Наукометрическая интеллектуальная измерительная система по данным РИНЦ на основе АСК-анализа и системы "Эйдос"
Идея решения проблемы с применением наукометрической интеллектуальной измерительной системы. Краткое описание АСК-анализа как метода решения проблемы. Численный пример синтеза и применения наукометрической интеллектуальной измерительной системы.
| Рубрика | Менеджмент и трудовые отношения |
| Вид | статья |
| Язык | русский |
| Дата добавления | 26.05.2017 |
| Размер файла | 5,0 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
171
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ АВТОРА В РИНЦ-3/4-{109.0000000, 298.0000000}
172
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ АВТОРА В РИНЦ-4/4-{298.0000000, 10043.0000000}
173
ЧИСЛО СОАВТОРОВ-1/4-{2.0000000, 16.0000000}
174
ЧИСЛО СОАВТОРОВ-2/4-{16.0000000, 27.0000000}
175
ЧИСЛО СОАВТОРОВ-3/4-{27.0000000, 73.0000000}
176
ЧИСЛО СОАВТОРОВ-4/4-{73.0000000, 6205.0000000}
177
INDICATORYEAR-1/4-{2014.0000000, 2015.0000000}
178
INDICATORYEAR-2/4-{2015.0000000, 2015.0000000}
179
INDICATORYEAR-3/4-{2015.0000000, 2015.0000000}
180
INDICATORYEAR-4/4-{2015.0000000, 2015.0000000}
181
ИНДЕКС ХИРША БЕЗ УЧЕТА САМОЦИТИРОВАНИЙ-1/4-{1.0000000, 3.0000000}
182
ИНДЕКС ХИРША БЕЗ УЧЕТА САМОЦИТИРОВАНИЙ-2/4-{3.0000000, 5.0000000}
183
ИНДЕКС ХИРША БЕЗ УЧЕТА САМОЦИТИРОВАНИЙ-3/4-{5.0000000, 7.0000000}
184
ИНДЕКС ХИРША БЕЗ УЧЕТА САМОЦИТИРОВАНИЙ-4/4-{7.0000000, 45.0000000}
185
ИНДЕКС ХИРША С УЧЕТОМ ТОЛЬКО СТАТЕЙ В ЖУРНАЛАХ-1/4-{1.0000000, 3.0000000}
186
ИНДЕКС ХИРША С УЧЕТОМ ТОЛЬКО СТАТЕЙ В ЖУРНАЛАХ-2/4-{3.0000000, 4.0000000}
187
ИНДЕКС ХИРША С УЧЕТОМ ТОЛЬКО СТАТЕЙ В ЖУРНАЛАХ-3/4-{4.0000000, 6.0000000}
188
ИНДЕКС ХИРША С УЧЕТОМ ТОЛЬКО СТАТЕЙ В ЖУРНАЛАХ-4/4-{6.0000000, 27.0000000}
189
ГОД ПЕРВОЙ ПУБЛИКАЦИИ-1/4-{1955.0000000, 1971.0000000}
190
ГОД ПЕРВОЙ ПУБЛИКАЦИИ-2/4-{1971.0000000, 1986.0000000}
191
ГОД ПЕРВОЙ ПУБЛИКАЦИИ-3/4-{1986.0000000, 1997.0000000}
192
ГОД ПЕРВОЙ ПУБЛИКАЦИИ-4/4-{1997.0000000, 2006.0000000}
193
ЧИСЛО ССЫЛОК НА САМУЮ ЦИТИРУЕМУЮ ПУБЛИКАЦИЮ-1/4-{2.0000000, 10.0000000}
194
ЧИСЛО ССЫЛОК НА САМУЮ ЦИТИРУЕМУЮ ПУБЛИКАЦИЮ-2/4-{10.0000000, 34.0000000}
195
ЧИСЛО ССЫЛОК НА САМУЮ ЦИТИРУЕМУЮ ПУБЛИКАЦИЮ-3/4-{34.0000000, 75.0000000}
196
ЧИСЛО ССЫЛОК НА САМУЮ ЦИТИРУЕМУЮ ПУБЛИКАЦИЮ-4/4-{75.0000000, 1293.0000000}
197
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ-1/4-{1.0000000, 6.0000000}
198
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ-2/4-{6.0000000, 16.0000000}
199
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ-3/4-{16.0000000, 27.0000000}
200
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ-4/4-{27.0000000, 341.0000000}
201
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ (%)-1/4-{2.5000000, 14.2857143}
202
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ (%)-2/4-{14.2857143, 27.7777778}
203
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ (%)-3/4-{27.7777778, 62.5000000}
204
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ (%)-4/4-{62.5000000, 96.3276836}
205
NUMOFLIBRARYITEMS-1/4-{5.0000000, 24.0000000}
206
NUMOFLIBRARYITEMS-2/4-{24.0000000, 43.0000000}
207
NUMOFLIBRARYITEMS-3/4-{43.0000000, 77.0000000}
208
NUMOFLIBRARYITEMS-4/4-{77.0000000, 370.0000000}
209
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ-1/4-{1.0000000, 15.0000000}
210
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ-2/4-{15.0000000, 71.0000000}
211
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ-3/4-{71.0000000, 113.0000000}
212
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ-4/4-{113.0000000, 2019.0000000}
213
LIBRARYCITED-1/4-{12.0000000, 114.0000000}
214
LIBRARYCITED-2/4-{114.0000000, 203.0000000}
215
LIBRARYCITED-3/4-{203.0000000, 674.0000000}
216
LIBRARYCITED-4/4-{674.0000000, 12513.0000000}
217
ИНДЕКС ХИРША ПО ЯДРУ РИНЦ-1/4-{1.0000000, 1.0000000}
218
ИНДЕКС ХИРША ПО ЯДРУ РИНЦ-2/4-{1.0000000, 3.0000000}
219
ИНДЕКС ХИРША ПО ЯДРУ РИНЦ-3/4-{3.0000000, 4.0000000}
220
ИНДЕКС ХИРША ПО ЯДРУ РИНЦ-4/4-{4.0000000, 17.0000000}
Обучающая выборка (база событий). Обучающая выборка представляет собой исходные данные, представленные в табл. 1, закодированные с помощью классификационных и описательных шкал и градаций (табл. 2 и 3).
Обучающая выборка в форме базы событий приведена в табл. 4.
Таблица 4 - Обучающая выборка (база событий)
Примечание: Изображения таблицы исходных данных представлены с разрешением 600 dpi и при увеличении изображения хорошо читабельны.
5.3 Синтез и верификация модели
Синтез и верификация модели осуществляется в режиме 3.5 системы «Эйдос» (рис. 4):
Рисунок 4. Экранные формы режима синтеза и верификации модели системы «Эйдос»
Результаты синтеза моделей. В соответствии с последовательностью преобразования данных в информацию, а ее в знания и решения задач в АСК-анализе и системе «Эйдос», приведенной на рис. 2, в режиме 3.5 созданы и проверены на достоверность следующие модели, отличающиеся частными критериями:
Частные модели ABS, PRC#, INF#, отличаются друг друга частными критериями знаний [15] (табл. 5).
Таблица 5 - Частные критерии знаний, используемые в настоящее время в АСК-анализе и системе «Эйдос-Х++»
Наименование модели знанийи частный критерий |
Выражение для частного критерия |
||
черезотносительныечастоты |
черезабсолютные частоты |
||
|
ABS, частный критерий: абсолютная частота встречаемости i-го признака в j-м классе |
--- |
||
|
PRC1, частный критерий: относительная частота встречи i-го признака в j-м классе, где Nj - суммарное количество признаков по j-му классу. |
--- |
||
|
PRC2, частный критерий: относительная частота встречи i-го признака в j-м классе, где Nj - суммарное количество объектов по j-му классу. |
|||
|
INF1, частный критерий: количество знаний по А. Харкевичу, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу. Относительная частота того, что если у объекта j-го класса обнаружен признак, то это i-й признак |
|||
|
INF2, частный критерий: количество знаний по А. Харкевичу, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу. Относительная частота того, что если предъявлен объект j-го класса, то у него будет обнаружен i-й признак. |
|||
|
INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами |
--- |
||
|
INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу Применение предложено Л.О. Макаревич |
|||
|
INF5, частный критерий: ROI - Return On Investment, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу |
|||
|
INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу |
|||
|
INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу |
Обозначения:
i - значение прошлого параметра;
j - значение будущего параметра;
Nij - количество встреч j-го значения будущего параметра при i-м значении прошлого параметра;
M - суммарное число значений всех прошлых параметров;
W - суммарное число значений всех будущих параметров;
Ni - количество встреч i-м значения прошлого параметра по всей выборке;
Nj - количество встреч j-го значения будущего параметра по всей выборке;
N - количество встреч j-го значения будущего параметра при i-м значении прошлого параметра по всей выборке;
Iij - частный критерий знаний: количество знаний в факте наблюдения i-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее j-му значению будущего параметра;
Ш - нормировочный коэффициент (Е.В. Луценко, 2002), преобразующий количество информации в формуле А.Харкевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р.Хартли;
Pi - безусловная относительная частота встречи i-го значения прошлого параметра в обучающей выборке;
Pij - условная относительная частота встречи i-го значения прошлого параметра при j-м значении будущего параметра.
Все эти способы метризации с применением 7 частных критериев знаний (табл. 5) реализованы в системно-когнитивном анализе и интеллектуальной системе «Эйдос» и обеспечивают сопоставление градациям всех видов шкал числовых значений, имеющих смысл количества информации в градации о принадлежности объекта к классу. Поэтому является корректным применение интегральных критериев, включающих операции умножения и суммирования, для обработки числовых значений, соответствующих градациям шкал. Это позволяет единообразно и сопоставимо обрабатывать эмпирические данные, полученные с помощью любых типов шкал, применяя при этом все математические операции.
На рис. 5 приведены фрагменты созданных моделей ABS, PRC2, INF1:
Рисунок 5. Экранные формы просмотра моделей: ABS, PRC2, INF1 (фрагменты)
Результаты верификации моделей. Различные результаты верификации (оценки достоверности) моделей приведены на рис. 5 - 9:
Сами модели отличаются друг от друга частными критериями, а результаты классификации в них - интегральными критериями.
Рисунок 5. Экранная форма режима оценки достоверности моделей при разных интегральных критериях (сокращенный вариант)
Рисунок 6. Экранная форма режима оценки достоверности моделей при разных интегральных критериях (полный вариант)
Рисунок 7. Экранная форма режима оценки достоверности идентификации объектов с разными классами в различных моделях и при разных интегральных критериях
Из этой формы видно, что в любой из моделей одни классы идентифицируются лучше, а другие хуже.
Рисунок 8. Экранная форма режима оценки достоверности идентификации объектов с разными классами в различных моделях и при разных интегральных критериях
Из этой формы видно, что одни объекты идентифицируются с классами лучше, а другие хуже.
Рисунок 9. Экранная форма режима оценки достоверности идентификации классов в различных моделях и при разных интегральных критериях
Из этой формы видно, что одни классы идентифицируются лучше в одной модели, а другие в другой.
При оценке достоверности моделей используется F-критерий Ван Ризбергена См., например: http://bazhenov.me/blog/2012/07/21/classification-performance-evaluation.html , сходный критерий, предложенный проф. Е.В. Луценко в 1994 году, а также эффективность классификации в модели по сравнению со случайным угадыванием.
По результатам оценки достоверности созданных моделей можно сделать вывод о том, что по F-критерию Ван Ризбергена их достоверность достаточно высока, а значит оценки и решения на их основе будут хорошо совпадать с оценками экспертов (в области репрезентативности моделей).
Рисунок 10. Экранная форма режима помощи по оценке достоверности
5.4 Решение наукометрических задач с помощью модели
Рассмотрим решение задач классификации, поддержки принятия решений и исследования предметной области путем исследования ее модели.
Мы видим, что по F-критерию достоверности моделей Ван Ризбергена достоверность созданных моделей достаточно высока, чтобы решение этих задач на основе моделей можно было бы считать корректным.
Задачи оценки результатов научной деятельности. В соответствии с математической моделью АСК-анализа, реализованной в системе «Эйдос», объект распознаваемой выборки считается относящимся к тому классу, о принадлежности к которому в его системе признаков содержится максимальное количество информации. Таким образом в системе «Эйдос» используется аддитивный интегральный критерий.
Интегральный критерий «Сумма знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний [13] и имеет вид:
В этом выражении круглыми скобками обозначено скалярное произведение. В координатной форме указанное выражение имеет вид:
где: M - количество градаций описательных шкал (значений факторов);
- вектор состояния j-го класса;
- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний [21] и имеет вид:
где:
M - количество градаций описательных шкал (признаков);
- средняя информативность по вектору класса;
- среднее по вектору объекта;
- среднеквадратичное отклонение частных критериев знаний, рассчитанное по вектору класса;
- среднеквадратичное отклонение по вектору распознаваемого объекта.
- вектор состояния j-го класса;
- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
Приведенное выражение для интегрального критерия «Семантический резонанс знаний» получается непосредственно из выражения для критерия «Сумма знаний» после замены координат перемножаемых векторов их стандартизированными значениями:
Свое наименование интегральный критерий сходства «Семантический резонанс знаний» получил потому, что по своей математической форме является корреляцией двух векторов: состояния j-го класса и состояния распознаваемого объекта.
Таким образом, в АСК-анализе и системе «Эйдос» используется одно общее математическое выражение для частных критериев, как способствующих, так и препятствующих переходу объекта моделирования в некоторое состояние, а также вообще не влияющих на это, и аддитивный интегральный критерий, что обеспечивает сопоставимость измерений и результатов системной идентификации.
На рис. 11 и 12 приведены экранные формы с результатами классификации некоторых авторов на основе их общих наукометрических показателей РИНЦ с использованием наиболее достоверных из созданных моделей:
Рисунок 11. Экранная форма с результатами классификации автора: «Чл.-кор. РАН Клейнер Г.Б.»
Рисунок 12. Экранная форма с результатами классификации автора: «Канд. наук Лабскер Л.Г.»
В результатах классификации Чл.-кор. РАН Г.Б. Клейнера отметим его очень высокий уровень сходства по значениям наукометрических показателям с академиками РАН («без 5 минут академик»).
В результатах классификации канд.наук Л.Г. Лабскера отметим, что по значениям его наукометрических показателей он имеет более высокий уровень сходства с докторами наук, чем с кандидатами («не защитившийся доктор»).
Задача поддержки принятия решений (информационные портреты результатов научной деятельности авторов). Задача поддержки принятия решений является обратной по отношению к задаче прогнозирования (классификации): при прогнозировании по значениям факторов определяется будущее состояние, а при принятии решений, наоборот, по целевому будущему состоянию определяется, какие значения факторов его обуславливают.
В системе «Эйдос» есть возможность вывести значения наукометрических показателей, наиболее характерных для любого заданного результата научной деятельности. Например, на рис. 13 приведен информационный портрет результата «Научные достижения - высокие»:
Конечно, это звучит несколько цинично, но в соответствии с созданными моделями получается, что для того, чтобы эксперты оценили результаты научной деятельности автора как высокие, ему нужно иметь следующие наукометрические показатели (приведены в порядке убывания силы влияния на этот результат оценки):
- очень большое количество публикаций в РИНЦ;
- очень большое число самоцитирований;
- очень большое суммарное число цитирований;
- очень большое или большое значение индекса Хирша.
Рисунок 13. Информационный портрет результата: «Научные достижения - высокие»
К самоцитированию следует относиться положительно. Странным является отрицательное отношение к самоцитированию отдельных авторов, публикующихся по вопросам оценки эффективности научной деятельности. Анализ предшественников может быть нужен в начале цикла исследований, когда нет собственных публикаций и, как следствие, самоцитирование невозможно. После получения новых самостоятельных результатов исследователь (или исследовательский коллектив) опережает других, и его новые работы опираются на ранее созданную им самим базу, а не на работы со стороны. Другими словами, для дальнейших статей «посторонних предшественников» попросту нет. А вот ссылок на собственные предыдущие работы объективно становится много. Необходимо указать связи новых результатов с ранее полученными тем же автором (исследовательским коллективом). Чем больше сделано, тем больше связей надо указать, следовательно, тем больше ссылок на собственные работы.
Таким образом, самоцитирование - это хорошо. Это значит, что ученый строит свою область. А отсутствие самоцитирования означает, что для автора эта статья - первая по новой для него тематике. Либо он - начинающий, либо "срывает яблоки из чужих садов". Типовая ситуация - научный деятель берет чужую работу и изучает, конспектирует или пересказывает ее своими словами - получается собственное произведение.
В качестве примера можно рассмотреть статью [38] по выбору средних в соответствии со шкалами измерения. В ней систематизированы публикации, порожденные работами 70-х годов одного из авторов настоящей статьи. Но из обзора [38] было неясно, в каких работах получены основополагающие результаты, а какие публикации являются всего лишь комментариями. Пришлось опубликовать отдельную статью на эту тему [39].
Второй пример - статья [40]. Ее авторы взяли работу [51] одного из авторов настоящей статьи, заменили условие дифференцируемости на условие непрерывности - и получили новый научный результат. Поясним сложившуюся традицию в простых и понятных терминах: один человек построил дом, другой покрасил дверь в нем. И теперь надо ссылаться на второго из них (как на получившего более продвинутые результаты), в лучшем случае добавляя "который развил (или улучшил) первоначальные соображения первого".
Критика научного журнала за самоцитирование выглядит особенно нелепо, поскольку противоречит естественному процессу научных исследований. Вполне естественно, что авторы, работающие по одной и той же тематике, имеют тенденцию публиковаться в одном и том же журнале и ссылаться друг на друга.
Задача исследования моделируемой предметной области путем исследования ее модели. Рассмотрим некоторые возможности исследования моделируемой предметной области путем исследования ее модели, предоставляемые системой «Эйдос». Результаты, полученные путем исследования модели, вполне корректно считать результатами исследования самой моделируемой предметной области, так как модель достоверна, т.е. хорошо и правильно отражает моделируемую предметную область.
Задача исследования значимости наукометрических критериев (индекс Хирша не является наиболее значимым наукометрическим критерием).
На рис. 14 приведена накопительная кривая ценности всех значений всех показателей, ранжированных в порядке убывания ценности в модели INF1:
Рисунок 14. Накопительная кривая ценности всех значений всех показателей, ранжированных в порядке убывания ценности в модели INF1
Каждое значение наукометрического показателя имеет некоторую ценность для решения задачи классификации авторов по обобщающим категориям (классам). В системе «Эйдос» в качестве количественной меры ценности значения показателя используется его вариабельность в наиболее достоверной базе знаний. В качестве меры вариабельности используется среднеквадратичное отклонение (но с тем же успехом могли бы быть использованы и другие меры, например среднее отклонение модуля отклонения от среднего).
Из рис. 14 видно, что 50% значений наукометрических показателей обеспечивает более 70% суммарной ценности, а 50% ценности обеспечивается 30% наиболее ценных значений показателей.
Ценность показателя считается в системе «Эйдос» как среднее ценностей его градаций.
В табл. 6 приведен список всех использованных в созданных моделях наукометрических показателей, ранжированный в порядке убывания ценности:
Таблица 6 - Общие наукометрические показатели РИНЦ в порядке убывания их ценности для классификации (исходная модель INF1)
|
Наименование шкалы |
Значимость шкалы |
||||
|
Бит |
Битнар.ит. |
% |
%нар.ит |
||
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ РОССИЙСКИХ ЖУРНАЛОВ ИЗ ПЕРЕЧНЯ ВАК |
0,192 |
0,192 |
2,664 |
2,664 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В РОССИЙСКИХ ЖУРНАЛАХ ИЗ ПЕРЕЧНЯ ВАК |
0,184 |
0,376 |
2,561 |
5,225 |
|
|
NUMOFLIBRARYITEMS |
0,180 |
0,556 |
2,494 |
7,719 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ ЖУРНАЛОВ С НЕНУЛЕВЫМ ИМПАКТ-ФАКТОРОМ |
0,179 |
0,735 |
2,488 |
10,207 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ АВТОРА В РИНЦ |
0,176 |
0,911 |
2,440 |
12,647 |
|
|
ГОД ПЕРВОЙ ПУБЛИКАЦИИ |
0,175 |
1,086 |
2,434 |
15,081 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ РОССИЙСКИХ ЖУРНАЛОВ |
0,175 |
1,261 |
2,429 |
17,510 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В РОССИЙСКИХ ЖУРНАЛАХ |
0,171 |
1,432 |
2,378 |
19,888 |
|
|
ИНДЕКС ХИРША ПО ЯДРУ РИНЦ |
0,168 |
1,600 |
2,335 |
22,223 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ СОАВТОРАМИ |
0,167 |
1,767 |
2,320 |
24,543 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ АВТОРА, ПРОЦИТИРОВАННЫХ ХОТЯ БЫ ОДИН РАЗ |
0,164 |
1,931 |
2,277 |
26,820 |
|
|
ЧИСЛО САМОЦИТИРОВАНИЙ |
0,160 |
2,091 |
2,218 |
29,038 |
|
|
ЧИСЛО СОАВТОРОВ |
0,159 |
2,250 |
2,207 |
31,245 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ, ПРОЦИТИРОВАВШИХ РАБОТЫ АВТОРА |
0,157 |
2,407 |
2,184 |
33,429 |
|
|
NUMOFITEMS |
0,153 |
2,560 |
2,119 |
35,548 |
|
|
ЧИСЛО ССЫЛОК НА САМУЮ ЦИТИРУЕМУЮ ПУБЛИКАЦИЮ |
0,149 |
2,709 |
2,065 |
37,613 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В ЖУРНАЛАХ С НЕНУЛЕВЫМ ИМПАКТ-ФАКТОРОМ |
0,147 |
2,855 |
2,035 |
39,648 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ |
0,146 |
3,001 |
2,031 |
41,678 |
|
|
СУММАРНОЕ ЧИСЛО ЦИТИРОВАНИЙ АВТОРА |
0,144 |
3,146 |
2,004 |
43,682 |
|
|
LIBRARYCITED |
0,144 |
3,290 |
2,004 |
45,685 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ ЗА ПОСЛЕДНИЕ 5 ЛЕТ (%) |
0,141 |
3,431 |
1,956 |
47,641 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ РОССИЙСКИХ ПЕРЕВОДНЫХ ЖУРНАЛОВ (%) |
0,139 |
3,570 |
1,926 |
49,567 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В ЗАРУБЕЖНЫХ ЖУРНАЛАХ |
0,138 |
3,707 |
1,912 |
51,479 |
|
|
GRANTS |
0,136 |
3,843 |
1,884 |
53,363 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ |
0,134 |
3,977 |
1,867 |
55,231 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ ЖУРНАЛОВ С НЕНУЛЕВЫМ ИМПАКТ-ФАКТОРОМ (%) |
0,134 |
4,112 |
1,866 |
57,097 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ АВТОРА ИЗ ВСЕХ ПУБЛИКАЦИЙ ЗА ПОСЛЕДНИЕ 5 ЛЕТ |
0,134 |
4,245 |
1,854 |
58,951 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ ЗАРУБЕЖНЫХ ЖУРНАЛОВ (%) |
0,131 |
4,377 |
1,822 |
60,773 |
|
|
ИНДЕКС ХИРША С УЧЕТОМ ТОЛЬКО СТАТЕЙ В ЖУРНАЛАХ |
0,129 |
4,505 |
1,785 |
62,558 |
|
|
ИНДЕКС ХИРША |
0,126 |
4,631 |
1,749 |
64,308 |
|
|
СРЕДНЕВЗВЕШЕННЫЙ ИМПАКТ-ФАКТОР ЖУРНАЛОВ, В КОТОРЫХ БЫЛИ ПРОЦИТИРОВАНЫ СТАТЬИ |
0,125 |
4,757 |
1,742 |
66,050 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В РОССИЙСКИХ ПЕРЕВОДНЫХ ЖУРНАЛАХ (%) |
0,124 |
4,881 |
1,728 |
67,778 |
|
|
ИНДЕКС ХИРША БЕЗ УЧЕТА САМОЦИТИРОВАНИЙ |
0,124 |
5,005 |
1,715 |
69,494 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ ЗА ПОСЛЕДНИЕ 5 ЛЕТ |
0,121 |
5,126 |
1,680 |
71,174 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В РОССИЙСКИХ ПЕРЕВОДНЫХ ЖУРНАЛАХ |
0,121 |
5,246 |
1,675 |
72,849 |
|
|
ЧИСЛО САМОЦИТИРОВАНИЙ (%) |
0,120 |
5,366 |
1,671 |
74,520 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В ЗАРУБЕЖНЫХ ЖУРНАЛАХ (%) |
0,120 |
5,486 |
1,664 |
76,184 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В ЖУРНАЛАХ С НЕНУЛЕВЫМ ИМПАКТ-ФАКТОРОМ (%) |
0,118 |
5,604 |
1,639 |
77,823 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ РОССИЙСКИХ ПЕРЕВОДНЫХ ЖУРНАЛОВ |
0,115 |
5,719 |
1,592 |
79,415 |
|
|
PUBLICATIONS |
0,114 |
5,833 |
1,586 |
81,001 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ ЗАРУБЕЖНЫХ ЖУРНАЛОВ |
0,113 |
5,946 |
1,570 |
82,571 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ АВТОРА В РИНЦ |
0,113 |
6,059 |
1,564 |
84,136 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ РОССИЙСКИХ ЖУРНАЛОВ (%) |
0,108 |
6,167 |
1,506 |
85,641 |
|
|
CITED |
0,105 |
6,272 |
1,457 |
87,098 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В РОССИЙСКИХ ЖУРНАЛАХ (%) |
0,104 |
6,376 |
1,441 |
88,539 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ СОАВТОРАМИ (%) |
0,104 |
6,480 |
1,440 |
89,980 |
|
|
СРЕДНЕВЗВЕШЕННЫЙ ИМПАКТ-ФАКТОР ЖУРНАЛОВ, В КОТОРЫХ БЫЛИ ОПУБЛИКОВАНЫ СТАТЬИ |
0,104 |
6,583 |
1,440 |
91,420 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ИЗ РОССИЙСКИХ ЖУРНАЛОВ ИЗ ПЕРЕЧНЯ ВАК (%) |
0,102 |
6,685 |
1,411 |
92,830 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ АВТОРА, ПРОЦИТИРОВАННЫХ ХОТЯ БЫ ОДИН РАЗ (%) |
0,097 |
6,782 |
1,344 |
94,174 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ, ВХОДЯЩИХ В ЯДРО РИНЦ (%) |
0,087 |
6,869 |
1,204 |
95,378 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ РАБОТ АВТОРА, ОПУБЛИКОВАННЫХ ЗА ПОСЛЕДНИЕ 5 ЛЕТ (%) |
0,085 |
6,953 |
1,179 |
96,557 |
|
|
ЧИСЛО ПУБЛИКАЦИЙ В РОССИЙСКИХ ЖУРНАЛАХ ИЗ ПЕРЕЧНЯ ВАК (%) |
0,083 |
7,037 |
1,154 |
97,711 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ ПУБЛИКАЦИЙ АВТОРА ИЗ ВСЕХ ПУБЛИКАЦИЙ ЗА ПОСЛЕДНИЕ 5 ЛЕТ (%) |
0,081 |
7,117 |
1,124 |
98,835 |
|
|
ЧИСЛО ЦИТИРОВАНИЙ РАБОТ АВТОРА, ОПУБЛИКОВАННЫХ ЗА ПОСЛЕДНИЕ 5 ЛЕТ |
0,081 |
7,198 |
1,119 |
99,954 |
|
|
INDICATORYEAR |
0,003 |
7,201 |
0,046 |
100,000 |
Отметим, что в разных моделях, и даже в одной модели при изменении параметров ее синтеза, приведенные характеристики значимости наукометрических критериев и их рейтинг изменяются. Из табл. 6 можно сделать научно-обоснованный вывод о том, что индекс Хирша не всегда является наиболее значимым наукометрическим показателем и его роль в современных наукометрических методиках может быть несколько преувеличена. Об этом авторы из общетеоретических соображений писали ранее в своих работах [3, 4, 7, 9, 11, 55]. Автоматизированный SWOT-анализ влияния значений наукометрических критериев на оценку результативности научной деятельности. В соответствии с пониманием соотношения содержания понятий: «данные, информация, знания», представленным на рис. 1 и 2, знания - это информация, полезная для достижения целей, т.е. используемая для управления (т.к. управление - это деятельность по достижению цели). Поэтому если мы используем созданные модели для достижения целей, то они становятся моделями знаний (когнитивными моделями). Таким образом, если мы выберем целевое состояние и на основе созданных моделей оценим влияние различных значений факторов по степени их влияния на способствование и достижение и препятствование достижению этого целевого состояния, то это будет использование данных моделей как моделей знаний. По сути это и делается в количественном автоматизированном SWOT- и PEST-анализе средствами системы «Эйдос» [31] (рис. 15, 16):
Рисунок 15. Табличная выходная форма количественного автоматизированного SWOT- и PEST-анализа средствами системы «Эйдос»
Рисунок 16. Графическая выходная форма количественного автоматизированного SWOT- и PEST-анализа средствами системы «Эйдос»
Когнитивные функции предложены проф. Е.В. Луценко в 2005 году [32] и наглядно отражают какое количество информации содержится в значениях аргумента о значении функции [16, 32, 33] (рис. 17 и 18):
Рисунок 17. Экранная форма режима визуализации когнитивных функций
Модуль визуализации когнитивных функций разработан по постановке проф. Е. В. Луценко разработчиком интеллектуальных систем Д. К. Бандык из Белоруссии http://lc.kubagro.ru/aidos/2011612056.jpg .
В когнитивных функциях количество информации в значениях аргумента о значениях функции отображается цветом (красным максимальное, синим минимальное), линией соединены значения функции о которых в значении аргумента содержится максимальное количество информации, ширина линии (аналог доверительного интервала) отражает степень неопределенности значения функции, которое тем ниже, чем больше информации о нем в значении функции (рис. 18-21):
Рисунок 18. Когнитивная функция, отражающая взаимосвязь суммарного числа цитирований автора и его ученой степени-звания
Рисунок 19. Когнитивная функция, отражающая взаимосвязь индекса Хирша автора и его ученой степени-звания
Рисунок 20. Когнитивная функция, отражающая зависимость научных достижений автора от доли (%) его цитирований из российских журналов
Из когнитивной функции, представленной на рис. 20, видно, что у авторов с высокими научными достижениями доля цитирований из зарубежных научных изданий выше, чем у авторов с другими научными достижениями.
Рисунок 21. Когнитивная функция, отражающая зависимость научных достижений автора от года первой публикации
Из этой функции мы видим, что высокие научные достижения тесно связаны с длительной научной работой.
Приведено лишь несколько примеров когнитивных функций, т.к. в каждой модели (которых 10) генерируется 110 когнитивных функций, отражающих описательных шкал, которых 55, на классификационные шкалы, которых 2.
Сходство-различие обобщенных образов различных результатов научной деятельности по характерным для них системам значений наукометрических показателей.
Результаты сравнения классов по системе характерных для них значений общих наукометрических показателей РИНЦ приведены на рис. 22:
Рисунок 22. Результаты сравнения классов по системе характерных для них значений общих наукометрических показателей РИНЦ
Из когнитивной диаграммы, приведенной на рисунке 22, мы видим, что как и ожидалось, для академиков и членов-корреспондентов РАН характерны высокие научные достижения, средние достижения характерны для докторов наук, а низкие для кандидатов наук. Мы видим также, что академики и члены-корреспонденты образуют с авторами высоких научных достижений один кластер, с низкой вариабельностью внутри него, а доктора и кандидаты наук образуют противоположный кластер с более высокой вариабельностью объектов, внутри него. Кластер высоких научных достижений противоположен по характерным для него значениям общих наукометрических показателей кластеру средних и низких научных достижений, и они образуют полюса конструкта: «Уровень научных достижений».
Отметим также, что приведенная когнитивная диаграмма формируется системой «Эйдос» автоматически на основе созданных моделей.
Выводы, перспективы и рекомендации
Предлагается:
1. Построить с применением результатов данной статьи наукометрическую интеллектуальную измерительную систему на основе баз данных РИНЦ и экспертных оценок и включить ее в состав программного обеспечения РИНЦ.
2. Применить результаты данной статьи при расчетах в РИНЦ и строить рейтинги авторов, журналов и организаций (подразделений) не только на основе эмпирического классического индекса Хирша, но и на основе теоретического индекса Хирша [4], а также по критериям манипулирования, по общему числу цитирований [9] и другим показателям.
3. Не придавать излишне и неоправданно большого значения классическому эмпирическому значению индекса Хирша при оценках и принятии решений.
Литература
1. Управление большими системами / Сборник трудов. Специальный выпуск 44. - Наукометрия и экспертиза в управлении наукой / [под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева]. М.: ИПУ РАН, 2013. - 568 с.
2. Саакян А. Большие данные // Полит.ru, 09 декабря 2013, http://polit.ru/article/2013/12/09/ps_bigdata/
3. Луценко Е.В. Хиршамания при оценке результатов научной деятельности, ее негативные последствия и попытка их преодоления с применением многокритериального подхода и теории информации / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2015. - №04(108). С. 1 - 29. - IDA [article ID]: 1081504001. - Режим доступа: http://ej.kubagro.ru/2015/04/pdf/01.pdf, 1,812 у.п.л.
4. Луценко Е.В. Количественная оценка степени манипулирования индексом Хирша и его модификация, устойчивая к манипулированию / Е.В. Луценко, А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2016. - №07(121). С. 202 - 234. - IDA [article ID]: 1211607005. - Режим доступа: http://ej.kubagro.ru/2016/07/pdf/05.pdf, 2,062 у.п.л.. http://dx.doi.org/10.21515/1990-4665-121-005
5. Чеботарев П. Ю. Наукометрия: как с её помощью лечить, а не калечить? // Управление большими системами, 44 (2013), С. 14-31. http://onr-russia.ru/sites/default/files/zatravka.pdf
6. Орлов А.И. О некоторых методологически ошибочных методах анализа и оценки результатов научной деятельности // Россия: тенденции и перспективы развития. Ежегодник. Вып. 8. / РАН. ИНИОН. Отд. науч. сотрудничества и междунар. связей; Отв. ред. Ю.С. Пивоваров. - М., 2013. - Ч. 2. - С.528-533.
7. Орлов А.И. Два типа методологических ошибок при управлении научной деятельностью // Управление большими системами / Сборник трудов. Специальный выпуск 44. Наукометрия и экспертиза в управлении наукой / [под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева]. - 2013. - С.32-54. [Электронный ресурс]. Режим доступа: http://ubs.mtas.ru/archive/search_resul ... n_id=19050 (дата обращения 30.07.2014).
8. Орлов А.И. Наукометрия и управление научной деятельностью // Управление большими системами / Сборник трудов. Специальный выпуск 44. Наукометрия и экспертиза в управлении наукой / [под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева]. - 2013в. - С. 538-568. [Электронный ресурс]. Режим доступа: http://ubs.mtas.ru/archive/search_resul ... n_id=19078 (дата обращения 30.07.2014).
9. Орлов А.И. О ключевых показателях эффективности научной деятельности / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2015. - №07(111). С. 81 - 112. - IDA [article ID]: 1111507006. - Режим доступа: http://ej.kubagro.ru/2015/07/pdf/06.pdf, 2 у.п.л.
10. Орлов А.И. Примеры методологических ошибок при управлении научной деятельностью // Проблемы наукометрии: состояние и перспективы развития. Международная конференция. - М.: Ин-т проблем развития науки РАН, 2013г. - С.107 - 109.
11. Орлов А.И. Критерии выбора показателей эффективности научной деятельности // Контроллинг. - 2013. - №3(49). - С.72-78.
12. Луценко Е.В. Синтез адаптивных интеллектуальных измерительных систем с применением АСК-анализа и системы «Эйдос» и системная идентификация в эконометрике, биометрии, экологии, педагогике, психологии и медицине / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2016. - №02(116). С. 1 - 60. - IDA [article ID]: 1161602001. - Режим доступа: http://ej.kubagro.ru/2016/02/pdf/01.pdf, 3,75 у.п.л.
13. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с. http://elibrary.ru/item.asp?id=18632909
14. Луценко Е.В. Универсальная когнитивная аналитическая система «Эйдос". Монография (научное издание). - Краснодар, КубГАУ. 2014. - 600 с. ISBN 978-5-94672-830-0. http://elibrary.ru/item.asp?id=22401787
15. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №08(092). С. 859 - 883. - IDA [article ID]: 0921308058. - Режим доступа: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 у.п.л.
16. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). - Краснодар: КубГАУ, 2014, - 600 с. ISBN 978-5-94672-757-0. http://elibrary.ru/item.asp?id=21358220.
17. Луценко Е.В. Универсальная когнитивная аналитическая система «Эйдос". Монография (научное издание). - Краснодар: КубГАУ, 2014. - 600 с. ISBN 978-5-94672-830-0. http://elibrary.ru/item.asp?id=22401787.
18. Луценко Е.В. Исследование влияния подсистем различных уровней иерархии на эмерджентные свойства системы в целом с применением АСК-анализа и интеллектуальной системы "Эйдос" (микроструктура системы как фактор управления ее макросвойствами) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №01(075). С. 638 - 680. - Шифр Информрегистра: 0421200012\0025, IDA [article ID]: 0751201052. - Режим доступа: http://ej.kubagro.ru/2012/01/pdf/52.pdf, 2,688 у.п.л.
19. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. - М.: Высшая школа, 1989. - 320 с.
20. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа. - Томск: Изд-во науч.-техн. лит., 1997. - 389 с.
21. Луценко Е.В. Теоретические основы, технология и инструментарий автоматизированного системно-когнитивного анализа и возможности его применения для сопоставимой оценки эффективности вузов / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №04(088). С. 340 - 359. - IDA [article ID]: 0881304022. - Режим доступа: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 у.п.л.
22. Луценко Е.В. Синтез адаптивных интеллектуальных измерительных систем с применением АСК-анализа и системы «Эйдос» и системная идентификация в эконометрике, биометрии, экологии, педагогике, психологии и медицине / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2016. - №02(116). С. 1 - 60. - IDA [article ID]: 1161602001. - Режим доступа: http://ej.kubagro.ru/2016/02/pdf/01.pdf, 3,75 у.п.л.
23. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №08(092). С. 859 - 883. - IDA [article ID]: 0921308058. - Режим доступа: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 у.п.л.
24. Стабин И.П., Моисеева B.C. Автоматизированный системный анализ. - М.: Машиностроение, 1984. - 309 с.
25. Симанков В.С. Автоматизация системных исследований в альтернативной энергетике. Диссерт. на соиск. уч. ст. докт. техн. наук. По спец.: 05.13.01. 2001. http://tekhnosfera.com/avtomatizatsiya-sistemnyh-issledovaniy-v-alternativnoy-energetike.
26. Klir G.J. Architecture of Systems Problem Solving, with D. Elias. - New York:. Plenum Press, 1974. -354 p.
27. Клир Дж. Системология. Автоматизация решения системных задач. - Москва: Радио и связь, 1990. - 538 с. http://www.twirpx.com/file/486296/.
28. Лефевр В.А. Конфликтующие структуры . Издание второе, переработанное и дополненное. -- М.: Изд-во «Советское радио», 1973. - 158 с. с ил.
29. Хаббард Дуглас У. Как измерить все, что угодно. Оценка стоимости нематериального в бизнесе / Дуглас У. Хаббард / [Пер. с англ. Е. Пестеревой]. -- М.: ЗАО «Олимп-Бизнес», 2009. -- 320 с.: ил. ISBN 978-5-9693-0163-4 (рус.). http://www.twirpx.com/file/1546361/.
30. Сайт автора АСК-анализа и системы «Эйдос» проф. Е.В. Луценко: http://lc.kubagro.ru/.
31. Луценко Е.В. Количественный автоматизированный SWOT- и PEST-анализ средствами АСК-анализа и интеллектуальной системы «Эйдос-Х++» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №07(101). С. 1367 - 1409. - IDA [article ID]: 1011407090. - Режим доступа: http://ej.kubagro.ru/2014/07/pdf/90.pdf, 2,688 у.п.л.
32. Луценко Е.В. АСК-анализ как метод выявления когнитивных функциональных зависимостей в многомерных зашумленных фрагментированных данных / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2005. - №03(011). С. 181 - 199. - IDA [article ID]: 0110503019. - Режим доступа: http://ej.kubagro.ru/2005/03/pdf/19.pdf, 1,188 у.п.л.
33. Луценко Е.В. Когнитивные функции как обобщение классического понятия функциональной зависимости на основе теории информации в системной нечеткой интервальной математике / Е.В. Луценко, А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №01(095). С. 122 - 183. - IDA [article ID]: 0951401007. - Режим доступа: http://ej.kubagro.ru/2014/01/pdf/07.pdf, 3,875 у.п.л.
34. Новиков Д. А. Большие данные: от Браге - к Ньютону // Пробл. управления. 2013. Вып. 6. С. 15-23.
35. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч. 1. Нечисловая статистика. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2009. -- 541 с.
36. Орлов А.И. Распределения реальных статистических данных не являются нормальными / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2016. - №03(117). С. 71 - 90. - IDA [article ID]: 1171603003. - Режим доступа: http://ej.kubagro.ru/2016/03/pdf/03.pdf
37. Харман Г. Современный факторный анализ. - М.: Статистика, 1972. - 486 с.
38. Барский Б.В., Соколов М.В. Средние величины, инвариантные относительно допустимых преобразований шкалы измерения // Заводская лаборатория. Диагностика материалов. 2006. Т.72. №1. С. 59-66.
39. Орлов А.И. Математические методы исследования и теория измерений // Заводская лаборатория. Диагностика материалов. 2006. Т.72. №1. С. 67-70.
40. Пресман Э.Л., Сластников А.Д. Характеризация одной модели динамического программирования // Вероятностные модели и управление экономическими процессами. М.: ЦЭМИ АН СССР, 1978. С. 169-183.
41. Форум: http://forum.orlovs.pp.ru/viewtopic.php?p=8357
42. Бернал Дж. Наука и общество. М.: Изд-во иностр. лит., 1953. Режим доступа URL: http://www.twirpx.com/file/498382/
43. Прайс Д. Малая наука, большая наука // Наука о науке, М.: Изд-во «Прогресс», 1966. Режим доступа URL: http://www.garfield.library.upenn.edu/essays/v10p072y1987.pdf; http://lis.sagepub.com/content/35/2/115.abstract
44. Добров Г.М. Наука о науке. Киев: Наукова Думка, 1989, 302 с.
45. Налимов В.В., Мульченко З.М. Наукометрия. М.: Наука, 1969, 192 с. Режим доступа URL: http://www.e-reading.bv/divureader.php/113843/Nalimov - Naukometriya.html
46. Хайтун С.Д. Наукометрия. Состояние и перспективы. М.: Наука, 1983, 344 с. Режим доступа URL: http://librarun.org/book/12517/1
47. Бедный Б.И., Миронос А.А., Сорокин Ю.М., Сулейманов Е.В. Наука и научная деятельность: организация, технологии, информационное обеспечение / Под ред. проф. Б.И. Бедного. - Нижний Новгород: Изд-во ННГУ, 2013. - 228 с.
48. Мирский Э.М. Междисциплинарные исследования и дисциплинарная организация науки, М. Наука, 1980, 304 с.
49. Пельц Д., Энрюс Ф. Ученые в организациях. Оптимальные условия для исследований и разработок. М.: Прогресс, 1973, 469 с. Режим доступа URL: http://publ.lib.ru/ARCHIVES/P/PEL'C Donat'd/ Pel'c D..html
50. Гарфилд Ю. Можно ли выявлять и оценивать научные достижения и научную продуктивность? // Вестник АН СССР, 1982. - № 7. - С. 42-50. Режим доступа URL: http://www.prometeus.nsc.ru/science/citation/garfild.ssi
51. Orlov A. Sur la stabilite' dans les modeles economiques discrets et les modeles de gestion des stocks // Publications Econometriques. 1977. Vol.X. F. 2. Pp. 63-81.
52. Игра в цыфирь, или как теперь оценивают труд учёного (сборник статей о библиометрике). М.: МЦНМО, 2011. 72 с. Режим доступа URL: http://www.mccme.ru/free-books/bibliometric.pdf; или http://www.twirpx.com/file/753485/
53. Бедный Б.И., Сорокин Ю.М. О показателях научного цитирования и их применении // Высшее образование в России. 2012. № 3. С. 17-28. Режим доступа URL: http://vovr.ru/upload/bednyi-sorokin%203-12.pdf
54. Мотрошилова Н.В. Реальные факторы научно-исследовательского труда и измерения цитирования // Управление большими системами. - 2013. - № 44 - С. 453-475. Режим доступа URL: http://ubs.mtas.ru/archive/index.php7SECTION ID=685
55. Орлов А.И. Наука как объект управления / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №07(101). С. 1244 - 1274. - IDA [article ID]: 1011407082. - Режим доступа: http://ej.kubagro.ru/2014/07/pdf/82.pdf, 1,938 у.п.л.
56. Юревич М. А. Методические проблемы оценки результативности исследователя // Альманах “Наука. Инновации. Оразование”. 2014, вып. 16. Режим доступа URL: http://riep.ru; Обсуждение статьи М.А. Юревича “Методические проблемы оценки результативности исследователя” - там же.
57. Алескеров Ф.Т., Писляков В.В., Субочев А.Н., Чистяков А.Г. Построение рейтингов журналов по менеджменту с помощью методов теории коллективного выбора: препринт WP7/2011/04. Нац. иссл. ун-т «Высшая школа экономики». М.: Изд. дом Высшей школы экономики, 2011. - 44 с. Режим доступа URL: http://www.hse.ru/data/2011/06/29/1216101480/WP7_2011_04_final.pdf
58. Бедный Б.И., Миронос А.А., Серова Т.В. Продуктивность исследовательской работы обучающихся (наукометрические оценки) // Высшее образование в России. 2006. - №7. - С. 20-36. Режим доступа URL: http://www.phd.unn.ru/files/2014/04/008.pdf
59. Солошенко Н.С., Кириллова О.В. Отражение российских журналов в БД Science Citation Index и SCOPUS // Educational Technology & Society. 2006. V.9. No.3. P.313-320.
60. Теста Д. Процесс отбора журналов в Thomson Reuters. Режим доступа URL: http://thomsonreuters.com/content/science/pdf/ssr/journal_selection_essay-russian.pdf http://thomsonreuters.com/products services/science/free/essays/journal selection process/
61. Кириллова О. В. Подготовка российских журналов для зарубежной аналитической базы данных Scopus. Рекомендации и комментарии. Режим доступа - URL: http://elsevierscience.ru/info/add-journal-to-scopus/
62. Цыганов А. В. Краткое описание наукометрических показателей, основанных а цитируемости // Управление большими системами / Сборник трудов. Специальный выпуск 44 - Наукометрия и экспертиза в управлении наукой / [под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева]. М.: ИПУ РАН, 2013, с. 248- 261.
63. Publish or Perish. Режим доступа URL: http://www.harzing.eom/pop.htm#metrics (дата обращения 26.08.2015.)
64. Штовба С.Д., Штовба Е.В. Индекс цитирования, учитывающий скрытую диффузию научных знаний // Научно-техническая информация. Сер. 1 «Организация и методика информационной работы». - 2013. - №7. - С. 28-31. Режим доступа URL: http://shtovba.vk.vntu.edu.ua/file/6ad63e809551b1e63ab2b9e21f9190e2.pdf
65. Гринченко C. Н. Имеет ли решение задача перманентной оценки вклада ученого в науку? // Управление большими системами / Сборник трудов. Специальный выпуск 44 - Наукометрия и экспертиза в управлении наукой / [под ред. Д.А. Новикова, ...
Подобные документы
Внедрение инноваций на коммерческой основе или процесс коммерциализации интеллектуальной собственности. Оценка интеллектуальной собственности - изобретений, защищенных патентами, заявок на изобретения - "patent pending","ноу-хау", торговых марок.
реферат [47,7 K], добавлен 10.02.2009Роль менеджеров по качеству в разработке и реализации экспертных систем. Обоснование проблемы для решения на основе ЭС. Идентификация проблемы. Извлечение, структурирование и формализация знаний. Тестирование и разработка прототипа экспертной системы.
контрольная работа [135,4 K], добавлен 14.04.2015Понятие системы управления персоналом, ее сущность и ставные элементы, основные цели и функции на предприятии. Анализ системы управления персоналом на ООО УК "Спецстройгарант", ее особенности. Выявленные в ходе анализа проблемы и пути их решения.
дипломная работа [125,7 K], добавлен 09.05.2009Описание проблемной ситуации с использованием методов SWOT-анализа. Построение дерева целей для решения проблемы. Расчет коэффициентов оценки альтернатив решений с помощью экспертного опроса. Разработка планов и системы контроля за выполнение решений.
курсовая работа [286,1 K], добавлен 07.09.2010Определение термина "инновации", их связи с интеллектуальной собственностью. Инновационная деятельность и экономическое развитие страны, механизм глобального "кризиса перепотребления". Правовая защита интеллектуальной собственности в современных условиях.
контрольная работа [732,7 K], добавлен 21.06.2010Понятие интеллектуальной собственности в соответствии с российским и западным законодательством. Подготовка внешней и внутренней информации при оценке интеллектуальной собственности. Классификация методов оценки объектов интеллектуальной собственности.
дипломная работа [109,5 K], добавлен 21.10.2010Понятие, виды и защита прав интеллектуальной собственности. Основные формы коммерческой реализации объектов интеллектуальной собственности и обмена технологиями. Монополия на объекты интеллектуальных прав и "виртуальная экономика", вопросы брендинга.
курсовая работа [163,8 K], добавлен 11.11.2010Постоянный процесс анализа и синтеза в социальной и биологической системах. Особенности анализа и синтеза в социальных организациях. Формулировка закона единства анализа и синтеза и его математическая интерпретация.
курсовая работа [54,6 K], добавлен 08.01.2004Стадии жизненного цикла информационной системы (ИС). Проблемы спирального цикла. Проблемы внедрения при использовании итерационной модели жизненного цикла. Положительные стороны применения каскадного подхода. Поэтапная модель с промежуточным контролем.
лабораторная работа [52,9 K], добавлен 02.02.2015Оценка проблемы неэффективной деятельности ЗАО "Аксит" с помощью СВОТ-анализа. Построение дерева целей для ее решения. Расчет коэффициентов оценки вариантов решений методом экспертного опроса. Разработка планов и системы контроля за выполнением решений.
курсовая работа [67,0 K], добавлен 03.09.2010Компания "Мегафон": отрасль деятельности, миссия и цель деятельности. Факторы внутренней и внешней среды организации. Разработка управленческого решения для решения проблемы с применением метода мозгового штурма, его преимущества, этапы и функции.
контрольная работа [29,9 K], добавлен 08.01.2012Объекты интеллектуальной собственности. Правовое регулирование и лицензирование индивидуальной собственности. Типы лицензий на интеллектуальную собственность. Защита инноваций как объектов интеллектуальной собственности, ее правовое регулирование.
контрольная работа [36,9 K], добавлен 29.01.2013Описание психологических феноменов процесса принятия решений. Пример ситуации, которая характеризуется условиями системного риска. Системные риски системы финансовых посредников. Особенности технологической эффективности управленческого решения.
контрольная работа [27,0 K], добавлен 28.04.2011Характеристика информационно-измерительной системы. Основные виды понятий интеграции: пространственная, временная, организационная и программная. Автоматизированные системы управления научными исследованиями, проектированием и технологическими процессами.
курсовая работа [40,5 K], добавлен 27.02.2012Проблемы проектирования схем анализа и усовершенствования деятельности организации; построение действенной системы анализа и усовершенствование процессов управления. Рассмотрение информации и принятие решений на ее основе, методика выполнения процессов.
статья [28,3 K], добавлен 19.08.2010Анализ и выявление основных проблем приобретения квартиры на современном этапе. Порядок и принципы применения методов системного анализа в решении данной проблемы. Выбор системы оценки для решений и выявление оптимального решения поставленной задачи.
контрольная работа [31,1 K], добавлен 18.10.2010Управленческие проблемы, их суть, классификация и природа возникновения. Инструментарий, использованный для анализа и решения проблем. Анализ и решения проблем компании. Децентрализация структуры управления. Информационная система и нововведение.
курсовая работа [47,0 K], добавлен 13.03.2011Сущность и содержание системного подхода, анализа и синтеза систем управления. Обратимые и необратимые динамические системы. Компоненты системы. Понятие границы системы: материальные и нематериальные ограничители, дистанцирующие систему от внешней среды.
курсовая работа [34,5 K], добавлен 27.03.2009Основные понятия и характеристика метода анализа иерархий. Изучение закона единства анализа и синтеза как в природе, так и в конкретной организации. Оценка операционной эффективности промышленных предприятия холдинга ОАО "Концерн ПВО "Алмаз-Антей".
курсовая работа [65,0 K], добавлен 17.03.2012Идея метода мозгового штурма Алекса Осборна - оперативный метод решения проблемы на основе стимулирования творческой активности участников. Этапы проведения мозгового штурма: постановка проблемы; генерация идей; группировка, отбор и оценка идей.
реферат [16,3 K], добавлен 18.07.2010
