Array
(
    [responseDate] => 2025-12-11T15:28:55Z
    [request] => https://periodicos.puc-campinas.edu.br/transinfo/oai
    [GetRecord] => SimpleXMLElement Object
        (
            [record] => SimpleXMLElement Object
                (
                    [header] => SimpleXMLElement Object
                        (
                            [identifier] => oai:periodicos.puc-campinas.edu.br:article/15056
                            [datestamp] => 2025-12-04T15:11:34Z
                            [setSpec] => transinfo:AO
                        )

                    [metadata] => SimpleXMLElement Object
                        (
                            [dc] => SimpleXMLElement Object
                                (
                                    [title] => Array
                                        (
                                            [0] => Career-long data outperforms recent data in predicting the publication success of physicists
                                            [1] => Dados de toda a carreira superam dados recentes na predição do sucesso de publicações de físicos
                                        )

                                    [creator] => Array
                                        (
                                            [0] => Cavalcanti Dantas, Inez
                                            [1] => de Abreu Batista-Júnior, Antonio
                                            [2] => Reis Coutinho, Luciano
                                            [3] => Pascual Mena-Chalco, Jesús
                                        )

                                    [subject] => Array
                                        (
                                            [0] => Machine learning
                                            [1] => Multilayer perceptron
                                            [2] => Neural networks
                                            [3] => Physicists. Success prediction
                                            [4] => Aprendizado de máquina
                                            [5] => Perceptron multicamadas
                                            [6] => Redes neurais
                                            [7] => Físicos
                                            [8] => Predição de sucesso
                                        )

                                    [description] => Array
                                        (
                                            [0] => Predicting the future success of researchers is an important topic that is attracting increasing attention in the research community. However, there are no comprehensive studies that show which predictive bibliometric indices best predict the short-term success of researchers. It does not matter whether these are metrics based on the researcher’s most recent publications or metrics calculated based on all publications throughout the researcher’s career. In this study, we are interested in how the two time windows used as the basis for calculating predictive bibliometric indices affect the empirical results of a classifier in predicting the success of researchers. Using the American Physical Society dataset, we compare the performance of the classifiers using 10-fold cross-validation to determine the most accurate classifier in both scenarios described above. The results of this study disprove our initial hypothesis that it is better to train with bibliometric indices computed from recent publications. This result suggests that there is a need to assess scientists more comprehensively, as focusing on recent publications and not taking into account results from earlier stages of their career may lead to poorer results in predicting scientists’ publication success.
                                            [1] => Prever o sucesso futuro dos pesquisadores é um tópico crítico que está atraindo cada vez mais atenção na comunidade de pesquisa. No entanto, não há estudos completos que demonstrem quais índices bibliométricos preditivos melhor predizem o sucesso de curto prazo de pesquisadores, independentemente de serem métricas baseadas nas publicações mais recentes do pesquisador ou métricas calculadas com base em todas as publicações ao longo da carreira do pesquisador. Neste estudo, estamos interessados em como as duas janelas de tempo usadas como base para calcular índices bibliométricos preditivos afetam os resultados empíricos de um classificador na previsão do sucesso dos pesquisadores. Usando o conjunto de dados da American Physical Society, comparamos o desempenho dos classificadores. Usamos validação cruzada de 10 folds para determinar o classificador mais preciso em ambos os cenários descritos acima. Os resultados deste estudo refutam nossa hipótese inicial de que é melhor treinar com índices bibliométricos calculados a partir de publicações recentes. Esse resultado sugere que há uma necessidade de avaliar os cientistas de forma mais abrangente, pois focar-se em publicações recentes e não levar em consideração resultados de um estágio anterior da carreira pode levar a resultados inferiores na previsão do sucesso de publicações de cientistas.
                                        )

                                    [publisher] => Núcleo de Editoração - PUC-Campinas
                                    [date] => 2025-11-24
                                    [type] => Array
                                        (
                                            [0] => info:eu-repo/semantics/article
                                            [1] => info:eu-repo/semantics/publishedVersion
                                        )

                                    [format] => application/pdf
                                    [identifier] => https://periodicos.puc-campinas.edu.br/transinfo/article/view/15056
                                    [source] => Array
                                        (
                                            [0] => Transinformação; Vol. 37 (2025)
                                            [1] => Transinformação; Vol. 37 (2025)
                                            [2] => Transinformação; v. 37 (2025)
                                            [3] => 2318-0889
                                            [4] => 0103-3786
                                        )

                                    [language] => eng
                                    [relation] => https://periodicos.puc-campinas.edu.br/transinfo/article/view/15056/13752
                                    [rights] => Array
                                        (
                                            [0] => Copyright (c) 2025 Transinformação
                                            [1] => https://creativecommons.org/licenses/by/4.0
                                        )

                                )

                        )

                )

        )

)