Web 2.0時(shí)代，學(xué)術(shù)成果載體和學(xué)術(shù)交流模式發(fā)生了深刻變革，網(wǎng)絡(luò)電子載體和在線學(xué)術(shù)活動(dòng)成為科學(xué)計(jì)量學(xué)的重要研究內(nèi)容。Altmetrics的概念是Priem于2010年正式提出的[1]。雖然學(xué)界對(duì)Altmetrics的具體指標(biāo)還未形成完全統(tǒng)一的認(rèn)識(shí)，但都應(yīng)包括網(wǎng)絡(luò)環(huán)境下用戶群體對(duì)學(xué)術(shù)成果的傳播、獲取、關(guān)注、推薦過程中產(chǎn)生的復(fù)雜指標(biāo)，而且相關(guān)的研究和應(yīng)用已開展[2]。

Altmetrics指標(biāo)的評(píng)價(jià)對(duì)象多樣，除了傳統(tǒng)的圖書、期刊、論文等以外，還能應(yīng)用于評(píng)價(jià)數(shù)據(jù)集、代碼、視頻、網(wǎng)頁等多種形式的學(xué)術(shù)成果[3]。與以引文數(shù)據(jù)為基礎(chǔ)的傳統(tǒng)計(jì)量體系相比，采用Altmetrics指標(biāo)進(jìn)行學(xué)術(shù)評(píng)價(jià)更為高效和迅速，可以反映傳統(tǒng)計(jì)量體系難以表現(xiàn)的社會(huì)影響力，并且應(yīng)用于期刊、作者、論文的評(píng)價(jià)中[4]。

Altmetrics指標(biāo)能夠在引用數(shù)據(jù)缺乏或無效時(shí)，代替引用數(shù)據(jù)對(duì)學(xué)術(shù)成果進(jìn)行影響力衡量。

將Altmetrics指標(biāo)用于學(xué)者評(píng)價(jià)的可靠性和有效性的驗(yàn)證研究工作還相對(duì)較少，因此本文對(duì)Altmetrics指標(biāo)與學(xué)者H5指數(shù)的相關(guān)性進(jìn)行研究，明確Altmetrics指標(biāo)用于學(xué)者評(píng)價(jià)的可靠性和有效性，豐富學(xué)者評(píng)價(jià)體系。

1 Altmetrics指標(biāo)研究情況

Altmetrics的概念于2010年正式提出，隨即引起了學(xué)術(shù)界的廣泛關(guān)注。學(xué)者劉春麗將Altmetrics概念引入國內(nèi)[5]。國內(nèi)外相關(guān)研究集中在Altmetrics指標(biāo)與傳統(tǒng)指標(biāo)的相關(guān)性探討和Altmetrics指標(biāo)在學(xué)者評(píng)價(jià)中的應(yīng)用。

Altmetrics指標(biāo)與傳統(tǒng)指標(biāo)的相關(guān)性是了解Altmetrics指標(biāo)評(píng)估價(jià)值的基礎(chǔ)。Daniel Zoller等人將微軟學(xué)術(shù)引用與社交書簽系統(tǒng)BibSonomy的用戶活動(dòng)，即發(fā)布、標(biāo)記、訪問或者導(dǎo)出等指標(biāo)進(jìn)行比較，研究結(jié)果驗(yàn)證微軟學(xué)術(shù)引用與BibSonomy中的Altmetrics指標(biāo)總體上呈現(xiàn)弱相關(guān)性[6]。Rodrigo Costas等人通過研究證實(shí)Altmetrics指標(biāo)普遍存在密度較低，但是在特定學(xué)科的出版物中呈現(xiàn)密度大量提升，而且Altmetrics指標(biāo)與引文以及期刊影響力得分之間的關(guān)系是較弱正相關(guān)的關(guān)系，說明Altmetrics并不能完全替代引用評(píng)價(jià)，而應(yīng)作為互補(bǔ)的指標(biāo)反映出版物更具綜合性的影響力[7]。郝若揚(yáng)選取2014-2016年的Altmetric.com Top 100數(shù)據(jù)集為樣本研究Altmetrics指標(biāo)與傳統(tǒng)文獻(xiàn)計(jì)量指標(biāo)的相關(guān)性，指出高Altmetrics指標(biāo)論文集中于醫(yī)療健康與生物科學(xué)，以及高Altmetrics指標(biāo)論文的Altmetrics分?jǐn)?shù)與其被引頻次存在正相關(guān)關(guān)系[8]。還有研究初步篩選出了一定范圍的Altmetrics指標(biāo)，探索了這些Altmetrics指標(biāo)與引用頻次之間的相關(guān)性，普遍認(rèn)為二者具備一定的相關(guān)性。Altmetrics指標(biāo)與引用頻次的積累速度存在差異，需要保持時(shí)間窗口一致性。

Altmetrics指標(biāo)和傳統(tǒng)指標(biāo)間的相關(guān)性的研究，促進(jìn)了Altmetrics在學(xué)者評(píng)價(jià)中的應(yīng)用，使Altmetrics成為學(xué)者評(píng)價(jià)研究的新思路。Chen Kuang-hua等人收集了一組社會(huì)科學(xué)和人文科學(xué)領(lǐng)域?qū)W者的18個(gè)Altmetrics指標(biāo)數(shù)據(jù)，通過主成分分析得到4個(gè)主要維度，深入探討了學(xué)者在正式交流和非正式交流過程中學(xué)術(shù)影響力的評(píng)價(jià)方式[9]。楊柳等人選取機(jī)構(gòu)知識(shí)庫學(xué)者為研究對(duì)象，基于標(biāo)準(zhǔn)化Altmetrics得分、Altmetrics Score、標(biāo)準(zhǔn)化被引得分3種方法進(jìn)行學(xué)者影響力評(píng)價(jià)，并開展能測度學(xué)者社會(huì)影響力與學(xué)術(shù)影響力的二維評(píng)價(jià)，以促進(jìn)機(jī)構(gòu)知識(shí)庫的建設(shè)[10]。郭穎等人參考國外Altmetrics指標(biāo)來源平臺(tái)，從國內(nèi)相似平臺(tái)選取指標(biāo)，引入因子分析法篩選出指標(biāo)并構(gòu)建指標(biāo)體系，利用相關(guān)性檢驗(yàn)和二維評(píng)價(jià)方法對(duì)所得指標(biāo)體系進(jìn)行驗(yàn)證[11]。王菲菲等人以基因編輯領(lǐng)域?qū)W者為對(duì)象，利用學(xué)術(shù)跡、合作引用強(qiáng)度、引文網(wǎng)絡(luò)PageRank值、Altmetrics-h指數(shù)等多維度指標(biāo)進(jìn)行綜合影響力學(xué)術(shù)評(píng)價(jià)，并證實(shí)評(píng)價(jià)結(jié)果與領(lǐng)域研究的實(shí)際推動(dòng)者之間較為一致[12]。Altmetrics應(yīng)用于學(xué)者評(píng)價(jià)的研究多以特定機(jī)構(gòu)或領(lǐng)域的學(xué)者展開。

學(xué)者對(duì)Altmetrics指標(biāo)應(yīng)用于學(xué)者評(píng)價(jià)進(jìn)行的初步探索，顯現(xiàn)出在學(xué)者評(píng)價(jià)中Altmetrics的重要性和特殊性，然而目前還缺乏對(duì)學(xué)者H5指數(shù)和Altmetrics指標(biāo)相關(guān)性的研究探索。

2 實(shí)證分析

2.1 基本假設(shè)

傳統(tǒng)評(píng)價(jià)方式只關(guān)注引用數(shù)據(jù)及其衍生指標(biāo)的作用，但在學(xué)術(shù)文獻(xiàn)傳播的過程中還存在大量的非引用行為，故也應(yīng)作為學(xué)術(shù)評(píng)價(jià)的有效指標(biāo)，如圖1所示。Altmetrics指標(biāo)是選取非引用行為作為新的評(píng)價(jià)指標(biāo)，在一定條件下尤其是在引用數(shù)據(jù)難以獲取或缺失的狀態(tài)下代替或補(bǔ)充引用數(shù)據(jù)及其衍生指標(biāo)來完成學(xué)術(shù)評(píng)價(jià)。既然引用行為和非引用行為都能表征文獻(xiàn)的學(xué)術(shù)影響力，那么二者之間應(yīng)存在一定的相關(guān)性。通過深入挖掘這種相關(guān)性，可檢驗(yàn)Altmetrics指標(biāo)代替或補(bǔ)充引用指標(biāo)的可靠性和有效性，從而形成學(xué)術(shù)評(píng)價(jià)的新方法。事實(shí)上，Altmetrics指標(biāo)在不同學(xué)科的積累效率是不一致的。指標(biāo)積累主要集中于醫(yī)學(xué)和生命科學(xué)領(lǐng)域，而且指標(biāo)在短時(shí)間內(nèi)急速積累，發(fā)表時(shí)間長的文獻(xiàn)并不能在指標(biāo)積累上體現(xiàn)出明顯優(yōu)勢。因此本文選擇指標(biāo)分布相對(duì)密集的醫(yī)學(xué)領(lǐng)域作為研究領(lǐng)域，并將時(shí)間范圍限定為近5年以內(nèi)，以保持Altmetrics指標(biāo)和引用數(shù)據(jù)時(shí)間窗口的一致性。

圖1 Altmetrics原理

2.2 數(shù)據(jù)來源及獲取

本文的研究數(shù)據(jù)來源于Dimensions數(shù)據(jù)平臺(tái)和Web of Science平臺(tái)。選取Dimensions數(shù)據(jù)平臺(tái)收錄的頂尖醫(yī)學(xué)期刊的主要作者作為研究對(duì)象，獲取學(xué)者積累的Altmetrics指標(biāo)。

在Dimensions數(shù)據(jù)平臺(tái)中設(shè)置檢索式，即出版年：2014～2018年；出版類型：Article；來源刊物：BMJ系列期刊、JAMA系列期刊和TheLancet系列期刊以及NewEnglandJournalofMedicine。通過檢索獲得110 665篇文獻(xiàn)，篩選出其中100位高產(chǎn)學(xué)者作為本文的研究對(duì)象。在Web of Science核心合集中檢索對(duì)應(yīng)學(xué)者2014-2018年發(fā)表的文獻(xiàn)，將文獻(xiàn)類型限制為Article，由此確定學(xué)者的H5指數(shù)。檢索日期為2019年7月16日。

2.3 數(shù)據(jù)處理及分析

Dimensions數(shù)據(jù)平臺(tái)所提供的Altmetrics指標(biāo)包括News，Blog，Policy，Twitter，Peer Review，Weibo，F(xiàn)acebook，Wikipedia，Google，Reddit，F(xiàn)1000，Q&A，Video。雖然Altmetric.com工具直接賦予各項(xiàng)指標(biāo)權(quán)重形成Altmetric Score[13]，但缺乏指標(biāo)間統(tǒng)計(jì)學(xué)關(guān)系的探究。為了真實(shí)反映指標(biāo)間的統(tǒng)計(jì)學(xué)關(guān)系，需要利用主成分分析法降低指標(biāo)數(shù)據(jù)維度，將紛雜的原始指標(biāo)轉(zhuǎn)換為幾個(gè)具有綜合意義的主要成分；需要通過主成分分析結(jié)果，將紛雜的原始指標(biāo)凝練為學(xué)者R-A指數(shù)，并將其與學(xué)者的H5指數(shù)進(jìn)行對(duì)比；需要通過進(jìn)一步的相關(guān)性驗(yàn)證，探索Altmetrics指標(biāo)應(yīng)用于學(xué)者評(píng)價(jià)的可靠性和有效性。

本文選擇SPSS 24.0作為數(shù)據(jù)處理軟件，實(shí)現(xiàn)主成分分析及進(jìn)一步的相關(guān)性分析。

2.3.1 實(shí)驗(yàn)前檢驗(yàn)

在進(jìn)行主成分分析之前，需要對(duì)Altmetrics指標(biāo)變量進(jìn)行相關(guān)性檢驗(yàn)，將收集的14個(gè)Altmetrics指標(biāo)進(jìn)行KMO和巴特利特球形檢驗(yàn)(圖2)。巴特利特球形度檢驗(yàn)統(tǒng)計(jì)量為1317.534，對(duì)應(yīng)的顯著性為0.000，KMO取樣適切性量數(shù)為0.848(大于0.8)，說明因子對(duì)變量的解釋能力非常好，符合進(jìn)行因子分析的假設(shè)檢驗(yàn)條件。

圖2 KMO和巴特利特檢驗(yàn)

2.3.2 主成分提取

文獻(xiàn)的難度不盡相同，如果由教師指定閱讀任務(wù)，公平性難以保證；隨機(jī)抽取雖然公平，但難以發(fā)揮每組的特長。如果由教師指定某些知識(shí)點(diǎn)，然后由學(xué)生自主查找文獻(xiàn)，這樣既減輕了教師負(fù)擔(dān)，也鍛煉了學(xué)生的文獻(xiàn)查找能力，同時(shí)也更為公平。文獻(xiàn)的分配方式可以進(jìn)一步探討。

利用SPSS 24.0軟件提取主成分，得到Altmetrics指標(biāo)的公因子方差(表1)。從表1可看出，所有指標(biāo)變量的提取公因子方差都較大，而且都保持在0.700以上水平，說明在主成分提取的過程中保留了各個(gè)指標(biāo)變量的絕大部分信息。因此本次主成分提取的效果較為理想，主成分分析結(jié)果具有可靠性。

表1 Altmetrics指標(biāo)提取公因子方差

事實(shí)上，SPSS軟件默認(rèn)的主成分分析法只提取特征值大于1的成分，將特征值小于1的成分作為碎石處理。實(shí)驗(yàn)過程中發(fā)現(xiàn)，如果保留默認(rèn)設(shè)置，將只保留4個(gè)主成分，那么主成分提取時(shí)，Peer Review和Weibo指標(biāo)變量的提取公因子方差會(huì)較低，說明4個(gè)主成分難以保留這2個(gè)指標(biāo)變量的信息，因此本文納入第5個(gè)成分作為主成分。同時(shí)也注意到，碎石圖中第5個(gè)成分之后連線趨于平穩(wěn)(圖3)，而且第5個(gè)成分和第6個(gè)成分之間連線相對(duì)陡峭，因此可以將第6個(gè)及其之后的成分作為“碎石”。

圖3 提取主成分特征值碎石圖

進(jìn)一步通過如表2所示的總方差解釋可知，前4個(gè)成分的特征值均大于1，第5個(gè)成分的特征值為0.902，接近1。前5個(gè)成分的總方差貢獻(xiàn)率達(dá)到86.880%，從整體上反映了原有Altmetrics指標(biāo)變量的絕大部分信息，因此保留5個(gè)主成分作為主成分分析結(jié)果是更合理的選擇，同時(shí)主成分分析結(jié)果也相當(dāng)理想。

表2 提取成分總解釋方差

注：成分6-14為“碎石”，不再計(jì)算提取載荷平方和

2.3.3 主成分函數(shù)

在主成分分析結(jié)果的基礎(chǔ)上，得到成分矩陣(表3)。將主成分1表示為F1，主成分2表示為F2，其余3個(gè)主成分以此類推。由表3可以得到原始指標(biāo)的主成分分析模型，如News=0.8(F1)+0.439(F2)+0.144(F3)-0.184(F4)-0.152(F5)。

表3 原始指標(biāo)主成分矩陣

將所有Altmetrics指標(biāo)全部轉(zhuǎn)換為5個(gè)主成分函數(shù)表達(dá)，將Altmetrics指標(biāo)蘊(yùn)含的信息轉(zhuǎn)換為維度更低的主成分。

為了進(jìn)一步利用主成分分析結(jié)果對(duì)學(xué)者進(jìn)行Altmetrics指標(biāo)評(píng)價(jià)，需要形成一個(gè)綜合評(píng)價(jià)指數(shù)(本文將該綜合評(píng)價(jià)指數(shù)稱為R-A指數(shù))。由表4所示的成分得分系數(shù)矩陣可知各主成分基于原始Altemtrics指標(biāo)的函數(shù)表達(dá)。例如F1=0.112(News)+0.126(Blog)+0.035(Policy)+0.115(Twitter)+0.017(Patent)+0.077(Peer Review)+0.104(Weibo)+0.131(Facebook)+0.047(Wikipedia)+0.123(Google)+0.117(Reddit)+0.090(F1000)+0.098(Q&A)+0.118(Video)。

表4 主成分得分系數(shù)矩陣

2.3.4 Altmetrics指標(biāo)與學(xué)者H5指數(shù)相關(guān)性分析

將R-A指數(shù)和學(xué)者H5指數(shù)進(jìn)行斯皮爾曼相關(guān)性分析，結(jié)果如圖4所示。從圖4可知，學(xué)者H5指數(shù)和R-A指數(shù)的斯皮爾曼相關(guān)系數(shù)為0.727，在0.01級(jí)別(雙尾)呈現(xiàn)顯著相關(guān)性，說明該數(shù)據(jù)集中學(xué)者H5指數(shù)和R-A指數(shù)在統(tǒng)計(jì)學(xué)意義上是顯著相關(guān)的，也就意味著R-A指數(shù)越高，學(xué)者的H5指數(shù)水平越高。

圖4 H5指數(shù)和R-A指數(shù)斯皮爾曼相關(guān)性

按照R-A指數(shù)取值范圍可以將學(xué)者分為3類：第一類，R-A指數(shù)>1，這類學(xué)者受關(guān)注程度極高，學(xué)術(shù)成果傳播廣泛，受到各類群體的青睞，且這類學(xué)者的H5指數(shù)平均值為57.6；第二類，0

如表5所示，將學(xué)者H5指數(shù)和R-A排名前1

0的學(xué)者進(jìn)行比較發(fā)現(xiàn)，有3名學(xué)者同時(shí)出現(xiàn)在2個(gè)前10榜單之中。Simon Iain Hay[14]是華盛頓大學(xué)醫(yī)學(xué)院教授、英國牛津大學(xué)博士，主要致力于傳染病時(shí)空分布的流行病學(xué)研究，以支持更合理地實(shí)施疾病控制，其最具影響力的工作是“瘧疾地圖集”項(xiàng)目。該項(xiàng)目利用大數(shù)據(jù)和地理空間科學(xué)在全球、地區(qū)、國家范圍內(nèi)準(zhǔn)確定義面臨瘧疾風(fēng)險(xiǎn)及其負(fù)擔(dān)的人口，并因?yàn)樵擁?xiàng)目獲得諸多獎(jiǎng)項(xiàng)。Frank B Hu[15]是哈佛醫(yī)學(xué)院教授，美國伊利諾伊斯大學(xué)芝加哥分校博士，在糖尿病和冠心病的病因與預(yù)防領(lǐng)域取得了世界公認(rèn)的成就，特別是對(duì)營養(yǎng)、遺傳因素及其交互作用在肥胖與糖尿病發(fā)生發(fā)展中的作用的研究作出了原創(chuàng)性的貢獻(xiàn)，并于2015年當(dāng)選美國國家醫(yī)學(xué)科學(xué)院院院士。Christopher J L Murray[16]是華盛頓大學(xué)醫(yī)學(xué)院教授、英國牛津大學(xué)博士，全球疾病負(fù)擔(dān)(Global Burden of Disease，GBD)研究的創(chuàng)始人。該研究旨在按時(shí)間、年齡、性別和地理位置對(duì)由于疾病、傷害和危險(xiǎn)因素導(dǎo)致的健康損失的相對(duì)數(shù)量進(jìn)行量化。他同時(shí)也是美國國家醫(yī)學(xué)科學(xué)院院士。3位學(xué)者的H5指數(shù)都大于50，說明他們在專業(yè)領(lǐng)域內(nèi)都取得優(yōu)秀研究成果，并被領(lǐng)域同行認(rèn)可。3位學(xué)者的R-A指數(shù)都大于1，均屬于第一類學(xué)者，說明學(xué)術(shù)成果在社會(huì)上也受到廣泛關(guān)注和傳播。結(jié)合2種評(píng)價(jià)指數(shù)的學(xué)者遴選結(jié)果與實(shí)際學(xué)者調(diào)研結(jié)果保持一致。

表5 H5指數(shù)和R-A指數(shù)Top 10學(xué)者對(duì)比

注：*表示2個(gè)榜單中重復(fù)出現(xiàn)

斯皮爾曼相關(guān)系數(shù)較高和學(xué)者評(píng)價(jià)結(jié)果的重疊現(xiàn)象都說明學(xué)者H5指數(shù)和R-A指數(shù)在學(xué)者學(xué)術(shù)影響力評(píng)價(jià)上保持著一定程度的一致性。這種一致性表明，無論是引用行為還是非引用行為都是學(xué)者影響力的傳播途徑，同時(shí)也表明引用行為和非引用行為之間存在區(qū)別。這應(yīng)當(dāng)歸結(jié)于H5指數(shù)是學(xué)術(shù)影響力在學(xué)術(shù)界的集中體現(xiàn)，而R-A指數(shù)側(cè)重于學(xué)者社會(huì)影響力的體現(xiàn)。R-A指數(shù)或者Altmetrics指標(biāo)在一定情況下能夠應(yīng)用于學(xué)者評(píng)價(jià)，并成為引用行為的可靠替代和有效補(bǔ)充，與H5指數(shù)結(jié)合能夠?qū)崿F(xiàn)學(xué)者多維度評(píng)價(jià)。

3 結(jié)論

Altmetrics是科學(xué)計(jì)量學(xué)的新興研究熱點(diǎn)，它將學(xué)術(shù)評(píng)價(jià)的視角從只關(guān)注引用行為轉(zhuǎn)變到關(guān)注非引用行為上?；ヂ?lián)網(wǎng)時(shí)代，通過各種網(wǎng)絡(luò)平臺(tái)進(jìn)行學(xué)術(shù)交流活動(dòng)已經(jīng)成為趨勢，以社交媒體平臺(tái)、專業(yè)論壇網(wǎng)站、信息服務(wù)平臺(tái)等為代表的網(wǎng)絡(luò)平臺(tái)都成為學(xué)術(shù)交流活動(dòng)產(chǎn)生的主要場景。Altmetrics的目標(biāo)在于利用這些網(wǎng)絡(luò)平臺(tái)上的獲取、下載、瀏覽、收藏、分享、評(píng)論行為，有效展現(xiàn)學(xué)術(shù)成果所具備的社會(huì)影響力。

本文統(tǒng)計(jì)了頂尖醫(yī)學(xué)期刊中100位高產(chǎn)作者的Altmetrics指標(biāo)及其H5指數(shù)，發(fā)現(xiàn)即使選擇了Altmetrics指標(biāo)產(chǎn)生較為迅速和高效的學(xué)科領(lǐng)域及期刊，仍然面臨學(xué)者Altmetrics指標(biāo)數(shù)據(jù)呈現(xiàn)一定程度稀疏性的問題。這是因?yàn)閿?shù)據(jù)庫資源的限制導(dǎo)致對(duì)單個(gè)學(xué)者的Altemtrics指標(biāo)統(tǒng)計(jì)不完全，而且Altmetrics指標(biāo)在學(xué)者層面的積累難以達(dá)到大量數(shù)據(jù)的規(guī)模，學(xué)者產(chǎn)出成果有限，同時(shí)學(xué)者受到關(guān)注也相對(duì)更為分散。豐富和拓展Altmetrics指標(biāo)來源將會(huì)有效地彌補(bǔ)這一不足。微博是目前唯一中文數(shù)據(jù)來源，其他數(shù)據(jù)來源仍有待開拓，尤其中文數(shù)據(jù)來源Altmetrics指標(biāo)亟待開發(fā)。

通過對(duì)同一時(shí)間窗口下的學(xué)者H5指數(shù)和R-A指數(shù)進(jìn)行相關(guān)性分析，證明學(xué)者H5指數(shù)和R-A指數(shù)之間呈現(xiàn)顯著相關(guān)性，二者的斯皮爾曼相關(guān)系數(shù)為0.727，說明引用行為和非引用行為都是學(xué)者影響力的展現(xiàn)形式，只是引用行為更側(cè)重于學(xué)術(shù)影響力的評(píng)價(jià)，而非引用行為則側(cè)重于社會(huì)影響力的展現(xiàn)。

在對(duì)學(xué)者和學(xué)術(shù)成果進(jìn)行評(píng)價(jià)時(shí)，應(yīng)將二者有機(jī)結(jié)合，形成二維甚至多維的評(píng)價(jià)方式。通過將2種評(píng)價(jià)手段有效結(jié)合，篩選出最優(yōu)秀的3位學(xué)者，并通過個(gè)人信息調(diào)研證實(shí)這3位學(xué)者的研究成果具備很高的學(xué)術(shù)影響力和社會(huì)影響力，說明將傳統(tǒng)評(píng)價(jià)方法與Altmetrics結(jié)合起來能夠形成更為全面有效的研究學(xué)者遴選機(jī)制。顯著相關(guān)性證實(shí)，在引用數(shù)據(jù)完善的情況下，Altmetrics指標(biāo)可作為有效的補(bǔ)充評(píng)價(jià)手段；在引用行為數(shù)據(jù)難以獲取或存在缺陷時(shí)，Altmetrics指標(biāo)可以作為可靠的替代計(jì)量手段。只關(guān)注引用行為的學(xué)術(shù)評(píng)價(jià)方式已受到人們的詬病，視野更廣闊的多維評(píng)價(jià)方式才能更客觀地反映學(xué)者和學(xué)術(shù)成果的價(jià)值。

4 結(jié)語

本文通過Dimension平臺(tái)和WOS平臺(tái)收集學(xué)者的Altmetrics指標(biāo)和引用數(shù)據(jù)，確保了數(shù)據(jù)來源的可靠性和準(zhǔn)確性。實(shí)證結(jié)果證實(shí)了Altmetrics指標(biāo)應(yīng)用于學(xué)者評(píng)價(jià)的可靠性和有效性，然而學(xué)者篩選條件嚴(yán)格導(dǎo)致獲取學(xué)者數(shù)據(jù)較為有限，結(jié)論的普適性仍有待進(jìn)一步研究確認(rèn)。目前相對(duì)成熟的Altmetrics計(jì)量工具都是以國外數(shù)據(jù)源為主，不少信息資源平臺(tái)已經(jīng)開展相應(yīng)服務(wù)，而如何利用中文數(shù)據(jù)源建立國內(nèi)Altmetrics評(píng)價(jià)體系和工具是亟待解決的問題。中文數(shù)據(jù)源所積累的大量Altmetrics指標(biāo)將是開展相關(guān)研究的重要資源；借鑒和利用國外Altmetrics計(jì)量工具應(yīng)用和開發(fā)的經(jīng)驗(yàn)，完善國內(nèi)Altmetrics評(píng)價(jià)體系將是國內(nèi)Altmetrics研究發(fā)展的重要方向。