鄧國(guó)民

（貴陽(yáng)學(xué)院教育科學(xué)學(xué)院 貴陽(yáng) 550005）

近年來(lái)，學(xué)術(shù)社交網(wǎng)絡(luò)（Academic Social Network,ASN）已經(jīng)成為圖書(shū)情報(bào)學(xué)領(lǐng)域的一個(gè)研究熱點(diǎn)，國(guó)際國(guó)內(nèi)重要學(xué)術(shù)刊物上均發(fā)表了為數(shù)不少的學(xué)術(shù)研究論文。ASN已經(jīng)發(fā)展為一種信息技術(shù)環(huán)境下學(xué)者之間進(jìn)行在線學(xué)術(shù)交流和知識(shí)交流的一種重要渠道。研究國(guó)際上重要學(xué)術(shù)刊物的學(xué)術(shù)社交網(wǎng)絡(luò)研究知識(shí)圖譜、發(fā)展現(xiàn)狀和未來(lái)發(fā)展趨勢(shì)，對(duì)于我們進(jìn)行學(xué)術(shù)社交網(wǎng)絡(luò)的研究、信息化環(huán)境下學(xué)者之間的學(xué)術(shù)知識(shí)交流、學(xué)術(shù)評(píng)價(jià)和影響力等方面的研究均具有較大的啟示意義。

1 研究方法

本文選擇Web of Science核心數(shù)據(jù)庫(kù)作為文獻(xiàn)檢索來(lái)源，它提供了國(guó)際上重要學(xué)術(shù)社交網(wǎng)絡(luò)英文研究文獻(xiàn)的基本數(shù)據(jù)信息。不設(shè)時(shí)間限制，從SSCI、A&HCI和CPCI-SSH等子數(shù)據(jù)庫(kù)中檢索到主題包含“Academic Social Network*”“Academic Social Media”“Scholar* Social Network*”“Scholar* Social Media” “Scientific Social Network*”“Scientific Social Media*”或“Virtual Academic Communit*”等檢索詞的ASN英文研究文獻(xiàn)數(shù)據(jù)（包括引用文獻(xiàn)列表）280條用于數(shù)據(jù)分析。所有被引文獻(xiàn)構(gòu)成280篇ASN研究文獻(xiàn)的知識(shí)基礎(chǔ)。本文使用CiteSpace軟件對(duì)ASN研究文獻(xiàn)的發(fā)展趨勢(shì)和現(xiàn)狀進(jìn)行可視化共引和共被引分析，揭示其知識(shí)基礎(chǔ)和知識(shí)結(jié)構(gòu)。

2 ASN研究文獻(xiàn)知識(shí)圖譜分析

圖1 1997—2017年ASN研究文獻(xiàn)出版量分析

圖2 1997—2017年ASN研究文獻(xiàn)引文量分析

圖1和圖2分別顯示出近20年來(lái)關(guān)于ASN研究每年出版的文獻(xiàn)數(shù)和引文數(shù)。從中可以看出，2008年以前，每年出版的ASN研究文獻(xiàn)和引文數(shù)都較少，之后每年出版的相關(guān)文獻(xiàn)數(shù)和引文數(shù)都以較快的速度上漲，2014年以后每年的被引頻次都超過(guò)了150次，并且呈直線上升趨勢(shì)。2016年的引文數(shù)接近700次，發(fā)文數(shù)超過(guò)70篇。說(shuō)明近10年來(lái)學(xué)界對(duì)ASN的研究保持了較高的關(guān)注度，而且逐年遞增，最近幾年更是達(dá)到了白熱化的增長(zhǎng)態(tài)勢(shì)。

2.1 有影響的文獻(xiàn)

利用CiteSpace軟件對(duì)近10年來(lái)Web of Science核心數(shù)據(jù)庫(kù)中關(guān)于ASN研究的280條文獻(xiàn)數(shù)據(jù)進(jìn)行共被引分析（Cited Reference），時(shí)間閾值設(shè)置為2007年到2017年，時(shí)間區(qū)間設(shè)置為兩年，選擇所有時(shí)間分區(qū)最高引用的前3%，得到如圖3所示的學(xué)術(shù)社交網(wǎng)絡(luò)研究文獻(xiàn)共被引分析圖。

圖3 ASN研究文獻(xiàn)共被引圖譜

（1）高引文獻(xiàn)分析

一般具有較高引用次數(shù)的文獻(xiàn)意味著得到了學(xué)界的認(rèn)可。表1列出了引用次數(shù)前10的文獻(xiàn)，表明它們的質(zhì)量、研究方法和觀點(diǎn)得到了廣泛認(rèn)可。從表1可知，Li, X.M.等發(fā)表的論文《Validating Online Reference Managers for Scholarly Impact Measurement》引用頻次最高，為45次。該文對(duì)CiteUlike和Mendeley在衡量學(xué)術(shù)影響力方面的應(yīng)用進(jìn)行了研究，他們選擇2007年在《Nature》和《Science》上刊出的1613篇論文為樣本，使用Web of Science數(shù)據(jù)庫(kù)中的傳統(tǒng)引用數(shù)量作為比較基準(zhǔn)，統(tǒng)計(jì)結(jié)果顯示在線引文管理站點(diǎn)中標(biāo)注論文的用戶數(shù)據(jù)和Web of Science數(shù)據(jù)庫(kù)中的引用次數(shù)之間存在顯著的相關(guān)性。因此他們認(rèn)為在線學(xué)術(shù)社交網(wǎng)絡(luò)在某種程度上能夠作為衡量學(xué)術(shù)影響力的依據(jù)，但這些系統(tǒng)用戶的數(shù)量還不足以挑戰(zhàn)傳統(tǒng)引用指標(biāo)的地位[1]。

Thelwall, M.等發(fā)表的論文《Do Altmetrics Work? Twitter and Ten other Social Web Services》引用頻次排第二位。該文對(duì)來(lái)自于社交網(wǎng)絡(luò)的文獻(xiàn)用替代計(jì)量（Altmetric）方法作為文獻(xiàn)影響或效用的有效代理進(jìn)行了實(shí)證研究。他們比較了11種Altmetric和Web of Science引用率之間的關(guān)系，統(tǒng)計(jì)結(jié)果顯示，在具有高Altmetric分?jǐn)?shù)的論文中，論文高計(jì)量分?jǐn)?shù)與高引用率之間存在顯著的相關(guān)性。但不同時(shí)間，甚至同一年發(fā)表的論文的引用率和Altmetric分?jǐn)?shù)之間的關(guān)系可能消除甚至逆轉(zhuǎn)，因此使用Altmetric對(duì)文章進(jìn)行排名時(shí)需要考慮時(shí)間效應(yīng)。而且除了Twitter之外，多數(shù)Altmetric的覆蓋面較低，因此它們?cè)趯?shí)際應(yīng)用中是否達(dá)到有說(shuō)服力的流行度還不明朗[2]。

Eysenbach, G.的論文《Can Tweets Predict Citations? Metrics of Social Impact based on Twitter and Correlation with Traditional Metrics of Scientific Impact》的引用頻次排第三位。該文探討了通過(guò)分析社交媒體的聲音測(cè)量學(xué)術(shù)文章社會(huì)影響和學(xué)術(shù)關(guān)注的可行性，關(guān)于發(fā)表學(xué)術(shù)論文的推文動(dòng)態(tài)、內(nèi)容和時(shí)間以及這些指標(biāo)能否預(yù)測(cè)高引論文等問(wèn)題，揭示出關(guān)于學(xué)術(shù)論文推文引用增長(zhǎng)及消減的一些特點(diǎn)，發(fā)現(xiàn)頂級(jí)推特文章能夠預(yù)測(cè)頂級(jí)引用率論文[3]。

Mohammadi, E.等論文《Mendeley Readership Altmetrics for the Social Sciences and Humanities: Research Evaluation and Knowledge Flows》在Mendeley讀者數(shù)量和研究影響的關(guān)系研究的基礎(chǔ)上，繼續(xù)挖掘不同學(xué)科二者之間關(guān)系的差異，結(jié)果發(fā)現(xiàn)Mendeley的讀者數(shù)量與引用率之間的相關(guān)性，社會(huì)科學(xué)要高于人文科學(xué)。所有調(diào)查的學(xué)科當(dāng)中，書(shū)簽和引用量之間的低度或中度相關(guān)性表明，這些測(cè)量反映了研究影響的不同方面。同時(shí)，他們還發(fā)現(xiàn)Mendeley的閱讀關(guān)系數(shù)據(jù)能夠顯示跨學(xué)科之間的知識(shí)轉(zhuǎn)移，而且相比傳統(tǒng)的引用計(jì)數(shù)，能夠更早地揭示論文的影響[4]。

Priem, J.等認(rèn)為論文同行評(píng)議、引用計(jì)量和JIF等傳統(tǒng)文獻(xiàn)計(jì)量和過(guò)濾方法正在過(guò)時(shí)，新的在線學(xué)術(shù)工具如學(xué)術(shù)社交網(wǎng)絡(luò)的涌現(xiàn)，需要構(gòu)建新的可替代計(jì)量方法（Altmetrics），從而反映蓬勃發(fā)展的學(xué)術(shù)生態(tài)中更廣泛而快速的影響，而且它能夠跟蹤一些有影響力但暫未被引用論文在學(xué)術(shù)圈外的影響[5]。此外，Haustein, S.等人對(duì)社會(huì)化書(shū)簽服務(wù)中研究者在線存儲(chǔ)和分享學(xué)術(shù)論文及生成的書(shū)簽和標(biāo)簽數(shù)據(jù)進(jìn)行了分析，討論了它們對(duì)科學(xué)期刊使用統(tǒng)計(jì)和內(nèi)容描述方面的評(píng)價(jià)作用，定義了使用率、使用擴(kuò)散、論文使用強(qiáng)度和刊物使用強(qiáng)度等指標(biāo)，并使用標(biāo)簽描述具體讀者對(duì)刊物內(nèi)容的觀點(diǎn)[6]。 Thelwall,M.通過(guò)對(duì)Academic.com一些學(xué)科的學(xué)者特點(diǎn)進(jìn)行了分析，發(fā)現(xiàn)教職人員相對(duì)學(xué)生擁有更高的形象頁(yè)面查看次數(shù)，法學(xué)、計(jì)算機(jī)和歷史學(xué)等學(xué)科的女性用戶相對(duì)男性用戶頁(yè)面具有更高的查看次數(shù)，因此他們認(rèn)為學(xué)術(shù)社交網(wǎng)絡(luò)同時(shí)具有學(xué)術(shù)標(biāo)準(zhǔn)和一般社交網(wǎng)絡(luò)的特點(diǎn)[7]。Zahedi, Z.等人使用Mendeley的閱讀關(guān)系計(jì)數(shù)作為替代計(jì)量方法，討論了它和Web of Science引用率之間的關(guān)系，發(fā)現(xiàn)它們之間存在中度相關(guān)性[8]。Haustein, S.等人指出學(xué)者們實(shí)際上正處于在線社會(huì)環(huán)境中，并且與其中的學(xué)術(shù)產(chǎn)品進(jìn)行交互，他們對(duì)社交媒體環(huán)境的覆蓋面進(jìn)行了調(diào)查，證實(shí)了這一觀點(diǎn)，而且發(fā)現(xiàn)Mendeley的書(shū)簽和Scopus的引用率之間存在相關(guān)性。因此他們認(rèn)為這些在線工具具有文獻(xiàn)計(jì)量學(xué)研究?jī)r(jià)值，它們提供了一種潛在的有價(jià)值的論文影響數(shù)據(jù)來(lái)源[9]?！禢ature》雜志也對(duì)學(xué)者們使用學(xué)術(shù)社交網(wǎng)絡(luò)的情況比較關(guān)注，他們對(duì)3 000多名科學(xué)家注冊(cè)和使用學(xué)術(shù)社交網(wǎng)絡(luò)的情況、特點(diǎn)和目的等方面進(jìn)行了調(diào)查研究[10]。

表1 ASN研究高引文獻(xiàn)

（2）突現(xiàn)引文分析

突現(xiàn)引用是指一篇文獻(xiàn)在某段時(shí)間內(nèi)引用率突然上升或下降的現(xiàn)象，表示某一特定研究主題突然變熱或變冷。利用CiteSpace對(duì)學(xué)術(shù)社交網(wǎng)絡(luò)研究文獻(xiàn)進(jìn)行突發(fā)性分析，結(jié)果如表2所示。文獻(xiàn)Walker, J.（2006）[11]、Neylon, C.（2009）[12]和 Bar-Ilan, J.（2012）[13]等文獻(xiàn)的突發(fā)性較強(qiáng)，表明它們?cè)趯W(xué)術(shù)社交網(wǎng)絡(luò)研究主題的轉(zhuǎn)向方面扮演了比較關(guān)鍵的作用。其中Walker, J.（2006）主要介紹了學(xué)者使用研究博客的類型，比如公知、研究日志和對(duì)學(xué)術(shù)職業(yè)生涯進(jìn)行介紹的匿名博客等，在10年以前就已經(jīng)初步認(rèn)識(shí)到社交網(wǎng)絡(luò)對(duì)于學(xué)術(shù)交流的潛在價(jià)值。Neylon, C.（2009）對(duì)傳統(tǒng)的期刊影響評(píng)價(jià)和文章級(jí)別的計(jì)量存在的問(wèn)題進(jìn)行了討論，提出利用基于網(wǎng)絡(luò)的評(píng)論社區(qū)、科學(xué)社區(qū)、文獻(xiàn)管理軟件和學(xué)術(shù)社交網(wǎng)絡(luò)中的數(shù)據(jù)，比如瀏覽、添加書(shū)簽、標(biāo)簽、評(píng)論、投票和在線引用等數(shù)據(jù)作為新的文獻(xiàn)計(jì)量指標(biāo)的可行性。因此，利用雜志作為過(guò)濾論文質(zhì)量的唯一方式已經(jīng)不夠了，還可以利用各種網(wǎng)絡(luò)工具、軟件和社區(qū)中生成的論文自身的質(zhì)量數(shù)據(jù)來(lái)評(píng)價(jià)，而且這更能夠體現(xiàn)科學(xué)研究發(fā)展、傳播和演化的本質(zhì)。Bar-Ilan, J.（2012）對(duì)學(xué)者使用LinkedIn、Google Scholar Profiles、Twitter和Mendeley的覆蓋情況進(jìn)行了調(diào)查研究，發(fā)現(xiàn)有相當(dāng)數(shù)量的學(xué)者在使用這些社交網(wǎng)絡(luò)，這些網(wǎng)絡(luò)中的發(fā)表、社會(huì)引用、管理書(shū)簽等數(shù)據(jù)與Scopus和Web of Science引用率之間存在一定的相關(guān)性。因此，社交網(wǎng)絡(luò)不但能夠用于支持學(xué)者的學(xué)術(shù)交流，而且能夠作為評(píng)價(jià)和過(guò)濾論文質(zhì)量的補(bǔ)充性計(jì)量指標(biāo)。

表2 ASN研究突現(xiàn)引文

（3）高中心性引文分析

結(jié)點(diǎn)中心性是一種圖形理論屬性，表示結(jié)點(diǎn)位置在網(wǎng)絡(luò)中重要性的一種量化。通常使用中介中心性測(cè)量一個(gè)文獻(xiàn)共被引網(wǎng)絡(luò)中最短路徑經(jīng)過(guò)某一結(jié)點(diǎn)的概率，高中介中心性的文獻(xiàn)結(jié)點(diǎn)能夠起到銜接不同聚類的作用，幫助識(shí)別和發(fā)現(xiàn)不同的聚類。 如表3所示，文獻(xiàn)Brody, T.（2006）的研究中介中心性最高，達(dá)0.33，作者認(rèn)為使用引用頻次測(cè)量研究論文的影響力雖然已經(jīng)比較成熟，但往往要滯后好幾年，而隨著在線訪問(wèn)論文越來(lái)越普遍，論文的在線閱讀和下載次數(shù)等短期網(wǎng)絡(luò)使用影響能否預(yù)見(jiàn)論文的中期引用的影響成為一個(gè)重要的研究問(wèn)題，作者使用ArXiv.org的物理學(xué)電子文獻(xiàn)庫(kù)進(jìn)行了檢驗(yàn)。該研究推動(dòng)了利用在線社交網(wǎng)絡(luò)生成的學(xué)術(shù)信息數(shù)據(jù)衡量論文質(zhì)量和影響力的研究[14]。此外，Albert, K.M.（2006）對(duì)開(kāi)放訪問(wèn)出版的定義、發(fā)展歷史、各方反應(yīng)和觀點(diǎn)以及對(duì)于科學(xué)圖書(shū)館和出版事業(yè)的啟示等方面進(jìn)行了綜述，指出互聯(lián)網(wǎng)改變了信息訪問(wèn)的方式，能夠重塑學(xué)術(shù)出版系統(tǒng)，雖然各方仍存在一定的爭(zhēng)論，但這一進(jìn)程已經(jīng)是一種必然，而且多種出版與訪問(wèn)模式在一定時(shí)間內(nèi)將會(huì)共存[15]。Altman, R.B.（2004）對(duì)構(gòu)建生物數(shù)據(jù)庫(kù)進(jìn)行了討論，認(rèn)為它可以實(shí)現(xiàn)對(duì)一些流行和重要刊物及論文的在線索引[16]。Haustein, S.（2011）等人探討了利用社會(huì)化標(biāo)簽作為評(píng)價(jià)期刊指標(biāo)的可行性[6]456。Ananiadou, S （2006）主要介紹了生物學(xué)和生物醫(yī)學(xué)領(lǐng)域的文本挖掘和自然語(yǔ)言方法與技術(shù)[17]。

表3 ASN研究高中介中心性文獻(xiàn)

Bonetta, L.（2007）指出科學(xué)博客空間近年來(lái)得到顯著的發(fā)展，博客已經(jīng)成為學(xué)者與學(xué)者以及大眾交流觀點(diǎn)最常用的通道之一[18]。Waltman, L.（2014）聚焦于F1000的推薦指標(biāo)數(shù)據(jù)，并對(duì)它和Web of Science的引用次數(shù)進(jìn)行了比較，發(fā)現(xiàn)二者之間存在顯著性關(guān)系。這是Altmetrics的一種重要的研究方法，即通過(guò)比較發(fā)現(xiàn)不同環(huán)境下Altmetrics與引用次數(shù)之間的關(guān)系，以評(píng)估它作為研究評(píng)價(jià)方法的合適性[19]。Priem, J.（2010）首次提出了Altmetrics的概念，它是從文章層面的替代性測(cè)量或者使用網(wǎng)絡(luò)標(biāo)簽和評(píng)論等方式作為傳統(tǒng)文獻(xiàn)評(píng)價(jià)的補(bǔ)充或替代方式，目前Altmetrics已經(jīng)成為一個(gè)熱門(mén)的研究領(lǐng)域[5]。Bollen, J.（2009）匯集了數(shù)億用戶與數(shù)字圖書(shū)館和書(shū)目數(shù)據(jù)庫(kù)進(jìn)行交互的點(diǎn)擊流數(shù)據(jù)，并在此基礎(chǔ)上對(duì)雜志之間的網(wǎng)絡(luò)關(guān)系、不同學(xué)科領(lǐng)域的關(guān)系和鏈接進(jìn)行可視化表達(dá)，從而生成了一個(gè)體現(xiàn)現(xiàn)代科學(xué)交流和觀點(diǎn)的科學(xué)圖譜，以彌補(bǔ)建立在引用關(guān)系基礎(chǔ)上的分析的不足，這為科學(xué)計(jì)量評(píng)價(jià)和知識(shí)領(lǐng)域可視化提供了一種新的研究思路[20]。

通過(guò)對(duì)近期高引用率、高突現(xiàn)率和高中介中心性文獻(xiàn)的研究和分析，可以挖掘出ASN研究領(lǐng)域最有影響力的英文文獻(xiàn)，影響該研究領(lǐng)域重要轉(zhuǎn)向的文獻(xiàn)以及銜接ASN不同研究聚類的關(guān)鍵節(jié)點(diǎn)。因此，本文通過(guò)文獻(xiàn)共被引分析，比較形象地揭示出學(xué)術(shù)社交網(wǎng)絡(luò)研究的來(lái)源、知識(shí)基礎(chǔ)、發(fā)展脈絡(luò)以及重要研究領(lǐng)域。首先是隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，學(xué)術(shù)出版、論文在線訪問(wèn)和開(kāi)放訪問(wèn)日益普遍，Altman, R.B.和Albert, K.M.等開(kāi)始關(guān)注在線論文數(shù)據(jù)庫(kù)和開(kāi)放訪問(wèn)的相關(guān)研究問(wèn)題。而隨著以社交網(wǎng)絡(luò)為標(biāo)志的Web 2.0服務(wù)的介入，比如學(xué)術(shù)博客、推特等的應(yīng)用，Walker, J.和Bonetta, L.等認(rèn)識(shí)到它們對(duì)于學(xué)者之間進(jìn)行學(xué)術(shù)交流的重要作用，并進(jìn)行了大量的分析。Brody, T.，Priem, J.等開(kāi)始逐漸意識(shí)到這些社交網(wǎng)絡(luò)中生成的學(xué)者交流數(shù)據(jù)以及對(duì)論文的在線使用行為數(shù)據(jù)和傳統(tǒng)文獻(xiàn)計(jì)量之間具有一定的相關(guān)性，它能夠在一定程度上預(yù)測(cè)論文的引用頻次和影響力，因此出現(xiàn)了一個(gè)新的研究領(lǐng)域——Altmetrics。尤其是ResearchGate、Mendeley和Academic.com等大規(guī)模在線學(xué)術(shù)社交網(wǎng)絡(luò)出現(xiàn)之后，大量的學(xué)者成為它們的用戶群。他們分享了大量的研究論文，并生成了海量的用戶及論文之間交流和使用的數(shù)據(jù)，為Altmetrics的研究提供了大數(shù)據(jù)支持， Thelwall, M.、Eysenbach, G.、Mohammadi, E.、J. Priem.和 Haustein S.等均在這些研究方面做出了貢獻(xiàn)。

2.2 重要作者分析

使用Citespace軟件對(duì)ASN研究的重要作者進(jìn)行共被引分析，結(jié)果如圖4所示，其中引用頻次最高的5位作者分別是Thelwall, M.（Freq=77）、Haustein, S.（Freq=57）、Priem, J.（Freq=51）、Li, X.M.（Freq=46） 和 Bar-ilan,J.（Freq=43）。Freq是指作者被引用的次數(shù)，較大的作者結(jié)點(diǎn)表示他們?cè)贏SN的研究方面產(chǎn)生了比較大的影響，他們的研究得到了較為廣泛的認(rèn)可。其中Priem,J.是Altmetrics概念框架的主要提出者，Thelwall, M.、Haustein, S.、Li, X.M.和Bar-ilan, J.對(duì)學(xué)者使用ASN的特點(diǎn)以及基于ASN數(shù)據(jù)的Altmetrics進(jìn)行了研究，他們推動(dòng)了基于ASN的Altmetrics研究，而且對(duì)Altmetrics的概念框架進(jìn)行了發(fā)展，并提供了大量的實(shí)證數(shù)據(jù)支持。正是由于這些人的代表性研究成果，才促成了基于ASN的替代計(jì)量研究，推動(dòng)了ASN的廣泛應(yīng)用。

被引作者中，突發(fā)性（Burst）最強(qiáng)的5位作者分別是 Newman，M.E.J.（Burst=4.37）、Walker，J.（4.22）、Herring，S.C.（3.79）、 Bollen，J.（3.14）和 Grot，P.（2.97），說(shuō)明他們?cè)贏SN研究?jī)?nèi)容和主題的轉(zhuǎn)換方面貢獻(xiàn)較大。中介中心性（Centrality）最高的5位作者分別是Ananiadou, S.（Centrality=0.68）、Altman, R.B.（0.28）、Page, R.（0.23）、 Eysenbach, G.（0.13）和Cronin, B.（0.13），說(shuō)明他們?cè)贏SN研究的知識(shí)傳播過(guò)程中貢獻(xiàn)較大。

圖4 ASN重要作者圖譜

2.3 重要機(jī)構(gòu)分析

使用CiteSpace對(duì)研究機(jī)構(gòu)進(jìn)行共現(xiàn)分析，結(jié)果如圖5所示。影響較大的研究機(jī)構(gòu)包括胡弗漢頓大學(xué)（University of Wolverhampton）、馬克斯·普朗克協(xié)會(huì)（Max-Planck-Gesellschaft）、芬蘭職業(yè)健康研究所（Finnish Institute of Occupational Health）和CIBER股份有限公司（CIBER Res Ltd）。中介中心性最高的四個(gè)研究機(jī)構(gòu)分別為曼徹斯特大學(xué)（The University of Manchester）、烏得勒支大學(xué)（Utrecht University）、南安普頓大學(xué)（University of Southampton）和哈佛大學(xué)（Harvard University），說(shuō)明這些研究機(jī)構(gòu)在ASN研究知識(shí)傳遞方面最為有效。

圖5 ASN重要研究機(jī)構(gòu)圖譜

2.4 重要出版物分析

出版物共被引分析結(jié)果如圖6所示，被引頻次最高的五本出版物分別為《Scientometrics》（Freq=95）、《Journal of the American Society for Information Science and Technology》（87）、《Plos One》（80）、《Journal of the Association for Information Science and Technology》（74） 和《Journal of Informetrics》（69）。近期最熱門(mén)的出版物為《Proceedings of the National Academy of Sciences of the United States of America》（Burst=5.85）、 《Communications of the ACM》（4.87）、《Uses of Blogs》（4.72）、《Lecture Notes in Computer Science》（2.92） 和《Aslib Proceedings》（2.91）。 中 介中心性最高的五本出版物分別為《Annual Review of Information Science and Technology》 （Centrality=0.43）、《Journal of Information Science》（0.31）、 《RFC 3986 Uniform Resource Identifier （URI）: Generic Syntax》（0.23）、《Decision Support Systems》（0.21）和《ACM Transactions on Information Systems》（0.19）。

圖6 ASN重要出版物圖譜

2.5 ASN熱門(mén)研究主題

對(duì)ASN研究的關(guān)鍵詞進(jìn)行共現(xiàn)分析，可以揭示該研究領(lǐng)域歷年來(lái)的熱門(mén)研究主題和發(fā)展脈絡(luò)，因?yàn)殛P(guān)鍵詞實(shí)際上能大致說(shuō)明一條文獻(xiàn)的主題，如果這些關(guān)鍵詞發(fā)生共現(xiàn)現(xiàn)象，說(shuō)明它們的研究主題比較接近。首次出現(xiàn)共現(xiàn)的時(shí)間表示這一研究主題興起的時(shí)間。如圖7所示，近年來(lái)ASN的熱門(mén)研究主題包括Altmetrics、Social Media、Science、Citation、Impact、Mendeley、Social Network、Bibliometrics、Metrics、Citation Analysis、Twitter和 Journal等。從中介中心性來(lái)看，最高的五個(gè)關(guān)鍵詞分別為Citation Analysis、Journal、Web、Science、Open Access等， 說(shuō) 明 關(guān) 于ASN研究的主要內(nèi)容是圍繞替代計(jì)量、社交媒體、科學(xué)、引用分析、影響和開(kāi)放訪問(wèn)等內(nèi)容展開(kāi)的。從共現(xiàn)發(fā)生的時(shí)間來(lái)看，網(wǎng)絡(luò)、科學(xué)和引用分析等主題共現(xiàn)的時(shí)間比較早，大約在2007年左右，專門(mén)的學(xué)術(shù)社交網(wǎng)絡(luò)還沒(méi)有受到太多的關(guān)注，但大家已經(jīng)開(kāi)始關(guān)注基于網(wǎng)絡(luò)的科學(xué)文獻(xiàn)引用分析；2009年到2013年期間，社交媒體、計(jì)量、指標(biāo)、知識(shí)、協(xié)作、引用、影響、學(xué)術(shù)交流和Web 2.0等研究主題受到關(guān)注，說(shuō)明隨著眾多基于Web 2.0的社交媒體和社交網(wǎng)絡(luò)在學(xué)術(shù)圈的廣泛應(yīng)用，在關(guān)于論文在線使用的計(jì)量指標(biāo)，尤其是它和傳統(tǒng)文獻(xiàn)引用之間的關(guān)系，及其作為傳統(tǒng)計(jì)量方法替代和補(bǔ)充的可行性等方面進(jìn)行了大量的討論和分析，而且開(kāi)始關(guān)注社交媒體網(wǎng)絡(luò)在科學(xué)合作和學(xué)術(shù)知識(shí)交流等方面的作用。2015年以后，在前期研究的基礎(chǔ)上，涌現(xiàn)出大量專門(mén)的學(xué)術(shù)社交網(wǎng)絡(luò)，比如ResearchGate、Academia.edu和Mendeley等的出現(xiàn)，使學(xué)術(shù)社交網(wǎng)絡(luò)中生成的學(xué)術(shù)知識(shí)交流的信息更為系統(tǒng)，其中不但涉及學(xué)者之間的社會(huì)交流和學(xué)術(shù)知識(shí)交流，而且積累了大量的學(xué)者與文獻(xiàn)之間以及文獻(xiàn)與文獻(xiàn)之間的使用和交流數(shù)據(jù)，這為更進(jìn)一步的ASN數(shù)據(jù)挖掘與分析，及其所支持的替代計(jì)量研究提供了條件。

圖7 ASN研究關(guān)鍵詞共現(xiàn)圖譜

2.6 聚類分析

在ASN研究文獻(xiàn)共被引分析的基礎(chǔ)上按關(guān)鍵詞進(jìn)行聚類分析，生成聚類分析視圖如圖8所示?？梢?jiàn)，關(guān)于ASN的主要研究聚類包括語(yǔ)義網(wǎng)、開(kāi)放訪問(wèn)、數(shù)字化學(xué)術(shù)、生命科學(xué)、服務(wù)、研究影響、論文衰減、框架和高校教師等10個(gè)聚類。其中不同結(jié)點(diǎn)之間連線表示時(shí)間分區(qū)。如圖所示，語(yǔ)義網(wǎng)和框架等聚類的文獻(xiàn)早期（2007年以前）的共被引現(xiàn)象比較強(qiáng)烈，Altman, R.B.（2004）、Albert, K.M.（2006）和 Ananiadou, S.（2006）等文獻(xiàn)對(duì)這些研究的發(fā)起和銜接起到了關(guān)鍵作用。研究影響、論文衰減和大學(xué)教師等聚類的文獻(xiàn)在2012年到2014年左右在共被引方面比較活躍，而近年來(lái)比較活躍的研究主題包括開(kāi)放訪問(wèn)、數(shù)字化學(xué)術(shù)、生命科學(xué)和服務(wù)等。因此，ASN早期的研究是源于語(yǔ)義網(wǎng)等技術(shù)框架的發(fā)展，學(xué)者使用博客、推特、Facebook等的興趣增加，他們使用這些Web 2.0工具進(jìn)行社會(huì)交互和學(xué)術(shù)交流，有人用Library 2.0或Science 2.0來(lái)描述這種現(xiàn)象。隨后，這些學(xué)者在線交互和文獻(xiàn)使用的數(shù)據(jù)被用于研究學(xué)術(shù)影響和論文衰減的計(jì)量指標(biāo)，這些前期研究為后來(lái)Altmetrics概念的提出和研究發(fā)展奠定了基礎(chǔ)。在這一研究的發(fā)展和轉(zhuǎn)換過(guò)程中，文獻(xiàn)Brody, T.（2006）和Altman, R.B.（2007）等起到了銜接作用。最近幾年，一些大規(guī)模在線ASN的出現(xiàn)，匯聚了越來(lái)越多的學(xué)者，他們?cè)诰€共享了大量的研究論文和數(shù)據(jù)，也生成了大量的學(xué)者間交流、對(duì)話、論文交換、使用和引用的數(shù)據(jù)，更進(jìn)一步推動(dòng)ASN研究的全面發(fā)展和系統(tǒng)化，大家開(kāi)始從開(kāi)放訪問(wèn)、數(shù)字化學(xué)術(shù)和學(xué)術(shù)交流與合作服務(wù)等方面對(duì)這些系統(tǒng)及數(shù)據(jù)進(jìn)行深入挖掘。在ASN的應(yīng)用過(guò)程中，生命科學(xué)走在了前面，形成了一個(gè)較大的研究聚類。在這一研究主題的轉(zhuǎn)換過(guò)程中，Haustein, S.（2011）、Waltman, L.（2014）和 Bollen, J.（2009）等文獻(xiàn)起到了關(guān)鍵節(jié)點(diǎn)的作用。

圖8 ASN研究聚類視圖

圖9 ASN研究聚類時(shí)間線視圖

從聚類分析時(shí)間線視圖來(lái)看（圖9），關(guān)于語(yǔ)義網(wǎng)、開(kāi)放訪問(wèn)、數(shù)字化學(xué)術(shù)、生命科學(xué)、服務(wù)和研究影響等聚類的文獻(xiàn)發(fā)生的共被引現(xiàn)象比較密集，這幾個(gè)聚類里面還集中了影響力比較大、比較關(guān)鍵的一些節(jié)點(diǎn)，它們構(gòu)成了ASN研究的主要陣地。語(yǔ)義網(wǎng)技術(shù)和框架等聚類的文獻(xiàn)共被引現(xiàn)象發(fā)生時(shí)間比較早，后面逐漸消退，說(shuō)明它們?cè)贏SN研究領(lǐng)域，扮演了技術(shù)框架和基礎(chǔ)的作用。最近的研究則主要以開(kāi)放訪問(wèn)、數(shù)字化學(xué)術(shù)和服務(wù)等方面的研究為主，而且還有繼續(xù)上升的趨勢(shì)，將成為未來(lái)進(jìn)一步研究的主要發(fā)展趨勢(shì)。

3 研究發(fā)現(xiàn)

近年來(lái)，關(guān)于學(xué)術(shù)社交網(wǎng)絡(luò)研究的發(fā)文數(shù)和引用頻次都在逐年上升。越來(lái)越多的學(xué)者、研究機(jī)構(gòu)和學(xué)術(shù)刊物都開(kāi)始重視學(xué)術(shù)社交網(wǎng)絡(luò)的研究，這說(shuō)明它已經(jīng)越來(lái)越受到學(xué)界的重視。學(xué)術(shù)社交網(wǎng)絡(luò)作為學(xué)者在Web 2.0環(huán)境下進(jìn)行社會(huì)交互、學(xué)術(shù)交流以及文獻(xiàn)分享、引用和使用的重要渠道，已經(jīng)得到了大量的應(yīng)用。通過(guò)使用CiteSapce軟件對(duì)數(shù)據(jù)進(jìn)行文獻(xiàn)共引和共被引分析，可以挖掘出ASN研究領(lǐng)域的重要文獻(xiàn)結(jié)點(diǎn)，同時(shí)通過(guò)生成ASN研究知識(shí)圖譜，揭示其研究的起源、發(fā)展脈絡(luò)和未來(lái)趨勢(shì)。

3.1 ASN研究起源

傳統(tǒng)學(xué)術(shù)出版經(jīng)過(guò)多年的發(fā)展，已經(jīng)成為學(xué)者之間進(jìn)行學(xué)術(shù)交流的主要方式。對(duì)于學(xué)術(shù)刊物和論文影響的測(cè)量，發(fā)展出很多種計(jì)量方式，比如使用傳統(tǒng)數(shù)據(jù)庫(kù)中的引用次數(shù)來(lái)評(píng)價(jià)論文的影響力。但這種傳統(tǒng)的學(xué)術(shù)交流的效率比較低下，一條文獻(xiàn)被其他文獻(xiàn)引用也需要較長(zhǎng)的時(shí)間周期，因此傳統(tǒng)學(xué)術(shù)出版和文獻(xiàn)影響計(jì)量方法雖然比較成熟，也面臨一些挑戰(zhàn)。Web 2.0不僅僅是技術(shù)的發(fā)展，而且拉近了學(xué)者之間的距離，加強(qiáng)了他們之間的社會(huì)交互和網(wǎng)絡(luò)關(guān)系。隨著學(xué)者們大量使用Blog、Facebook和推特等社交網(wǎng)絡(luò)和在線引文管理系統(tǒng)，生成了大量的學(xué)術(shù)交流和研究論文在線引用、評(píng)論、標(biāo)注和標(biāo)簽等行為數(shù)據(jù)。這些數(shù)據(jù)在時(shí)效上要優(yōu)于傳統(tǒng)的學(xué)術(shù)出版周期，很多人發(fā)現(xiàn)它們能夠在一定程度上預(yù)見(jiàn)一條文獻(xiàn)未來(lái)的引用率和影響，即能夠作為一種新的文獻(xiàn)計(jì)量方法，并發(fā)展出一個(gè)新的圖書(shū)情報(bào)學(xué)研究分支，替代計(jì)量學(xué)（Altmetrics）。隨著學(xué)者之間在線社會(huì)交互、在線引文管理、文獻(xiàn)分享和獲取等方面的需求日增，越來(lái)越需要一種綜合這些功能特點(diǎn)的社交網(wǎng)絡(luò)服務(wù)，于是學(xué)術(shù)社交網(wǎng)絡(luò)應(yīng)運(yùn)而生，出現(xiàn)了Academia.Edu，Mendeley和ResearchGate等大規(guī)模在線學(xué)術(shù)社交網(wǎng)絡(luò)，支持學(xué)者在線分享個(gè)人發(fā)表的研究論文，目前已經(jīng)有全球上千萬(wàn)學(xué)者注冊(cè)使用，分享了上億篇論文。

3.2 ASN研究發(fā)展脈絡(luò)

隨著網(wǎng)絡(luò)技術(shù)尤其是語(yǔ)義網(wǎng)的發(fā)展，Altman, R.B.和Ananiadou, S.等于2004年提出構(gòu)建生物和生物醫(yī)學(xué)類文獻(xiàn)數(shù)據(jù)庫(kù)以及使用數(shù)據(jù)挖掘技術(shù)對(duì)這些數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行挖掘，這對(duì)傳統(tǒng)的學(xué)術(shù)出版市場(chǎng)來(lái)說(shuō)是一個(gè)顛覆性的創(chuàng)新，同時(shí)也促進(jìn)了學(xué)術(shù)資源開(kāi)放訪問(wèn)的研究與實(shí)踐。語(yǔ)義網(wǎng)技術(shù)和社交網(wǎng)絡(luò)在學(xué)術(shù)資源交流和在線開(kāi)放訪問(wèn)中的滲透，形成了兩個(gè)重要的研究聚類，即開(kāi)放訪問(wèn)和數(shù)字化學(xué)術(shù)。受到開(kāi)放教育資源運(yùn)動(dòng)的影響，Albert, K.M.就開(kāi)放學(xué)術(shù)資源對(duì)學(xué)術(shù)出版和醫(yī)學(xué)圖書(shū)館事業(yè)的重要啟示進(jìn)行了探討。大量學(xué)術(shù)資源在線開(kāi)放訪問(wèn)，縮短了研究論文傳播的時(shí)間周期，同時(shí)語(yǔ)義網(wǎng)技術(shù)的應(yīng)用，也提高了學(xué)術(shù)資源推送的精準(zhǔn)性。2010年以后，學(xué)術(shù)社交網(wǎng)絡(luò)的興起，用戶覆蓋面越來(lái)越大，生成了大量學(xué)者用戶在線學(xué)術(shù)交流和學(xué)術(shù)資源使用的數(shù)據(jù)，Bollen, J.、Thelwall, M.、Bonetta, L.、Priem, J.和Brody, T.等對(duì)這些數(shù)據(jù)的科學(xué)評(píng)價(jià)和計(jì)量學(xué)的作用與價(jià)值進(jìn)行了討論和分析，他們重點(diǎn)研究了這些數(shù)據(jù)對(duì)預(yù)測(cè)論文影響、引用頻次，識(shí)別不同學(xué)科學(xué)者ASN使用模式，合作者、跨學(xué)科合作和跨國(guó)合作模式等方面的作用，尤其是基于ASN的Altmetrics作為傳統(tǒng)計(jì)量學(xué)的替代和補(bǔ)充方式得到了廣泛重視。

3.3 ASN研究未來(lái)趨勢(shì)

學(xué)術(shù)社交網(wǎng)絡(luò)為學(xué)者進(jìn)行社會(huì)交互和知識(shí)交流提供了更具時(shí)效性和更便捷的通道。來(lái)自不同學(xué)科、不同國(guó)家和地區(qū)的大量學(xué)者都已經(jīng)成為ASN用戶，他們?cè)诰€分享學(xué)術(shù)資源和交流學(xué)術(shù)知識(shí)，生成了大量的文獻(xiàn)、學(xué)者、引用、合作、分享和社會(huì)交流等數(shù)據(jù)，形成了比傳統(tǒng)學(xué)術(shù)網(wǎng)絡(luò)更多樣化的在線學(xué)術(shù)知識(shí)交流網(wǎng)絡(luò)，極具研究?jī)r(jià)值。目前ASN研究主要集中于使用者的人口統(tǒng)計(jì)學(xué)特點(diǎn)、替代計(jì)量學(xué)和采納應(yīng)用過(guò)程等方面，但對(duì)不同用戶群體使用ASN的動(dòng)機(jī)、目標(biāo)、偏好和模式等方面的研究仍有進(jìn)一步挖掘的空間。另一方面，基于ASN生成的用戶交流和資源使用數(shù)據(jù)，挖掘和識(shí)別其中的知識(shí)交流機(jī)制，將會(huì)對(duì)基于傳統(tǒng)學(xué)術(shù)網(wǎng)絡(luò)的學(xué)術(shù)交流理論有重大的發(fā)展。因此，未來(lái)使用大數(shù)據(jù)、語(yǔ)義網(wǎng)和社會(huì)網(wǎng)絡(luò)分析等技術(shù)和方法分析ASN的知識(shí)交流的特點(diǎn)和規(guī)律，將會(huì)成為一個(gè)重要的研究方向。

4 結(jié)論

本文使用CiteSapce軟件對(duì)Web of Science核心數(shù)據(jù)庫(kù)收錄的ASN研究文獻(xiàn)數(shù)據(jù)進(jìn)行共被引和共現(xiàn)分析，揭示出目前學(xué)術(shù)社交網(wǎng)絡(luò)研究領(lǐng)域的起源、發(fā)展脈絡(luò)、重要研究主題以及重要研究文獻(xiàn)、作者、研究機(jī)構(gòu)和學(xué)術(shù)刊物。本文發(fā)現(xiàn)，ASN研究起源于學(xué)者對(duì)一些社交網(wǎng)絡(luò)和媒體的使用，他們利用這些Web 2.0服務(wù)進(jìn)行人際溝通和學(xué)術(shù)知識(shí)的分享與交流，拓寬了傳統(tǒng)的基于學(xué)術(shù)出版的學(xué)術(shù)網(wǎng)絡(luò)，縮短了學(xué)術(shù)交流和論文影響的周期。學(xué)術(shù)社交網(wǎng)絡(luò)集成了社交網(wǎng)絡(luò)、開(kāi)放訪問(wèn)和在線文獻(xiàn)管理軟件等技術(shù)特點(diǎn)，吸引了大量國(guó)內(nèi)外用戶注冊(cè)使用，形成了一種全新的學(xué)術(shù)合作和知識(shí)交流的在線虛擬環(huán)境。目前ASN已經(jīng)成為圖書(shū)情報(bào)學(xué)研究領(lǐng)域的一個(gè)熱點(diǎn)問(wèn)題，大家對(duì)學(xué)術(shù)社交網(wǎng)絡(luò)的用戶特點(diǎn)、學(xué)科差異和文獻(xiàn)計(jì)量學(xué)方法等方面進(jìn)行了大量的研究。應(yīng)該說(shuō)，在線學(xué)術(shù)社交網(wǎng)絡(luò)是傳統(tǒng)學(xué)術(shù)網(wǎng)絡(luò)在信息化環(huán)境下的重大突破，它不但使學(xué)術(shù)網(wǎng)絡(luò)擴(kuò)展到線上，還加強(qiáng)了學(xué)者間的人際交往和社會(huì)交互，能夠幫助識(shí)別科學(xué)合作和交流，識(shí)別和發(fā)現(xiàn)潛在的合作者。因此，基于ASN的知識(shí)交流是傳統(tǒng)學(xué)術(shù)交流的顛覆性發(fā)展，將會(huì)是未來(lái)重要的研究方向之一。

（來(lái)稿時(shí)間：2017年7月）

1. Li X, Thelwall M, Giustini D. Validating Online Reference Managers for Scholarly Impact Measurement[J]. Scientometrics,2012, 91（2）：461-471.

2. Thelwall M, Haustein S, Larivière V, et al. Do Altmetrics Work? Twitter and Ten other Social Web Services.[J]. Plos One,2013, 8（5）：e64841.

3. Eysenbach G. Can Tweets Predict Citations? Metrics of Social Impact based on Twitter and Correlation with Traditional Metrics of Scientific Impact[J]. Journal of Medical Internet Research, 2011, 13（4）：e123.

4. Mohammadi E, Thelwall M. Mendeley Readership Altmetrics for the Social Sciences and Humanities: Research Evaluation and Knowledge Flows[J]. Journal of the Association for Information Science & Technology, 2013, 65（8）：1627-1638.

5. Priem J, Taraborelli D, Groth P, Neylon C. Altmetrics: A manifesto[EB/OL].[2010-10-26]. http://altmetrics.org/manifesto.

6. Haustein S, Siebenlist T. Applying Social Bookmarking Data to Evaluate Journal Usage[J]. Journal of Informetrics, 2011, 5（3）：446-457.

7. Thelwall M, Kousha K. Academia.edu: Social Network or Academic Network?[J]. Journal of the Association for Information Science & Technology, 2015, 65（4）：721-731.

8. Zahedi Z, Costas R, Wouters P. How well Developed are Altmetrics? A Cross-disciplinary Analysis of the Presence of‘Alternative Metrics’ in Scientific Publications[J]. Scientometrics,2014, 101（2）：1491-1513.

9. Peters I, Peters I, Bar-Ilan J, et al. Coverage and Adoption of Altmetrics Sources in the Bibliometric Community[J].Scientometrics, 2014, 101（2）：1145-1163.

10. Van Noorden R. Scientists and the Social Network[J].Nature, 2014, 512（7513）：126.

11. Walker J. Blogging from inside the Ivory Tower[J]. Uses of Blogs, 2006：127-138.

12. Neylon C, Wu S. Article-level Metrics and the Evolution of Scientific Impact[J]. Plos Biology, 2009, 7（11）：e1000242.

13. Bar-Ilan J, Haustein S, Peters I, et al. Beyond Citations:Scholars’ Visibility on the Social Web [EB/OL].[2012-15-25].https://arxiv.org/ftp/arxiv/papers/1205/1205.5611.pdf.

14. Brody T, Harnad S, Carr L. Earlier Web Usage Statistics as Predictors of Later Citation Impact[J]. Journal of the Association for Information Science & Technology, 2006, 57（8）：1060-1072.

15. Albert K M. Open Access: Implications for Scholarly Publishing and Medical Libraries[J]. Journal of the Medical Library Association, 2006, 94（3）：253-262.

16. Altman R B. Building Successful Biological Databases[J].Briefings in Bioinformatics, 2004, 5（1）：4.

17. Ananiadou S, McNaught J. Text Mining for Biology and Biomedicine[M]. London: Artech House, 2006.

18. Bonetta L. Scientists Enter the Blogosphere[J]. Cell, 2007,129（3）：443-5.

19. Waltman L, Costas R. F1000 Recommendations as a Potential New Data Source for Research Evaluation: A Comparison With Citations[J]. Journal of the American Society for Information Science & Technology, 2014, 65（3）：433-445.

20. Johan B, Herbert V D S, Aric H, et al. Clickstream Data Yields High-Resolution Maps of Science[J]. Plos One, 2009, 4（3）： e4803.