邱均平，陳麗婷,b（杭州電子科技大學 ．中國科教評價研究院，b．管理學院）

1 引言

近年來，隨著互聯網社交平臺的廣泛使用，很多學術成果的發(fā)表不再局限于期刊的形式，而更多的是通過網絡平臺實現在線傳播與交流。在此過程中，學術成果的瀏覽、下載、關注、轉發(fā)、討論及推薦等成為可獲取數據，這些數據的開放與集成對科研產出的衡量標準提供了新的視角。［1］基于此，一種全新的計量指標Altmetrics由此產生。

2010年，國外學者Priem等人提出Altmetrics概念，為計量學發(fā)展提出了新的指標。［2］2012年，我國學者劉春麗將Altmetrics的概念引入國內，并將Altmetrics譯為“選擇性計量學”，是一種基于Web 2.0環(huán)境的科學計量。［3］邱均平等人將其譯為“替代計量學”［4］、由慶斌等人將其譯為“補充計量”，［5］目前國內學者較多將其譯為“替代計量學”。在Web2.0時代，Altmetrics評價指標以數據更新快、傳播范圍廣、公共參與多、指標更全面等特點彌補了傳統評價方法的不足，成為學術界關注的重要問題。國外學者Haustein等人利用PubMed和WOS收錄的140篇生物醫(yī)學方面的論文，驗證出PubMed在Twitter上的提及量極低，且Twitter與被引次數之間存在極弱正相關性。［6］Bini等人通過分析不同領域論文的Altmetrics指標，發(fā)現醫(yī)療與生命科學領域論文的Altmetrics得分最高，總體論文Altmetrics指標與傳統引文次數存在弱正相關的結果，表明論文的學術影響力與社會影響力之間沒有很大的關聯度。［7］Waltman等人從不同的學科角度得出Altmetrics指標和被引量之間存在弱相關關系，并且對Altmetrics11個指標進行因子分析，將11個指標大體歸為3類。［8］JoséLuis Ortega將西班牙國際委員會學者的成果與WOS上的數據進行相關性分析，通過Altmetrics指標發(fā)現文獻成果借助網絡平臺造成的社會影響力更大。［9］雖然Altmetrics引介國內不久，但在國內學術界卻引起了極大的關注。劉小娟等人選取Scopus和Altmetric.com上關于圖書情報領域文獻的數據，對Altmetrics指標與被引次數進行相關分析，結果表明二者之間存在弱相關，并且Mendeley和Twitter分別更適合對學術影響力和社會影響力做判斷。［10］張洋等人通過對Altmetrics高分論文指標與ESI頂尖論文被引次數進行相關性分析，發(fā)現Altmetrics具有及時性、多元性等特點。［11］匡登輝分析了2015年Altmetrics熱點論文的來源期刊、學科、作者分布，指出Altmetrics不僅可以評價社會影響力，也可以評價期刊影響力。［12］郭飛等人對Altmetrics熱點論文的分值與WOS論文被引量進行相關性分析，得出Altmetrics熱點論文一般在Twitter處于10-30 時為峰值。［1］

綜上所述，目前國內外對Altmetrics指標的探討都存在較高的熱度，但同時筆者發(fā)現國內外研究缺乏對于Altmetrics論文成為熱點論文的因素探討，基于此，筆者將從2016-2018年Altmetrics TOP100論文特征出發(fā)，探究出其中緣由，以期為相關的研究者提供參考與借鑒。

2 數據來源

目前世界上提供單篇論文Altmetrics指標的網站主要有www.altmetric.com、www.Impactstory.com和www.plumx.com，其中較為全面的是Altmetrics公司創(chuàng)辦的www.altmetric.com。網站涉及到 News stories、Blog posts、Wikipedia citations等 13個Altmetrics指標，包括醫(yī)學與健康科學、地球與環(huán)境科學、信息與計算機科學等24個學科和Nature、Science、PNAS等46個學術權威期刊。該網站提出目前最為實用的Altmetrics算法，運用該算法對以上指標做出權重計算，得出全球Altmetrics TOP100論文排名，主要包含Altmetric分數、來源期刊、獲取方式及不同媒體的關注度等信息。

本文選取www.altmetric.com上2016-2018年每年公布的AltmetricsTOP 100論文指標為數據來源。通過api.altmetric.com提供的API抓取2016-2018年每年排名前100篇熱點論文數據，同時根據文章URL協助獲取，經檢驗不存在無用數據，最終得到數據共計300條，根據每一篇文章上的ID收割此300篇論文的數據指標，共計24,773條。同時根據獲取的300篇論文中數字對象的唯一標識DOI，從WOS中獲取論文被引數據以及其他各項數據，刪除無Altmetric分值數據后，最終獲得有效數據289篇，匹配率達到96.3%。數據收集時間為2019年4月25日-29日。

3 Altmetrics TOP100論文主要特征分析

3.1 論文來源機構分布

運用VOSviewer對300篇論文的全部來源機構進行可視化分析。如圖1所示，一個圓圈代表一個機構，圓圈的大小表示機構的發(fā)文量高低，擁有相同顏色的的圓圈屬于同一個聚類。［13］由此可知，2016-2018年Altmetrics TOP100論文發(fā)文量排名前10的機構分別是劍橋大學、倫敦大學學院、牛津大學、哈佛大學、斯坦福大學、哈佛醫(yī)學院、哈佛大學出版社、華盛頓大學、耶魯大學、西澳大利亞大學。經統計發(fā)現，這10個機構分別來自于美國、英國、澳大利亞三個國家且發(fā)表論文總數為189篇（見表1），在300篇論文中占比為63%，說明這10個國際知名機構發(fā)表的論文相對而言具有較高的社會影響力。而產生這種結果的其中一個原因可能是10個機構的研究力量十分雄厚且自身具備較高的國際知名度，因而大眾對這些機構發(fā)表的論文形成了較高的關注度和認可度。另外，從圖1還可以得出，研究主題相同的機構有劍橋大學和牛津大學，哈佛大學和斯坦福大學關注的研究主題也相同。同時筆者發(fā)現我國自然科學最高學術機構中國科學院（Chinese Acad Sci）也出現在圖1中，并且與國外哈佛醫(yī)學院的研究主題相同，如醫(yī)學與健康科學。由此表明，該機構的研究方向與國際熱點話題接軌，并作為我國科技界的代表活躍在國際科技前沿，同時也進一步證明中國科學院不僅具有很高的學術影響力，也存在一定的社會影響力。

表1 論文在核心機構的分布

圖1 論文來源機構分布

總體而言，我國的Altmetrics TOP100論文發(fā)文量與其他國家機構相比還存在一定差距，產生的社會影響力亟待提高。鑒于以上情況，首先，我國學術機構應進一步加大國際間的合作力度，提高自身的科研水平、網絡運用能力和語言能力，努力將一些優(yōu)秀的學術論文推送到國際常用的社交媒體。其次，我國還應該更加重視、鞏固高校的學術地位，開設合理的評價制度與獎勵機制，從而激勵更多的高校師生投身到學術中。最后，我國相關機構在論文收錄時應把握好論文的選題方向和做好期刊的積極宣傳，如2016年Altmetrics TOP100論文中有一篇來源于Biorxiv期刊中關于長期使用手機會引發(fā)癌癥的論文，該期刊的影響因子并不是很高，但發(fā)表的這篇論文的排名卻遠高于很多核心期刊，一方面源于論文開放獲取的屬性，另一方面也是其做好新穎選題和積極宣傳的結果。

3.2 論文來源期刊分布

通過統計論文的來源期刊（見表2），可以看出2016-2018年Altmetrics TOP100論文中有175篇論文分別來源于Nature及其子刊、Science及其子刊、PNAS、New England Journal of Medicine、JAMA 及其子刊、The Laneet 6類期刊，在300篇TOP100論文中占比為58.3%。其中Science/Science子刊、PNAS、New England Journal of Medicine、JAMA/JAMA子刊這4類期刊（含子刊）均來自美國（占比37.7%），另外兩類JAMA/JAMA子刊和The Lancet（含子刊）來自英國（占比20.6%）。說明美國和英國創(chuàng)辦并塑造高質量期刊的能力遠領先于其他國家。同時《新英格蘭醫(yī)學期刊》《美國醫(yī)學會期刊》和《柳葉刀》都屬于核心的醫(yī)學綜合期刊，且相應的論文都具有較高的影響因子和較高的Altmetrics得分。這說明近三年來，美國、英國等國家對醫(yī)療與健康領域關注度比較高，對全球造成的社會影響力也較為明顯。

近三年來Nature/Nature子刊發(fā)表Altmetrics TOP100論文數量最多，說明該刊上發(fā)表論文質量、數量以及社會影響力都較為顯著。這與其獨特的新聞發(fā)布時效性和服務性是分不開的。［14］Nature期刊上刊登的論文大多與科技相關，主要針對科學世界中的重大發(fā)現、重大突破的科研成果，并且該刊會將部分成果在Nature出版集團的網站上進行及時的新聞報道。該集團的網站注重對普遍科學興趣的簡要研究，并提供一個報告和討論的論壇，讓大眾對相應的熱點問題討論并發(fā)表自己的觀點，進一步提升論文的質量，促進該刊的發(fā)展。筆者發(fā)現在2016-2018年Altmetrics TOP100論文中15篇來自于OA倉儲，其中Arvix有10篇和SSRN有5篇，這說明www.altmetrics.com測量論文范圍比較廣，不僅可以測量期刊論文的關注度，也可以測量發(fā)布在OA倉儲文章的關注度。［15］基于OA倉儲論文無需同行評審、刊登時間短并能被www.altmetrics.com測量等特點，論文在期刊發(fā)表前，可以在OA倉儲以預印本的形式進行網上傳播，使其以更快捷的方式在網絡平臺上被大眾免費獲取、瀏覽，并產生一定的社會影響力。

表2 論文來源期刊分布

3.3 論文所屬學科分布

從所屬學科分布來看，2016-2018年Altmetrics TOP100論文類別主要集中在以下9個學科（見表3），其中發(fā)文量最多的學科是醫(yī)療與健康科學，每年占比都超過40%。緊隨其后的是生物科學領域，每年占比約為6%-20%，通過這兩個學科的占比充分說明大眾對于生物醫(yī)療方面的關注最為密切。排名第三的學科是地球與環(huán)境科學，雖然相對于生物醫(yī)療方面其發(fā)文量不是很高，但從學科橫向比較可以看出，其隨著年份增長Altmetrics TOP100排名中該學科的數量趨于上升的趨勢，說明地球與環(huán)境問題逐漸引起大眾的關注，在未來的發(fā)展中可能會成為一個關注的熱點問題。占比相對較低的幾個學科分別是歷史與考古學、物理科學、心理學與可重復性研究、信息與計算機技術和材料科學，其中信息與計算機技術和材料科學占比僅有1%-2%，其引起的社會關注度不是很高，產生的社會影響相對較小。但將其放在24個學科中比較，這兩個學科的論文可以躋身于Altmetrics TOP100論文中，且連續(xù)3年榜上有名，足以反映出該學科依舊是大眾關注的熱點。另外，筆者發(fā)現2016年唯一一篇信息與計算機技術學科的文章在當時引起極大的社會關注，在2016年Altmetrics TOP100論文中排名第九。該論文主要敘述AlphaGo的神經網絡算法問題，其發(fā)表一個月內在Twitter上被轉載高達3,047次，隨后又得到其他媒體爭相報道并轉載。由于高頻率的廣泛傳播使社會各界對人工智能有了一定了解，并引發(fā)學術界對該主題的大量研究，從而使該論文在Web of Science的被引頻次高達1,464次。

表3 論文來源學科分布

3.4 論文傳播途徑分布

統計發(fā)現2016-2018年Altmetrics TOP100論文主要 通 過 News stories、 Blog posts、 Twitter、 Facebook、Peerreviews等13種傳播途徑，將其關注的論文的數量進行統計（見表4），發(fā)現大多數論文通過Newsstories、Blog post、Twitter、Facebook、Reddit、Coogle+、Wikipedia citations和Videos進行傳播，說明這8種傳播途徑基本上可以掌握對應領域的最新熱點。同時值得注意的是Altmetrics TOP100論文在Twitter的平均提及次數也相對最高（1,952次），由此說明Twitter在大眾中的活躍程度較高，多數學者通過Twitter進行學術交流。［14］同時也證實了2016-2018年Altmetrics TOP100論文的社會影響力。

表4 論文傳播途徑分布

另外，筆者通過因子分析并結合Python程序查詢到300篇論文在各個因子中的反應特點。本文選取非零值占比高于50%作為研究對象，采用與Costas等［16］相同的方法將沒有數值的Altmetrics指標填充為0，防止被視為數據缺失。對8個變量對應的數據集進行KMO與Bartlett球形檢驗（見表5），可知KMO值為0.615，且Bartlett球形檢驗的顯著性小于0.05，這8個變量對應的數據集適合做因子分析。使用特征值確定相互獨立的因子個數，并運用因子分析的降維得到碎石圖（見圖2）。由圖2可知，其中3個因子特征值大于1，且累計方差率達到了一定的比例，這3個公因子累積貢獻率較高，因此用前3個因子可以替代8個指標變量進行主成分分析。

表5 KMO和Bartlett的檢驗

運用SPSS設定的“方差極大法”對因子載荷矩陣旋轉，得到旋轉后的因子載荷矩陣旋轉表（見表6），由表6可知，因子1在Twitter、Reddit上有較大載荷，因子 2在Coogle+、Videos、Wikipedia citations有較大載荷，因子3在News stories、Blog、Facebook上有較大載荷。同時根據這3個因子中每個變量的解釋，將因子1、2、3分別命名為社交網絡因子、學術瀏覽因子和新聞媒體因子。

圖2 碎石圖

表6 旋轉后的因子載荷矩陣旋轉表

在因子變量確定后，得出每個因子變量在不同因子上的具體數值，結合www.altmetric.com提供的單篇論文在每個指標平臺上的Altmetric分值，三個因子的得分公式如下。

Factor1=-0.255News+0.031Blog+0.484Twitter+0.169 Facebook+0.179Coogle-0.095Videos-0.018Wikipedia citat ions+0.468Reddit

Factor2=-0.026News+0.241Blog+0.021Twitter-0.2Face book+0.29Coogle+0.467Videos+0.537Wikipedia citations-0.05Reddit

Factor3=0.545News+0.284Blog-0.079Twitter+0.588 Facebook+0.033Coogle-0.38Videos-0.271Wikipedia citati ons+0.115Reddit

根據上述因子計算模型，計算出各個因子得分，并將結果導入到Xlsx中。運用Python程序生成2016-2018年Altmetrics TOP100論文因子得分熱力圖，每篇論文的得分范圍集中-1000到8000范圍內。由熱力圖可知社交網絡因子1中得分較高有文獻196、98和231，說明這類文獻通過社交網絡的形式傳播的比較廣。學術瀏覽因子2中文獻194得分較高，該論文以學術瀏覽的形式傳播最廣。新聞媒體因子3中，文獻31和文獻100得分相對較高，說明其通過新聞報道的這一途徑廣泛傳播。另外，還可以得知不同的論文在不同的媒體平臺傳播的熱度不一樣，如在因子2中整體顏色變化不大，每篇論文的分值變化不大，而在因子1中部分論文的分值變化幅度比較大?；诖耍骋黄撐脑诂F有的分值基礎上想要獲得更高的社會影響力，可根據自身的論文特點參照3個因子的類別，選擇最為合適的傳播途徑以提高其在社交網絡平臺的社會影響力。

通過分析表明，論文要想獲得高社會影響力，可以將Twitter作為重要的傳播途徑，但如果要想在Altmetrics TOP100論文排名中獲取更高的排名，則需要以Twitter為基礎，獲取一定的Altmetrics分值，再參照論文特點在這3個因子中選擇合適傳播途徑，這樣才能共同將論文的社會影響力提升到一個新高度。

4 總結

雖然目前國內外對于Altmetrics主題的研究熱度很高，但是針對于某些論文為何成為Altmetrics TOP100論文的探討卻十分的少見，筆者通過對2016-2018年Altmetrics TOP100論文的特征分析，得出以下結論。

（1）2016-2018年Altmetrics TOP100論文的來源主要集中在歐美等發(fā)達國家的權威期刊，一方面是其具備良好的研究資源與傳播平臺；另一方面是2016-2018年Altmetrics TOP100論文主要收錄的是以英語為主的論文，在這方面歐美國家占有很大的優(yōu)勢。

（2）通過對2016-2018年Altmetrics TOP100論文來源學科分析發(fā)現，其論文最受歡迎的幾個主題學科分別是醫(yī)療與健康科學、生物科學和地球與環(huán)境科學等8大學科，地球與環(huán)境科學的學科論文的篇數逐漸增多，反映出其可能會是今后的研究熱點，并且在論文發(fā)表的期刊選擇上，主要選投的期刊是主題十分貼切且期刊本身的傳播方式不僅以網絡或紙質的形式，更會集中各大媒體轉載并討論引發(fā)更大的研究噱頭。

（3）論文的傳播途徑十分重要，經過分析發(fā)現，News、 Blog、 Twitter、 Facebook 、 Reddit、 Coogle+、Wikipedia citations和Videos等國際常用的媒體軟件是論文傳播的主要途徑，其中Twitter各方面的表現較為突出，說明其在大眾群體中受歡迎度最高，因而論文在傳播時選擇的平臺應主要以Twitter為主。同時將幾個重要的傳播途徑進行因子分析，將其劃分為3類并且通過熱力圖發(fā)現，不同的論文在不同因子中的反應情況不一樣，不同類型的論文應該找到最適合其傳播的途徑。

（4）本文只選取了2016-2018年這三年的數據，總體樣本偏小，使得文章的結論無法進行更加廣泛的推廣。在今后的研究中筆者將會擴大時間范圍，加大數據量進行研究，以求更加客觀地反映其特征情況。由于很多國家并未將Altmetrics指標完全納入學術成果影響力評價中，導致學者對其認知度還不高，較多的注意力仍然集中在傳統的被引頻次上，同時導致這三年Altmetrics TOP100論文數據存在一定的缺陷，分析結果有可能存在偏差，期望今后Altmetrics整體的量化指標能更加完善，最終成為研究主流。［4］