進化を続ける世界のサイエンスコミュニティーの中で，各大学が独自性を「見える化」し，内外からの評価を向上させるには，一貫したポリシーに基づく戦略が必要である。その戦略策定の各段階において，エビデンスデータの活用が必須となっている。本稿では，現在の日本の状況を概観するとともに，国内5大学（名古屋大学，東京大学，慶應義塾大学，山口大学，岡山大学）における実際の先進的な分析，活用事例を紹介する。さらに，研究分析に用いるエビデンスデータの中核の1つを成す，ビブリオメトリクスの可能性や名寄せについても言及する。
科学技術・学術政策研究所（NISTEP）が2013年8月に公表した「科学技術指標2013年版」1）には，近年の欧米以外における研究の台頭が示唆されている。一例として，図1はWeb of Science Core Collectionにより算出した主要国の論文シェアである。このデータから，全論文数のシェアのみならず，インパクトの高い論文のシェア（Top10％補正論文数，Top1％補正論文数）においても，米国が独走状態から失速し，替わって中国や韓国の隆盛している状況が確認できる。
トムソン・ロイターが発表しているグローバル・リサーチ・レポート2）でも，研究活動が米国および欧州の数か国に限られていた時代は終わり，「研究はアジアにシフトしつつある」と結論付けた。これらのリポートはともに，世界の研究者人口の拡大や，コミュニティーの変化を映し出している。
進化を続ける世界のサイエンスコミュニティーの中で，日本の大学が内外から適切な評価を得，有能な研究者を集め，研究を継続するためには何をすべきだろうか。たとえば，「研究論文に着目した日本の大学ベンチマーキング2011」3）のように，今まで以上にその研究の成果を「見える化」するとともに，独自性を打ち出すことが求められるであろう。同時に，大学や研究機関のマネジメントの一貫かつ徹底した方針も必須となる。この状況に鑑みれば，各大学の研究活動の効果測定にエビデンスデータが用いられるのは，ある意味当然の流れであるといえる。
本稿では，研究に重点をおき世界で学術の競争を続ける国内の大学（Research University）の先進的な分析事例を紹介しながら，研究活動の評価に用いるエビデンスデータの中核の1つを成す，ビブリオメトリクスの可能性について言及する。
1.2 国内の背景前述した世界のサイエンスコミュニティーの変化を踏まえ，あらためて日本の状況を見てみよう。現在は，2011年度から2015年度までの第4期科学技術基本計画の実施期間にあたる（2011年8月19日閣議決定）4）。この計画をベースとして数々の施策が実施されているが，注目すべきはまず2013年に文部科学省が打ち出した「研究大学強化促進事業」5）である。この事業は，世界レベルの優れた日本の研究大学群を集中的に支援・増強することを目的として，2013年度は総額64億円が国内22大学・研究機関に配分された。そのヒアリング対象校の選定にも，ビブリオメトリクスの定量的なエビデンスデータが用いられている。
また，第2次安倍内閣が発表した日本産業再興プラン6）においても，世界大学ランキングトップ100校に日本から10校をランクインさせることが主たる成果目標として掲げられた。この施政方針を受け，文部科学省では「人材力強化のための教育改革プラン～国立大学改革、グローバル人材育成、学び直しを中心として～」7）を作成し，その中にスーパーグローバル大学事業等を含む施策を決定している。スーパーグローバル大学事業には150億円余の2014年概算要求が盛り込まれているが，ここでも各種エビデンスデータが評価の基礎資料の1つとなっている。
このような状況の中，大学は強化すべき研究分野を適切に評価し，研究資金の配分を最適化する試みを始めている。
本章では，規模の大小を超えてビブリオメトリクスデータを実際に活用しているリサーチ・アドミニストレーター（University Research Administrators: URA），および大学図書館の5事例を紹介する。このケーススタディは，「グローバル日本の研究力強化と、競争時代の研究大学のありかた～エビデンスデータを活用した戦略立案のベストプラクティス～」（2013年6月13日実施）における発表内容に基づく注1）。
2.1 名古屋大学：リサーチ・アドミニストレーションにおけるデータ活用名古屋大学は，文部科学省の「リサーチ・アドミニストレーターを育成・確保するシステムの整備」事業ヘの採択を受け，2012年2月1日にリサーチ・アドミニストレーション室（URA室）を発足させた8）。目的は，名古屋大学の研究戦略に沿った大型研究プロジェクト等の戦略的な提案・実施のための一貫した研究支援体制を整備することである。加えて，研究プロジェクトの申請・採択からその後の成果発信，法的・倫理的問題の解決に関して，統一・横断的に自大学の研究者を支援する。科研費およびその他の外的資金の取得件数を専攻ごとに分析し，ビブリオメトリクスデータを補完的に活用しながら，資金配分の最適化を目指している。
具体的には，名古屋大学発の論文を専攻別に分類し，相対被引用インパクト注2）やAverage Percentile注3）を参照しながら，各専攻の研究の生産性を評価した。図2はその例である。
名古屋大学は，エビデンスデータを研究戦略・方針決定のリソースとして積極的に取り入れることを進めている。今後は，定量データと定性データの最適な組み合わせによる，名古屋大学の研究戦略を効果的に支援するURAモデルの確立を目指して，さらなる分析を実施する。
東京大学は，2012年4月1日に，総長，研究担当理事・副学長の直轄機関として「リサーチ・アドミニストレーター推進室」を設置し，URAが各部局に配置される仕組みを採用している。現在の部局拠点は8つあり，各部局に密接に関わることで異なるニーズを詳細にくみ取り，本部に情報を集約してURAの活動にあたっての戦略を策定する9）。
一例として，理学系研究科では，タイムズ・ハイヤー・エデュケーション誌（THE）の2011-2012年世界大学ランキングに関する分析を実施した。国際共著論文比率（図3），学部の中の専攻ごとの論文数，被引用数の分布などを算出したほか，海外の有力大学と自学の相対被引用インパクトを比較した。分析の結果，東京大学は研究や産学連携，教育に関するスコアに比べ，国際化および論文引用のスコアの伸びしろが認められ，この2点に対する戦略強化方針が打ち出された。
論文の引用分析でも，欧米トップ大学が世界平均を大きく上回る分析値を出すことは既知の事実であり，国際的な交流および異なる研究環境の経験が，今後の共同研究活動や論文の引用数の向上を牽引（けんいん）することが期待されている。
国際的なネットワークの強化の具体的な活動として，スタンフォード大学やハーバード大学など，世界の一流大学に送り出す派遣プログラムである理学部学生選抜国際派遣プログラム（ESSVAP）注4）や，東京大学大学院理学系研究科サマーインターンシッププログラム（UTRIP）注5）をよりサポートする方針が打ち出された。
慶應義塾大学では，大学図書館が研究分析を支援するユニークな取り組みを行っている。
慶應義塾大学では，研究担当常任理事管轄の研究連携推進本部と教育担当常任理事管轄の図書館とは別々の組織に分かれており，他の大学の例にもれず図書館は研究評価担当部署と異なる位置付けにある。そのため，互いにそれぞれの業務内容をほとんど把握できていないのが実情だという。
しかし，図書館は日常業務において研究者と接する機会が多く，彼らのニーズを身近に聞く立場にある。慶應義塾大学理工学メディアセンター（図書館）では，図書館員の卓越した情報プロフェッショナルとしてのスキルを活性化し，著者同定のための名寄せ作業を実施した。名寄せについては3.1でも後述するが，このプロセスにより同名異人の可能性を排除し，所属研究者の研究業績を正確に把握することができる。そのため，学内の組織単位の正確な研究評価への寄与も可能である。その名寄せデータをもとに，同大学では研究者別の研究パフォーマンス分析を行った（図4）。
大学図書館員は，学内リポジトリの構築などを通じ，研究評価の対象になる学内の論文情報に精通している。エビデンスデータを用いて研究評価を適切に実施するためには，研究者の論文の名寄せ，タグ付けといった地道なデータのクリーニングや収集作業が必須であるが，図書館員はそのフィールドで即戦力といえる。
図書館員の研究評価分析への参画はまた，図書館の付加価値を高め，研究者にとって図書館を再認識する新しい可能性を秘めている。この潮流が，大学，図書館ともにWin-Winの効果を生むことを期待したい。
山口大学は，2012年4月に研究推進戦略部直下にURA室を開設した10）。URAは，ビブリオメトリクスの「リサーチフロント手法」という分析方法を用いて，大学のユニークな特色を打ち出す戦略を構築しつつある。規模の大きな総合大学に総数で勝負するのではなく，国際的にアピールできる「キラリと光る」自大学の研究を，エビデンスデータから見極める方針である。
リサーチフロントとは，「強い共引用関係によって結び付けられる高被引用論文（Highly Cited Papers）グループ」であり，それらの論文グループが示すのは確固たる名前のついた研究分野として確立する以前の先端研究領域の基礎になる論文群である11）。つまり，将来的に活発な研究が見込まれる分野を，エビデンスデータを用いていち早く見極め，支援することで，大学の研究力を高める。リサーチフロントは分野よりもさらに細分化された単位で研究を分析できるため，分野単位では見つけることの難しい自学の強みを見いだす可能性がある12），13）。
山口大学は，このデータを海外の共同研究先の評価に応用した。リサーチフロントの論文群を共引用している自学の論文と，共同研究候補の大学の論文を分析し，アプローチする共同研究先選定のエビデンスとする試みである（図5）。
これはリサーチフロントの応用事例として国内の大学初の発表例となり，2013年6月にトムソン・ロイターとの共同プレスリリースも発表した14）。山口大学はさらに分析を進め，競争的資金を獲得している研究者とリサーチフロント論文との関連性についても分析している15）。
岡山大学のURAは，学長が直接指揮する組織として2012年に設置された。URAは，研究担当理事とともに活発に活動しており，データの分析力には定評がある大学の1つである16）。
研究評価分析の結果を踏まえて運用可能な計画を策定・実行することを考慮した場合，具体的な大学の構成組織である学部単位までデータが出れば，関係者の理解や共感をより得られることが多い。研究分析に特化したInCitesでも研究分野ごとのパフォーマンスの分析は可能であるが，その「分野」が，必ずしも大学の学部単位と一致しないことがある。そのため岡山大学では，大学の強み，弱みについて各学部の寄与が分析可能なデータを作成した（図6）。
まず，InCitesで分野ごとの研究パフォーマンスを洗い出し，研究の質と量を時系列的に抽出し，強い分野と弱い分野を特定した。次に，学部単位で被引用数と正の相関のある国際共著について分析した。この分析は単に海外共著率にとどまらず，海外共著によるパフォーマンスの向上分析を含む効果測定も実施している。
その結果，岡山大学の理学部や農学部に関しては海外共著の効果が期待できる一方，薬学部や環境理工学部といった海外共著の効果が小さい学部があることが報告された。弱みの確認においては，その弱みの質的な評価を時系列的に行い，弱体化傾向および長期停滞傾向などを詳細に分析した。今後，さらに個別研究に焦点をあてた分析と研究サポートを行う予定である。
ビブリオメトリクスデータを研究パフォーマンス分析に使用するには，分析対象の研究業績の正しい特定が必須である。研究業績は，論文のみならず特許や専門書などさまざまな形態をとるが，現在のビブリオメトリクス分析では，一般的に，査読付き雑誌への掲載など，一定の基準を満たした英語論文が用いられる。
論文データベースから分析対象の論文データ集合を作成する際，著者所属機関名の表記ゆれについて考慮することが不可欠となる。たとえば組織や研究者単位のパフォーマンス分析を行う場合，表記ゆれや同姓同名著者，組織名変更を踏まえつつ，分析目的に応じて名寄せ処理を行う。この表記ゆれへの対応については，科学技術・学術政策研究所が大学・公的機関名辞書を公表するなど対応が活発化してきた。
トムソン・ロイターでも，各種目的に応じて論文リスト作成の依頼を受けるが，その実施には，目的を考慮して十分なヒアリングを行い，そのうえでデータクリーニングなどの複雑かつ多段階の作業行程を踏む。名寄せデータはまた，正確な分析のためには定期的な更新が求められる。さらに，ある名寄せによって得られたデータを目的以外に利用する場合は，適応可能かを慎重に検討すべきである。
3.2 ビブリオメトリクスのさらなる可能性前章のケーススタディのように，論文情報を中心としたエビデンスデータの活用，つまり，一定の基準をクリアした論文の生産性やインパクトの定量分析により研究力を評価する流れは，大学や研究機関における研究分析・戦略策定の手段の1つとしてほぼ定着したといえる。最近ではさらに，今後の研究がどこに向かうのか，また先進的な研究を牽引する研究者や研究機関はどこなのかといった具体論へ展開する試みがすそ野を広げつつある。
トムソン・ロイターでは，ビブリオメトリクスの観点から単に論文の引用数を算出するだけでなく，分野や年代なども考慮した各種指標（Percentile，2次引用数，Category Actual Expected Citation，Journal Actual expected Citationなど）を算出している。これらの指標は，研究者や研究グループ，学部や大学，あるいは国単位で，平均値，中央値，合計値などの統計量として算出したり，各値の分布を見るために用いられる。また，分析したい単位の任意の集合（例えば，特定のキーワードを含む論文集合，特定の出版年の論文集合等）に対する総合的な研究パフォーマンスを把握することも可能である。従来カスタムベースで提供していたこれらの指標は，2014年上期にリリースする次世代のInCites（InCites Next Generation）上のWorld Datasetで，2008年以降の個々の指標の提供を開始する。World Datasetを用いることで，今までできなかった他大学の論文レベルの評価指標等にアクセスが可能となる。
ビブリオメトリクスを応用した研究評価への適応が定着してきた次の段階では，分析結果から得られた数値や意味をいかにわかりやすく提示するかというニーズが生まれる。InCitesも，過去数年間にわたって可視化機能の充実が図られてきたが，2014年以降のInCites Next Generationではさらにその機能を向上させ，より表現力を高めた出力機能が実装される（図7）。
ここまでビブリオメトリクスとその分析について言及してきたが，結果の解釈について留意すべきは，ビブリオメトリクスはあくまで戦略を決定づける1つの手法であるということだ。引用はその多くが先駆者に対する敬意の表れである。しかし，研究のトレンドなど，他の要素の影響も受ける。そのため，被引用数とそれから導かれる指標に基づく分析結果は，研究コミュニティーの総意を映し出さないケースもある。
ビブリオメトリクスは，研究内容まで踏み込むデータを提供するわけではない。そのため各大学の最終的な方針決定は，あくまで当該分野の研究内容に精通した専門家の判断によるべきであろう。客観的かつ定量的なエビデンスデータは，各機関の強み・弱み，および国際的な位置を判断するための有力な補完資料である。その分野の専門家以外にも理解しやすいというメリットを，新たなる外部資金獲得や，学内の合意形成に役立てていただきたい。
ビブリオメトリクスを応用した結果をエビデンスとして活用する流れは，今や世界中の研究機関の施策策定に影響を与えるまでになった。ここまで研究分析に浸透した理由の1つには，複雑に進化し続けるサイエンスコミュニティーの中で，多様な背景をもつ関係者に一義的に理解されやすい数値や方法が必要とされていたからであろう。グローバルに応用可能であり，複雑に専門化するサイエンスコミュニティーをある程度分野横断的に評価できる点も，国際化する研究活動を支える力となる。
前述のとおり，データは万能ではない。しかし，ビブリオメトリクスへの理解が深まり，研究評価に客観的な指標が導入されることは歓迎すべきことである。今後は，より多くの大学にデータが活用され，さまざまな方面の専門家が意見を出し合うことで，さらにビブリオメトリクスの潜在的な可能性が広がることを期待したい。
本稿執筆にあたり，2013年6月の学術シンポジウムでご講演いただいた5大学の皆様には多大なるご協力をいただきました。名古屋大学の吉田千穂氏，東京大学の山野真裕氏，慶應義塾大学の市古みどり氏，山口大学の二階堂正隆氏，岡山大学の沼口徹氏（ご登壇順）に，ここに謝意を表します。
