امروز: سه شنبه 8 اسفند 1402
ارزیابی عملکرد یک تابع اجتناب ناپذیر از مدیریت در هر سطحمی باشد ان موجب پیشرفت و توسعه می باشد درنتیجه، در یک محیط تحقیقاتی (مانند دانشگاه ها و موسسات تحقیقاتی) ، همچنین باید یک ارزیابی عملکرد برای دانشگاهیان وجود داشته باشد
دسته بندی مقالات ترجمه شده isi
بازدید ها 1,939
فرمت فایل docx
حجم فایل 2.759 مگا بایت
تعداد صفحات فایل 34
46,800 تومان
 مقاله تجزیه و تحلیل همبستگی و رگرسیون معیار های عملکردی و معیارهای آنالیز شبکه اجتماعی

 چکیده

در این مطالعه،ما یک مدل نظری مبتنی بر نظریه های شبکه های اجتماعی و روش های تحلیلی برای بررسی همکاری شبکه های دانشمندان ( تالیف مشترک) ایجاد نمودیم.ما بااستفاده از اقدامات تجزیه و تحلیل شبکه اجتماعی (SNA) ( بعنوان مثال. مرکزیت درجه نرمال، مرکزیت نزدیکی نرمال،مرکزیت میانوندینرمال،مرکزیت بردارهای ویژه نرمال،میانگین استحکام روابط، و بهره وری) تاثیر شبکه های اجتماعی را بر (مبتنی برCitation) عملکرد دانشمندان در یک نظم داده شده (برای مثال سیستم های اطلاعاتی) بررسی می کنیم.نتایج حاصله از آنالیز اماری ما بااستفاده از یک مدل رگرسیون پواسون ،نشان می دهد که عملکرد تحقیقاتی دانشمندان (شاخص-g) بطور مثبت با چهار اقدام SNAبه استثنایمرکزیت میانوندینرمال و  مرکزیت نزدیکی نرمال، در ارتباط است.علاوه براین، نشان می دهد که تنها مرکزیت درجه نرمال،بهره وری، و میانگین استحکام روابط ، یک اثرمثبت قابل ملاحظه، بر روی شاخص g (بعنوان یک اقدام عملکردی) دارد.مرکزیت بردارهای ویژه نرمال تاثیر منفی قابل توجهی بر روی شاخص g دارند. براساس این نتایج،ما می توانیم بگوییم که دانشمندان، کسانیکه با محققان جداگانه ی بسیاری در ارتباط هستند،دارای عملکرد مبتنی بر Citation بهتری (شاخص g )  نسبت به محققان با ارتباطات کمتر می باشند.علاوه براین، دانشمندان با نقاط قوت نسبتا زیاد (برای مثال تکرار مشارکت در تالیف) عملکرد تحقیقی بهتری نسبت به آنها که نقطه قوت کمتری دارند ارائه می دهند . (برای مثال، یک مولف تنها با چندی از دانشمندانهمکاری می کند). نتایج مربوط به بهره وری نشان می دهد که دانشمندانی که یک ارتباط همکاری قوی با تنها یک نویسنده از یک گروه مرتبط با نویسندگان را نگهداشته اند، عملکرد اجرایی بهتری نسبت به دیگر دانشمندان ، که ارتباطات بسیاری با گروه مشابه نویسندگان مرتبط داشته اند ،را دارا می باشند.تاثیر منفی بردارهای ویژه نرمال نشان می دهد که دانشمندان باید با دانش آموزان بسیاری بجای دانشمندان حرفه ای کار کنند. در نتیجه، می توانیم این رابیان کنیم که شبکه های اجتماعی حرفه ای دانشمندان می تواند برای پیش بینی عملکرد آینده محققان استفاد شوند .

 

a b s t r a c t
In this study, we develop a theoretical model based on social network theories and analytical methods for exploring collaboration (co-authorship) networks of scholars. We use measures from social network analysis (SNA) (i.e., normalized degree centrality, normalized closeness centrality, normalized betweenness centrality, normalized eigenvector centrality, average ties strength, and efficiency) for examining the effect of social networks on the (citation-based) performance of scholars in a given discipline (i.e., information systems). Results from our statistical analysis using a Poisson regression model suggest that research performance of scholars (g-index) is positively correlated with four SNA measures except for the normalized betweenness centrality and the normalized closeness centrality measures. Furthermore, it reveals that only normalized degree centrality, efficiency, and average ties strength have a positive significant influence on the g-index (as a performance measure). The normalized eigenvector centrality has a negative significant influence on the g-index. Based on these results, we can imply that scholars, who are connected to many distinct scholars, have a better citation-based performance (g-index) than scholars with fewer connections. Additionally, scholars with large average ties strengths (i.e., repeated co-authorships) show a better research performance than those with low tie strengths (e.g., single co-authorships with many different scholars). The results related to efficiency show that scholars, who maintain a strong co-authorship relationship to only one co-author of a group of linked co-authors, perform better than those researchers with many relationships to the same group of linked co-authors. The negative effect of the normalized eigenvector suggests that scholars should work with many students instead of other well-performing scholars. Consequently, we can state that the professional social network of researchers can be used to predict the future performance of researchers.
© 2011 Elsevier Ltd. All rights reserved.

عنوان                                                                       صفحه

چکیده 1

مقدمه 2

اقدامات و تئوری های تجزیه و تحلیل شبکه اجتماعی 9

داده ها و روش ها 22

آنالیز و نتایج 27

نتیجه گیری  37

منابع 42

پیوست

 

 مقدمه

ارزیابی محققان، که باید براساس خروجی محقق (مثلا بهره وری) باشد،نه تنها برای ارزیابی عملکرد بلکه همچنین برای استخدام در دانشکده،تخصیص بودجه دولتی، و برای رسیدن به درجه اعتبار بالا در جامعه پژوهشی مورد نیاز است.اعتبار سازمانهای پژوهشی بطور غیرمستقیم بر رفاه جامعه تاثیر می گذارد، زیرا که اعتبار بالا خریدهای خارجی ، سرمایه گذاران خارجی و دانش آموزان واجد شرایط را از سراسر دنیا به خود جذب می نماید.

فایل های مرتبط ( 24 عدد انتخاب شده )

بالا