王素娜-基于XGBoost模型的学科竞争力识别实证研究

DESIGNEDBYIBOTUDESIGNEDBYIBOTU汇报人：王素娜闽南师范大学图书馆泉州2024.11.8基于XGBoost模型的学科竞争力识别实证研究DESIGNEDBYIBOTUDESIGNEDBYIBOTU目录01目的/意义02研究框架03学科竞争力识别04精准策略讨论1测度指标科研成果数据分析定量指标遴选评估指标体系构建2学科建设精准识别学科发展点，发挥高校科研优势，为高校学科发展战略规划的制定提供智库支撑3学科竞争力学科评估或学科建设研究旨在揭示学科的发展现状与趋势目的/意义PART.01目的/意义PART.01Citation Topics（引文主题）是基于单篇论文引用的全新三级引文主题分类体系，改变了传统的期刊分类体系，破除了学科壁垒高、分类粒度大、更新频率慢等弊端。研究创新点当前高校图书馆迫切需要更为细粒度级的多维度学科竞争力揭示，辅助高校创造新的科研绩效增长点。1指标体系2实证框架研究框架PART.02PART.02指标体系PART.02实证框架1数据获取2模型测试3结果分析学科竞争力识别PART.03Macro：2ChemistryMeso：37个领域Micro：248个领域Meso2.74Photocatalysts（光催化剂）2019至2023年中国大陆地区相关性分析剔除后：27个指标如：DocumentsinTop10%（被引次数排名前10%的论文）与LastAuthor（末位作者）相关性为0.9743781篇论文2924个机构73个定量指标（生产量、影响力、合作、开放获取和作者位置）inCites平台WOS数据库数据获取PART.03PART.03数据获取Y值CNCI（学科规范化后的引文影响力）4个分类：Class0——Class3类别X值剩余26个定量指标PART.03模型测试分类模型的各项评价指标以CNCI为Y值，其余26个变量为X值，随机选取70%的样本量作为训练集，30%样本量作为测试集，CitationTopics切面的研究领域成果可分为四种类型，识别准确率为92.75%。PART.03模型测试算法 指标 Accuracy Micro F1 Macro F1 高斯贝叶斯 0.8059 0.8059 0.7989 K近邻 0.8119 0.8119 0.8072 逻辑回归 0.8716 0.8716 0.8689 SVM支