分类:科学中的代际流动性

研究背景和问题

在经济学研究中，公平性是一个重要的主题。一种公平性是分布函数体现出来的静态公平性——是不是大多数人的收入都差不多；一种是收入绝对值和排序排序的变化体现出来的动态公平性。前者由Geni系数之类的量来表达，后者由绝对和相对流动性来描述。

例如，代际收入流动性，就可以定义成类似这样的指标[math]\displaystyle{ D=\frac{\sum_{i}\left|x_{i}\left(t+1\right)-x_{i}\left(t\right)\right|}{\sum_{i}\left|x_{i}\left(t\right)\right|} }[/math]，或者，[math]\displaystyle{ d=\frac{\sum_{i}\left|r_{i}\left(t+1\right)-r_{i}\left(t\right)\right|}{N\left(t\right)\left(N\left(t\right)-1\right)} }[/math]。

现在我们来看一看，期刊的排序的相对流动性，以及绝对流动性，这些年都有什么表现。更难产生一个新的好期刊或者变成一个烂期刊了——这个时候可以把正负的[math]\displaystyle{ r_{i}\left(t+1\right)-r_{i}\left(t\right) }[/math]分开来讨论，还是更容易了。

我们还可以来看一看，是不是好的导师的学生比较好，差的导师的学生比较差，也就是学术领域的阶层固化的程度，随着时间的变化。类似的讨论在^[1]中已经有。

或者学校阶层的固化随着时间的变化，类似的讨论在^[2]中已经有。

方法和数据

方法上就是从一个研究对象集合的某个特征量在一段时期内的每一个时间点的值[math]\displaystyle{ \left\{x_{i}\left(t\right)\right\} }[/math]计算[math]\displaystyle{ D\left(t\right), d\left(t\right), D_{\pm}\left(t\right), d_{\pm}\left(t\right) }[/math]。

数据上，我们需要研究对象的特征量，例如期刊的被引次数，研究单位的被引次数或者其他产出和影响力的指标，科学家的代际关系（学术传承树[| 数学学术传承树]）

主要结果

下一步的工作

1. 完成这两个工作的论文写作和发表的工作。
2. 原则上，其他[math]\displaystyle{ q }[/math]值的情况下的实验，也应该开展一下。
3. 在设计其他实验的过程中，需要考虑这个实验的结果，来比较干净地去掉情感的因素。
4. 做一些学术报告，这两个结果——人类对机器有情感并且可以一定程度上抑制这样的情感以及人类的不同行为可以看做是相同的战略在不同环境下的表现——值得引起其他人的注意。

参考文献