隨著社交媒體的出現(xiàn)以及學(xué)者學(xué)術(shù)交流行為的變化，學(xué)者影響力主要表現(xiàn)為學(xué)術(shù)影響力和社會(huì)影響力[1]。學(xué)術(shù)影響力是指研究者的科研成果在公開發(fā)表后，對(duì)該領(lǐng)域?qū)W術(shù)界或同行影響的深度和廣度[2]，以傳統(tǒng)評(píng)價(jià)指標(biāo)SCIE被引頻次和ESI高被引作為代表。學(xué)術(shù)影響力評(píng)估已成為衡量科技期刊、出版社、科技機(jī)構(gòu)、國家以及學(xué)者競(jìng)爭(zhēng)力與發(fā)展?jié)摿Φ闹匾矫鎇1]。社會(huì)影響力指標(biāo)則是以Altmetrics為代表，主要體現(xiàn)學(xué)術(shù)論文網(wǎng)絡(luò)的傳播影響情況和關(guān)注度，包含Twitter、Mendeley、Blogs等各項(xiàng)指標(biāo)，通過對(duì)論文的收藏、分享、提及、推薦等在線行為表現(xiàn)其影響力和社會(huì)效應(yīng)[3]。關(guān)于同行評(píng)議指標(biāo)，生物醫(yī)學(xué)領(lǐng)域文獻(xiàn)以F1000最具代表性，是專家根據(jù)自己所專長的研究主題領(lǐng)域前沿，鑒別學(xué)術(shù)研究出版物中最重要的文獻(xiàn)，推薦和評(píng)論高影響力的學(xué)術(shù)研究成果[2]。如今對(duì)于科技論文的評(píng)價(jià)不再以單一指標(biāo)作為唯一評(píng)價(jià)標(biāo)準(zhǔn)，而是綜合考慮各種類型指標(biāo)的評(píng)價(jià)結(jié)果。

ESI是衡量科學(xué)研究績(jī)效、跟蹤科學(xué)發(fā)展趨勢(shì)的基本分析評(píng)價(jià)工具，也是評(píng)價(jià)學(xué)術(shù)機(jī)構(gòu)和高校的國際學(xué)術(shù)水平及影響的重要指標(biāo)。按照同年同學(xué)科發(fā)表論文的被引頻次由高到低排序，排在前1%的論文被賦予“高被引論文”(Highly Cited Paper)。不同年份發(fā)表論文的高被引閾值均不同，被賦予高被引論文是對(duì)高水平論文的一種標(biāo)識(shí)認(rèn)可。SCIE被引頻次則是文獻(xiàn)計(jì)量學(xué)中傳統(tǒng)的評(píng)價(jià)指標(biāo)，論文的被引頻次隨其影響力的增加而逐年增高。

近年來逐步興起的Altmetrics越來越受到科研人員的重視。陳小清[4]探討了單篇論著影響力各評(píng)價(jià)指標(biāo)的相關(guān)性，指出學(xué)術(shù)跡與Altmetrics評(píng)分和Comment論文數(shù)具有相關(guān)性，與F1000評(píng)分無相關(guān)性，各評(píng)價(jià)指標(biāo)都有一定意義，側(cè)重點(diǎn)不同。王雯霞[5]以Altmetrics指標(biāo)為基礎(chǔ)建立了不同學(xué)科間論文影響力評(píng)價(jià)指標(biāo)模型，指出Altmetrics Score測(cè)度的是論文的社會(huì)影響力，被引頻次測(cè)度的是論文的學(xué)術(shù)影響力。在不同學(xué)科領(lǐng)域模型中共同保留的指標(biāo)為被引頻次，Mendeley及Blogs在論文綜合影響力評(píng)價(jià)中學(xué)術(shù)影響力占據(jù)主導(dǎo)地位，二者結(jié)合的定量評(píng)價(jià)能挖掘出綜合影響力較高的文獻(xiàn)。劉曉娟[6]認(rèn)為，Mendeley以及Twitter在Altemetric指標(biāo)中具有一定的代表性。

F1000 Prime是目前世界上唯一依據(jù)8 000多名生物學(xué)和醫(yī)學(xué)領(lǐng)域頂尖科學(xué)家同行評(píng)議結(jié)果對(duì)最重要的科研論文提供在線推薦服務(wù)的平臺(tái)，每年對(duì)全球論文總數(shù)不足2‰的優(yōu)秀精品醫(yī)學(xué)論文進(jìn)行推薦和點(diǎn)評(píng)，依據(jù)學(xué)術(shù)貢獻(xiàn)和科學(xué)價(jià)值挑選出優(yōu)秀論文，推薦給全世界的生物學(xué)和醫(yī)學(xué)研究者，F(xiàn)1000 因子(F1000 Score，F(xiàn)S)為專家評(píng)議分值[7-8]。

本文以F1000論文為基礎(chǔ)，選取具有一定相似性的論文集，隨后引入論文評(píng)價(jià)的各個(gè)指標(biāo)，選取SCIE被引頻次和ESI高被引作為學(xué)術(shù)影響力的代表指標(biāo)，選取Altmetrics Score、Twitter及Mendeley作為社會(huì)影響力指標(biāo)中最具代表性指標(biāo)以及同行評(píng)議代表指標(biāo)FS，通過探討彼此之間的相關(guān)性挖掘各指標(biāo)之間的潛在聯(lián)系。

1 數(shù)據(jù)與方法

本文以F1000某學(xué)科“l(fā)ast month”推薦的38篇文獻(xiàn)為基礎(chǔ)，在PubMed數(shù)據(jù)庫中查找每篇論文的“related citations”，選取每篇論文網(wǎng)絡(luò)發(fā)表時(shí)間前6個(gè)月的“related citations”，獲得原始文獻(xiàn)401篇。

選取2014年(下載原始文獻(xiàn)時(shí))和2018年(查詢論文是否為ESI高被引時(shí))2個(gè)不同時(shí)間段的SCIE被引頻次、FS數(shù)據(jù)進(jìn)行分析，可看出隨著時(shí)間變化的論文被引變化，以及FS隨著時(shí)間增高或降低的變化。ESI高被引論文是根據(jù)2018年ESI第四期更新數(shù)據(jù)為評(píng)定標(biāo)準(zhǔn)，查詢2008-2018年發(fā)表的文獻(xiàn)是否為高被引，高被引論文標(biāo)為“1”，否則標(biāo)為“0”，對(duì)文獻(xiàn)集內(nèi)401篇文章的高被引論文進(jìn)行標(biāo)識(shí)。

Altmetrics Score及其一些社交網(wǎng)絡(luò)相關(guān)指標(biāo)可通過PubMedPlus平臺(tái)進(jìn)行查詢獲取。關(guān)于Altemetric指標(biāo)，2011年后發(fā)表的高價(jià)值度、高影響力文章才可獲得Altemetrics各項(xiàng)分值，但并不是PubMed收錄的每篇文章都有Altemetrics各項(xiàng)分值，同理，也不是每條數(shù)據(jù)都有Twitter、Mendeley分值。因此綜合分析查詢ESI高被引論文時(shí)間及Altmetrics各個(gè)指標(biāo)的覆蓋率情況，最終確定對(duì)比指標(biāo)數(shù)據(jù)范圍，選定2011-2014年發(fā)表的246篇文獻(xiàn)集構(gòu)成樣本1，其中F1000推薦的25篇文獻(xiàn)構(gòu)成樣本2，再分別進(jìn)行論文各指標(biāo)相關(guān)性比較分析。

2 結(jié)果與分析

2.1 各指標(biāo)相關(guān)性比較分析

經(jīng)過濾篩選，選取樣本1，利用SPSS 19.0軟件做斯皮爾曼相關(guān)性分析，結(jié)果見表1和表2。

表1 樣本1各對(duì)比指標(biāo)數(shù)據(jù)(部分)

注：Altmetrics Score、Twitter標(biāo)記為“-”，表示數(shù)據(jù)缺失，即沒有Altmetrics Score和Twitter分值；SCIE被引頻次標(biāo)記為“-”，表示尚未被SCIE收錄，無引用次數(shù)

2.1.1 被引頻次與各指標(biāo)的關(guān)系

2014年和2018年的SCIE被引頻次成強(qiáng)相關(guān)關(guān)系，相關(guān)系數(shù)為0.836，說明學(xué)術(shù)影響力高的論文隨著時(shí)間的變化仍然保持著高影響力水平。2014年和2018年的SCIE被引頻次與Altmetrics Scores相關(guān)系數(shù)由0.531增長到0.679，與Twitter的相關(guān)系數(shù)由0.416增長到0.544，都低于與Mendeley的相關(guān)系數(shù)(分別為0.599和0.767)。這是由于被引頻次是學(xué)術(shù)影響力的代表，而Mendeley用戶多為科研人員，他們只利用Mendeley進(jìn)行參考文獻(xiàn)的管理和學(xué)術(shù)交流、文獻(xiàn)的閱讀與標(biāo)注[9]，因此在Altmetrics各項(xiàng)指標(biāo)中Mendeley指標(biāo)更接近于真實(shí)的學(xué)術(shù)影響力水平。同時(shí)，隨著論文發(fā)表時(shí)間的延續(xù)，以被引頻次為代表的論文的學(xué)術(shù)影響力指標(biāo)與其他各指標(biāo)的相關(guān)度也隨之增長，論文的學(xué)術(shù)價(jià)值將逐年突顯。

表2 2011-2014年發(fā)表論文集各指標(biāo)相關(guān)性分析結(jié)果

注：**表示在 0.05 級(jí)別(雙尾)，相關(guān)性顯著

2.1.2 ESI高被引與各指標(biāo)的關(guān)系

ESI高被引與2014年和2018年的被引頻次相關(guān)系數(shù)分別為0.549和0.691，屬于中度相關(guān)。ESI高被引論文與Altmetrics Score、Twitter、Mendeley之間也成中度正相關(guān)關(guān)系，相關(guān)系數(shù)在0.6左右范圍波動(dòng)。

2.1.3 Altmetrics Score與各指標(biāo)的關(guān)系

Altmetrics Score與Twitter、Mendeley指標(biāo)均成強(qiáng)正相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.796和0.714。相比較而言，與Twitter相關(guān)度更高，這與Twitter[9]更適用于論文的社交媒體影響力評(píng)價(jià)的結(jié)論一致。Twitter與Mendeley之間的相關(guān)系數(shù)是0.568。

2.2 F1000推薦文獻(xiàn)各指標(biāo)的相關(guān)性比較分析

選取樣本2，即2011-2014年發(fā)表并被F1000推薦的25篇文獻(xiàn)，引入論文各個(gè)評(píng)價(jià)指標(biāo)，進(jìn)行相關(guān)性分析，詳見表3及表4。

表3 樣本2中各對(duì)比指標(biāo)數(shù)據(jù)(全部)

續(xù)表3

注：Altmetrics Score、Twitter標(biāo)記為“-”，表示數(shù)據(jù)缺失，即沒有Altmetrics Score和Twitter分值

表4 F1000推薦文獻(xiàn)各指標(biāo)相關(guān)性分析

注：**表示在 0.01 級(jí)別(雙尾)，相關(guān)性顯著；*表示在 0.05 級(jí)別(雙尾)，相關(guān)性顯著

2.2.1 F1000推薦文獻(xiàn)的被引頻次與其他各指標(biāo)的相關(guān)性

2014年和2018年的被引頻次相關(guān)系數(shù)高達(dá)0.945，高于樣本1的相關(guān)系數(shù)，說明相對(duì)于其他普通論文，F(xiàn)1000推薦文獻(xiàn)逐年增長的被引頻次在增長后的相關(guān)性更高，外界的認(rèn)可度一直較高。2014年和2018年的SCIE被引頻次與FS無相關(guān)性，檢測(cè)結(jié)果在0.01和0.05級(jí)別(雙尾)，均無顯著性差異；與ESI高被引論文的相關(guān)系數(shù)分別為0.691和0.786，分別高于樣本1文獻(xiàn)集的相關(guān)系數(shù)，且持續(xù)增加。2014年和2018年的被引頻次與Altmetrics Score、Mendeley相關(guān)系數(shù)分別為0.552、0.614和0.593、0.729，而與Twitter指標(biāo)不相關(guān)。

2.2.2 F1000推薦文獻(xiàn)的FS與其他指標(biāo)相關(guān)性

2014年FS和2018年FS相關(guān)系數(shù)為0.898，為強(qiáng)相關(guān)。近2年的FS與ESI高被引論文分別在0.01和0.05級(jí)別(雙尾)，均無顯著性差異，說明F1000推薦的論文不一定是高被引論文，而未被推薦的論文也有可能成為高被引論文，二者在統(tǒng)計(jì)學(xué)上無相關(guān)性。2014年FS在0.01級(jí)別(雙尾)檢測(cè)中與Altmetrics Score相關(guān)系數(shù)為0.528，2018年FS在0.05級(jí)別(雙尾)檢測(cè)中與Altmetrics Score相關(guān)系數(shù)為0.499。2014年和2018年的FS與Mendeley相關(guān)系數(shù)分別為0.745和0.661，這2年的FS只在0.05級(jí)別(雙尾)檢測(cè)結(jié)果中才與Twitter指標(biāo)有相關(guān)性，相關(guān)系數(shù)分別為0.436和0.490。

2.2.3 F1000推薦文獻(xiàn)的ESI高被引論文與其他指標(biāo)的相關(guān)性

F1000推薦文獻(xiàn)中ESI高被引論文與Altmetrics Score、Mendeley之間為中度正相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.455和0.597，在0.01級(jí)別(雙尾)檢驗(yàn)時(shí)與Twitter指標(biāo)無相關(guān)性。

2.2.4 F1000推薦文獻(xiàn)的Altmetrics Score與其他指標(biāo)的相關(guān)性

F1000推薦文獻(xiàn)的Altmetrics Score與Twitter成高度正相關(guān)，相關(guān)系數(shù)達(dá)0.873，與Mendeley相關(guān)系數(shù)為0.620。在F1000推薦文獻(xiàn)中，被引頻次、FS、ESI高被引論文普遍與Twitter不相關(guān)，或者相關(guān)度較低，說明F1000同行評(píng)議與學(xué)術(shù)影響力指標(biāo)相關(guān)度較高，與社會(huì)影響力指標(biāo)(Twitter為代表)的社會(huì)關(guān)注情況、傳播力度相關(guān)性較低。Twitter和Mendeley兩者在0.01和0.05級(jí)別中均顯示不相關(guān)，說明兩者對(duì)論文傳播角度的關(guān)注不同。

3 結(jié)論

隨著時(shí)間的增長，作為論文學(xué)術(shù)影響力的代表指標(biāo)——SCIE被引頻次與ESI高被引之間存在強(qiáng)正相關(guān)關(guān)系，特別是那些具有較高學(xué)術(shù)影響力的文獻(xiàn)。這些學(xué)術(shù)影響力指標(biāo)與Altmetrics Score、Twitter、Mendeley為代表的社會(huì)影響力指標(biāo)成中度正相關(guān)關(guān)系，Mendeley指標(biāo)更接近于學(xué)術(shù)影響力的真實(shí)情況。

同行評(píng)議指標(biāo)代表FS自身存在時(shí)間上無延續(xù)性的特點(diǎn)。FS與被引頻次、ESI高被引情況均無相關(guān)性，二者分屬于不同評(píng)價(jià)層面。盡管當(dāng)前對(duì)學(xué)術(shù)文獻(xiàn)影響力主要是通過傳統(tǒng)的被引頻次以及同行評(píng)議的方法進(jìn)行的評(píng)估，單獨(dú)1種作為對(duì)文獻(xiàn)影響力的評(píng)估方法都會(huì)顯得較為局限和不足[10]。鑒于兩者之間的相關(guān)性不足，建議引入其他論文指標(biāo)進(jìn)行補(bǔ)充評(píng)價(jià)分析。FS與Altmetrics各指標(biāo)存在中度相關(guān)性，與Mendeley指標(biāo)相關(guān)性最高。

Altmetrics Score與Twitter和Mendeley之間也為正相關(guān)關(guān)系。一般情況下，論文的學(xué)術(shù)影響力指標(biāo)和社會(huì)影響力指標(biāo)之間存在中度正相關(guān)關(guān)系，說明從論文評(píng)價(jià)的不同角度可給出相對(duì)一致的結(jié)論。不可通過單一指標(biāo)對(duì)論文進(jìn)行評(píng)價(jià)，應(yīng)根據(jù)不同學(xué)科的特點(diǎn)，發(fā)掘各個(gè)指標(biāo)的優(yōu)勢(shì)，綜合考慮各個(gè)指標(biāo)的側(cè)重點(diǎn)對(duì)論文進(jìn)行綜合評(píng)價(jià)。

4 討論

4.1 論文學(xué)術(shù)影響力和社會(huì)影響力指標(biāo)的對(duì)比

目前公認(rèn)的論文的學(xué)術(shù)影響力指標(biāo)是以SCIE被引頻次為代表的。趙蓉英[11]指出，Altmetrics評(píng)價(jià)指標(biāo)同傳統(tǒng)的引文指標(biāo)既具有一致性也存在差異，Altmetrics測(cè)度偏向社會(huì)影響力及社會(huì)關(guān)注度，較少涉及表征論文質(zhì)量的學(xué)術(shù)影響力。劉俏[12]提出Altmetrics 指標(biāo)能較多元化地評(píng)價(jià)學(xué)術(shù)論文，對(duì)學(xué)術(shù)論文的評(píng)價(jià)在體現(xiàn)社會(huì)影響力并兼顧學(xué)術(shù)影響力方面，具有一定的可行性。本文也指出了2個(gè)樣本中各指標(biāo)數(shù)據(jù)與Mendeley相關(guān)系數(shù)均在0.6及以上，Mendeley是Altmetrics中最能反映論文學(xué)術(shù)影響力的指標(biāo)。本文中SCIE被引頻次與ESI高被引均屬于對(duì)論文學(xué)術(shù)影響力的評(píng)價(jià)范圍，二者成強(qiáng)正相關(guān)關(guān)系，樣本1、樣本2計(jì)算結(jié)果的相關(guān)系數(shù)均在0.7以上。作為社會(huì)影響力的指標(biāo)代表，Altmetrics Score、Twitter及Mendeley之間也均有強(qiáng)正相關(guān)性。SCIE被引頻次和ESI高被引與Altmetrics Score、Twitter、Mendeley為中度正相關(guān)關(guān)系，說明學(xué)術(shù)影響力指標(biāo)和社會(huì)影響力指標(biāo)在論文評(píng)價(jià)的不同方面、不同角度對(duì)單篇論文可給出相對(duì)一致的評(píng)價(jià)結(jié)論。宋麗芳[13]提出的同行評(píng)議與文獻(xiàn)計(jì)量作為論文科學(xué)評(píng)價(jià)的兩種主要方法已成為學(xué)術(shù)界的共識(shí)。

4.2 同行評(píng)議指標(biāo)和Altmetrics各項(xiàng)指標(biāo)的對(duì)比

隨著開放科學(xué)、開放數(shù)據(jù)和社交媒體工具的迅速發(fā)展，除正式出版物如期刊及專著以外的其他類型科學(xué)研究成果開始得到科學(xué)界的認(rèn)可[14]。FS和Altemetrics分屬2種不同類型的科學(xué)成果評(píng)價(jià)體系，二者的計(jì)算方式不同。F1000評(píng)分相對(duì)簡(jiǎn)單，僅將各位專家評(píng)分累積求和即可獲得FS。FS隨時(shí)間發(fā)展變化不大，在25篇文獻(xiàn)中只有4篇文獻(xiàn)的FS在4年間有所提高，這可能由于F1000隨時(shí)都在推薦最新文獻(xiàn)，對(duì)時(shí)間久遠(yuǎn)的論文關(guān)注度則會(huì)降低。這一結(jié)果與遲培娟[15]指出的F1000推薦的絕大部分文獻(xiàn)都是在論文正式出版前2個(gè)月至出版后4個(gè)月給出評(píng)價(jià)結(jié)果相吻合。Altmetrics Score通過搜羅傳統(tǒng)網(wǎng)絡(luò)媒體、社會(huì)媒體、在線參考工具等媒介中用戶對(duì)論著的收錄、轉(zhuǎn)發(fā)、評(píng)論、閱讀、收藏等行為數(shù)據(jù)，再通過一定的賦權(quán)，綜合計(jì)算而得[4]。因此Altmetrics與其構(gòu)成的Twitter、Mendeley指標(biāo)無疑成正相關(guān)，與本文結(jié)果一致。但各指標(biāo)側(cè)重方向均有不同，Twitter適合對(duì)文獻(xiàn)的社會(huì)影響力做出判斷，Mendeley更適用于文獻(xiàn)的學(xué)術(shù)影響力評(píng)價(jià)[15]。研究發(fā)現(xiàn)，F(xiàn)S與Altmetrics各相關(guān)指標(biāo)存在中度相關(guān)性，這與不同類型計(jì)量指標(biāo)對(duì)同一組論文影響力的評(píng)估具有一致性結(jié)論相呼應(yīng)[16]。另外，F(xiàn)1000推薦文獻(xiàn)中FS得分雖然與被引頻次無相關(guān)性，但是從與Mendeley的相關(guān)系數(shù)來看，還是從2個(gè)層面給出了相對(duì)一致的評(píng)價(jià)結(jié)果。

4.3 覆蓋率及客觀性

本文在引入各項(xiàng)論文評(píng)價(jià)指標(biāo)進(jìn)行分析時(shí)，考慮到ESI數(shù)據(jù)覆蓋范圍是2008-2018年，第一步篩選2008年后發(fā)表的文獻(xiàn)269篇。隨后在引入Altmetrics各指標(biāo)時(shí)，鑒于Altmetrics公司成立時(shí)間(2011年)，因此樣本1選取2011年起發(fā)表的246篇文獻(xiàn)，其中可獲得Altmetrics Scores的有157篇(占63.82%)，可獲得Twitter分值的有141篇(占57.32%)，可獲得Mendeley分值的有161篇(占65.45%)，說明Altmetrics各指標(biāo)覆蓋不夠全面，不能對(duì)數(shù)據(jù)集內(nèi)每篇論文給出評(píng)價(jià)，覆蓋率占60%，難以公平公正地對(duì)一定范圍內(nèi)的文章進(jìn)行評(píng)價(jià)。劉曉娟[17]探討了Altmetrics覆蓋率影響因素及應(yīng)用分析，指出不同Altmetrics指標(biāo)的覆蓋率不同，Mendeley覆蓋率最高，Twitter 其次，而大多數(shù)指標(biāo)覆蓋率很低，與本文結(jié)果基本一致。樣本2為2011年起發(fā)表的F1000推薦文獻(xiàn)25篇，其中可獲得Altmetrics Score的有24篇(占96%)，可獲得Twitter分值的有21篇(占84%)，可獲得Mendeley分值的有24篇(占96%)，說明樣本2的覆蓋率較高。由于全球前2‰的優(yōu)秀精品醫(yī)學(xué)F1000論文的學(xué)術(shù)貢獻(xiàn)和科學(xué)價(jià)值較高，在線學(xué)術(shù)交流平臺(tái)類及社交媒體類指標(biāo)[4]均較高，其學(xué)術(shù)影響力和社會(huì)影響力指標(biāo)也較高，受到廣泛學(xué)者的普遍認(rèn)可。

F1000是基于同行評(píng)議的論文評(píng)價(jià)平臺(tái)，難以保證評(píng)價(jià)的絕對(duì)客觀性，專家根據(jù)個(gè)人的態(tài)度對(duì)文獻(xiàn)本身學(xué)術(shù)成就給予評(píng)價(jià)，同時(shí)存在運(yùn)用范圍不夠廣泛、全面的缺點(diǎn)；Altmetrics是一個(gè)包含了各種類型、各個(gè)維度指標(biāo)的復(fù)雜指標(biāo)集合，應(yīng)用在當(dāng)前這個(gè)多元化的學(xué)術(shù)生態(tài)評(píng)價(jià)系統(tǒng)，具有一定的影響力[15]。二者均存在對(duì)于一些質(zhì)量相對(duì)較低的論文無法獲得各項(xiàng)評(píng)分而無法進(jìn)行評(píng)估的情況，同時(shí)也由于某些相關(guān)指標(biāo)獲取不全而存在評(píng)價(jià)的片面性疏漏。二者各有利弊，應(yīng)分別從不同角度對(duì)評(píng)價(jià)文章給予輔助參考。

4.4 F1000推薦文獻(xiàn)特點(diǎn)

本文中選取的F1000文獻(xiàn)，最初數(shù)據(jù)下載時(shí)間是2014年9月，在2018年9月重新更新FS分值以及SCIE被引頻次。發(fā)現(xiàn)4年間只有5篇文章的FS有變化增高，其他20篇文章的FS毫無變化，增高的FS占比F1000文章總數(shù)(25篇)的20%，說明F1000學(xué)者對(duì)于其推薦論文的評(píng)價(jià)無增加，時(shí)效性較強(qiáng)，未像被引頻次一樣有時(shí)間上的延續(xù)性。這符合F1000是對(duì)近期發(fā)表的論文給予評(píng)價(jià)和推薦，而后的追加評(píng)論和關(guān)注度要落后一些，后期的延續(xù)性不佳。

5 結(jié)語

本文探討了科技論文的3種主要代表性評(píng)價(jià)指標(biāo)之間的相關(guān)性，分別對(duì)學(xué)術(shù)影響力代表指標(biāo)(SCIE被引頻次和ESI高被引)、社會(huì)影響力代表指標(biāo)(Altmetrics Score、Twitter和Mendeley)及同行評(píng)議代表指標(biāo)FS進(jìn)行了相關(guān)性分析。這些指標(biāo)之間都存在某種內(nèi)在的關(guān)聯(lián)性，能分別從不同的角度反映論文的不同價(jià)值和影響力[2]，同時(shí)也存在指標(biāo)不在同一維度無法進(jìn)行對(duì)比分析的情況。如2011年初期發(fā)表文獻(xiàn)的Altemetrics各項(xiàng)數(shù)據(jù)指標(biāo)缺失較多，對(duì)結(jié)果可能會(huì)有些影響。然而，對(duì)論文需要進(jìn)行綜合而全面的評(píng)價(jià)，各種指標(biāo)之間或多或少都存在著互補(bǔ)的關(guān)系，沒有一種是完整的，同時(shí)也存在由于論文質(zhì)量不同而獲取不到所有相關(guān)指標(biāo)的情況。如何構(gòu)建科學(xué)合理的論文評(píng)價(jià)指標(biāo)體系對(duì)論文進(jìn)行系統(tǒng)評(píng)價(jià)，是需要繼續(xù)探尋的方向和目標(biāo)。