Understanding the Advisor-advisee Relationship via Scholarly Data Analysis

Jiaying Liu,Tao Tang

1. 贡献

Contribution:

1. 学术水平高的导师所指导的学生，其学业表现优于其他导师
2. 学术水平高的导师可以提高被导师的h指数排名

2. 方法

2.1Database

Database处理：

• 为所有作家构建合作网络
• 清理网络：只选择在DBLP数据集中发表过至少5篇论文，且发表生涯跨度至少10年的学者
• 提取训练所需的特征作为模型的未标记输入:计算每位学者在合作的前8年的个人属性(即学术年龄、发表论文数量)和合作属性(即合作次数、合作时间、前两位作者的次数、合作的凝聚力)，然后将这些标准化特征作为模型的输入。采用BP (Back Propagation)方法对模型进行训练和优化。通过训练后的分类器得到识别advisor的结果。
• 选择识别精度超过90%的师承关系作为师承关系数据集

数据集大小：15559名学术年龄为5岁导师(23473名学生) + 20859名学术年龄为10岁(36841名) + 17028名学术年龄为15岁(33652名) + 11522名学术年龄为20岁(24883名) + 7,352名学术年龄为25岁(11,305名)

2.2 作者排名

考虑三个目标：发表数量、被引用次数和h指数

2.3 分析方法

2.3.1 学者的学术年龄

1. Def 1 : AA 作者的学术年龄
   $$AA=Y_c-Y_f$$
   where, $Y_f$是学者发表第一篇文章的年份，$Y_c$也是调查的年份

2.3.2 h指数排在前10%的学生概率

探讨学生的水平和导师的科研能力的相关性
(1) 根据导师的不同学术年龄，将导师分为Top10%组和其他组
(2) 根据首次合作年龄得到Top10组的导师的学生$N_{t_t}$和其他组的导师的学生$N_{t_r}$
(3) 将所有学龄相同的学员按h-index对其进行排名
(4) 计算前10%学生的最低h-index $h_{\min }$
(5) 计算出在h指数高于$h_{\min }$的Top10组的学生数$N_{h_t}$。用同样的方法，计算其他组的$N_{h_r}$
(6) Top10组导师的学生h-index$N{h}_t/N{t}_t$，普通组$N{h}_r/N{t}_r$

3. results

3.1 Statistical analysis of the advisor-advisee relationships

分析不同AA的NP(论文数)、NC(引用数)、h-index(NH)

3.2 导师的学术特征与学生学术表现之间的相关性

3.3 有成就感的导师培养出厉害的学生

interesting finding: 随着导师学术年龄的增加，学生之间的差距缩小了
分析了不同AA的Top10组导师的学生和Res组的学生学术水平，并且分析了不同AA的Top10的学生和Top10导师与其他组导师的学术水平的关系

3.4 Publication rates analysis

根据年份和出版数量的关系，选择某些非正常年份的某一学术年龄的导师，比较他们学生的平均学术表现。学生的学术表现和老师的学术水平正相关。

4. 讨论

学术孙辈讨论，top10导师的孙辈的学术水平比普通导师孙辈学术水平高出40%

Need improve

1. 数据集都是计算机专业
2. 只研究了导师的水平和学生的学术水平的关系，没有考虑到其他因素，如选择性偏见、院校排名等其他影响因素
3. 非正式的导师和学生关系