学者在晋升,任期和荣誉方面如何排名? 做出此类决策时,我们如何改善决策者可用的定量工具? 我们可以使用定量工具在早期阶段预测学者和论文的学术影响吗? 当前的学术决定(聘用,任期,奖项)大多是非常主观的。 在“大数据”时代,应使用一套可靠的定量测量值来支持此决策过程。 本文提出了一种仅使用出版时可用的数据来预测论文被引用最多的论文的可能性的方法。 我们发现,被高引用的论文具有不同的结构特性,并且这些中心性度量值与被引用次数的最高百分数相关。 本文还提出了一种使用研究人员职业早期可用信息来预测研究人员未来影响的方法。 该模型集成了有关年轻研究人员在引文网络和合著者网络中角色变化的信息,并演示了如何改善对他们未来影响的预测。 这些结果表明,定量方法的使用可以补充学术界的定性决策过程,并改善对学术影响的预测。