当前位置:首页 > 报告详情

科睿唯安:2026科研分类与结构化数据的价值研究报告(21页).pdf

上传人: X*** 编号:1210935 2026-04-28 21页 1.18MB

下载:

1、科研分类与结构化数据的价值2026 年 3 月Jonathan Adams,Dmytro Filchenko作者简介传承基石,引领未来关于科学信息研究所(ISI)科睿唯安旗下的科学信息研究所(ISI)半个多世纪以来始终致力于科研信息组织工作的开创与推进。如今,ISI继续致力于提升科研诚信,并改进科关于 ISI 报告ISI 报告借助科睿唯安值得信赖的出版物和引文数据与分析,针对前沿研究趋势提供简明而深刻的洞察。Jonathan Adams 博士是科学信息研究所(ISI)首席科学家,兼任伦敦国王学院政策研究所客座教授。2017年,埃克塞特大学因其在高等教育与研究政策方面的贡献授予其荣誉理学博士学位

2、。ORCiD:0000-0002-0325-4431。Web of Science ResearcherID:A5224-2009。学信息的获取、解读与利用。ISI 维护着 Web of Science 索引及其相关分析内容与服务所依托的核心知识库。ISI 通过各类活动、会议和出版物传播相关知识,并开展原创研究以持续巩固、拓展和完善这一知识体系。本报告是科学信息研究所(ISI)文献计量学方法与分析系列报告之一,阐述了科睿唯安对科研活动数据进行结构化处理的方式与原因,以确保全球DOI:10.14322/isi.research.categorization.and.the.value.of.st

3、ructured.data如需了解更多信息,欢迎访问 Filchenko 博士于 2024 年加入科睿唯安,担任科学信息研究所研究与分析高级总监。他取得了乌克兰数学建模与计算专业博士学位,在学术界和商界均拥有超过15年的经验。其多元化领导背景包括曾任苏梅国立大学副教授兼副校长、基准测试主管和技术总监。他还曾是一位企业创始人。加入科睿唯安之前,他曾就职 于 QS(Quacquarelli Symonds),责主导 QS 世界大学排名系列及一系列其他教育科技和研究情报产品的开发。概览执行摘要科研分类的定义与重要性科研文化与研究文献科研分类对引文分析的重要性引文网络如何识别学科分类跨内容的学科分类将

4、数据类别映射至国家评估体系将科研元数据映射至发展目标国际合作的分类结论:结构化科研活动数据的重要性执行摘要无论是在自然科学、工程技术,还是经济与社会科学领域,高质量的科研分析均依赖经过验证且结构化的数据。一个管理得当的数据库,如果同时具备全面的元数据,能够与其他数据源实现互操作,其用途将更加广泛。科研本身如此,科研信息与分析亦然。本报告聚焦科睿唯安及其科学信息研究所(ISI)所采用的一系列方法与流程,旨在确保数据、分类结构及相关元数据等关键要素,始终处于 Web of Science 文献计量数据库及其相关产品的核心位置。ISI 的学术期刊分类体系可追溯至 1956 年 Current Con

5、tents 的创刊。这是一份定期发布的刊物,用于向研究人员通报最新的期刊出版信息。最初主要覆盖生物学与医学领域,随后迅速扩展至包括社会科学、人文艺术在内的全部研究领域。每期均按学科分组设立子栏目,并通过关键元数据进行索引,例如作者、机构所在地、关键词等。随着技术进步和出版形式的多样化发展,ISI 及在其基础上诞生的科睿唯安相关部门不断识别并应对围绕出版数据结构的一系列挑战。本报告围绕方法的演变过程,重点探讨以下问题:科研文化:不同学科之间不仅研究内容各异,其科研文化亦各不相同,包括研究组织方式、规划管理模式以及成果发表形式等。其中一个重要变量在于期刊论文、会议论文或学术专著在不同领域所占的主导

6、地位。为了实现可比性分析,必须将这些差异考虑在内。第 2 节列出了 Web of Science 核心合集中的主要文献类型,并展示其在不同学科领域的使用差异(图 1)。第 3 节举例说明了不同学科类别之间的其他文化差异,以及这些差异对文献计量分析的影响(图 2、图 3)。自上而下的分类与自下而上的主题:分类工作通常从宏观视角出发,自上而下逐步细化,系统长期保持稳定,便于用户以熟悉的方式检索信息。另一种路径则从最细粒度的层面出发,根据共同特征向上聚类,形成更具时效性和主题性的结构。第 4 节回顾了 Web of Science 数据所采用的粗粒度与细粒度结构,并介绍了 ISI 与莱顿大学科学技术

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
1. **结构化数据是科研分析基础**:科睿唯安通过Web of Science核心合集(22,000+期刊、9,900万条记录、26亿引文链接)提供分类与元数据,确保数据可比性。 2. **学科分类与科研文化差异**:254个Web of Science学科类别和22个ESI宽类别,反映不同领域文献类型(如工程学依赖会议论文,人文学科依赖专著)及引文模式差异。 3. **规范化指标提升可比性**:学科规范化引文影响力(CNCI)按年份、学科调整被引频次;新增合作性CNCI(Collab-CNCI)按国际合作类型(双边/多边)分类,避免偏差(如德国国际合作论文Collab-CNCI达1.17)。 4. **跨内容映射与社会目标关联**:通过“研究主题”体系整合期刊、专利等数据,并映射至联合国可持续发展目标(SDG),支持科研社会影响力评估。 5. **国际合作提升影响力**:跨国合作论文被引频次更高(如澳大利亚多边合作Collab-CNCI为1.34),需纳入分类维度以准确评估科研绩效。
**科研分类有何用?** **数据如何影响评估?** **合作如何提升影响力?**
客服
商务合作
小程序
服务号
折叠