如何利用元数据评判学术会议的水平？
武夷山
关于学术期刊的科学计量学研究多如牛毛，关于学术会议的科学计量学研究要少得多，如果不说是凤毛麟角的话。可是在计算机科学等一些领域，在著名学术会议上发表论文要比发表期刊论文更重要，更能给作者带来荣誉感。
Scientometrics（科学计量学）杂志网站2021年7月10日在线发表了一篇OA论文，Analysing the evolution of computer science events leveraging a scholarly knowledge graph: a scientometrics study of top-ranked events in the past decade（利用学术知识图来分析计算机科学重大活动的演化：对过去10年顶级重大活动的科学计量学研究）。本文共8位作者，第一作者是德国波恩大学的Arthur Lackner。
文章“摘要”的大致意思如下：
学术交流的“要么发表要么出局”文化导致发表成果的质量与意义低于发表成果的数量。学术会议之类的重大科学活动在学术交流和知识传播中发挥了重要作用。许多领域（如计算机科学）的科研人员需要搜索这类活动以发表其科研成果、与其他科研人员建立合作联系或是跟上最新科研进展。科研人员需要对此类科学活动（会议）的质量有个元研究层次的认识，以便在高质量渠道发表文章。然而，对活动（会议）的评价有多种复杂的评判准则。于是，通过质量型准则来找到合适的活动（会议）对于科研人员就成为很耗时的任务，往往产生的是基于经验的主观评价。
OpenResearch.org是一个众包平台，它可以基于知识图提供一些特征，而这些可用于探索过去的和即将发生的计算机科学领域的活动（会议）。在本文中， 我们设计了一种表现科学活动（会议）元数据的本体。另外，我们利用OpenResearch.org知识图对计算机科学活动（会议）的演化状况进行了分析研究。我们识别出了这类活动（会议）的共同特征，将之形式化，并将它们组合为若干指标。潜在的学术会议投稿者可利用这些指标来识别高质量活动（会议）。再者，除了改进了的本体，我们还对计算机科学不同社群的著名学术会议（VLDB、 ISWC、 ESWC、 WIMS和 SEMANTiCS）的元数据进行了分析，以考察这些元数据作为会议评价指标的可能性。
本文拟回答的三个问题是：
1. 我们能用一个旨在支持对元研究查询之回答的语义表达来描述科学活动（会议）吗？
3. 我们能否开发这样一种服务，即基于对科学活动（会议）的语义表达数据来支持科学交流？
本文“结论”的部分内容是：
为回答问题1，本文对OpenResearch.org的本体进行了扩展，加入了一些新概念（如会议获得赞助情况），增加了描述会议组织者的角色的一个更易于更改调整的模型。
为回答问题2，我们更清晰地定义了科学活动（会议）的概念与特征，然后就要问：能否利用这些特征对科学活动（会议）进行比较。这里有一个隐变量：会议赞助者投入了多少钱。我们对4个系列会议的赞助成本与赞助收益(如赞助商的logo可以出现在会议网站上，赞助商可以在会议手册上做广告宣传，等等)进行了比较分析后，发现不同系列会议的差异不大。这就说明，历史悠久的著名会议能够将其声望转化为不断增加的赞助收入。
关于问题3，我们基于活动（会议）元数据获得了一些评价准则，并论证说，可以依据评价准则构建一些指标，用于比较不同的活动（会议）。
