This longitudinal study explores persistence in research productivity over time. We examine the trajectories of the academic careers of 2,326 current full professors in 14 STEMM disciplines, studying their lifetime biographical histories and publication histories. Every full professor is compared in terms of productivity classes (top, middle, bottom) with their peers at earlier career stages. We used prestige-normalized productivity in which more weight is given to articles in high-impact than in low-impact journals, recognizing the highly stratified nature of academic science. Our results show that membership in top productivity classes is to a large extent determined by being in these classes earlier. Half of the current top productive full professors belonged to top productivity classes throughout their academic careers. Half of the top productive assistant professors continued as top productive associate professors, and half of the top productive associate professors continued as top productive full professors (52.6% and 50.8%). Top-to-bottom and bottom-to-top transitions in productivity classes occurred marginally. The combination of biographical and demographic data with raw Scopus publication data from the past 50 years (N=1 million) made it possible to assign all full professors retrospective to different productivity, promotion age, and promotion speed classes. In logistic regression models, two powerful predictors of belonging to the top productivity class for full professors were being highly productive as assistant professors and as associate professors (increasing the odds by 180% and 360%). Neither gender nor age (biological or academic) emerged as statistically significant.


翻译:这一纵向研究探索了长期研究生产力的持久性。我们研究了14个STEMM学科中2 326名现任全职教授的学术生涯轨迹,研究了他们一生的生平史和出版史。每个全科教授都以生产力班(上、中、下)与其早期职业阶段的同龄人进行比较。我们使用了声望调整式的生产率,在高影响力文章中比低影响力期刊文章更重视高影响力文章,承认学术科学高度分层性质。我们的结果显示,在高级生产力班中,最高级的2 326名现任全科教授在很大程度上是由这些班中的更早学生决定的。目前有一半高生产力的全科普斯高级教授在其整个学术生涯中属于最高生产力班。一半的高级生产性助理教授继续担任高级生产性副教授,半数高级生产性副教授继续担任高生产力教授(52.6%和50.8%)。在生产力班中,自上至下和从下至上到上层文章的转变,从历史和人口数据与过去50年的原始Scopus出版数据(100万新)的结合在很大程度上由这些班决定。使所有高级生教授都有可能将所有正式教授改派教授改成为高生产力,作为高级教授,作为高级教授,作为高级教授,作为高级教授,作为高级的推后期的推后期推至高级的推至高级教授,作为高级教授,作为高级教授,作为高级的推,作为高级的升级的推,作为高级教授,作为高级的推,作为高级的推,作为高级推,作为高级推,升升升的推,升的推,作为高级的推,升升至升升升升的推。

0
下载
关闭预览

相关内容

专知会员服务
52+阅读 · 2020年11月3日
专知会员服务
39+阅读 · 2020年9月6日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年7月29日
Arxiv
66+阅读 · 2022年4月13日
Arxiv
13+阅读 · 2021年5月25日
VIP会员
相关VIP内容
专知会员服务
52+阅读 · 2020年11月3日
专知会员服务
39+阅读 · 2020年9月6日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员