The Academic Journal Guide: A View from Category Theory.

तकनीकी सारांश: द एकेडेमिक जर्नल गाइड: कैटेगरी थ्योरी का एक दृष्टिकोण

समस्या विवरण
एकेडेमिक जर्नल गाइड (AJG), जिसे चार्टर्ड एसोसिएशन ऑफ बिजनेस स्कूल्स (CABS) द्वारा प्रकाशित किया जाता है, बिजनेस और मैनेजमेंट विषयों में अनुसंधान गुणवत्ता के प्राथमिक प्रॉक्सी के रूप में कार्य करता है। जबकि AJG की कार्यप्रणाली दावा करती है कि वह जर्नल्स को पांच श्रेणियों (1 से 4*) के एक पृथक पदानुक्रम में आवंटित करने के लिए प्रोप्राइटरी साइटेशन इम्पैक्ट डेटा और गुणात्मक विशेषज्ञ निर्णय के बीच संतुलन बनाती है, इसकी वर्गीकरण पद्धति की सैद्धांतिक सुदृढ़ता अभी तक अन-असेस्ड (unassessed) रही है। विशेष रूप से, कैटेगरीज़ेशन थ्योरी (वर्गीकरण सिद्धांत) के लेंस से यह समझने की कमी है कि क्या CABS का वर्गीकरण न्यायसंगत है। मुख्य प्रश्न यह हैं: प्रभाव डेटा (impact data) बनाम विशेषज्ञ राय रैंकिंग को किस हद तक संचालित करते हैं? क्या परिभाषित मानदंड (जैसे, समीक्षा कठोरता, मेट्रिक्स की उपलब्धता) वास्तव में श्रेणियों को अलग करते हैं? क्या श्रेणियों के बीच महत्वपूर्ण ओवरलैप है जो पृथक पदानुक्रम की उपयोगिता को कम करता है?

कार्यप्रणाली
यह अध्ययन कैटेगरीज़ेशन थ्योरी पर आधारित एक मिश्रित-पद्धति (mixed-methods) दृष्टिकोण अपनाता है, जो AJG 2022 संस्करण के अनुभवजन्य डेटा (empirical data) के विरुद्ध चार विशिष्ट परिकल्पनाओं का परीक्षण करता है। विश्लेषण चार विषय क्षेत्रों पर केंद्रित है: मार्केटिंग, मैनेजमेंट, इंटरनेशनल बिजनेस (IB), और स्ट्रैटेजी, जिसमें कुल 324 जर्नल्स शामिल हैं।

1. डेटा निर्माण: अध्ययन AJG द्वारा प्रदान किए गए तीन प्रोप्राइटरी इम्पैक्ट मेट्रिक्स (CiteScore, SNIP, और SJR) का उपयोग करता है, जो 2017-2021 की अवधि को कवर करते हैं। उच्च इंटर-कोरिलेशन (r > 0.85) के कारण इन्हें एक कंपोजिट इम्पैक्ट मेजर बनाने के लिए जोड़ा गया था।
2. सांख्यिकीय परीक्षण:
   • H1 (इम्पैक्ट वेरिएंस): यह आकलन करने के लिए कि क्या इम्पैक्ट डेटा विभिन्न और आसन्न (adjacent) AJG श्रेणियों के बीच महत्वपूर्ण रूप से भिन्न है, वन-वे एनोवा (One-way ANOVA) और क्रुस्कल-वालिस (Kruskal-Wallis) परीक्षणों का उपयोग किया गया।
   • H1b (इम्पैक्ट का प्रभुत्व): यह निर्धारित करने के लिए कि इम्पैक्ट डेटा श्रेणी सदस्यता की भविष्यवाणी किस सीमा तक करता है, ऑर्डिनल लॉजिस्टिक रिग्रेशन का उपयोग किया गया।
   • H2 (रिव्यू रिगर/समीक्षा कठोरता): "डबल-ब्लाइंड" समीक्षा प्रक्रियाओं और समीक्षकों की संख्या के दावों को सत्यापित करने के लिए जर्नल वेबसाइटों का एक गुणात्मक ऑडिट और इंटरनेट खोज की गई, विशेष रूप से इस परिभाषा का परीक्षण करने के लिए कि लेवल 1 जर्नल्स "सापेक्ष रूप से हल्के" (relatively lightly) समीक्षा वाले होते हैं।
   • H3 (मेट्रिक उपलब्धता): यह परीक्षण करने के लिए कि क्या निम्न-रेटेड जर्नल्स में साइटेशन इम्पैक्ट फैक्टर्स की उपलब्धता कम है, श्रेणियों के बीच साइटेशन इम्पैक्ट फैक्टर्स की उपलब्धता का विश्लेषण किया गया।
   • H4 (भौगोलिक पूर्वाग्रह): ऑर्डिनल लॉजिस्टिक रिग्रेशन ने उन जर्नल्स की पहचान की जो आउटलेयर (outliers) के रूप में दिखाई दिए (अर्थात, उनके इम्पैक्ट डेटा ने उनके सौंपे गए AJG रेटिंग के विपरीत संकेत दिया)। जर्नल्स के राष्ट्रीय मूल की तुलना UK-आधारित पूर्वाग्रह का परीक्षण करने के लिए की गई।

प्रमुख परिणाम

• इम्पैक्ट डेटा का प्रभुत्व (H1a और H1b): इम्पैक्ट डेटा वर्गीकरण में भिन्नता के एक बड़े हिस्से की व्याख्या करता है (लगभग दो-तिहाई से तीन-चौथाई, जिसमें स्यूडो R² मान 0.66 से 0.73 के बीच हैं)। हालांकि, अध्ययन में आसन्न श्रेणियों (विशेष रूप से 2-3 और 3-4) के बीच महत्वपूर्ण ओवरलैप पाया गया, जहाँ युग्मवार (pairwise) तुलनाओं के लिए p-वैल्यू गैर-महत्वपूर्ण थे। यह सुझाव देता है कि जबकि इम्पैक्ट डेटा एक प्राथमिक चालक है, यह AJG द्वारा निर्धारित पृथक सीमाओं के साथ पूरी तरह से संरेखित नहीं होता है।
• रिव्यू रिगर (H2): यह परिकल्पना कि समीक्षा मानक श्रेणी के अनुसार महत्वपूर्ण रूप से भिन्न होते हैं, समर्थित नहीं हुई। जर्नल वेबसाइटों के विश्लेषण से पता चला कि लेवल 1 जर्नल्स भी मुख्य रूप से कई समीक्षकों के साथ डबल-ब्लाइंड पीयर रिव्यू का उपयोग करते हैं, जो AJG की इस परिभाषा का खंडन करता है कि लेवल 1 पेपर्स "सापेक्ष रूप से हल्के" समीक्षा वाले होते हैं।
• मेट्रिक उपलब्धता (H3): लेवल 1 जर्नल्स में साइटेशन मेट्रिक्स की कमी संबंधी परिकल्पना काफी हद तक असमर्थ रही। हालांकि कुछ लेवल 1 जर्नल्स में विशिष्ट मेट्रिक्स की कमी थी, लेकिन अधिकांश के पास AJG द्वारा उपयोग किए जाने वाले तीनों मुख्य इंडेक्स के लिए डेटा उपलब्ध था।
• भौगोलिक पूर्वाग्रह (H4): UK-आधारित जर्नल्स के पक्ष में होने की परिकल्पना के विपरीत, संभावित पुन: वर्गीकरण (re-categorization) के विश्लेषण से पता चला कि UK-आधारित जर्नल्स वास्तव में गैर-UK जर्नल्स की तुलना में अधिक 'प्रमोट' (इम्पैक्ट डेटा के आधार पर उच्च श्रेणी में जाना) होने की संभावना रखते थे। हालांकि, अध्ययन नोट करता है कि वर्तमान प्रणाली मेट्रिक विसंगतियों के आधार पर अपील की अनुमति नहीं देती है जब तक कि जर्नल की विशेषताओं में बदलाव न हो।
• पुन: वर्गीकरण की क्षमता: रिग्रेशन मॉडलों ने संकेत दिया कि सैंपल के लगभग एक-तिहाई जर्नल्स को केवल उनके इम्पैक्ट डेटा के आधार पर पुन: वर्गीकृत (या तो प्रमोट या डिमोट) किया जा सकता है ताकि समूहों के बीच ओवरलैप को कम किया जा सके।

प्रमुख योगदान
शोध का प्राथमिक योगदान जर्नल रैंकिंग सिस्टम के मूल्यांकन में कैटेगरीज़ेशन थ्योरी का अनुप्रयोग है। AJG को एक सामाजिक निर्माण (social construction) के रूप में देखते हुए, जो अनुसंधान परिदृश्य पर सुसंगतता थोपने का प्रयास करता है, लेखक महत्वपूर्ण सैद्धांतिक अंतराल की पहचान करता है:

1. सीमा अस्पष्टता (Boundary Ambiguity): अध्ययन प्रदर्शित करता है कि AJG श्रेणियों के बीच की सीमाएं व्यवहार में अच्छी तरह से परिभाषित नहीं हैं, जैसा कि आसन्न समूहों के बीच इम्पैक्ट मेट्रिक्स के पर्याप्त ओवरलैप से सिद्ध होता है।
2. निर्णय की अपारदर्शिता (Opacity of Judgment): जबकि AJG शुद्ध मेट्रिक-आधारित रैंकिंग से खुद को अलग करने के लिए विशेषज्ञ राय की भूमिका पर जोर देता है, डेटा बताता है कि इम्पैक्ट मेट्रिक्स अधिकांश भिन्नता को संचालित करते हैं। "गुणात्मक निर्णय" घटक के संबंध में सार्वजनिक डेटा की कमी उपयोगकर्ताओं को यह समझने से रोकती है कि विशिष्ट जर्नल मेट्रिक-आधारित अपेक्षाओं से क्यों विचलित होते हैं।
3. परिभाषाओं का मिसअलाइनमेंट (Misalignment of Definitions): अनुभवजन्य निष्कर्षों से पता चलता है कि AJG की लिखित परिभाषाओं (जैसे, समीक्षा कठोरता और मेट्रिक उपलब्धता के संबंध में) और उन श्रेणियों के भीतर जर्नल्स की वास्तविक विशेषताओं के बीच एक विसंगति है।

महत्व और दावे
पेपर का तर्क है कि वर्तमान AJG दृष्टिकोण, हालांकि प्रभावशाली है, स्पष्ट सीमाओं और पारदर्शी मानदंडों के संबंध में कैटेगरीज़ेशन थ्योरी के मानकों को पूरा करने में विफल रहता है। लेखक का दावा है कि:

• प्रोप्राइटरी इम्पैक्ट डेटा पर निर्भरता, और अपारदर्शी विशेषज्ञ निर्णय के साथ मिलकर, एक ऐसी प्रणाली बनाता है जहाँ जर्नल्स का एक महत्वपूर्ण हिस्सा (लगभग एक-तिहाई) अपने इम्पैक्ट डेटा के सापेक्ष गलत वर्गीकृत (miscategorized) हो सकता है।
• सिस्टम में वर्तमान में मेट्रिक विसंगतियों के आधार पर अपनी रेटिंग के लिए अपील करने का कोई तंत्र नहीं है, क्योंकि पुन: वर्गीकरण केवल उन जर्नल्स तक सीमित है जिनके "स्वभाव" या मेट्रिक्स में पर्याप्त परिवर्तन हुआ है।
• पारदर्शिता के सिद्धांतों (जैसे DORA घोषणा) के साथ संरेखित होने के लिए, CABS या तो गुणात्मक निर्णय डेटा को सार्वजनिक करे या श्रेणियों की परिभाषाओं को संशोधित करे ताकि वे अपने भीतर मौजूद जर्नल्स की अनुभवजन्य वास्तविकता के साथ बेहतर ढंग से संरेखित हो सकें।

अध्ययन निष्कर्ष निकालता है कि जब तक वर्गीकरण के मानदंडों को पारदर्शी नहीं बनाया जाता और परिभाषाओं को डेटा के साथ संरेखित नहीं किया जाता, तब तक AJG एक "सरोगेट मेजर" (surrogate measure) के रूप में कार्य करता रहेगा जो अनजाने में वास्तविक अनुसंधान गुणवत्ता को दर्शाने के बजाय "रैंक चेज़िंग" (rank chasing) को प्रोत्साहित कर सकता है। पेपर एक नया रैंकिंग सिस्टम प्रस्तावित नहीं करता है, बल्कि मौजूदा एक के सूचित संशोधन का आह्वान करता है, यह नोट करते हुए कि AJG का अगला संस्करण 2027 में आना तय है।