耿斌+++孫建軍

摘 要：在線學(xué)術(shù)社交平臺為科研工作者提供了一種新型的學(xué)術(shù)社交方式，文章試圖從用戶使用的角度對在線學(xué)術(shù)社交平臺的用戶行為進行研究。以ResearchGate平臺南京大學(xué)的用戶為研究對象，采用相關(guān)性分析、社交網(wǎng)絡(luò)分析等方法，從用戶活躍度、用戶使用行為關(guān)系、用戶合作網(wǎng)絡(luò)等方面對平臺的用戶行為特征進行研究。研究發(fā)現(xiàn)，平臺上用戶的使用狀況受學(xué)科背景影響，理工類用戶活躍度較高；用戶上傳、閱讀、引用行為之間存在相關(guān)關(guān)系；校內(nèi)用戶持續(xù)與校外用戶合作更易產(chǎn)生穩(wěn)定的合作團體。

關(guān)鍵詞：在線學(xué)術(shù)社交平臺；用戶行為；ResearchGate；合作網(wǎng)絡(luò)

中圖分類號：G206 文獻標(biāo)識碼：A DOI：10.11968/tsyqb.1003-6938.2017093

User Behaviors of Online Academic Social Platform

——Case Study of Nanjing University Users of ResearchGate

Abstract Online academic social platform provides researchers with a new way of academic social interaction. This study attempts to examine the user behaviors of online academic social platform from the perspective of user usage. Users of ResearchGate in Nanjing University as the research object and their behavioral characteristics are examined with the correlation analysis and social network analysis about their activity， behaviors， cooperation network and so on. The research discovers that the status of users' usage on the platform is influenced by the background of their academic subject to a large extent， for instance， the users majored in science and technology are far more active than others； There exists a relationship among uploading， reading and citing behaviors； It is easier to generate a stable cooperative group when users in school retain working with the external users.

Key words online academic social platform； user behaviors； ResearchGate； collaboration network

1 引言

隨著Web2.0的快速發(fā)展，傳統(tǒng)學(xué)術(shù)社交方式已經(jīng)很難滿足日益增長的學(xué)術(shù)社交需求，在線學(xué)術(shù)社交以及數(shù)字化成果共享已經(jīng)成為學(xué)者學(xué)術(shù)交流的一種重要途徑。在線學(xué)術(shù)社交平臺是一種為了增進知識的交流與傳播，幫助科研工作者建立和維護社交關(guān)系，同時支持科研工作者研究的整個過程的平臺[1]。以ResearchGate、Academia、Mendeley、科學(xué)網(wǎng)、小木蟲、學(xué)術(shù)圈為代表的在線學(xué)術(shù)社交平臺，通過在線通訊、及時共享為科研工作者提供了一種新型的學(xué)術(shù)社交方式。同時，科研工作者通過在線學(xué)術(shù)社交平臺創(chuàng)建個人信息、發(fā)布科研成果、開展學(xué)術(shù)交流，還能夠提高其學(xué)術(shù)影響力[2]。

在線學(xué)術(shù)社交平臺用戶行為是指用戶在結(jié)合自身學(xué)術(shù)需求、科研環(huán)境、平臺功能的基礎(chǔ)上做出的使用在線學(xué)術(shù)社交平臺的意愿，以及產(chǎn)生的各項活動過程及其結(jié)果的總和[3]。學(xué)術(shù)社交平臺的主體是用戶，用戶的客觀行為數(shù)據(jù)直接反映了用戶的學(xué)術(shù)需求。研究用戶行為是研究在線學(xué)術(shù)社交平臺的重要組成部分。通過研究用戶行為數(shù)據(jù)可以把握用戶的使用意愿以及使用規(guī)律，有利于在線學(xué)術(shù)平臺改進平臺功能，完善平臺服務(wù)，提高用戶忠誠度，同時有利于科研工作者進行更好的在線學(xué)術(shù)交流。因此對在線學(xué)術(shù)社交平臺的用戶行為進行研究，發(fā)現(xiàn)用戶行為的特點，具有重要的研究意義。

2 研究綜述

在線學(xué)術(shù)社交正在逐漸改變科研工作者的工作方式，協(xié)作共享已經(jīng)成為了學(xué)術(shù)研究的重要組成部分[4]。而這一特點與Web2.0所強調(diào)的“參與”“包容”“合作”理念十分吻合，因此，隨著Web2.0技術(shù)的迅猛發(fā)展，在線學(xué)術(shù)社交平臺得到了廣泛的應(yīng)用，對在線學(xué)術(shù)社交平臺的研究也吸引了不少學(xué)者的關(guān)注。目前，對在線學(xué)術(shù)社交平臺的研究主要基于兩種思路展開：一是將在線學(xué)術(shù)社交平臺當(dāng)作一種軟件或工具，以平臺本身作為研究對象，對平臺現(xiàn)狀以及平臺上的功能、服務(wù)進行研究，期望找出學(xué)術(shù)社交平臺的價值、發(fā)展規(guī)律以及未來的發(fā)展方向[5-6]；二是通過問卷間接地獲取用戶意愿數(shù)據(jù)或者直接使用平臺內(nèi)豐富的用戶行為數(shù)據(jù)，以用戶為研究對象，使用統(tǒng)計、計量、社會網(wǎng)絡(luò)等研究方法，研究用戶使用平臺的意愿或使用平臺過程中所產(chǎn)生的行為特征以及規(guī)律[7-9]。

學(xué)術(shù)社交平臺本身的研究主要是強調(diào)在線社交平臺的功能性作用。如Ovadia[5]認(rèn)為學(xué)術(shù)社交平臺的重要性逐步提高，平臺的功能可以更好地為學(xué)者服務(wù)，在眾多的學(xué)術(shù)平臺之中ResearchGate是最重要的在線學(xué)術(shù)學(xué)社交平臺之一；Citrome[6]的研究顯示，使用在線社交網(wǎng)絡(luò)創(chuàng)建項目文件、交流項目進展有利于科研工作的進行，且科研項目的網(wǎng)格化實施有利于成果的產(chǎn)出。在對平臺用戶行為的研究中，相關(guān)研究發(fā)現(xiàn)，用戶會表現(xiàn)出對學(xué)術(shù)社交平臺的粘性。如Nature[10]在其調(diào)查中提到，科研工作者中超過25%的受訪者使用在線社交平臺的頻率甚至多于日常社交平臺（如Facebook、Twitter等）。不僅如此，隨著替代計量學(xué)的提出，在線學(xué)術(shù)社交平臺的指標(biāo)體系對衡量科研工作者也起到了一定的作用。Shrivastava[9]通過對比在線學(xué)術(shù)平臺的指標(biāo)與傳統(tǒng)評價指標(biāo)之間的關(guān)系發(fā)現(xiàn)，兩者之間存在相關(guān)關(guān)系，如：傳統(tǒng)的引文數(shù)據(jù)與社交平臺上項目被引用數(shù)據(jù)呈現(xiàn)相關(guān)關(guān)系。綜合目前的研究來看，用戶行為多從使用習(xí)慣、合作方式、相關(guān)關(guān)系一個角度進行分析，并且國內(nèi)對于國外在線學(xué)術(shù)平臺的行為分析研究較少。因此本文選取具有代表性的ResearchGate平臺，從多個角度探討在線學(xué)術(shù)社交平臺的用戶行為。endprint

3 研究設(shè)計

3.1 研究目的

本次研究旨在通過客觀真實的用戶數(shù)據(jù)，從用戶使用的角度對在線學(xué)術(shù)社交行為進行研究，探究用戶在ResearchGate平臺上的用戶活躍度；用戶使用社交平臺的各項行為之間是否存在相關(guān)性以及怎樣的相關(guān)性；用戶校內(nèi)合作與校外合作兩種合作網(wǎng)絡(luò)的基本屬性與結(jié)構(gòu)特征。

3.2 研究方法

為了完成研究目標(biāo)，本次研究使用數(shù)據(jù)爬取，統(tǒng)計分析，信息計量，社會網(wǎng)絡(luò)分析的研究方法對數(shù)據(jù)進行采集、處理、分析。利用Python語言編寫爬蟲對在線學(xué)術(shù)社交平臺ResearchGate用戶行為的相關(guān)數(shù)據(jù)進行爬取，使用Mysql數(shù)據(jù)庫存儲研究數(shù)據(jù)，使用R語言對數(shù)據(jù)進行預(yù)處理并對數(shù)據(jù)進行統(tǒng)計分析以及社會網(wǎng)絡(luò)分析。

在使用R語言進行數(shù)據(jù)分析的過程中，首先使用描述性統(tǒng)計分析方法對數(shù)據(jù)樣本進行定量分析；使用相關(guān)性分析方法分析用戶各項行為（如：關(guān)注，上傳項目，閱讀，引用等）之間的相關(guān)性；使用社會網(wǎng)絡(luò)分析方法對兩種合作網(wǎng)絡(luò)的網(wǎng)絡(luò)屬性以及網(wǎng)絡(luò)結(jié)構(gòu)進行分析。

3.3 數(shù)據(jù)來源及處理

ResearchGate是一個學(xué)術(shù)在線社交平臺[11]，是由德國的Ijad Madisch博士、Soeren Hofmayer和Horst Fickenscher在2008年5月建立[12]，旨在服務(wù)全球科研工作者。通過在該平臺上建立賬號，用戶可以發(fā)布個人最新的科研成果且免費查閱其他科研工作者發(fā)布在平臺上的項目，尋找有相同研究興趣的研究人員。截至2017年8月，該網(wǎng)站宣稱注冊人數(shù)已經(jīng)超過了1億人，擁有1300多萬研究人員和70多萬研究項目，是全球最成功的在線社交網(wǎng)站之一。在平臺上，用戶通過完善個人信息，發(fā)布研究項目，分享研究成果，關(guān)注研究人員，回答研究者提問等行為獲得平臺上的影響力，因此該平臺產(chǎn)生了大量的用戶行為數(shù)據(jù)。相較于其他的學(xué)術(shù)社交平臺，該平臺用戶活躍度和持續(xù)使用率最高[13]。南京大學(xué)作為綜合性科研院校，注冊人員，項目發(fā)布，平臺影響力（RG指數(shù)）均處于前列，用戶活躍度較高。因此本研究選用該樣本對在線學(xué)術(shù)社交平臺用戶行為進行研究。

截至2017年8月21日，本次研究通過編寫Python爬蟲程序，采集南京大學(xué)ResearchGate平臺上用戶行為數(shù)據(jù)（見表1）。

采集到的原始數(shù)據(jù)包括：南京大學(xué)主頁數(shù)據(jù)，各院系主頁數(shù)據(jù)，5642名注冊用戶行為數(shù)據(jù)以及55481條合作數(shù)據(jù)。由于存在用戶數(shù)據(jù)缺失值過多，平臺院系分類和學(xué)校設(shè)置不同，部分院系沒有主頁信息，數(shù)據(jù)格式等問題。本次研究對原始數(shù)據(jù)進行了人工處理并且將平臺上院系分類合并到學(xué)校設(shè)置的院系之中，處理后的數(shù)據(jù)包括校主頁數(shù)據(jù)，學(xué)校設(shè)置的院系數(shù)據(jù)、5642名注冊用戶數(shù)據(jù)以及55326條用戶合作數(shù)據(jù)。然后，將處理后的數(shù)據(jù)存儲到Mysql數(shù)據(jù)庫中進行后續(xù)分析。

4 數(shù)據(jù)分析與結(jié)果討論

4.1 用戶活躍度分析

本次研究共有5642名用戶，發(fā)布了23704個項目，人均發(fā)布項目4.2項，從用戶學(xué)歷構(gòu)成上來說，在填寫了學(xué)歷的用戶中，博士在讀及博士以上學(xué)歷人員占60.39%，碩士學(xué)歷占10.07%，由此可以看出該平臺用戶學(xué)歷以博士在讀及以上學(xué)歷為主，在填寫了職位的用戶中，教授及研究人員占57.6%，參與度較高，說明科研工作者有較大的學(xué)術(shù)社交需求和較強的學(xué)術(shù)社交意愿。

為了研究不同學(xué)科，不同領(lǐng)域的用戶的使用狀況，將用戶按學(xué)院分類進行統(tǒng)計（見圖1），院系中注冊人數(shù)排在前五位的分別是地球科學(xué)與工程學(xué)院、物理學(xué)院、化學(xué)化工學(xué)院、生命科學(xué)院以及計算機科學(xué)與技術(shù)系，部分院系的注冊人數(shù)更是超過了400人。而文學(xué)院、社會學(xué)院等院系由于注冊人數(shù)過少，均沒有主頁相關(guān)信息。由此可以看出，在用戶學(xué)科背景方面，理工科院系的注冊人數(shù)明顯高過文科院系。在平臺的使用上，文科類和理工科類院系出現(xiàn)不均衡的現(xiàn)象。究其原因，可能是因為學(xué)科研究對象不同，部分研究沒有平臺使用的需求，因此用戶的使用率較低，活躍度也相對較弱。

從項目發(fā)布數(shù)量這一屬性來說（見圖1），排在前五位的學(xué)院分別是化學(xué)化工學(xué)院、物理學(xué)院、環(huán)境學(xué)院、醫(yī)學(xué)院以及地球科學(xué)與工程學(xué)院，其中，化學(xué)與化工學(xué)院發(fā)布的項目數(shù)超過了5000項。作者數(shù)是指用戶發(fā)布的項目中填寫的作者數(shù)量，從作者數(shù)的角度來看，作者數(shù)排在前五位的分別是化學(xué)化工學(xué)院、物理學(xué)院、醫(yī)學(xué)院、地球科學(xué)與工程學(xué)院以及生命科學(xué)學(xué)院。而從項目的被閱讀數(shù)上來說地球科學(xué)與工程學(xué)院、環(huán)境學(xué)院、物理學(xué)院位列前三位。為了進一步探究不同學(xué)科用戶之間的行為差異，本次研究使用單位用戶發(fā)布文件數(shù)、單位文件被閱讀數(shù)以及單位文件作者數(shù)三個指標(biāo)對不同學(xué)科用戶行為進行研究，列出公式：

從Pi、Pr、Pa三個指標(biāo)來看（見圖2），化學(xué)化工、物理、環(huán)境、數(shù)學(xué)四個院系的Pi值較高，體現(xiàn)出這三個學(xué)科背景的用戶分享項目的意愿更強烈。在Pr值方面，歷史、大氣、建筑與城市規(guī)劃、信息管理四個院系表現(xiàn)出較高的分?jǐn)?shù)，體現(xiàn)出作者發(fā)布在平臺上的項目有較高的閱讀數(shù)，側(cè)面體現(xiàn)出這幾個學(xué)院上傳的項目受用戶喜愛的程度偏高。Pa值方面，歷史、大氣、地理與海洋、生命科學(xué)四個院系分?jǐn)?shù)較高，體現(xiàn)出這些院系項目合作氛圍較濃，值得注意的是從這一指標(biāo)來看，數(shù)學(xué)系分?jǐn)?shù)最低，數(shù)學(xué)系發(fā)布的項目作者多為一個人，但數(shù)學(xué)系發(fā)布的項目數(shù)卻位于前列，這一現(xiàn)象說明在數(shù)學(xué)系的項目中，多人合作完成的項目較少，尋求合作的潛力還比較大。

此外，本文還從個人層面對發(fā)布項目數(shù)、被閱讀數(shù)、被引數(shù)、被關(guān)注數(shù)、關(guān)注數(shù)進行統(tǒng)計（見表2）。

從統(tǒng)計數(shù)據(jù)來看，用戶平均關(guān)注數(shù)18人，平均被關(guān)注數(shù)6人，人均發(fā)布項目數(shù)11.193項，人均被閱讀量501.757次，人均被引次數(shù)93.787次。盡管從平均值來看用戶各項屬性均呈現(xiàn)較高水平，但是各項屬性分布嚴(yán)重不均，發(fā)布項目、被閱讀數(shù)以及被引數(shù)的中位數(shù)均為0，被閱讀數(shù)的標(biāo)準(zhǔn)差過大，表現(xiàn)出較為明顯的長尾現(xiàn)象。這一現(xiàn)象說明大多數(shù)用戶發(fā)布項目的積極性不高，項目共享方面仍有待提升。而在關(guān)注數(shù)和被關(guān)注數(shù)方面分布較為均衡，關(guān)注活動發(fā)生較為頻繁，用戶的社交意愿較高。endprint

RG（ResearchGate）指數(shù)是直接反應(yīng)用戶在平臺上活躍度的指數(shù)，本研究對RG指標(biāo)進行統(tǒng)計發(fā)現(xiàn)，南京大學(xué)總RG指數(shù)為40064.7，人均RG指數(shù)為7.1011，從總體上來看用戶呈現(xiàn)較為活躍的狀態(tài)。但通過進一步分析發(fā)現(xiàn)，在RG指數(shù)中一半以上的用戶為0，用戶這一指標(biāo)分布嚴(yán)重不均衡，極差達到50以上，大多數(shù)用戶仍處于低活躍度的狀態(tài)。將RG指數(shù)為0的不活躍用戶去除之后，得到RG指標(biāo)的分布（見圖3）。

通過RG指數(shù)可以看出，在活躍用戶中，RG值在0-10區(qū)間內(nèi)的用戶數(shù)仍處于第一的位置，占活躍用戶的36%，RG指數(shù)在10-20區(qū)間的次之。在以10為區(qū)間的RG指數(shù)分布圖來看，用戶的RG指數(shù)呈現(xiàn)逐漸遞減的趨勢，RG指數(shù)40以上的高活躍度用戶仍在少數(shù)，僅占活躍用戶的3%。

4.2 用戶平臺使用行為相關(guān)性分析

本文從發(fā)布項目數(shù)、被閱讀數(shù)、被引用數(shù)、被關(guān)注數(shù)以及關(guān)注用戶數(shù)五個方面對用戶使用行為之間的關(guān)聯(lián)進行分析，并在此基礎(chǔ)上探究用戶使用行為對用戶平臺活躍指數(shù)（RG指數(shù)）與用戶學(xué)術(shù)影響力指數(shù)（h指數(shù)）的影響。本次研究采用Pearson相關(guān)系數(shù)進行相關(guān)性分析（見表3）。

分析得出，發(fā)布項目數(shù)與被閱讀數(shù)、發(fā)布項目數(shù)與被引用數(shù)、發(fā)布項目數(shù)與被關(guān)注數(shù)、被閱讀數(shù)與被關(guān)注數(shù)之間存在較強的相關(guān)性（0.8>r>0.5），而被關(guān)注數(shù)與被引數(shù)之間存在較弱的相關(guān)性（0.5>r>0.3）。關(guān)注用戶數(shù)與發(fā)布項目數(shù)、被閱讀數(shù)、被引次數(shù)之間存在極弱的相關(guān)性（r<0.3）。通過相關(guān)性分析結(jié)果可知，用戶在平臺上上傳的項目有較大概率被其他用戶閱讀、引用，用戶閱讀平臺上發(fā)布的項目后有較大概率關(guān)注文件上傳者，產(chǎn)生學(xué)術(shù)交流，有利于學(xué)術(shù)合作。而通過關(guān)注他人這一行為很難使上傳的項目被更多用戶閱讀、引用。

從兩種指數(shù)來看，RG指數(shù)與h指數(shù)之間存在很強的相關(guān)性（r>0.8），用戶發(fā)布的項目數(shù)，被閱讀次數(shù)，被關(guān)注次數(shù)對于RG指數(shù)均存在較強的相關(guān)關(guān)系（0.8>r>0.5），項目被引次數(shù)與RG指數(shù)之間具有較弱的相關(guān)關(guān)系（0.5>r>0.3）。h指數(shù)與用戶發(fā)布項目數(shù)、被閱讀次數(shù)、被引次數(shù)、被關(guān)注數(shù)之間均有較強的相關(guān)關(guān)系（0.8>r>0.5）。對于上述兩種指數(shù)來說，關(guān)注用戶數(shù)與它們之間的相關(guān)性程度極弱。由此可以看出，用戶學(xué)術(shù)影響力h指數(shù)和平臺活躍度RG指數(shù)有很強的相關(guān)性，通過平臺建立學(xué)術(shù)網(wǎng)絡(luò)，共享學(xué)術(shù)成果有利于學(xué)術(shù)影響力的提升。用戶若想提高自己的RG指數(shù)，可以通過提高發(fā)布項目的數(shù)量，宣傳項目的成果，進而增加項目被閱讀的次數(shù)，以此來增加被關(guān)注者的數(shù)量，從而達到提高RG指數(shù)的目的。若想提高學(xué)術(shù)影響力h指數(shù)則可以從發(fā)布項目數(shù)量，被閱讀次數(shù)，被引次數(shù)，被關(guān)注數(shù)幾個方面來提高。

為了進一步探討兩種指標(biāo)與發(fā)布項目數(shù)、被閱讀次數(shù)、被引次數(shù)、被關(guān)注數(shù)以及關(guān)注數(shù)之間的聯(lián)系，本次研究采用線性回歸模型對數(shù)據(jù)進行擬合（見表4）。

可以看出，h指數(shù)和RG指數(shù)與發(fā)布項目數(shù)、被閱讀次數(shù)、被引次數(shù)以及被關(guān)注數(shù)具有顯著的線性相關(guān)關(guān)系。其中發(fā)布項目數(shù)與兩種指數(shù)的線性相關(guān)程度最大，并且對于RG指數(shù)的提升更為明顯。被閱讀次數(shù)、被引次數(shù)以及被關(guān)注數(shù)也有不同程度的線性相關(guān)關(guān)系。這一結(jié)果說明，用戶項目發(fā)布數(shù)量越多，項目被閱讀次數(shù)越多，項目被引次數(shù)越多，用戶被關(guān)注次數(shù)越多，兩種指標(biāo)也會相應(yīng)的提高。

4.3 用戶合作網(wǎng)絡(luò)分析

用戶發(fā)布的項目中兩位用戶一起出現(xiàn)即被看作是一次合作。本文通過用戶合作的數(shù)據(jù)建立合作網(wǎng)絡(luò)，使用社會網(wǎng)絡(luò)分析的方法探究用戶合作網(wǎng)絡(luò)的特性。首先，從學(xué)校層面上來看，與南京大學(xué)合作最多的院校是中國科學(xué)院大學(xué)和東南大學(xué)。對合作數(shù)據(jù)中合作次數(shù)、項目發(fā)起人RG指數(shù)、合作者RG指數(shù)進行統(tǒng)計（見表5），可以看出，合作次數(shù)的平均數(shù)為3.53次，中位數(shù)為2次；項目發(fā)起人RG指數(shù)的平均值為22.85，中位數(shù)為22.62；合作者RG指數(shù)的平均數(shù)為28.32，中位數(shù)為28.97.由此可以看出，用戶在平臺上的合作次數(shù)多為兩次以上，多次合作的概率較高。項目合作者的RG指數(shù)略高于項目發(fā)起人的RG指數(shù)，項目發(fā)布者更傾向于尋找平臺活躍度較高的用戶進行合作。

將合作數(shù)據(jù)分為校內(nèi)合作網(wǎng)絡(luò)和校外合作生成合作網(wǎng)絡(luò)，通過網(wǎng)絡(luò)聚類系數(shù)，網(wǎng)絡(luò)密度兩個指標(biāo)對兩種網(wǎng)絡(luò)進行分析。節(jié)點代表用戶，通過共同合作的項目進行連接。網(wǎng)絡(luò)的聚類系數(shù)是表示網(wǎng)絡(luò)中節(jié)點聚集程度的系數(shù)，數(shù)值越大說明網(wǎng)絡(luò)內(nèi)節(jié)點的連接度越高，越容易進行聚類。網(wǎng)絡(luò)密度是反映網(wǎng)絡(luò)復(fù)雜程度的指標(biāo)，網(wǎng)絡(luò)密度越大說明網(wǎng)絡(luò)越為復(fù)雜。從合作圖的整體情況來看校內(nèi)合作網(wǎng)絡(luò)的聚類系數(shù)為0.2185，網(wǎng)絡(luò)密度為0.0009；校外合作網(wǎng)絡(luò)的聚類系數(shù)為0.00768，網(wǎng)絡(luò)密度為0.0004。由此可以看出，整體上來說，用戶合作以校內(nèi)合作為主，在校內(nèi)合作的網(wǎng)絡(luò)中，更易于聚類，校內(nèi)合作的粘性更高，多次合作的機會更大，校內(nèi)合作更為緊密。

由于合作圖節(jié)點過多，僅截取合作數(shù)大于20的節(jié)點用以展示（見圖4）。其中（a）為校內(nèi)合作網(wǎng)絡(luò)圖，（b）為校外合作網(wǎng)絡(luò)圖。對校內(nèi)外合作網(wǎng)絡(luò)進行對比可以看出，當(dāng)合作次數(shù)增加時，校內(nèi)合作人數(shù)明顯低于校外合作人數(shù)，校外合作網(wǎng)絡(luò)出現(xiàn)了更多的小團體，小團體內(nèi)成員關(guān)系更加緊密，校外合作的小團體呈現(xiàn)出更加穩(wěn)定的趨勢。由此可以看出在平臺的用戶之間內(nèi)部，校外多次合作的概率更高，用戶持續(xù)與校外用戶合作更易產(chǎn)生穩(wěn)定的學(xué)術(shù)團體。

5 結(jié)論與不足

根據(jù)研究可以發(fā)現(xiàn)：在線學(xué)術(shù)社交平臺用戶的使用狀況受學(xué)科背景影響，呈現(xiàn)出不均衡現(xiàn)象，理工類用戶活躍度較高。平臺用戶上傳項目、被關(guān)注、項目被閱讀、項目被引之間存在較強的相關(guān)關(guān)系。上傳項目對用戶的學(xué)術(shù)影響力h指數(shù)以及平臺RG指數(shù)具有較大影響。在用戶的合作行為中，總體上以校內(nèi)用戶合作為主，但隨著合作次數(shù)增加，校外合作更易產(chǎn)生穩(wěn)定的學(xué)術(shù)團體。

本次研究存在以下不足：雖然ReseasrchGate已經(jīng)是一個較成功的學(xué)術(shù)社交平臺，但隨著平臺的發(fā)展，未來越來越多的研究人員將使用ReasearchGate學(xué)術(shù)平臺，平臺的數(shù)據(jù)也會隨之發(fā)生變化，未來可以再次搜集數(shù)據(jù)，研究在線學(xué)術(shù)行為在不同時間段內(nèi)的異同。本次學(xué)術(shù)社交行為研究僅針對南京大學(xué)使用ResearchGate平臺的研究人員，不同的用戶群體在線學(xué)術(shù)社交行為可能會有一定的差異，未來的研究可以擴大到多類用戶群體，探索不同用戶群體在線學(xué)術(shù)社交行為可能存在的個性與共性差異問題。endprint

參考文獻：

[1] 賈新露，王曰芬.學(xué)術(shù)社交網(wǎng)絡(luò)的概念，特點及研究熱點[J]. 圖書館學(xué)研究，2016（5）：7-13.

[2] Nández G，Borrego á.Use of social networks for academic purposes：a case study[J].The Electronic library，2013，31（6）：781-791.

[3] 楊善林，王佳佳，代寶，等.在線社交網(wǎng)絡(luò)用戶行為研究現(xiàn)狀與展望[J].中國科學(xué)院院刊，2015，30（2）：200-215.

[4] Giglia E.Academic social networks：its time to change the way we do research[J].European Journal of Physical and Rehabilitation Medicine，2011，47（2）：345-349.

[5] Ovadia S.ResearchGate and Academia.edu：Academic social networks[J].Behavioral & Social Sciences Librarian，2014，33（3）：165-169.

[6] Citrome L.My two favourite professional social networking sites：LinkedIn and ResearchGate-how they can help you，or hurt you[J].International Journal of Clinical Practice，2015，69（6）：623-624.

[7] Tang J，Zhang J，Yao L，et al.Arnetminer：extraction and mining of academic social networks[C].Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.ACM，2008：990-998.

[8] Shrivastava R，Mahajan P.Relationship amongst ResearchGate altmetric indicators and Scopus bibliometric indicators：The case of Panjab University Chandigarh（India）[J].New Library World，2015，116（9/10）：564-577.

[9] Almousa O.Usersclassification and usage-pattern identification in academic social networks[C].Applied Electrical Engineering and Computing Technologies（AEECT），2011 IEEE Jordan Conference on.IEEE，2011：1-6.

[10] Van Noorden R.Online collaboration：Scientists and the social network[J].Nature，2014，512（7513）：126-129.

[11] Thelwall M，Kousha K.ResearchGate：Disseminating，communicating，and measuring Scholarship？[J].Journal of the Association for Information Science and Technology，2015，66（5）：876-889.

[12] Bhardwaj R K，Bhardwaj R K.Academic social networking sites：comparative analysis of ResearchGate，Academia.edu，Mendeley and Zotero[J].Information and Learning Science，2017，118（5/6）：298-316.

[13] 張耀坤，張維嘉，胡方丹.中國高影響力學(xué)者對學(xué)術(shù)社交網(wǎng)站的使用行為調(diào)查——以教育部長江學(xué)者為例[J].情報資料工作，2017（3）：96-101.

作者簡介：耿斌（1994-），男，南京大學(xué)信息管理學(xué)院博士生，研究方向：網(wǎng)絡(luò)信息資源管理；孫建軍（1962-），男，南京大學(xué)信息管理學(xué)院教授，博士生導(dǎo)師，研究方向：網(wǎng)絡(luò)信息資源管理、大數(shù)據(jù)分析。endprint