پیشبینی تأثیرگذاری پژوهشهای علمی حوزه زیستفناوری با استفاده از الگوریتمهای یادگیری ماشین
نویسندگان
1 استادیار، علم اطلاعات و دانششناسی، گروه ارزیابی سیاستها و پایش علم، فناوری و نوآوری، مرکز تحقیقات سیاست علمی کشور، تهران، ایران.
doi
10.22070/rsci.2024.18868.1719چکیده
هدف: مطالعه حاضر قصد دارد رابطة هر یک از متغیرهای مختلف اثرگذاری بروندادهای علمی را بر همدیگر موردسنجش قرار داده و نیز بررسی کند کدامیک از الگوریتمهای ماشین میتوانند اثرگذاری علمی، اجتماعی و اقتصادی بروندادهای علمی را پیشبینی کنند.روششناسی: پژوهش حاضر ازنظر هدف، کاربردی و ازلحاظ روش، توصیفی بوده و با رویکرد علمسنجی انجامشده است. جامعه پژوهش، بروندادهای حوزة زیستفناوری ایران است که در پایگاه اسکوپوس در بازة 2003-2024 نمایه شدهاند. برای استخراج دادهها از پایگاه تحلیلی سایول استفاده شد. در این پژوهش از ضریب همبستگی پیرسون و از بسته نرمافزاری R بهمنظور تعیین رابطه بین شاخصهای موردمطالعه استفاده شد و رگرسیون خطی چندگانه، نزدیکترین همسایه، درختهای تصمیمگیری، جنگلهای تصادفی و تقویت گرادیان نیز بهعنوان مدلهای پیشبینی کننده، مورد و ارزیابی قرار گرفت. بهمنظور انجام آزمونها و الگوریتمها از زبان برنامهنویسی پایتون استفاده شد.یافتهها: در عرصه اثرگذاری خروجیهای علمی موردمطالعه، حجم استنادها با شاخصهای متعددی رابطه مثبت و معنیداری داشته است. در حوزة تأثیرگذاری اقتصادی نیز این نتیجه حاصل شد که تعداد استنادات ثبت اختراع بهعنوان یکی از شاخصهای معرف این نوع تأثیر، با موارد متعددی رابطه مثبت و معنیداری داشته است. در مورد تأثیرگذاری اجتماعی نیز تعداد بازدیدها رابطه مثبت و معنیداری با بسیاری از شاخصها دارد. بر اساس نتایج حاصلشده، رگرسیون خطی چند متغیره با نمره صحت بالاتر و نمره انحراف معیار پایینتر، بهتر توانست میزان اثرگذاری علمی، فناورانه و اجتماعی بروندادهای علمی ایران در حوزة زیستفناوری را پیشبینی کند.نتیجهگیری: مهمترین عامل مؤثر بر کیفیت مقالات ازجمله در بُعد استنادها، بازدیدها و کاربردی بودن، همکاری بینالمللی بوده که در این زمینة لازم است تدابیری اندیشه شود. پیشنهاد میشود هنگام ارزیابی کمّی و کیفی مقالات، از شاخصهای متنوعی استفاده گردد تا تصویر شفافتری از اثرگذاری پژوهشها حاصل شود.