分类:科学研究生产函数

来自Big Physics
Jinshanw讨论 | 贡献2021年3月12日 (五) 12:35的版本 →‎分析方法


研究背景

科学研究可以看作是一个生产,或者说化学反应,投入研究者的时间以及必要的硬件条件,加上已知的概念网络,生产出来新的概念或者连边或者说新的概念子网络。那么,是不是不同领域的研究者需要的投入不太一样呢,是不是投入和产出之间不一定是线性关系呢,是不是团队的规模也不是越大越好呢?每个领域每个研究问题,都有一个适合这个问题和领域的投入量?这些问题的回答,对于科学研究的管理,是有一定意义的。

其次,从社会学上,我们还可以关注是否科学家的的收入、获得的科研投入、自己的科研投入时间,也存在着一些整体统计特征以及这些特征如何随着时间演化。例如,这些投入量以及产出量的的基尼系数。

生产函数定义

生产函数的一般形式,就是产出量等于投入量的函数。产出量和投入量可以有很多个。[math]\displaystyle{ \left[O_{1}, O_{2}, \cdots O_{M}\right]=Pr\left(I_{1},I_{1},\cdots, I_{N}\right) }[/math]。在实际问题中,这些投入量和产出量都要具体化。同时,由于可能只能拿到某些变量的有限的实际数据,因此,其中一些投入变量可能需要当做环境([math]\displaystyle{ E }[/math]),一些需要用大样本的方式来平均掉([math]\displaystyle{ m\lt M, n\lt N }[/math]),产出量要允许有误差([math]\displaystyle{ \epsilon }[/math]),因此,经常使用[math]\displaystyle{ \left[O_{1}, O_{2}, \cdots, O_{m}\right]=Pr\left(I_{1},I_{1},\cdots, I_{n};E\right)+\epsilon }[/math]

下面,针对科学研究这个现象,给出具体的投入量和产出量。实际上到底能够获得什么数据,会反过来修改研究问题和分析方法。

产出量

科研产出量是一个非常难以客观度量的量。简单粗暴的度量方式有:一个个体或者单位的在某个论文数据集里面的总论文数[math]\displaystyle{ P_{j} }[/math]和平均论文数[math]\displaystyle{ p_{j} }[/math];一个个体或者单位的在某个论文数据集里面的被引次数[math]\displaystyle{ C_{j} }[/math]和平均被引次数[math]\displaystyle{ c_{j} }[/math]

当然,进一步把论文数推广到专利数也是可以的(这个时候有可能需要考虑专利的分类,专利的转化价值)。

不那么简单粗暴的可以考虑:论文的创新性和基础性,论文被专利引用的次数,论文被教材引用的次数等。但是,目前来说,这些量都不容易获得,尽管也已经有一些初步研究和初步数据。

投入量

在投入端,我们考虑参与研究的团队人员数量(如果比较的是个体,则自然都是1)[math]\displaystyle{ T }[/math]、团队是否有建制还是自由合作[math]\displaystyle{ TI }[/math]、团队成员或者领导是否是学院或者学校的领导[math]\displaystyle{ LI }[/math]、研究人员工资总额[math]\displaystyle{ S }[/math]和平均值[math]\displaystyle{ s }[/math]、科研经费总额[math]\displaystyle{ F }[/math]和每个项目平均额度[math]\displaystyle{ f }[/math]、科研项目数量[math]\displaystyle{ FP }[/math]、已有论文数量[math]\displaystyle{ P\left(t^-\right) }[/math]和被引次数数量[math]\displaystyle{ C\left(t^-\right) }[/math]、职称按照最高计算[math]\displaystyle{ R }[/math]或者平均[math]\displaystyle{ r }[/math]、学科领域[math]\displaystyle{ d }[/math]、时间点[math]\displaystyle{ t }[/math]

合起来就是[math]\displaystyle{ \left[P, p, C, c\right]=Pr\left(T,TI,LI, S, s, F, f, FP, P\left(t^-\right), C\left(t^-\right), R, r, d;E\right)+\epsilon }[/math]

其中,学科领域是一个非常不容易处理的问题:我们需要做跨学科领域的对比,并且这里有个学科领域的划分体系和尺度的问题。

分析方法

  1. 统计分析
  2. 回归分析
  3. 断点回归分析,比较获得某种形式的投入量提高之前类似的样本,看之获得和没有获得后会怎样

本分类目前不含有任何页面或媒体文件。