我如何判斷一位副教授的實力與後續發展

以下4方面應可看出

• 核心能力（專長）

主要發表文獻之系列性，含深度與持續性。這也是對對副教授的最大考驗。一般副教授深度方面，應可達中等或至少需達中等（由淺到深之系列論文至少3～5篇）。他/她後續能否更進階（系列論文至少6~8篇，其中必有高階論文 [高階方法學或突破性發現]），影響因素有三：1.基礎是否紮實，2.無持續投入/深入系列主題（還是轉換跑道），以及3.團隊/資源支持等。

若副教授期間無法達到中等程度（深度），我想主因若是基礎/核心能力不足，那學術生涯很可能就提早結束。

進階的成果，這要求高...有些老師/研究人員(like me)需到教授才得以呈現高階成果。

• 研究計畫（主軸）

近5年撰寫/執行之計畫，主軸為何？這也可看出系列性與發展願景。因為計畫主題可說是老師/研究人員實力與願景之展現，最近5年計畫，可以看出前10年累積之實力（多年努力所奠定之基礎/核心能力）以及後5年之願景（後續發展）

以上核心能力（專長）& 研究計畫（主軸）至多2個，3個就分散時間/心力了，3個以上則跨大/失焦。

• 團隊

查一下 Scopus 即可發現其主要合作者，跟多少強者合作幾篇論文，持續多久，一覽無遺。還有同儕（一起成長）合作者有多少？沒有團隊/同儕，可說沒有未來。

• 環境

單位（有無博班）與承接哪些職務（含學公會服務），前者攸關能否培養自己的博班生（這關係研究主題能否深入），後者嚴重影響學術投入時間（是否強化學術發展）。

系列論文，以 Fugl-Meyer motor test （中風領域最常用的動作量表）為例說明：

1. Hsueh IP, Hsieh CL. Responsiveness of two upper extremity function instruments for stroke inpatients receiving rehabilitation. Clin Rehabil. 2002;16:617-24. 【初階--心理計量特性驗證】
2. Hsieh YW, Hsueh IP, Chou YT, Sheu CF, Hsieh CL, Kwakkel G. Development and validation of a short form of the Fugl-Meyer motor scale in patients with stroke.  Stroke. 2007;38:3052-4. 【中階--短版工具發展/Rasch analysis】
3. Hsueh IP, Hsu MJ, Sheu CF, Lee S, Hsieh CL, Lin JH. Psychometric comparisons of 2 versions of the Fugl-Meyer Motor Scale and 2 versions of the Stroke Rehabilitation Assessment of Movement. Neurorehabil Neural Repair. 2008;22:737-44. 【初階--心理計量特性驗證】
4. Hou WH, Shih CL, Chou YT, Sheu CF, Lin JH, Wu HC, Hsueh IP, Hsieh CL. Development of a computerized adaptive testing system of the Fugl-Meyer motor scale in stroke patients. Arch Phys Med Rehabil. 2012;93:1014-20. 【高階--CAT發展】
5. Chen KL, Chen CT, Chou YT, Shih CL, Koh CL, Hsieh CL. Is the long form of the Fugl-Meyer motor scale more responsive than the short form in patients with stroke? Arch Phys Med Rehabil. 2014;95:941-9. 【中階--獨特心理計量特性驗證】
6. Wang YL, Lin GH, Huang YJ, Chen MH, Hsieh CL. Refining 3 Measures to Construct an Efficient Functional Assessment of Stroke. Stroke. 2017;48:1630-1635. 【中階--多工具短版工具發展/Rasch analysis】
7. Lin GH, Huang CY, Lee SC, Chen KL, Lien JJ, Chen MH, Huang YH, Hsieh CL. A 10-item Fugl-Meyer Motor Scale Based on Machine Learning. Phys Ther. 2021;101(4):pzab036. 【高階--AI短版工具發展】

       以上幾乎皆發表於IF學門排名15%以內的期刊，有些還是 impact factor >5 之期刊。