学术论文关键指标智能化评价研究
发布时间：2021-07-06 16:27
以学术论文为载体的科研成果是国家知识创新的重要组成部分,对学术论文进行科学评价是进行知识创新绩效评价的前提。目前,科研成果评价主要以专家匿名的方式进行评审,这种方式受专家自身学术知识水平和学科领域范围等限制,其评审的结果有一定的局限性,可能使得一些优质科研成果被遗漏或迟滞发表,也可能使另一些学术价值相对不高的成果发表在重要的学术期刊上。这将给科学研究的发展带来比较严重的后果,对国家创新能力发展带来负向作用。当前,学术界科研作假等学术不端现象屡有出现,催生了全社会对科研成果尤其是学术论文进行科学评价的迫切需求。因此本研究以人工智能等理论与技术为基础,并结合学术论文评价理论与实践,构建了学术论文智能评价的关键指标,提出智能化评价方法,以期将学术成果评价从主要依靠人工评价转向智能化评价,克服纯粹依靠专家匿名评审的不足。在对当前学术论文评价相关研究进行梳理和分析的基础之上,本文将主要从以下五个方面进行深入研究。（1）构建学术论文评价关键指标体系。在对学术论文深入分析的基础上,采用扎根理论方法对专家评价意见进行编码分析,通过对五个主范畴的研究和比较分析,系统梳理了主范畴与学术论文评审因素之间的关...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：219 页
【学位级别】：博士
【部分图文】：
学术论文评价核心
对硕博士学术论文评价），各年相关文献数量分布情况如下图1.2 所示：图 1.2 国内学术论文评价相关文献（1980-2018 年）上述相关文献所反映的国内学术论文评价研究的主题进展情况见下表 1.2。该表全面反映了学术论文评价领域在指标、技术、方法层面的进步与发展演变过程。从各年具有代表性的研究主题可以看出，学术论文评价经历了从定性到定量、从单维到多维、从简单到复杂、从人工到自动、从表面到内在的发展过程；所关注研究主题涵盖评价指标体系构建、学术论文影响力评价研究、学术论文创新性评价研究、学术论文评价方法研究等。表 1.2 国内各年度研究主题变化年份（年）年度研究主题 年度创新主题1983 自然科学研究论文评价1984 科技论文评价1985 科技论文定量评价|评价态度 定量评价1986 评价方法|医学论文评价|模糊数学应用1987科技论文评价|科技论文定量评价|创造性|学报论文评价标准评价标准1988 医学论文评价标准1992 科学性|公正性|评价方法 科学性，公正性
第 1 章 绪论人的主观性弊端，通过借助海量数据库数据和数据识别、数据处理分析技术，实现对发表前学术论文的全方位的评价，为学术成果评价提供可操作的方法与工具。基于以上分析，本文的主要研究技术路线如图 1.4 所示：
【参考文献】：
期刊论文
[1]基于加权支持向量机的多分类概率估计[J]. 宋彦,武峥,罗川,景英川. 统计与决策. 2019(21)
[2]基于字词向量的多尺度卷积神经网络微博评论的情感分类模型及实验研究[J]. 张柳,王晰巍,黄博,刘宇桐. 图书情报工作. 2019(18)
[3]融合多粒度信息的文本向量表示模型[J]. 聂维民,陈永洲,马静. 数据分析与知识发现. 2019(09)
[4]面向主题模型的主题自动语义标注研究综述[J]. 凌洪飞,欧石燕. 数据分析与知识发现. 2019(09)
[5]基于机器学习的全参考图像质量评价模型泛化能力分析[J]. 马小雨,姜秀华. 中国传媒大学学报(自然科学版). 2019(04)
[6]基于主成分分析和神经网络对作者影响力的评估[J]. 李勤敏,郭进利. 情报学报. 2019(07)
[7]多层次融合的学术文本结构功能识别研究[J]. 王佳敏,陆伟,刘家伟,程齐凯. 图书情报工作. 2019(13)
[8]基于领域知识的学术创新力测度本体构建研究[J]. 钱玲飞,张吉玉,汪荣,蒋伟伟. 现代情报. 2019(05)
[9]基于知识元的中文文本层级分割[J]. 王忠义,沈雪莹,黄京. 图书情报工作. 2019(07)
[10]基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型[J]. 李静,徐路路. 现代情报. 2019(04)
博士论文
[1]基于深度学习的文本向量化研究与应用[D]. 于政.华东师范大学 2016
[2]智能化综合评价理论与方法研究[D]. 杨勇.浙江工商大学 2014
[3]全文引文分析方法与应用[D]. 胡志刚.大连理工大学 2014
[4]知识生产的经济分析[D]. 李建华.复旦大学 2004
硕士论文
[1]基于LDA2vec模型的多源数据下科研热点识别研究[D]. 裘惠麟.南京大学 2019
[2]基于机器学习的论文学术创新力评价研究[D]. 贺婉莹.南京大学 2019
[3]基于社交网络的学术论文影响力评价研究[D]. 石凤娟.郑州大学 2018
[4]基于LDA主题模型的文本聚类研究[D]. 王惠.兰州大学 2018
[5]中文文本主题关键短语提取算法研究[D]. 杨玥.西安理工大学 2017
[6]主题优化过滤方法研究与应用[D]. 解琰.大连海事大学 2015
[7]单篇学术论文的评价指标体系研究[D]. 姜磊.大连理工大学 2014
[8]我国人文社会科学成果评价指标体系研究[D]. 许梅华.华东师范大学 2012
[9]基于BP神经网络的软件可靠性模型选择研究[D]. 朱磊.重庆大学 2006
[10]本体在Web服务发现中的应用[D]. 赵娟.西北大学 2006
本文编号：3268577
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：219 页
【学位级别】：博士
【部分图文】：
学术论文评价核心
对硕博士学术论文评价），各年相关文献数量分布情况如下图1.2 所示：图 1.2 国内学术论文评价相关文献（1980-2018 年）上述相关文献所反映的国内学术论文评价研究的主题进展情况见下表 1.2。该表全面反映了学术论文评价领域在指标、技术、方法层面的进步与发展演变过程。从各年具有代表性的研究主题可以看出，学术论文评价经历了从定性到定量、从单维到多维、从简单到复杂、从人工到自动、从表面到内在的发展过程；所关注研究主题涵盖评价指标体系构建、学术论文影响力评价研究、学术论文创新性评价研究、学术论文评价方法研究等。表 1.2 国内各年度研究主题变化年份（年）年度研究主题 年度创新主题1983 自然科学研究论文评价1984 科技论文评价1985 科技论文定量评价|评价态度 定量评价1986 评价方法|医学论文评价|模糊数学应用1987科技论文评价|科技论文定量评价|创造性|学报论文评价标准评价标准1988 医学论文评价标准1992 科学性|公正性|评价方法 科学性，公正性
第 1 章 绪论人的主观性弊端，通过借助海量数据库数据和数据识别、数据处理分析技术，实现对发表前学术论文的全方位的评价，为学术成果评价提供可操作的方法与工具。基于以上分析，本文的主要研究技术路线如图 1.4 所示：
【参考文献】：
期刊论文
[1]基于加权支持向量机的多分类概率估计[J]. 宋彦,武峥,罗川,景英川. 统计与决策. 2019(21)
[2]基于字词向量的多尺度卷积神经网络微博评论的情感分类模型及实验研究[J]. 张柳,王晰巍,黄博,刘宇桐. 图书情报工作. 2019(18)
[3]融合多粒度信息的文本向量表示模型[J]. 聂维民,陈永洲,马静. 数据分析与知识发现. 2019(09)
[4]面向主题模型的主题自动语义标注研究综述[J]. 凌洪飞,欧石燕. 数据分析与知识发现. 2019(09)
[5]基于机器学习的全参考图像质量评价模型泛化能力分析[J]. 马小雨,姜秀华. 中国传媒大学学报(自然科学版). 2019(04)
[6]基于主成分分析和神经网络对作者影响力的评估[J]. 李勤敏,郭进利. 情报学报. 2019(07)
[7]多层次融合的学术文本结构功能识别研究[J]. 王佳敏,陆伟,刘家伟,程齐凯. 图书情报工作. 2019(13)
[8]基于领域知识的学术创新力测度本体构建研究[J]. 钱玲飞,张吉玉,汪荣,蒋伟伟. 现代情报. 2019(05)
[9]基于知识元的中文文本层级分割[J]. 王忠义,沈雪莹,黄京. 图书情报工作. 2019(07)
[10]基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型[J]. 李静,徐路路. 现代情报. 2019(04)
博士论文
[1]基于深度学习的文本向量化研究与应用[D]. 于政.华东师范大学 2016
[2]智能化综合评价理论与方法研究[D]. 杨勇.浙江工商大学 2014
[3]全文引文分析方法与应用[D]. 胡志刚.大连理工大学 2014
[4]知识生产的经济分析[D]. 李建华.复旦大学 2004
硕士论文
[1]基于LDA2vec模型的多源数据下科研热点识别研究[D]. 裘惠麟.南京大学 2019
[2]基于机器学习的论文学术创新力评价研究[D]. 贺婉莹.南京大学 2019
[3]基于社交网络的学术论文影响力评价研究[D]. 石凤娟.郑州大学 2018
[4]基于LDA主题模型的文本聚类研究[D]. 王惠.兰州大学 2018
[5]中文文本主题关键短语提取算法研究[D]. 杨玥.西安理工大学 2017
[6]主题优化过滤方法研究与应用[D]. 解琰.大连海事大学 2015
[7]单篇学术论文的评价指标体系研究[D]. 姜磊.大连理工大学 2014
[8]我国人文社会科学成果评价指标体系研究[D]. 许梅华.华东师范大学 2012
[9]基于BP神经网络的软件可靠性模型选择研究[D]. 朱磊.重庆大学 2006
[10]本体在Web服务发现中的应用[D]. 赵娟.西北大学 2006
本文编号：3268577
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3268577.html
