DOI: https://doi.org/10.1038/s41598-025-30432-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41318760
تاريخ النشر: 2025-11-29
المؤلف: Ghulam Mustafa وآخرون
الموضوع الرئيسي: البحث في علم القياسات العلمية والبيبلومetrics
نظرة عامة
تتناول ورقة البحث تعقيدات توقع التأثير العلمي وتصنيف الباحثين، لا سيما في مجال علوم الأعصاب. تسلط الضوء على عدم كفاية المقاييس الحالية – مثل عدد الاقتباسات، ومؤشر h، وطرق هجينة متنوعة – بسبب طبيعتها المعتمدة على السياق وغياب معيار مقبول عالميًا. تقدم الدراسة مؤشرًا جديدًا، وهو مؤشر Hk، تم تطويره من تحليل 1,060 باحثًا في علوم الأعصاب، بما في ذلك الحاصلين على جوائز وغير الحاصلين عليها. تحدد البحث خمسة معايير رئيسية تميز بفعالية بين الباحثين الحائزين على جوائز وتستخدم تقنيات التعلم العميق المتقدمة جنبًا إلى جنب مع طرق التصنيف التقليدية لتحسين هذه المقاييس.
يجمع مؤشر Hk بين مؤشر h2 العلوي ومؤشر k، مستخدمًا المتوسط التوافقي كنموذج إحصائي الأكثر فعالية لصياغته. بينما يظهر المؤشر وعدًا في تقييم التأثير الأكاديمي في علوم الأعصاب، يعترف المؤلفون بحدوده، بما في ذلك قابليته المحددة لهذا المجال والحاجة المحتملة لإعادة المعايرة مع تطور المجال. علاوة على ذلك، قد يتجاهل الاعتماد على الباحثين الحائزين على جوائز كمعيار للتحقق العلماء المؤثرين الذين لم يتلقوا اعترافًا رسميًا. يُقترح إجراء أبحاث مستقبلية لاستكشاف طرق تحقق أوسع لتعزيز قوة المؤشر المقترح.
مقدمة
تؤكد مقدمة ورقة البحث على أهمية تصنيف وتحديد الباحثين المؤثرين داخل المجتمع العلمي، مع تسليط الضوء على تداعيات ذلك على الاعتراف بالتوظيف، وتمويل الأبحاث، والاعتراف بالمساهمات. يؤكد راحيل وآخرون (2018) على ضرورة وجود نظام تصنيف عادل وشامل يتضمن المؤهلات التعليمية، مما يمكن منظمي المؤتمرات من اختيار المتحدثين الرئيسيين ويساعد الطلاب في اختيار مشرفي الأبحاث بناءً على السمعة الأكاديمية والخبرة. يبرز هذا السياق الحاجة الملحة إلى مؤشر قوي لتصنيف الباحثين بفعالية وإنصاف.
على مدار العقدين الماضيين، ظهرت معايير تقييم المؤلفين المختلفة، مع استكشاف أكثر من 70 مقياسًا في الأدبيات الأكاديمية. تجمع هذه المقاييس بين الأساليب الكمية والنوعية، بما في ذلك النماذج الهجينة. اعتمدت التقييمات المبكرة بشكل أساسي على مقاييس أساسية مثل عدد المنشورات وعدد الاقتباسات؛ ومع ذلك، غالبًا ما تفشل هذه في عكس تأثير الباحث بدقة. على سبيل المثال، لا يضمن عدد المنشورات المرتفع الجودة، حيث قد يفضل بعض الباحثين الكمية على التأثير من خلال النشر في مجلات ذات مستوى أدنى. بالإضافة إلى ذلك، يمكن أن تتأثر أعداد الاقتباسات بممارسات مثل الاقتباسات الذاتية، مما يشير إلى الحاجة إلى طرق تقييم أكثر دقة.
الطرق
في هذا القسم، يحدد المؤلفون منهجية جديدة لتقييم الباحثين في مجال علوم الأعصاب، مستمدة من مراجعة شاملة للأدبيات. تم هيكلة النهج المقترح في سبع خطوات متسلسلة: (i) جمع مجموعة البيانات، (ii) حساب المعايير، (iii) التصنيف الأولي، (iv) التصنيف من خلال التعلم العميق، (v) تحليل التباين، (vi) التحليل الإحصائي، و(vii) المؤشر المقترح. تم تصميم كل خطوة للمساهمة في التطوير العام للمؤشر الجديد، مع تقديم الأقسام اللاحقة تفسيرات مفصلة لأهمية ووظيفة كل مرحلة في عملية التقييم. تهدف هذه المنهجية المنظمة إلى تعزيز دقة وموثوقية تقييمات الباحثين ضمن مجال علوم الأعصاب.
المناقشة
في قسم المناقشة من الورقة، يقوم المؤلفون بتقييم نقدي للمؤشرات البيبليومترية الحالية المستخدمة لتقييم إنتاجية وتأثير الباحثين، مع تسليط الضوء على قيود مؤشر h-index المعتمد على نطاق واسع. بينما يدمج مؤشر h-index الإنتاجية والتأثير، يتم انتقاده لكونه معتمدًا على الحجم ولإغفاله أهمية البحث التعاوني وإجمالي الاقتباسات للأعمال ذات التأثير العالي. يشير المؤلفون إلى أنه على الرغم من تطوير أكثر من 70 مقياسًا في العقدين الماضيين، لا يزال لا يوجد توافق على معيار مقبول عالميًا لتقييم الباحثين، حيث تشير الدراسات المقارنة إلى أن فعالية هذه المقاييس تختلف عبر التخصصات.
لمعالجة هذه التحديات، يقدم المؤلفون مؤشر HK، وهو مقياس جديد يدمج بشكل متناغم مؤشر h² العلوي ومؤشر k، بهدف توفير تقييم أكثر استقرارًا وإنصافًا للأداء الأكاديمي. هذا المؤشر الجديد ذو صلة خاصة بالسياقات التي تتطلب العدالة والقابلية للمقارنة عبر مجالات متنوعة، مثل الجوائز الأكاديمية وقرارات التوظيف. تؤكد الدراسة على أهمية التقييمات النظامية للمؤشرات البيبليومترية، بما في ذلك مفهوم التباين، الذي يقيس استقلالية المؤشرات المختلفة في تحديد الفائزين الفريدين. من خلال استخدام مجموعة بيانات قوية من مجال علوم الأعصاب وتحليل 64 معيارًا موجودًا، يهدف المؤلفون إلى تحسين مؤشرات البحث وتعزيز قابليتها للتطبيق، مما يسهم في فهم أكثر شمولاً لتقييم الباحثين.
DOI: https://doi.org/10.1038/s41598-025-30432-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41318760
Publication Date: 2025-11-29
Author(s): Ghulam Mustafa et al.
Primary Topic: scientometrics and bibliometrics research
Overview
The research paper addresses the complexities of predicting scientific impact and ranking researchers, particularly within the field of Neuroscience. It highlights the inadequacy of existing metrics—such as citation counts, the h index, and various hybrid methods—due to their context-dependent nature and the absence of a universally accepted standard. The study introduces a novel index, the Hk index, developed from an analysis of 1,060 Neuroscience researchers, including both awardees and non-awardees. The research identifies five key parameters that effectively distinguish award-winning researchers and employs advanced deep learning techniques alongside traditional ranking methods to refine these metrics.
The Hk index combines the h2 upper index and the k index, utilizing the Harmonic Mean as the most effective statistical model for its formulation. While the index shows promise in evaluating scholarly impact within Neuroscience, the authors acknowledge its limitations, including its specific applicability to this domain and the potential need for recalibration as the field evolves. Furthermore, the reliance on award-winning researchers as a validation standard may overlook influential scholars who have not received formal recognition. Future research is suggested to explore broader validation methods to enhance the robustness of the proposed index.
Introduction
The introduction of the research paper emphasizes the significance of ranking and identifying influential researchers within the scientific community, highlighting its implications for tenure recognition, research funding, and acknowledgment of contributions. Raheel et al. (2018) underscore the necessity for a fair and comprehensive ranking system that includes educational qualifications, which can assist conference organizers in selecting keynote speakers and help students choose research supervisors based on academic reputation and expertise. This context underscores the urgent need for a robust index to rank researchers effectively and equitably.
Over the past two decades, various author assessment parameters have emerged, with more than 70 metrics explored in academic literature. These metrics combine quantitative and qualitative approaches, including hybrid models. Early evaluations primarily relied on basic metrics such as publication counts and citation numbers; however, these often fail to accurately reflect a researcher’s influence. For instance, a high publication count does not guarantee quality, as some researchers may prioritize quantity over impact by publishing in lower-tier journals. Additionally, citation counts can be skewed by practices like self-citations, indicating the need for more nuanced evaluation methods.
Methods
In this section, the authors outline a novel methodology for evaluating researchers in the Neuroscience field, derived from a comprehensive literature review. The proposed approach is structured into seven sequential steps: (i) Dataset Collection, (ii) Parameter Calculation, (iii) Initial Ranking, (iv) Ranking through Deep Learning, (v) Disjointness Analysis, (vi) Statistical Analysis, and (vii) the Proposed Index. Each step is designed to contribute to the overall development of the new index, with subsequent sections providing detailed explanations of the significance and function of each stage in the evaluation process. This structured methodology aims to enhance the accuracy and reliability of researcher assessments within the Neuroscience domain.
Discussion
In the discussion section of the paper, the authors critically evaluate existing bibliometric indices used for assessing researcher productivity and impact, highlighting the limitations of the widely adopted h-index. While the h-index integrates productivity and impact, it is criticized for being size-dependent and for neglecting the significance of collaborative research and the total citations of highly impactful works. The authors note that despite the development of over 70 metrics in the past two decades, there remains no consensus on a universally accepted standard for researcher evaluation, with comparative studies indicating that the effectiveness of these metrics varies across disciplines.
To address these challenges, the authors introduce the HK Index, a novel metric that harmonically integrates the h² upper index and the k index, aiming to provide a more stable and equitable assessment of academic performance. This new index is particularly relevant for contexts requiring fairness and comparability across diverse fields, such as academic awards and tenure decisions. The study emphasizes the importance of systematic evaluations of bibliometric indices, including the concept of disjointness, which measures the independence of different indices in identifying unique awardees. By employing a robust dataset from the neuroscience domain and analyzing 64 existing parameters, the authors aim to refine research indices and enhance their applicability, ultimately contributing to a more comprehensive understanding of researcher evaluation.