（注： 图片来自于Google，略做修改， ） 

        下午听了所里同一届在站博后俞立平老师的研究报告，题目是“科技评价指标体系相关问题研究”，收获颇多。

        虽然我一直没有实际从事过评价方面的工作，但由于我的硕士导师和博士导师都在科技论文引文分析方面做过深入研究和探索，因此对评价相关的话题一直都关注过。在报告之前我就相关问题请教了俞老师，那时才发现，我以前思考过的一些评价方法的思路，由于研究方向不是评价的原因，至今这些思路还没有付诸于实践。而俞老师则在进站后，已经将他的很多想法用数据进行了实证研究，证实了这些方法的可行性和科学性。

        俞老师的报告主要介绍了他进站以来对科技评价指标体系的相关问题研究，包括指标体中的指标相关消除方法、指标权重设置问题、指标的组合评价问题以及合理指标选择的问题等。他用《泰晤士报高等教育副刊》世界大学排名数据为基础，进行了大量实证研究，取得了很多研究成果。

       我个人感觉，长期以来国内做评价的（如高校排名、期刊排名等）似乎在走两条路线： 一是做数据的，大部分注意力放在数据的加工和处理上了，而在评价理论和评价方法上相对研究较少；另一条这是主要探索评价理论和方法的研究，但苦于没有太多的数据来进行实证研究（参考博文：学术期刊务必要核对稿件数据及处理结果）；现在研究条件相对大大改善了，是到了两条路线开始汇合的时候了。

       报告结束后，我还向俞老师请教了关于如何产生新的评价指标的问题。因为我们在做NLP时也会面临如何选择特征和给特征进行赋权重等诸如此类的“指标问题”。如果花很多时间进行这些“调参数”的工作，研究上似乎很难取得大的突破。提出影响因子IF、PageRank、H指数的人是高人（虽然他们提出的指标不是最好的，但已经没有更好的了），但能有几个人会做出这样大的创新呢？ 不管怎样，这些方法都是用科学的方法来解决实际需要解决的问题，只要能给出令人信服的答案或者解决问题的方法，都是非常值得学习和借鉴的。

        回到本博文的标题“评价不是伪科学”，因为有人就认为评价是伪科学。我个人认为只要是为了解决一些基本的问题（例如评价就是一个基础性的问题，其数学本质就是选择若干个Xi，对Y做分类或排序），用的是科学的研究方法，都不应该是伪科学。

 

转载本文请联系原作者获取授权，同时请注明本文来自章成志科学网博客。
链接地址：https://blog.sciencenet.cn/blog-36782-28859.html

上一篇：Large Corpora used in CTS
下一篇：Machine Translation Archive[主题：对齐]