，

(沈陽(yáng)農(nóng)業(yè)大學(xué)圖書(shū)館，遼寧 沈陽(yáng) 110866)

多年來(lái)，在利用期刊影響因子被引次數(shù)、同行評(píng)議等指標(biāo)對(duì)論文進(jìn)行補(bǔ)充計(jì)量評(píng)價(jià)時(shí)，我們發(fā)現(xiàn)，由于評(píng)價(jià)時(shí)滯過(guò)長(zhǎng)，評(píng)價(jià)內(nèi)容較陳舊及其引文分析固有缺點(diǎn)的限制，使得傳統(tǒng)文獻(xiàn)計(jì)量學(xué)方法出現(xiàn)了一定程度的局限性。在這種背景下，補(bǔ)充計(jì)量學(xué)悄然崛起，為學(xué)術(shù)論文影響力的評(píng)價(jià)提供了一個(gè)新的視角。本文以Mendeley平臺(tái)中的論文為樣本，利用Altmetric.com網(wǎng)絡(luò)提供的API的9項(xiàng)特征指標(biāo)構(gòu)建補(bǔ)充計(jì)量學(xué)論文影響力評(píng)價(jià)模型，就我國(guó)補(bǔ)充計(jì)量學(xué)的應(yīng)用研究做進(jìn)一步的探討。

1 補(bǔ)充計(jì)量學(xué)及國(guó)內(nèi)研究現(xiàn)狀

文獻(xiàn)補(bǔ)充計(jì)量起源于20世紀(jì)初，英文名為Altmetrics，它并不是代替原有計(jì)量學(xué)的方法，而是結(jié)合原來(lái)的評(píng)價(jià)體系進(jìn)行補(bǔ)充新的評(píng)價(jià)指標(biāo)，其計(jì)量理論和方法廣泛應(yīng)用于自然和人文科學(xué)，為情報(bào)分析、績(jī)效評(píng)估和學(xué)術(shù)機(jī)構(gòu)組織、學(xué)術(shù)質(zhì)量提供重要的參考價(jià)值。補(bǔ)充計(jì)量學(xué)也可稱為“基于社交網(wǎng)絡(luò)的科學(xué)計(jì)量學(xué)”，它將開(kāi)放存取平臺(tái)和多種學(xué)術(shù)社交網(wǎng)絡(luò)作為引文網(wǎng)絡(luò)，是基于Web2.0科學(xué)交流平臺(tái)上各學(xué)術(shù)類型使用與評(píng)價(jià)的計(jì)量，主要包括知名度、熱點(diǎn)、合作注釋、標(biāo)簽密度等評(píng)價(jià)指標(biāo)。在文獻(xiàn)計(jì)量數(shù)據(jù)庫(kù)當(dāng)中，文獻(xiàn)的主題信息包含了機(jī)構(gòu)名稱、作者、期刊來(lái)源、發(fā)表時(shí)間、文章鏈接、被引量與下載量等文獻(xiàn)評(píng)價(jià)指標(biāo)，這些都是作為學(xué)術(shù)影響力的動(dòng)態(tài)指標(biāo)，其評(píng)價(jià)結(jié)果將提高作者及其單位在國(guó)內(nèi)外的學(xué)術(shù)地位，推進(jìn)國(guó)際間的學(xué)術(shù)交流起著重要的作用。

目前，國(guó)內(nèi)外學(xué)者對(duì)補(bǔ)充計(jì)量學(xué)的研究已經(jīng)從概念探討到實(shí)證研究階段，例如劉春麗和LI Xuemei等人研究了Mendeley(讀者數(shù))與Citelike(引用指標(biāo))的相關(guān)關(guān)系，結(jié)果表明兩者與論文被引量的相關(guān)性顯著。林德明以Nature作為數(shù)據(jù)樣本，采用文獻(xiàn)計(jì)量法建立單篇論文的影響因子貢獻(xiàn)率和絕對(duì)標(biāo)準(zhǔn)距離的測(cè)度指標(biāo)，并利用回歸分析研究其分布特征。盛麗娜研究了近5年影響因子和期刊特征因子作為期刊影響力評(píng)價(jià)指標(biāo)，以了解各位置指標(biāo)對(duì)期刊的評(píng)價(jià)效力。袁玉花等人探討了Altmetric相關(guān)分析工具及實(shí)現(xiàn)意義，同時(shí)指出了在Altmetric補(bǔ)充計(jì)量指標(biāo)的優(yōu)勢(shì)和其局限性。

綜上所述，目前國(guó)內(nèi)在補(bǔ)充計(jì)量學(xué)上研究方式上存在一些問(wèn)題：首先研究?jī)H限于單個(gè)指標(biāo)或較少指標(biāo)與論文被引量相關(guān)性的研究，分析結(jié)果較為零散，各指標(biāo)之間沒(méi)有形成關(guān)聯(lián)，在評(píng)價(jià)論文影響力時(shí)也缺少有力的依據(jù)，難以滿足科學(xué)化、系統(tǒng)化、標(biāo)準(zhǔn)化的文獻(xiàn)計(jì)量與綜合分析需求。其次，也沒(méi)有建立補(bǔ)充計(jì)量指標(biāo)的評(píng)價(jià)模型，沒(méi)有詳細(xì)說(shuō)明補(bǔ)充計(jì)量指標(biāo)對(duì)論文影響力是否有效。因此，本文利用文獻(xiàn)數(shù)據(jù)類聚的方法，對(duì)補(bǔ)充計(jì)量學(xué)進(jìn)行深入的研究。

2 資料來(lái)源

本文通過(guò)收集Mendeley平臺(tái)中的論文作為數(shù)據(jù)來(lái)源，在檢索框中輸入農(nóng)學(xué)，發(fā)表年限選擇2015年，文獻(xiàn)類型選擇期刊，共檢索到論文 4 500 篇，從中選擇被引量排名前10位的論文，結(jié)果見(jiàn)表1。同時(shí)，利用Altmetric.com網(wǎng)絡(luò)提供的API獲取論文標(biāo)題、期刊名稱及各相關(guān)評(píng)價(jià)指標(biāo)，包括facebook、redditers、news、blogs、plnners、google、video、citelike、F1000(世界知名專家對(duì)論文的評(píng)定)等9項(xiàng)指標(biāo)。

序號(hào)題名期刊名被引量1Irrigation，aproductivetoolforfoodsecurity-areviewSOILANDPLANTSCIENCE13202PotentialapplicationofnaturalphenolicantimicrobialsEdiblefilmtechnologya?gainstbacterialplantpathogensFOODHYDROCOLLOIDS11033Assessingcarbonandwaterdynamicsofno-tillandconventionaltillagecroppingsystemsintheinlandPacificNorthwestUSusingtheeddycovariancemethodAGRICULTURALANDFORESTMETEOROLOGY5874StrengtheningAgronomyResearchforFoodSecurityandEnvironmentQualityENVIRONMENTALSCIENCE&TECHNOLOGY4995ProximalNAVIderivedphenologyimprovesin-seasonpredictionsofwheatquantityandqualityAGRICULTURALANDFORESTMETEOROLOGY4556Practicalimprovementsinsoilredoxpotential(Eh)measurementforcharacteriza?tionofsoilproperties ApplicationforcomparisonofconventionalandconservationagriculturecroppingsystemsANALYTICACHIMICAACTA4247EX-anteanalysisofopportunitiesforthesustainableintensificationofmaizepro?ductioninMozambiqueAGRICULTURALSYSTEMS3158Variationofagronomicandqualitativetraitsandlocaladaptationofmountainland?racesofwinterryefromValVenostaGENETICRESOURCESANDCROPEVOLUTION2149Assessingon-farmproductivityofMiscanthuscropsbycombiningsoilmapping，yieldmodelingandremotesensingBIOMASS&BIOENERGY18610Thesoilqualityconceptasaframeworktoassessmanagementpracticesinvulnera?bleagroecosystems：AcaseStudyinMediterraneanvineyardsECOLOGICALINDICATORS78

3 研究?jī)?nèi)容與方法

3.1 相關(guān)性分析與評(píng)價(jià)指標(biāo)的選取

根據(jù)期刊論文被引量的相關(guān)統(tǒng)計(jì)數(shù)據(jù)，并對(duì)各區(qū)間的數(shù)據(jù)進(jìn)行擬合，結(jié)果顯示，被引量在0—5次論文篇數(shù)為 1 820，引量在11—15次論文篇數(shù)為 1 750，被引量在21—25次論文篇數(shù)為 1 250，很顯然，被引量的增加與論文篇數(shù)之間呈圓滑曲線遞減的趨勢(shì)。結(jié)果見(jiàn)圖1。

利用SPSS19.0 K-S檢驗(yàn)方法，本文對(duì)這9個(gè)相關(guān)指標(biāo)與論文的被引量進(jìn)行單因子相關(guān)性分析，結(jié)果見(jiàn)表2。對(duì)分析數(shù)據(jù)進(jìn)行正態(tài)檢驗(yàn)，如果數(shù)據(jù)顯著水平<0.05則表明數(shù)據(jù)不服從正態(tài)分布，反之異然。

圖1 被引量與論文量相關(guān)統(tǒng)計(jì)圖

對(duì)比項(xiàng)目facebookredditersnewsblogsplnnersgoogleradiocitelikeF1000均值27 5022 3221 580 320 58733 2422 1011 142 31標(biāo)準(zhǔn)差32 43254 33121 09745 43237 34612 56930 43212 33441 234K-S檢驗(yàn)21 23123 11223 44315 87913 46529 01115 97623 34421 556漸近顯著性0 010 020 00 010 030 00 00 10 03

據(jù)顯示其數(shù)據(jù)均小于0.05，表明數(shù)據(jù)不服從正態(tài)分布。對(duì)于不服從正態(tài)分布的數(shù)據(jù)，可以采取Spearman的方法來(lái)描述變量之間的關(guān)聯(lián)程度，檢驗(yàn)各項(xiàng)指標(biāo)的相關(guān)性。通過(guò)分析，由表3可以看出google的因子對(duì)論文影響力是最大的，facebook、redditers、news對(duì)論文的影響力是較為分散的，因此不考慮這幾項(xiàng)因子。

相關(guān)系數(shù)facebookredditersnewsblogsplnnersgoogleradiocitelikeF1000facebook10 340?0 185??0 106??0 019??0 019??0 231??0 121??0 219??redditers10 109?0 214??0 125??0 123??0 153?0 117??0 306??news10 324??0 207??0 189??0 198?0 069??0 014??blogs1-0 314??0 216??0 135?0 178??0 209??plnners10 112??0 149??0 312??0 106??google10 202??0 196??0 304??radio10 108??0 190??citelike10 203??F10001

3.2 主成分影響因子的確立

主成分分析方法，可以實(shí)現(xiàn)對(duì)不同指標(biāo)變量進(jìn)行分組，找出主成分因子中起主要作用的變量。本文通過(guò)上述采集的數(shù)據(jù)，過(guò)濾去news、facebook、redditers指標(biāo)數(shù)，對(duì)F1000、blogs、plnners、google、radio、citelike進(jìn)行主成分分析，找出評(píng)價(jià)論文影響力的主要因子。在主成分分析過(guò)程中，分析特征值須大于1，根據(jù)SPSS數(shù)據(jù)處理，得出圖2特征碎石圖數(shù)據(jù)，

由圖2顯示，在特征值大于1的成分?jǐn)?shù)有3個(gè)，因此主成分?jǐn)?shù)量為3。為了確定樣本是否可進(jìn)行主成分分析，首先要對(duì)樣本進(jìn)行KMO-Bartlett檢驗(yàn)，當(dāng)KOM值越接近于1，就越適合進(jìn)行主成分分析，如表4可知，主成分因子為0.701，大于0.5(正常情況下，主成分因子小于0.5則不適合主成分分析)。

圖2 特征值碎石圖

檢驗(yàn)數(shù)據(jù)Bartlett球形度檢驗(yàn)近似卡方7510 124 df24Sig 000KMO度量值0 701

3.3 主成分評(píng)價(jià)模型的構(gòu)建

在SPSS里面采用Oblimin方法得到表5，從表5看出，主成分1與citelike(引用指標(biāo))的相關(guān)系數(shù)最高，主要反應(yīng)的是引用指標(biāo)對(duì)論文被引量影響最大，主成分2與google(網(wǎng)絡(luò)平臺(tái))的相關(guān)系數(shù)最高，是社交網(wǎng)絡(luò)對(duì)論文被引量的影響最大，而主成分3與F1000(專家對(duì)論文評(píng)定)的相關(guān)性最高。

指標(biāo)成分123blogsO 2340 1420 015plnners0 4130 0510 013google0 7450 7860 216radio0 1340 0790 109citelike0 8670 1810 205F10000 1540 2100 543

經(jīng)過(guò)主成分分析得到3個(gè)主成分因子，最后得到如下評(píng)價(jià)模型方程式：

F=0.478F1+0.324F2+0.322F3

3.4 F值與論文被引量的相關(guān)性分析

為了驗(yàn)證補(bǔ)充計(jì)量指標(biāo)對(duì)論文被引量之間的相關(guān)關(guān)系，選擇F值排名靠前的論文，并在選取的論文中尋找高被引論文，即F值排名前1%的100篇文章中，高被引論文有70篇，占96%，平均被引次數(shù)為176次；F值排名前5%的387篇論文中，高被引論文有300篇，占論文總數(shù)的82%，F(xiàn)值與論文被引量的關(guān)系見(jiàn)圖3，與圖1的圖形曲線相近，說(shuō)明補(bǔ)充計(jì)量評(píng)價(jià)模型可以用來(lái)描述論文的影響力。

圖3 F值—論文量統(tǒng)計(jì)分析

4 結(jié)果與分析

4.1 系數(shù)的一致性分析

為了進(jìn)一步檢測(cè)主成分評(píng)價(jià)模型與引用指標(biāo)之間的相關(guān)性，利用SPSS軟件肯德?tīng)柡椭C系數(shù)計(jì)算，說(shuō)明在評(píng)價(jià)論文影響力時(shí)，完全能夠表征論文的影響力，這表明補(bǔ)充計(jì)量在評(píng)價(jià)論文影響力是完全可行的。同時(shí)，在分析結(jié)果上可以看出，高被引的論文主要集中在微博的傳播上，這說(shuō)明隨著信息技術(shù)的發(fā)展及網(wǎng)絡(luò)環(huán)境的簡(jiǎn)便、快捷，大部分讀者對(duì)論文的感知更傾向于網(wǎng)絡(luò)平臺(tái)和高水平的專家對(duì)論文的評(píng)定，網(wǎng)絡(luò)的傳播手段也是提高論文影響力的必要條件和手段。

4.2 指標(biāo)的相關(guān)性

在本文的研究中，其結(jié)果表明在選取的9個(gè)補(bǔ)充計(jì)量指標(biāo)中，其中blogs、plnners、google、radio、citelike、F1000指標(biāo)對(duì)論文的影響力具有一定的相關(guān)性，在這6個(gè)指標(biāo)中進(jìn)行主成分分析，并建立評(píng)價(jià)論文影響力相關(guān)模型，結(jié)果表明在主成分分析中，完全可以作為評(píng)價(jià)論文影響的力，主成分分析評(píng)價(jià)模式能夠較好地捕捉到高被引論文，并且圖3與圖1圖形曲線相近，在當(dāng)前學(xué)術(shù)交流模式下，學(xué)者更愿意對(duì)學(xué)術(shù)價(jià)值高的論文進(jìn)行分享、推薦，使之在社交網(wǎng)絡(luò)、學(xué)術(shù)平臺(tái)廣泛傳播、引起大眾人的關(guān)注。隨著社交網(wǎng)絡(luò)的普及和發(fā)展，這種相互作用將越發(fā)明顯，論文的社會(huì)影響力將成為論文影響力的重要構(gòu)成部分。

需要證明的是，學(xué)術(shù)交流的環(huán)境下，作者、單位等已不是產(chǎn)生論文影響力的主要因素，評(píng)價(jià)論文影響力要結(jié)合引用指標(biāo)和補(bǔ)充計(jì)量指標(biāo)進(jìn)行評(píng)價(jià)，在平臺(tái)上可以進(jìn)行瀏覽、下載回復(fù)等多項(xiàng)學(xué)術(shù)互動(dòng)綜合權(quán)衡論文的影響力，這些網(wǎng)絡(luò)工具及提供的API將擴(kuò)大科學(xué)計(jì)量研究的視野，提升論文評(píng)價(jià)的時(shí)效性。目前，網(wǎng)絡(luò)環(huán)境涌現(xiàn)出各種開(kāi)放存取平臺(tái)和學(xué)術(shù)社交網(wǎng)站，對(duì)平臺(tái)中的數(shù)據(jù)不同的引用指標(biāo)對(duì)評(píng)價(jià)論文影響力每年都會(huì)發(fā)生不同的變化，因此需要對(duì)研究領(lǐng)域進(jìn)行明確的限定，同時(shí)需要開(kāi)發(fā)多形式的網(wǎng)絡(luò)過(guò)濾管理工具以幫助專家與學(xué)者遴選出重要的學(xué)術(shù)論文成果，以確保補(bǔ)充計(jì)量指標(biāo)在評(píng)價(jià)過(guò)程中的可行性、準(zhǔn)確性。

[1]王 睿.淺議補(bǔ)充計(jì)量學(xué)[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2014(8)：121—123.

[2]劉春麗.Web 2.0環(huán)境下的科學(xué)計(jì)量學(xué)：選擇性計(jì)量學(xué)[J].圖書(shū)情報(bào)工作，2012(14)：52—56.

[3]劉春麗.不同類型選擇性計(jì)量指標(biāo)評(píng)價(jià)論文相關(guān)性研究——基于Mendeley、F1000和Google三種學(xué)術(shù)社交網(wǎng)絡(luò)工具[J].情報(bào)學(xué)報(bào)，2013(2)：206—212.

[4]LI Xuemei.Validating online reference managers for scholarlyImpact measurement[J].Scientometrics，2012(2)：461—467.

[5]林德明.單篇學(xué)術(shù)論文對(duì)影響因子的貢獻(xiàn)率研究——基于Nature的定量分析[J].中國(guó)科技期刊研究，2016(4)：1305—1309.

[6]盛麗娜.影響因子百分位與h指數(shù)、累積h指數(shù)對(duì)期刊的評(píng)價(jià)效力分析[J].中國(guó)科技期刊研究，2017(2)：166—170.

[2]袁玉花.SCI收錄高校論文的文獻(xiàn)計(jì)量分析[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2012(3)：76—79.