ビッグデータ解析でわかった「研究力」と「科研費・交付金」の関係
コメント
注目のコメント
効果検証をするために何らかの定量的な評価を頼ることは理解できます。ただ、「研究費あたりの論文数」はある一面のみを切り取ったものであるということに注意が必要です。
一般的には予算規模が大きなものはそもそも半導体の装置や大規模サーバの購入が必要な研究テーマが選ばれる傾向にあります。また、研究員や博士学生の雇用など、人件費もある程度の予算規模がないと出せません。なので、環境整備や人材育成の評価軸も入れないとおかしな評価になります。科研費の研究は、(それだけ単体では雇用や大型装置の購入ができないので)上記の恩恵を受けた結果できている可能性もあります。
一方で、予算はほとんど必要としない分野もあります。コンピュータサイエンス分野も深層学習登場前は、パソコン代と旅費だけあれば十分でした。いまは強力なGPUサーバが必要です。
論文の「数」を競うだけでいいのであれば話は簡単です。でも、やはりインパクトのある難関どころを狙いたい。みなさんだって、「市の柔道大会で10連覇しました」よりも「オリンピックで金メダルを1つ取りました」のほうを重要視されますよね？
また、運営費交付金で論文を書いた場合、わざわざ謝辞には入れません。なので、どうやってこの統計をだすかが謎です。私は調査する手段を思いつけません。ちゃんと調べずにコメントしますが、もし謝辞に予算元が書いてないものを全て運営費交付金と判断しているとすれば間違いの可能性があります。例えば企業との共同研究の場合、著者に企業の方の名前が入っていればわざわざ謝辞には書かないからです。投入資金と論文数の関係で競争的資金の論文数が低いとのことですが、強引な分析だと考えます。
研究分野によっては実験装置などで初期費用がかかる研究もあるので、研究分野毎に３つのカテゴリーで分析しなければ意味がありません。
オリジナル資料はこちらのようです。
https://e-csti.go.jp/analysis/1bb3eb49-c483-4464-930c-a564872508fb
記事中では質に触れられていませんが、オリジナルでは引用回数を元にした分析が行われています。
全体版は見ていませんが、研究分野によって傾向は異なると考えられるので、やはり強引な印象です。Science for scienceの取り組みとして意義ある取り組みと思いますが、まだまだapple-to-orangeな分析という印象です。
人件費や設備費の扱いの差異（科研費では研究員は雇えない）、目的の差異（交付金はえてして知的財産の創出や社会実装を重視）、あと科研費と交付金は背反ではない（大抵の研究者は科研費で基礎研究、交付金で応用研究と使い分ける）こと等を考える必要があります。
むしろ交付金のなかで、その多寡と生産性の関係を見る必要があるのではないかしら。海外の事例研究では、研究費と生産性の間には最尤値があり、多すぎても少なすぎても生産性が下がることが指摘されています。
