Исследование научной продуктивности с использованием открытых данных о российской науке

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 21-78-10102

НазваниеИсследование научной продуктивности с использованием открытых данных о российской науке

Руководитель Губа Катерина Сергеевна, Кандидат социологических наук

Организация финансирования, регион Автономная некоммерческая образовательная организация высшего образования «Европейский университет в Санкт-Петербурге» , г Санкт-Петербург

Конкурс №61 - Конкурс 2021 года «Проведение исследований научными группами под руководством молодых ученых» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными

Область знания, основной код классификатора 08 - Гуманитарные и социальные науки; 08-302 - Отраслевые социологии

Ключевые слова научная продуктивность, академическая репутация, научные сети, научная мобильность, академическое лидерство, наукометрия, академическая карьера, академическая траектория, научная политика, анализ цитирования, данные

Код ГРНТИ12.41.51

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Цель проекта – это поиск закономерностей в развитии академической карьеры, которые значимо связаны с достижением высоких результатов в научной работе. В большинстве исследований ученые сосредотачивались на роли отдельных предикторов научной продуктивности, тогда как этот проект подходит к оценке предикторов с новой стороны – мы проанализируем сложные взаимосвязи академической траектории и научной продуктивности российских ученых. Объяснение научной продуктивности должно принимать во внимание наличие сложных связей между предикторами, а не просто связь каждого из них с научными достижениями. Такой проект стал возможным с появлением больших массивов данных о науке и новых инструментов, позволяющих извлекать и анализировать детальную информацию об ученых. Появление наукометрических баз с метаданными о научных публикациях и административных баз данных позволяют реконструировать, как хронологически развивается академическая карьера, а значит, мы можем анализировать взаимосвязи между предикторами, научной продуктивностью и признанием ученых. Именно вторичные данные, извлекаемые из массивов публикаций, позволяют преодолеть недостаток опросных данных, которые заметно ограничивали постановку исследовательских вопросов. Актуальность исследования связана с двумя важными процессами. Во-первых, ожидается, что сектор исследования и разработок будет играть ключевую роль в поиске ответов на «большие вызовы» в экономике и социальной сфере. Это делает важным эффективность разрабатываемых инструментов государственной поддержки российских ученых, в том числе в том, как развивать академические таланты, преодолевать академический отсев и «выращивать» собственных научных звезд. Такая важная роль научной политики должна сопровождаться большой аналитической работой с опорой на данные о российской науке, что позволит принимать обоснованные решения с учетом возможных эффектов на развитие науки и научное сообщество. Во-вторых, развитие цифровых технологий в университетах и государственных ведомств позволяет накапливать данные в беспрецедентном масштабе, однако эффективность использования данных зависит от участия исследователей и их экспертизы в том, какие данные необходимы для разработки инструментов государственной научной политики. Этот проект с привлечением открытых данных сможет внести важный вклад как в содержательном отношении (какие инструменты необходимы для успешного развития академических карьер), так и в аналитико-методологическом (какие параметры должны быть учтены при разработке сервисов в ведомствах и университетах, которые связаны с накоплением данных о российских ученых). Научная новизна проекта определяется следующими его особенностями: (1) Изучение научной продуктивности будет проводиться с фокусом на индивидуальных ученых, тогда как существующий пул исследований в основном затрагивал научные институции. Фокус на индивидуальных ученых особенно важен, так как государственная политика в большей степени обращается к организациям, предполагая, что руководство организаций обеспечит выполнение показателей и самостоятельно выстроит политику стимулирования продуктивности внутри организации. Однако предикторы научной продуктивности ученых включают не только организационное давление, поэтому понимание их влияния поможет в государственной политике стимулирования. (2) На российских данных это будет первое исследование научных карьер, выполненное на основе больших массивов публикаций и административных данных. В исследовании науке долгое время доминировали традиционные методы сбора данных – опросы и качественные методы. Однако новые инструменты позволяют извлекать более детальную информацию об ученых из массивов вторичных данных. (3) Исследование научной продуктивности в контексте развития академической карьеры является первым исследованием с применением локальных индексов цитирования. В основном изучение академических карьер на основе больших массивов публикаций проходило с использованием международных цитатных баз, однако они не подходят для наук, в которых английский язык не является доминирующим языком публикации. (4) Наукометрические показатели для операционализации научной продуктивности не будут ограничиваться только традиционными метриками (индекс Хирша, импакт-фактор), но также будут введены в анализ специальные переменные, которые разработаны РИНЦ (и не имеют аналогов в других базах цитирований) и которые в большей степени способны указать на качество научной работы. (5) Новизной исследования является детальный анализ академической карьеры всех авторов своей когорты, что позволит не только сфокусироваться на тех, кто достиг высоких научных результатов, но и отследить причины академической «смерти». Фокус на академическом отсеве редко является предметом исследования – в основном ставится вопрос о том, какие предикторы связаны с успехом. Однако уход ученых из науки после серьезных вложений в старт научной карьеры нуждается в понимании. (6) Новым для исследований науки является применение инструментов анализа больших массивов научных текстов, что отсылает к области вычислительной лингвистики (DiMaggio, 2015). Мы применим тематическое моделирование для анализа смены научной тематики. Появление этого метода описывается как шаг революционного значения, который на данный момент пока не оценен социологами в должной мере.

ОТЧЁТНЫЕ МАТЕРИАЛЫ