005年1月至2016年4月的10年4個月期間，江蘇師范大學共發表InCites收錄Engineering學科文獻187篇，總被引1570次，篇均被引文獻8.4次，被引百分比73.41%，文獻作者424人。2009年至今，江蘇師范大學的發文量和被引頻次呈逐年穩定上升趨勢。

2.1 分析學科分布與重點院系

ESI數據庫基于Web of science核心合集的七大索引數據庫，對其中的數據按出版物進行統計和指標計算。ESI將Web of Science的核心合集中的200多個小學科聚類為22個大學科領域。在ESI與SCI分類體系對比中，發現ESI雖然擺脫了SCI龐大的分類體系，但ESI文獻分類體系對文獻內容揭示不準確、揭示程度不夠[4]。直接使用ESI的22個學科領域分析學校的學科顯得比較粗糙，不能明確的了解學校的科研重點和科研優勢所在。而通常高校是以學院或專業為單位來設置學科重點、確定發展方向和調整政策等舉措，因此科研績效評估的單位定義到學院更有實際意義。

ESI學科領域和高校院系的設置之間的學科差異導致需要在二者之間進行轉換。轉換的方式可以采用作者或是論文為中介兩種方法。ESI以期刊分類來決定論文分類，因此以論文為轉換中介實質上是以期刊為中介進行轉換。比較InCites數據庫中的12種學科分類模式，發現研究方向是Web of Science下的所有產品數據庫都使用的一套分類方法，共分為156個研究方向[5]。研究方向較ESI分類具有更高精度的細分學科分類方法，更適合于在較小規模的研究成果上應用文獻計量學的統計方法。同時該分類方法與其他分類方法比較更為接近江蘇師范大學的院系設置。因此，本文采用的數據在分析過程中使用了以期刊為中介進行轉換，同時對于個別文獻采用作者輔助分類的方法。

分析步驟：將從InCites中下載的師范大學ESI分類體系中Engineering類文獻，放入Web of Science平臺檢索并將檢索結果存入InCites中，并在InCites中重新歸類到Web of Science中的研究方向下，再根據江蘇師范大學學科設置的特點，將Web of Science的研究方向歸類到相關院系下。完成學院的文獻歸類后，重新統計相應的指標對院系科研績效進行評估。

通過計算比較分析，確定近五年發文主要分布于以下六個研究方向：ENGINEERING ELECTRICAL ELECTRONIC、ENGINEERING MU-

LTIDISCIPLINARY、MATHEMATICS APPLIED、AUTOMATION CONT-

ROL SYSTEMS、OPERATIONS RESEARCH MANAGEMENT SCIENCE、COMPUTER SCIENCE ARTIFICIAL INTELLIGENCE。這六個研究方向在近五年內集中了江蘇師范大學Engineering學科的大部分文獻，并在近兩年內發文增長率排名靠前。這些研究方向分別屬于數學與統計學院、物理與電子工程學院、計算機科學與技術學院、機電工程學院、電氣工程及自動化學院。這些學院是支撐江蘇師范大學Engineering學科的主要力量。

2.2 預測兩年內科研生產力

環比增長率是用來計算本期統計數據與上一期數據比較的增長程度，常用于統計經濟增長的程度，公式為：

環比增長速度=■×100%（1）

在對江蘇師范大學Engineering學科未來兩年內科研生產力的預測上，引入了環比增長這一概念。為保證統計數據樣本的有效容積，半年為周期單位，逐一計算10年內的每個周期單位的環比增長率，并以用曲線方程加以描述取值。為剔除小概率事件的影響，采用兩種措施來保證數據的穩定：（1）對于浮動超過年平均值30%的周期應予加權處理。（2）用環比增長數值構筑曲線方程，并以方程的導數值來預計未來半年內的發文量增長。經計算，2016年江蘇師大科研生產力預計為38篇，2017年預計為43篇。

2.3 人才評估

InCites數據庫提供了引文影響力、h指數、CNCI和平均百分位等指標來衡量科研工作者的科研水平。除了上述指標外，在對江蘇師范大學Engineering學科實際評測過程中，還使用了用于縱向衡量學者個人科研能力發展指標和橫向比較學者間科研能力的兩個指標。

縱向指標主要應用于新引學者的科研績效的評估。近5年來，江蘇師范大學大力調整相關政策，引進了大批具有博士學位學者。學校引進人才的主要依據是以學者博士學位在讀期間取得的科研成果為標準，期望學者在引進師范大學后發揮出同等或是更高水準的科研影響力。據此本文提出用引進人才的博士學位在讀期間科研產出和科研質量的數據計算評估基線，作為學校對該學者的期望值，以學者引進后科研影響力與期望值的百分比作為衡量學者科研績效變化的指標。考慮到科研環境變更的適應期，學者在引進第一年的科研產出變化會受多方面的影響，不能反映學者的真實科研水平，除有突出表現的學者外，一般不予統計在內。

這種方式可以準確客觀的描述學者引進后是否達到了學校引進的預期目標，是體現學者個人科研能力發展變化的參數，直觀的表示出引進人才在引進前后科研績效的變化。但不具有與其他學者橫向相比較的特點。

橫向指標主要應用于在職時間超過5年的學者。以學者所在學院的5年內的科研績效相關指標計算平均值，作為學者科研績效的基線。用學者相應指標與基線的百分比來對學者進行排名。實例見公式1和公式2。在不同學院間的學者進行比較時，應考慮其學科特點造成科研成果產出量和被引周期的差異，因此數據處理前，會作學科歸一化的計算。

相對院系影響力=學者引文影響力/基數（學院平均引文影響力）×100%（2）

相對院系生產力=學者引發文量/基數（學院平均發文量）×100%（3）

在利用上述公式分析過程中，部分學者的統計數據（發文量、被引頻次）比較接近，難以區分，因此設計采用f（x）函數，將被引頻次數據歸于10為底的對數曲線上，并通過參數調整分布。最終采用的公式為：

學者科研能力=發文量×（4）

其中是將學者被引頻次歸于對數曲線的函數。

發文年限=|2017-文獻發表年|（5）

在公式4中，f（被引頻次）與發表年限的比值可視為加權后的年均，其權重大于發文量的權重（權重視為1）。公式體現出高被引的文獻會為學者科研能力增加更大比重，同時體現出越是新近發表的文獻在未來的年份中越能更多的為學者和學校的科研影響力提供更多貢獻。

3 結語

在《2012 中國大學評價研究報告》中 ESI 論文被首次納入大學評價指標[6] 。其后ESI和InCites數據被廣泛應用于高校科研績效評估中。本文通過挖掘分析ESI和InCites數據庫提供的指標數據來評估江蘇師范大學Engineering學科的科研績效。在分析學科優勢時，對論文進行了學院的分類，由于兩種分類體系的差別，分類中，有部分論文分類存在分歧，但不會影響總體評估數據。評估學者的科研影響力，提供的分類指標還不能完整體現學者科研效能。需要繼續改進。

【參考文獻】

[1]李茂茂.基于ESI的國內外機構農業科學學科評價研究[J].圖書情報工作， 2011（2）：280-283.

[2]教育部.2012 年學科評估指標體系五大改革措施[EB/OL].中國學位與研究生教育信息網，[2015-01-30].http：//www.cdgdc.edu.cn/xwyyjsjyxx/xxsbdxz/zjgd/276982.shtml.

[3]湯森路透.知識產權與科技[EB/OL].[2016-09-30].

[4]董琳.ESI文獻分類研究[J].圖書情報工作，2007，51（6）：113-115.

[5]InCites 數據庫常用指標手冊湯森路透[M].

[6]騰訊教育.2012ESI-TOP論文排行榜揭曉清華大學高居榜首[EB/OL].（2012-01-09）.[2016-09-30].http：//edu.qq.com/a/20120109/000394.htm.

[責任編輯：朱麗娜]