Duong Tu – 2021-05-02 04:47:26
**BEAMPLOT – CÔNG CỤ TRẮC LƯỢNG KHOA HỌC MỚI**
Đầu tháng 3 vừa rồi, Clarivate ra mắt công cụ trắc lượng khoa học mới đánh giá năng lực khoa học của nhà nghiên cứu với tên gọi đầy đủ là Web of Science Author Impact Beamplots (sau đây gọi là beamplot hay biểu đồ tia).
**Chỉ số H và nhược điểm của nó**
Lâu nay chúng ta vẫn quen thuộc với một công cụ khác cũng của WoS là chỉ số H. Ra đời từ năm 2005 theo đề xuất của Jorge E. Hirsch, H-index là chỉ số trắc lượng khoa học được sử dụng thường xuyên nhất do sự tiện dụng của nó khi chỉ số này cho biết khái quát cả năng suất công bố lẫn tần suất trích dẫn các công trình của một nhà nghiên cứu. Chẳng hạn, một nhà nghiên cứu có H-index bằng 10 nghĩa là người đó có 10 bài báo mà mỗi bài được trích dẫn tối thiểu 10 lần.
Tuy tiện dụng nhưng H-index có nhiều nhược điểm do nó không tiết lộ đầy đủ thông tin đằng sau con số khô khan này. Hai nhà nghiên cứu có chỉ số H giống nhau có thể có đóng góp hoàn toàn khác nhau: một người có nhiều bài báo hơn nhưng chỉ vài bài được trích dẫn khiêm tốn còn đa số không được trích dẫn trong khi người kia có ít công trình hơn nhưng công trình nào cũng được trích dẫn nhiều lần.
Chỉ số H cũng thiên vị những nhà nghiên cứu có thâm niên với nhiều bài báo trong khi bất lợi cho những nhà khoa học chỉ mới ở bước đầu sự nghiệp. Nó cũng không có giá trị so sánh giữa các lĩnh vực với văn hóa và tần suất trích dẫn rất khác nhau. Thí dụ, một nhà toán học đoạt giải thưởng Fields có thể chỉ có H-index tầm 20 trong khi con số này là tương đối khiêm tốn với lĩnh vực y sinh hay khoa học máy tính.
Chỉ số H cũng không phản ánh năng suất và chất lượng nghiên cứu của nhà khoa học theo thời gian bởi con số này chỉ ổn định hoặc tăng mà không bao giờ giảm ngay cả khi nhà nghiên cứu không còn tham gia các hoạt động khoa học nữa. H-index còn dễ dàng bị thao túng thông qua những chiêu trò làm tăng số lượng bài báo cũng như tạo trích dẫn ảo.
Vì những lý do trên, đánh giá năng lực của nhà khoa học dựa trên một con số duy nhất như H-index tuy rất nhanh chóng và tiện lợi nhưng có thể rất không chính xác.
**Biểu đồ tia**
Được giới thiệu từ năm 2014 bởi một nhóm khoa học gia tại Đức, beamplot đặt các công trình của nhà nghiên cứu vào không gian thích hợp để so sánh và đánh giá ảnh hưởng của từng bài.
Như đã nói, văn hóa và tần suất trích dẫn ở mỗi ngành, mỗi chuyên ngành rất khác nhau. Trong mỗi ngành hay chuyên ngành hay giữa các bài báo của cùng một nhà nghiên cứu, phân bố trích dẫn không tuân theo phân phối chuẩn mà bị lệch (skewed): rất nhiều bài báo không bao giờ được trích dẫn trong khi đa số bài chỉ được trích dẫn vài lần và một số lượng rất nhỏ công trình có thể thu hút hàng trăm hay hàng ngàn lượt trích dẫn.
Với đặc điểm phân bố trích dẫn này, việc sử dụng các thông số truyền thống như trung bình hay trung vị của số lượng trích dẫn tuyệt đối không thể hiện chính xác xu hướng và mức độ ảnh hưởng của các công trình. Thay vào đó, bách phân vị (percentile) là giải pháp hiệu quả hơn khi số lượng trích dẫn được so sánh với và chuẩn hóa theo những bài báo khác: (i) thuộc cùng ngành/chuyên ngành, (ii) xuất bản cùng năm, (iii) thuộc cùng loại (bài nghiên cứu, tổng quan hay đăng kỷ yếu hội nghị). Một bài báo thuộc bách phân vị trích dẫn 95% nghĩa là bài báo đó nằm trong nhóm 5% được trích dẫn nhiều nhất trong chuyên ngành.
Hình dưới đây trình bày beamplot của một nhà khoa học, trong đó
* Trục hoành thể hiện bách phân vị trích dẫn từ 0 (tương ứng với không có trích dẫn nào) đến 100 (tương ứng với số lượng trích dẫn nhiều nhất trong ngành).
* Trục tung thể hiện thời điểm công bố bài báo từ gần nhất (tia trên cùng) đến xa nhất (tia dưới cùng).
* Vòng tròn màu tím biểu thị vị trí của từng bài báo theo bách phân vị trích dẫn. Khi có nhiều bài báo chia sẻ cùng bách phân vị, vòng tròn này sẽ có kích thước lớn hơn, tỷ lệ với số lượng bài.
* Mỗi năm, một vòng tròn màu xanh lá thể hiện bách phân vị trung vị của tất cả các bài báo xuất bản trong năm đó.
* Đường kẻ dọc đứt cho biết bách phân vị trung bình của toàn bộ các bài báo qua tất cả các năm.
Khi tra cứu trong phiên bản mới của WoS, chỉ cần di chuột đến từng vòng tròn màu tím, tên bài báo và liên kết đến bài báo đó sẽ hiện ra, rất tiện nếu chúng ta chỉ muốn tham khảo chọn lọc những công trình có ảnh hưởng nhất của một tác giả.
Có thể thấy ngay một số ưu điểm của beamplot như sau:
* Beamplot dựa trên bách phân vị thay vì giá trị tuyệt đối để đánh giá mức độ ảnh hưởng của bài báo thông qua trích dẫn. Bách phân vị này đã được chuẩn hóa theo từng ngành, chuyên ngành, năm xuất bản và loại bài báo.
* Beamplot không đánh giá năng lực của một nhà nghiên cứu thông qua một chỉ số duy nhất như H-index mà cho biết năng suất và xu hướng trích dẫn từng công trình của một nhà nghiên cứu theo thời gian.
Tuy nhiên, beamplot cũng có những nhược điểm nhất định:
* Biểu đồ này chỉ có ý nghĩa với những ai đã có một lượng bài báo và trích dẫn nhất định.
* Beamplot không đánh giá được những bài báo mới công bố trong vài năm gần nhất do mỗi bài báo cần thời gian tính theo năm để thu hút một lượng trích dẫn có ý nghĩa.
* Khi so sánh giữa các nhà nghiên cứu, rất nhiều dữ kiện quan trọng khác có thể ảnh hưởng đến năng suất công bố và số lượng trích dẫn mà biểu đồ tia không có khả năng cung cấp như nhà nghiên cứu làm việc ở đâu, giữ vai trò gì trong nhóm nghiên cứu, hợp tác với ai, nghiên cứu cơ bản hay ứng dụng…
Do đó, sẽ là sai lầm khi đưa ra kết luận mà chỉ dựa vào beamplot, giống như lệ thuộc vào bất kì chỉ số trắc lượng độc nhất nào.
**Tập trung vào nghiên cứu**
Tuy là công cụ trắc lượng khoa học mới có nhiều ưu điểm hơn H-index và cung cấp thêm thông tin hữu ích về năng lực của nhà nghiên cứu, beamplot không thay thế được đánh giá của chuyên gia, những người có đủ năng lực chuyên môn và thẩm quyền, dành thời gian đọc kỹ để thẩm định chất lượng của từng công trình.
Chính những người đề xuất ra beamplot cũng khuyến cáo rằng các nhà khoa học, nhất là những nhà nghiên cứu trẻ, không cần để ý quá nhiều đến các chỉ số trắc lượng mà nên chú tâm vào nghiên cứu, bởi theo quy luật chung, nghiên cứu chất lượng cao sẽ thu hút sự quan tâm của cộng đồng khoa học và dẫn đến nhiều trích dẫn.
**Ghi chú**
Là một sản phẩm thương mại của Clarivate, muốn tra cứu beamplot, cần sử dụng tài khoản của các trường đại học hoặc tài khoản cá nhân có trả phí. Tuy nhiên, beamplot cá nhân của từng nhà khoa học có thể được xem trong hồ sơ riêng tư trên Publons: https://publons.com/announcement/
Nhiều thông tin chi tiết hơn về beamplot được trình bày trong whitepaper sau đây của Clarivate: https://clarivate.com/blog/the-web-of-science-author-impact-beamplots-a-new-tool-for-responsible-research-evaluation/
Statistics:
Likes: 143, Shares: 34, Comments: 3
Like Reactions: 135, Haha Reactions: 0, Wow Reactions: 2, Love Reactions: 6, Sad Reactions: 0, Angry Reactions: 0