公共管理学论文提纲

2022-11-15

论文题目：基于Rao-Stirling多样性算法的公共管理学跨学科性评估研究

摘要：随着公共领域问题的日益复杂化,公共管理事务涉及对象的日益多元化,公共管理学亟需培养高层次的复合型人才,以应对越来越棘手的高级公共管理事务。过去已有的人才培养方式过分倚重人文社科专业知识而轻视理工科专业知识,难以满足当前的社会需求且日趋僵化。正是这种对于人才需求和人才培养模式的反思,使得传统的公关管理范式与模式在不断升级与更新的同时,逐渐打破了公共管理学与其他学科之间的学科壁垒,带动了需求导向的公共管理学跨学科性的发展。随着公共管理学与其他学科的不断交叉融合,其自身的跨学科性也得到了显著提升。如何评估目前公共管理学的跨学科性,确定哪些学科为公共管理学的发展做出了重要贡献,判断哪些学科可能成为公共管理学未来发展的有力助推者,已然成为了一个新兴的而又极富吸引力的研究课题。跨学科性研究主要以学术论文为研究对象,通过评估论文的跨学科性程度来反映论文所属学科的跨学科性程度。然而,目前的跨学科性研究正处于起步阶段,现有的跨学科性评估方法也存在很多不足。应用最为广泛的是Rao-Stirling多样性算法,包含了跨学科性的三个重要属性:丰富性,均衡性和差异度。但是,传统的Rao-Stirling多样性算法存在两方面不足之处:其一是未考虑跨学科性研究中的质量因素,即未考虑论文自身的质量对于其跨学科性程度的影响。如果一篇目标论文同时被一篇高质量论文和一篇低质量论文所引用,那么对于目标论文而言,高质量论文会比低质量论文具备更高的跨学科性贡献度,即目标论文被高质量论文引用会比被低质量论文引用获得更高的跨学科性;其二是未考虑跨学科性研究中作者属性的特殊性。在跨学科性研究中,作者链接关系是较为特殊的一种关系,论文与论文之间,期刊与期刊之间,学科与学科之间均可依靠引用关系相连接,而只有作者与作者之间却是依靠合作关系相连接。传统的Rao-Stirling多样性算法仅包含了引用关系,没有包含合作关系,因此需要提出一种包含合作关系的Rao-Stirling多样性算法,以评估作者的跨学科性程度。本文以公共管理学的学术论文为研究对象,在考虑作者链接关系与否的基础上,提出两种不同的Rao-Stirling多样性算法,分别用以解决一般科学个体（论文、期刊、学科等）跨学科性程度和特殊科学个体（作者）跨学科性程度的评估问题。本文首先提出了一种基于质量属性的Rao-Stirling多样性算法,以解决传统Rao-Stirling多样性算法未考虑论文自身质量因素对于其跨学科性程度的影响的问题。其次,本文在考虑作者链接关系的基础上,提出了一种基于作者属性的Rao-Stirling多样性算法,以解决传统Rao-Stirling多样性算法未考虑由于作者链接特殊性所导致的作者跨学科性的特殊性问题。最后,采用上述两种改进的Rao-Stirling多样性算法,选取相对应的论文数据集,评估各自的跨学科性程度,验证其合理性和优越性。本文的主要创新点如下:1.为考虑论文自身质量因素对于其跨学科性程度的影响,本文引入P-Rank算法,以求解论文自身所携带的质量值。P-Rank算法中包含一个同构网络和两个异构网络,同构网络用于刻画论文间的引用关系,两个异构网络分别用于刻画论文-作者关系和论文-期刊关系。基于三个网络间质量传递的原理,求解得出目标论文的质量值。然后,在根据目标论文质量高低进行赋值的基础上,优化传统Rao-Stirling多样性算法中的丰富性属性,得到基于质量属性的Rao-Stirling多样性算法。2.为考虑跨学科性研究中作者链接的特殊性,本文引入作者合作网络相似度算法,将传统的Rao-Stirling多样性算法中的引用关系替换为作者合作关系。首先利用作者合作网络相似度算法,求解存在引用关系的学科之间的相似度,形成学科间相似度矩阵。然后,用新的学科间相似度矩阵替代传统的Rao-Stirling多样性算法中的基于余弦相似度算法的学科间相似度矩阵。此外,现有的作者合作网络相似度算法是以作者中心度算法为核心的学科间相似度算法,本文考虑到作者中介中心度算法所具备的评估跨学科性程度的优势,将其取代现有的作者中介中心度算法中的作者中心度算法,得到基于作者属性的Rao-Stirling多样性算法。

关键词：跨学科性研究;Rao-Stirling多样性算法;公共管理学;P-Rank算法;作者合作网络相似度算法;作者中介中心度算法

学科专业：行政管理

摘要

abstract

第一章绪论

第一节研究背景及意义

第二节国内外研究现状

第三节主要研究内容及创新点

第四节本文结构安排

第二章理论基础与算法简介

第一节多样性算法理论基础

第二节 P-Rank算法