مدل­های سنجش بهره­وری علمی

– مدل­های سنجش بهره­وری علمی

لیسونی و همکاران (2011) ، سابقه تلاش برای سنجش بهره‌وری علمی را به سال ١٩٠٣ باز می‌گردانند. در این سال، کاتل[1] در پژوهشی برای نخستین بار، با مطالعه مجموعه­ای از داده­های نظام­مند برگرفته از مقالات علمی به تفکیک پژوهشگران انفرادی نشان داد که تفاوت آشکاری میان بهره‌وری علمی نویسندگان وجود دارد. پس از وی، کسانی چون پرایس[2] (1963) و فرانسیس کالتون[3] (1926) مطالعات پراکنده­ای در این باره داشتند. اما آلفرد جیمز لوتکا[4] (1880-1949) نخستین کسی بود که به طور جدی و مستقیم به تحقیق پیرامون بهره­وری علمی پرداخت (نوروزی چاکلی، 1390) .

 

2-1-4-1- مدل لوتکا

لوتکا (1926) در پژوهش خود به بررسی “توزیع فراوانی بهره­وری علمی” پرداخت که بعدها «قانون لوتکا»، «قانون مربع معکوس» یا «قانون بازدهی پدیدآوران» نامیده شد (احمد و رحمان[5]، 2009) .

وی برای دستیابی به الگوی پدیدآوری در این دو حوزه، به شناسایی نویسندگان و فراوانی آثار آنان در حوزه فیزیک و شیمی پرداخت. لوتکا مرز‌های پژوهش خود را به دو اثر مرجع جامع[6] محدود کرد. در عین حال، وی تنها به بررسی نویسندگان نخستی که نام خانوادگی آن­ها با حروف A و B آغاز می‌شد بسنده کرد. بدین ترتیب، لوتکا دیگر همکاران را در نظر نگرفت و از هیچ آزمون آماری برای تعیین سطح معنی­داری استفاده نکرد (عصاره و مصطفوی،1390) .

لوتکا مولفان دارای بروندادهای علمی زیاد را به عنوان برون هشته[7] از آزمون کنار گذاشت. آنگاه نمودار درصد نویسندگان دارای1، 2، 3،… و n اثر را بر حسب فراوانی آثار آنان بر محورهای لگاریتمی ترسیم کرد. با به دست آوردن معادله توانی برای منحنی ترسیم شده، به توان برابر با 2 دست یافت:

Yx=Cx-nیا C=xn yx

 

که در آن x= شمار مقالات، y = فراوانی نویسندگان دارای x مقاله، n = توان معادله = 2، و c = مقدار ثابت=  است (نمودار 2-1) .

این فرمول بیان می‌دارد که در یک حوزه موضوعی، شمار پژوهشگران پرتولید، یعنی کسانی که شمار بسیار زیادی از آثار را تولید می­کنند، بسیار اندک است. به عبارت دقیق‌تر، تعداد نویسندگانی که n مقاله دارند  برابر نویسندگانی است که دارای یک مقاله هستند. به عبارت دیگر، در یک حوزه موضوعی 60 درصد افراد یک مقاله دارند، 15 درصد ( ) دو مقاله دارند، 7 درصد ( ) سه مقاله دارند و …. بر اساس قانون لوتکا فقط 6 درصد نویسندگان یک حوزه موضوعی 10 مقاله یا بیشتر دارند.

برای نمونه چنانچه جامعه‌ای مفروض از نویسندگان و شمار مقالات آنان را با مشخصاتی که در جدول 2-1 آمده است در نظر داشته باشیم، آنگاه توان به دست آمده برای این جامعه دقیقاً برابر با ٢ خواهد بود (نمودار 2-1) .

 

جدول 2-1- فراوانی نویسندگان و مقالات

فراوانی مقالات فراوانی نویسندگان
1 105
2 23
3 12
4 6
5 4
6 3
٧ 2
8 2
٩ 1
10 1

 

نکته قابل توجه در این نمودار همبستگی بسیار شدید بین فراوانی نویسندگان و فراوانی مقالات تولید شده توسط آنان در جامعه مفروض است  (R2=0.99). همچنین، توان معادله دقیقاً با ٢ برابر شده است[8]. این در حالی است که انطباقی دقیق با قانون لوتکا در بسیاری از حوزه‌های پژوهشی مشاهده نشده است (برای نمونه نگاه کنید به سوبرینو، کالدس و گوررو[9]، ٢٠٠٨؛ سگلن[10]، ١٩٩٧) .

 

 

در واقع، پس از انتشار مقاله اصلی لوتکا در سال 1926 تحقیقات زیادی درباره بازدهی نویسندگان در حوزه‌های مختلف صورت گرفت. بررسی این متون نشان می‌دهد که مطالعه اصلی لوتکا بر اساس دو نمونه انجام گرفته است. یکی از این دو نمونه هنگامی که آزمون «برازندگی»[11] انجام گرفت، با قانون لوتکا سازگاری نشان نداد. بدین ترتیب، از مطالعه لوتکا قانون تجربی حاصل نشد، بلکه لوتکا تنها به یک فرضیه دست یافت. همچنین، تا سال 1973 هیچ‌گونه تلاشی برای آزمون قابلیت به کارگیری قانون لوتکا در سایر رشته‌ها انجام نگرفت. قابل ذکر است که از اوایل دهه1970 تا 1979 حدود 30 مطالعه برای اعتباریابی قانون لوتکا انجام گرفته است. حاصل این تحقیقات آن قدر با یگدیگر ناسازگار است که به نتیجه واحدی نمی­توان دست یافت (پاتر[12]، 1981) .

  روش چارِت چیه و چه کاربردی داره؟ 

در به­کارگیری قانون لوتکا چند نکته به منظور به دست آوردن نتایجی مشابه نتایج لوتکا حائز اهمیت است. نخست آن که هر چه بازه زمانی مطالعه گسترده‌تر باشد و بیش از ده سال را بپوشاند، تولید آنان به توزیع فراوانی که «قانون لوتکا» نام گرفته است، نزدیکتر می­شود. همچنین، بهتر است جامعه مولفان به گونه­ای وسیع تعریف می­شود و برای نمونه از مطالعه حوزه‌ای بسیار باریک خودداری شود. زیرا بر پایه نتایج پژوهش‌ها، هنگامی که حوزه موضوعی مورد مطالعه خیلی خاص باشد، نتایج یافته­ها به طور دقیق قاعده لوتکا را تایید نمی­کنند. دیگر آن که بهتر است از مطالعه همزمان دو یا چند حوزه موضوعی پرهیز شود، زیرا مطالعه چند موضوع در یک مجموعه، اگر نگوییم ناممکن، به سادگی امکان پذیر نیست (پاتر، 1981 به نقل از دیانی، 1376؛ عصاره و مصطفوی، 1390) . دلیل آن می‌تواند حجم زیاد مجموعه مورد مطالعه و مختلفی رفتار انتشاراتی در حوزه‌های موضوعی مختلف باشد.

 

2-1-4-2- مدل پائو

میراندا لی پائو[13] در سال 1985 مقاله­ای را با عنوان “آزمون تجربی قانون لوتکا[14]” منتشر کرد که بعدها قانون پائو نامیده شد و در مطالعات بسیاری به کار گرفته شد. وی در این مطالعه به شرح روشی برای بررسی انطباق قاعده لوتکا پرداخت که بسیار به روش به کار رفته توسط لوتکا نزدیک بود. او در این کار 48 گروه از نویسندگان در 20 رشته موضوعی را مورد مطالعه قرار داد. موضوعات تحت پوشش را علوم دارویی، علوم رایانه و علوم انسانی تشکیل می‌داد. پائو در این مطالعه، چگونگی محاسبه مقدار توان n و مقدار ثابت c در فرمول لوتکا را تشریح کرد. محاسبه توان n به شرح زیر صورت گرفت:

که در آن N= تعداد داده­ها، X= لگاریتمx (تعداد مقالات) وY= لگاریتمy (تعداد نویسندگان)

با استفاده از مقدارn مقدار ثابتc برای استفاده در قاعده پائو محاسبه شده است. مقدار ثابت c برابر است با معکوس حاصل زیر:

مجموع این سری برابر است با:

 

از این رو مقدار c برابر است با:

 

برای محاسبه مخرج کسر، 20 مقدار اول سری باید محاسبه شود (سوبرینو، کالدس، گوررو، 2009) .

برای نمونه، چنانچه بخواهیم برای داده‌های مفروض در جدول ١ توان معادله را به دست آوریم خواهیم داشت:

بنابراین قاعده پائو به روشی متفاوت از قاعده لوتکا، رابطه بین نویسندگان و مقالات آنان را بررسی می­کند و متشکل از مراحل گردآوری داده­ها، محاسبه توان n، محاسبه مقدار ثابت c، و آزمون کولموگروف- اسمیرنوف[15] است. کوال[16] (1977) با انتقاد از استفاده از آزمون مجذور خی، پیشنهاد استفاده از آزمون کولموگروف- اسمیرنوف به عنوان قدرتمندترین آزمون آماری را می­دهد. آزمون کولموگروف- اسمیرنوف برای بررسی اینکه نمونه­ای از جامعه از توزیع ویژه­ای تبعیت می­کند یا خیر، مورد استفاده قرار می­گیرد. در کاربرد آن مانند آزمون مجذور خی به برآورد تعداد کافی و مشخصی از نمونه احتیاج نیست. همچنین، آزمون مجذور خی مستلزم داده­های گروه­بندی شده است در صورتی که این آزمون مستلزم چنین داده­هایی نیست (عصاره و مصطفوی، 1390) .

  رسالت و اهداف دانشگاه

بدین ترتیب، قانون پائو از چند جهت از روش لوتکا متمایز می‌شود. نخست آن که لوتکا از هیچ نوع آزمون آماری استفاده نکرد، در حالی که پائو مطالعه لوتکا را با استفاده از آزمون آماری کولموگروف- اسمیرنوف مورد بررسی دوباره قرار داد. همچنین، در شمارش نویسندگان، پائو برخلاف لوتکا همه نویسندگان یک مقاله را مورد بررسی قرار داد. بسیاری از نویسندگان پس از پائو در این زمینه با او هم عقیده بوده و در مطالعات صورت گرفته در این حوزه از شمارش کامل استفاده کردند.

لازم به ذکر است که در بررسی قواعد لوتکا و پائو نمی­توان از روش شمارش کسری استفاده کرد؛ زیرا شمارش کسری برای مقالات چند نویسنده­ای بین صفر و یک نوسان خواهد داشت. این بدین معنی است که وزن مقالات با تغییر تعداد نویسندگان یک مقاله، تغییر خواهد کرد چرا که با افزایش تعداد نویسندگان مقالات، سهم هر یک از نویسندگان کاهش می‌یابد (همان).

 

2-1-4-3- مدل شاکلی

ویلیام شاکلی[17] (1957) یکی از برندگان جایزه نوبل فیزیک سال ١٩۵۶، با بررسی شمار انتشارات علمی به مطالعه بهره­وری علمی در چند آزمایشگاه تحقیقاتی پرداخت. پژوهشگران و تولیدات آنان با استفاده از دو چکیده نامه‌ی علوم[18] در سال‌های ١٩۵٠-19۵٣ شناسایی شدند. وی بر خلاف لوتکا در تحلیل خود، همه همکاران هر مقاله را به شمار آورد و سهم مشارکت همه را با هم برابر فرض کرد. آنگاه لگاریتم فراوانی تولیدات علمی را که به این شیوه وزن‌گذاری شده بود، بر حسب درصد نویسندگان ترسیم کرد (نمودار ٢-2) و دریافت که فرایند تولید علم خلاقانه، توزیعی کم و بیش لگاریتمی در میان پژوهشگران دارد. به عبارت دیگر، میزان بهره­وری علمی تقریباً به صورت نمایی از فردی به فرد دیگر افزایش می‌یابد. بهره‌وری علمی در میان افراد مختلف متفاوت است و فاصله بسیار چشمگیری بین افراد کم‌تولید و پرتولید در دو سوی منحنی ‌بهره‌وری وجود دارد.

وی «فرضیه سازمانی[19]» را در توجیه چگونگی رویداد «توزیع نرمال لگاریتمی» مردود دانست. زیرا وی نشان داد که آزمایشگاه‌های دارای سازمان‌های متفاوت پژوهش و تولید علم از همین توزیع لگاریتمی نمایی برخوردارند. از سوی دیگر، وی نشان داد که این توزیع نمایی، بیشتر مرهون پژوهشگرانی است که قادر به انتشار مستقل بوده‌اند. زیرا، بخشی از منحنی که شیب تندی را باعث شده است، حاصل حمایت پژوهشگرانی است که به طور انفرادی به انتشار پرداخته‌اند. در واقع، تولید علم حدود نیمی از پژوهشگران با حمایت پژوهشگران بهره‌ورتر انجام شده است که خود قادر بوده‌اند به طور مستقل، به تنهایی و با نرخی نسبتا زیاد دست به انتشار بزنند

[1]. Cattel

[2]. Price

[3]. Francis Galton

[4]. Alfred J. Lotka

[5]. Ahmed & Rahman

  1. 4. “Chemical Abstracts”, “Auerbach’s Geschichtstafeln der Physik”

[7]. Outliers

.[8] لازم به ذکر است که تکرار تحلیل، پس از حذف پرتولیدترین گروه نویسندگان، از مقدار توان یا شدت برازش منحنی به دست آمده به مقدار معنی‌داری نمی‌کاهد (R2=0.986, n=-1.98).

  انواع و ویژگیها و شروط تحلیل محتوا از نظر روانشناختی

[9]. Sobrino, Caldes  & Guerrero

[10] . Seglen

  1. 5. Goodness of fit

[12].Potter

[13]. Miranda Lee Pao

[14]. An Empirical Examination of Lotka’s Law

[15]. Kolmogorov–Smirnov(KS)

[16]. Coile

[17] . William Shockley

[18]. Science Abstracts A and B

[19]. Organizational Hypothesis.طبق این فرضیه، این توزیع می‌تواند حاصل سازمان فعالیت های پژوهشی در آزمایشگاه‌های بزرگ مدرن باشد.به دلیل استفاده از دستگاه‌های پیشرفته و همکاری بین تیم های پژوهشی شمار همکاران مقالات افزایش یابد، در عین حال، نام شمار کمی از پژوهشگران ارشد که این پژوهش‌ها را هدایت می‌کنند در شمار زیادی از این مقالات برده می‌شود. این مشارکت در توزیع لگاریتمی بهتر از توزیع نرمال خود را نشان می‌دهد.

بدین ترتیب، وی برای توضیح تفاوت در بهره­وری به عوامل فردی روی می‌آورد و توانمندی­های ذهنی را بیش از دیگر عوامل دخیل می‌داند. در واقع، توانمندی­های ذهنی فرد به وی امکان می­دهد جنبه‌های مختلف حل مسئله را درک کند، ارتباط بین این جنبه‌ها را تشخیص دهد و سودمندی این آمیزه‌ جدید را دریابد. چنانچه تغییرات اندکی در یک جهت بر هر یک از این عوامل و ویژگی‌های خاص اعمال شود، می‌تواند تغییری بزرگ در نتیجه حاصل ایجاد کند. برای نمونه، در فرایند تولید علم عوامل ذهنی هشت­گانه ذیل می‌توانند نقش داشته باشند: توانایی اندیشیدن پیرامون یک مسئله خوب، توانایی کار بر آن مسئله، توانایی بازشناختن نتیجه‌ای ارزنده، توانایی تصمیم­گیری درباره زمان بسندگی کار و آغاز به نگارش تحقیق، توانایی نگارش یافته­ها به شیوه‌ای اثربخش و به حد تکافو، توانایی بهره­برداری سازنده از انتقادها، تصمیم برای ارسال مقاله به یک مجله و مداومت در بازنگری (در صورت درخواست داوران) (شاکلی، ١٩۵٧، ص. 286) . احتمال این که پژوهشگری بتواند در دوره زمانی معینی مقاله­ای تولید کند (P) ، برابر است با حاصل ضرب این مجموعه عوامل هشت‌گانه:

به این ترتیب ، اگر توانایی پژوهشگری در هر یک از این هشت عامل به اندازه ۵٠ درصد از پژوهشگری دیگر فراتر رود، یعنی:

و …    و

بهره‌وری وی ٢۵ برابر خواهد بود:

بدین ترتیب، وی اختلاف فاحش میان تولیدات علمی پژوهشگران را بر اساس مدل­های ساده شده­ای از فرایندهای ذهنی تشریح کرد.

 

2-1-4-4- مدل پرایس

در سال 1963 درک دسولا پرایس[1] مدلی را برای تبیین بهره‌وری پدیدآوران پرتولید در یک حوزه موضوعی مطرح کرد. وی پس از بررسی اندیشه‌های فرانسیس گالتون در نخبه سالاری و آلفرد لوتکا در پدیدآوری در دو دو حوزه شیمی و فیزیک، این مدل را ارائه کرد. وی معتقد است که تعداد تولیدات پدیدآوران فعال یا پرتولید در یک حوزه موضوعی خاص در خلال یک دوره زمانی معین، تقریباً برابر با نیمی از تعداد تولیدات کل پدیدآوران در همان حوزه است، به این معنی که پدیدآوران فعال نیمی از کل انتشارات یک حوزه را تولید و منتشر می­کنند. به این معنی که هر گاه xنویسنده، تعداد y مقاله را به رشته تحریر درآورده باشند، تعداد  نویسنده، تعداد  مقاله را نوشته­اند. به این معنی که اگر 550 نویسنده 1700 مقاله نوشته باشند، بر اساس این قاعده تقریبا 23 نویسنده، 850 مقاله را به رشته تحریر درآورده­اند. این قاعده با عنوان قاعده ریشه دوم پرایس[2]، شناخته می‌شود. قاعده پرایس ریشه در قاعده روسو دارد که در حوزه علوم اجتماعی شناخته شده است (حیدری، 1389) .

[1]. D. De Solla Price

[2]. Price’s square root law