طراحی مدل پشتیبان تصمیم گیری هوشمند برای ارزیابی اثربخشی پژوهشگران با رویکرد علم سنجی و هوش مصنوعی

ارزیابی اثربخشی پژوهشگران در نظام علم و فناوری، نقش کلیدی در تخصیص بهینه منابع، ارتقای کیفیت پژوهش و سیاست گذاری مبتنی بر شواهد ایفا می کند. با افزایش حجم تولیدات علمی و تنوع شاخص های علم سنجی، ارزیابی دستی عملکرد پژوهشگران به فرآیندی پیچیده، زمان بر و مستعد قضاوت های ذهنی تبدیل شده است. هدف این پژوهش، طراحی و پیاده سازی یک مدل پشتیبان تصمیم گیری هوشمند داده محور برای ارزیابی اثربخشی پژوهشگران حوزه علم اطلاعات و دانش شناسی با بهره گیری از شاخص های علم سنجی است. جامعه آماری پژوهش شامل ۲۰ پژوهشگر منتخب از دانشگاه های مختلف کشور است که داده های مربوط به تولیدات علمی آن ها از پروفایل های گوگل اسکولار استخراج شده است. برای ارزیابی اثربخشی پژوهشگران، شش شاخص شامل تعداد کل مقالات، تعداد کل استنادات، شاخص h، تعداد هم نویسندگان، همکاری علمی بین المللی و سال های فعالیت پژوهشی مورد استفاده قرار گرفت. داده ها با استفاده از روش نرمال سازی حداقل–حداکثر استانداردسازی شدند و امتیاز نهایی پژوهشگران با فرض وزن دهی مساوی شاخص ها، به وسیله روش وزن دهی ساده نرمال شده SNWM در قالب یک سیستم پشتیبان تصمیم گیری محاسبه شد. نتایج نشان می دهد که ترکیب هم زمان شاخص های کمی، کیفی و تعاملی، تصویر جامع تر و واقع بینانه تری از اثربخشی پژوهشگران نسبت به استفاده از شاخص های منفردی مانند شاخص h ارائه می کند. تفاوت معنادار میان رتبه بندی حاصل از مدل پیشنهادی و رتبه بندی مبتنی بر شاخص های منفرد، ضرورت به کارگیری رویکردهای تصمیم گیری چندمعیاره در ارزیابی عملکرد پژوهشگران را برجسته می سازد. هوشمندی سامانه طراحی شده در این پژوهش مبتنی بر قواعد شفاف و داده محور بوده و فاقد سازوکارهای یادگیری خودکار است. در پایان، کاربردهای مدیریتی مدل برای سیاست گذاران پژوهشی و مدیران دانشگاهی و نیز مسیرهای توسعه آتی آن ارائه شده است.

کلیدواژه ها:

اثربخشی پژوهشگران ، علم سنجی ، سیستم پشتیبان تصمیم گیری ، هوش مصنوعی