張小強(qiáng) 劉文斌

（重慶大學(xué)新聞學(xué)院，重慶 401331）

“互聯(lián)網(wǎng)+”時(shí)代學(xué)術(shù)成果分享平臺(tái)日趨多元化、社交化，國(guó)內(nèi)外大型社交媒體都有大量期刊與學(xué)術(shù)論文信息，Mendeley和ResearchGate等學(xué)術(shù)社交網(wǎng)站也成為科研人員學(xué)術(shù)信息交流的平臺(tái)[1]。網(wǎng)絡(luò)傳播影響力的凸顯使學(xué)界開(kāi)始重視各類(lèi)網(wǎng)絡(luò)平臺(tái)在評(píng)價(jià)期刊影響力方面的重要作用，對(duì)此國(guó)外學(xué)術(shù)界提出了利用社交媒體等網(wǎng)絡(luò)傳播和專(zhuān)利引用等其他指標(biāo)來(lái)評(píng)價(jià)期刊的替代計(jì)量學(xué)（Altmetrics），對(duì)學(xué)術(shù)產(chǎn)品的吸引力、使用和影響范圍提供了更透明的描述[2]。當(dāng)前，國(guó)外公布替代計(jì)量指標(biāo)數(shù)據(jù)的Altmetric.com、PLOS等網(wǎng)站運(yùn)行后在學(xué)術(shù)界迅速獲得廣泛影響，大量作者投稿時(shí)把期刊的替代計(jì)量指標(biāo)作為重要參考因素。這提示我國(guó)學(xué)術(shù)期刊應(yīng)重視網(wǎng)絡(luò)可見(jiàn)度的提升，以全面提高期刊影響力。

1 相關(guān)研究回顧

當(dāng)前學(xué)界對(duì)于Altmetrics的研究主要有兩類(lèi)。一類(lèi)是將Altmetrics看作具體的新型計(jì)量指標(biāo)的集合，研究其中的指標(biāo)或使用指標(biāo)數(shù)據(jù)評(píng)價(jià)學(xué)術(shù)成果影響力；另一類(lèi)則將Altmetrics看作替代計(jì)量指標(biāo)，即一種更加全面地學(xué)術(shù)成果評(píng)價(jià)體系。當(dāng)前PLOS、ImpactStory、Altmetric.com和Plum Analytics四家平臺(tái)開(kāi)發(fā)的Altmetrics指標(biāo)評(píng)價(jià)體系得到了國(guó)內(nèi)外學(xué)界較為廣泛的認(rèn)可。其中，本文所選擇的Altmetric.com數(shù)據(jù)庫(kù)平臺(tái)被使用的次數(shù)最多。

本文選擇這一平臺(tái)主要基于兩方面考量。一方面，本研究樣本量與同類(lèi)研究相比較大，該平臺(tái)所打造的Altmetric Explorer平臺(tái)被認(rèn)為是包含出版物比例最高的服務(wù)商[3]，能夠盡可能多地提供本研究樣本數(shù)據(jù)；另一方面，與其他主流Altmetrics平臺(tái)相比，該平臺(tái)所涵蓋的替代計(jì)量指標(biāo)相對(duì)全面，引入了PLOS、Plum Analytics等平臺(tái)不具有的新浪微博這一指標(biāo)，在進(jìn)行國(guó)內(nèi)外期刊對(duì)比時(shí)參考性更強(qiáng)。

在以往的第一類(lèi)研究中，研究者往往采用該平臺(tái)的Altmetric Explorer、Altmetric Bookmarklet兩個(gè)工具獲取數(shù)據(jù)，或根據(jù)該平臺(tái)給出的高Altmetrics指數(shù)論文排行榜進(jìn)行研究，論文和期刊是被選用較多的兩類(lèi)研究樣本。

論文方面的研究主題主要集中于指標(biāo)的代表性、有效性、與傳統(tǒng)指標(biāo)的關(guān)系等方面，研究顯示，Twitter、Facebook、Blog、Mendeley等是Altmetric.com平臺(tái)中熱點(diǎn)論文的主要來(lái)源平臺(tái)[4-5]，Twitter、Mendeley也是我國(guó)“雙一流”高校SSCI成果Altmetric score的主要貢獻(xiàn)來(lái)源[6]。Altmetric.com平臺(tái)給出的指標(biāo)可以與被引頻次等傳統(tǒng)指標(biāo)相互補(bǔ)充[7]，并可以預(yù)測(cè)被引頻次[8]。大多數(shù)研究顯示，論文的影響因子、總被引頻次與Altmetric.com中的指標(biāo)呈中等程度或弱相關(guān)關(guān)系[9-10]；但也有研究指出，Altmetric Bookmarklet得分較低的種植學(xué)文章的總被引頻次、影響因子與Altmetric.com平臺(tái)中的各項(xiàng)指標(biāo)得分之間沒(méi)有關(guān)系[11]。

期刊方面的研究除了考察Altmetric.com中指標(biāo)的代表性和有效性外，還會(huì)研究如何建立新的期刊評(píng)價(jià)指標(biāo)體系。研究表明，Altmetric.com給出的高Altmetrics指標(biāo)論文主要來(lái)源于高影響因子期刊，其學(xué)科主要集中于醫(yī)療健康與生物科學(xué)[12-13]。我國(guó)JCR來(lái)源期刊的Twitter提及量和覆蓋率最高，其次是新聞、Facebook、Blog和Google+提及[14]。Altmetric.com中的指標(biāo)與傳統(tǒng)指標(biāo)呈正相關(guān)關(guān)系，Altmetric Explorer平臺(tái)中獲取的指標(biāo)可在一定程度上對(duì)傳統(tǒng)指標(biāo)進(jìn)行補(bǔ)充和預(yù)測(cè)[15]。此外，還有研究將Altmetric.com中的指標(biāo)與傳統(tǒng)指標(biāo)相結(jié)合構(gòu)建新的期刊影響力評(píng)價(jià)體系[16-17]。

另一類(lèi)研究重點(diǎn)強(qiáng)調(diào)學(xué)術(shù)成果評(píng)價(jià)指標(biāo)的擴(kuò)張和轉(zhuǎn)變，將Altmetrics指向替代計(jì)量指標(biāo)，研究這一指標(biāo)的基礎(chǔ)理論[18]、缺陷[19-20]、發(fā)展新進(jìn)展[21]與發(fā)展前景[22]。與上述對(duì)具體替代計(jì)量指標(biāo)數(shù)據(jù)庫(kù)的研究共同構(gòu)成了對(duì)替代計(jì)量指標(biāo)的研究。兩類(lèi)研究都必不可少，只有充分調(diào)查期刊在國(guó)外占據(jù)優(yōu)勢(shì)地位的具體替代計(jì)量指標(biāo)特點(diǎn)，才能分析出期刊表現(xiàn)和具體指標(biāo)在適用于我國(guó)期刊上的不足。

上述對(duì)期刊替代計(jì)量指標(biāo)影響力以及其與傳統(tǒng)計(jì)量學(xué)指標(biāo)相關(guān)性的研究主要集中于單一學(xué)科，且缺乏國(guó)內(nèi)與國(guó)際期刊的對(duì)比研究，本文通過(guò)對(duì)國(guó)內(nèi)與國(guó)際影響力較大的英文科技期刊的社交媒體類(lèi)替代計(jì)量指標(biāo)數(shù)據(jù)進(jìn)行比較研究，探析社交媒體類(lèi)替代計(jì)量指標(biāo)與傳統(tǒng)指標(biāo)、社交媒體類(lèi)替代計(jì)量指標(biāo)間的相關(guān)性及背后的網(wǎng)絡(luò)傳播差異，既能夠給我國(guó)英文科技期刊提升傳播力提供參考，也可以通過(guò)分析具體指標(biāo)為我國(guó)構(gòu)建科學(xué)的科技期刊評(píng)價(jià)替代計(jì)量指標(biāo)體系提供參考。

2 數(shù)據(jù)采集與整理

2.1 樣本選擇

本文將中國(guó)科學(xué)文獻(xiàn)計(jì)量評(píng)價(jià)研究中心與《中國(guó)學(xué)術(shù)期刊〈光盤(pán)版〉》電子雜志社有限公司聯(lián)合研制的《世界學(xué)術(shù)期刊學(xué)術(shù)影響力指數(shù)（WAJCI）報(bào)告》（2018版）作為樣本選擇依據(jù)。該報(bào)告遴選國(guó)內(nèi)外期刊共13 063種，劃分學(xué)科240個(gè)。國(guó)際期刊來(lái)自JCR發(fā)布的期刊，國(guó)內(nèi)期刊中，有1 428種為通過(guò)對(duì)中國(guó)5 900多種學(xué)術(shù)期刊WAJCI指數(shù)計(jì)算遴選出的優(yōu)秀中國(guó)期刊，其他為JCR報(bào)告收錄的中國(guó)期刊，最后將被選期刊按照自定指標(biāo)WAJCI指數(shù)在各自學(xué)科內(nèi)排序，給出排名靠前的Q1、Q2區(qū)期刊，其中Q1與Q2區(qū)共收錄我國(guó)科技期刊277本[23]。一方面，該報(bào)告國(guó)際期刊的選擇來(lái)自JCR，在反映期刊學(xué)術(shù)影響力方面具有較強(qiáng)的權(quán)威性，而擴(kuò)充的中國(guó)優(yōu)秀期刊更好地代表了中國(guó)期刊發(fā)展的實(shí)際水平[24]，總體來(lái)講可以較全面地囊括學(xué)術(shù)影響力較高的國(guó)內(nèi)外期刊；另一方面，綜合影響因子和總被引頻次的評(píng)價(jià)方法能夠克服單指標(biāo)評(píng)價(jià)的局限性[24]，從而更加全面、客觀地反映國(guó)內(nèi)外期刊在其學(xué)科中的學(xué)術(shù)影響力排名，保證本研究樣本的代表性和科學(xué)性?？紤]到傳播效果對(duì)比可信度與數(shù)據(jù)獲取可行性的問(wèn)題，本文僅選擇277本中國(guó)科技期刊中的英文科技期刊進(jìn)行分析，剔除中文期刊、重復(fù)出現(xiàn)期刊及未被Altmetric Explorer平臺(tái)收錄的期刊后得到我國(guó)英文科技期刊104本，并在報(bào)告中找到與被選期刊同一學(xué)科且WAJCI指數(shù)相差最小的國(guó)外英文科技期刊，得到中外科技期刊共208本。

2.2 指標(biāo)篩選

本文研究的指標(biāo)分為傳統(tǒng)指標(biāo)與替代計(jì)量指標(biāo)兩大類(lèi)。傳統(tǒng)指標(biāo)包括影響力指數(shù)、WAJCI指數(shù)、影響因子和總被引頻次，數(shù)據(jù)來(lái)源于《世界學(xué)術(shù)期刊學(xué)術(shù)影響力指數(shù)（WAJCI）報(bào)告》。影響力指數(shù)是將期刊在統(tǒng)計(jì)年的期刊總被引頻次和期刊影響因子雙指標(biāo)進(jìn)行組內(nèi)線(xiàn)性歸一后向量平權(quán)計(jì)算所得的數(shù)值。WAJCI也可以稱(chēng)為“相對(duì)影響力指數(shù)”，是期刊影響力指數(shù)除以本學(xué)科影響力指數(shù)中位數(shù)（全球）得到的比值。影響因子是指某期刊前兩年發(fā)表的可被引文獻(xiàn)在統(tǒng)計(jì)年被WAJCI統(tǒng)計(jì)源期刊引用次數(shù)的總和與該期刊在前兩年內(nèi)發(fā)表的可被引文獻(xiàn)總量之比?？偙灰l次則是指某期刊自創(chuàng)刊以來(lái)發(fā)表的全部可被引文獻(xiàn)在統(tǒng)計(jì)年被WAJCI統(tǒng)計(jì)源期刊引用次數(shù)的總和[23]。

替代計(jì)量指標(biāo)數(shù)據(jù)來(lái)源于上文提到的Altmetric.com的Altmetric Explorer平臺(tái)，以208本被選期刊的ISSN號(hào)為檢索項(xiàng)進(jìn)行檢索，檢索時(shí)間為2019年11月10日。Altmetric Explorer平臺(tái)共提出了18個(gè)替代計(jì)量指標(biāo)，剔除總提及次數(shù)、新聞、政策、專(zhuān)利提及次數(shù)4個(gè)非社交媒體類(lèi)替代計(jì)量指標(biāo)（筆者將在其他文章中對(duì)新聞、政策、專(zhuān)利指標(biāo)進(jìn)行分析），Linkedin、Pinterest、Syllabi提及次數(shù)三個(gè)多數(shù)期刊得分為0的指標(biāo)和維基百科提及次數(shù)這一指標(biāo)（原因是維基百科引用學(xué)術(shù)成果的提及方式更接近傳統(tǒng)指標(biāo)，且期刊社與作者無(wú)法對(duì)其內(nèi)容進(jìn)行直接運(yùn)營(yíng)，開(kāi)放編輯導(dǎo)致其數(shù)據(jù)穩(wěn)定性較差，故參考意義不大），得到Blog Mentions（博客提及）、Twitter Mentions（Twitter提及）、Peer Reviews Mentions（同行評(píng)論提及）、Sina Weibo Mentions（新浪微博提及）、Facebook Mentions（Facebook提及）、Google+Mentions（Google+提及）、Reddit Mentions（Reddit提及）、F1000 Mentions（F1000提及）、Q&A Mentions（問(wèn)答提及）、Video Mentions（視頻提及）共10個(gè)指標(biāo)。其中根據(jù)Altmetric.com的數(shù)據(jù)來(lái)源介紹，同行評(píng)論提及中的數(shù)據(jù)主要來(lái)自論文出版公開(kāi)后在同行評(píng)審論壇Pubpeer和Publons中的提及次數(shù)，視頻提及中的數(shù)據(jù)主要來(lái)自YouTube[25]，而F1000Prime是由全球數(shù)千名生物學(xué)、醫(yī)學(xué)等領(lǐng)域的頂尖科學(xué)家與優(yōu)秀科研人員組成的在線(xiàn)論文推薦服務(wù)平臺(tái)。在Altmetric.com平臺(tái)覆蓋的數(shù)據(jù)來(lái)源中，數(shù)據(jù)是被選期刊內(nèi)所有論文被提及的次數(shù)，而不是期刊被提及次數(shù)。因此，替代計(jì)量指標(biāo)和傳統(tǒng)指標(biāo)計(jì)算影響力的基本單元均為論文。

2.3 統(tǒng)計(jì)分析方法

采用統(tǒng)計(jì)分析軟件SPSS23對(duì)所有數(shù)據(jù)進(jìn)行分析和描述。首先對(duì)各項(xiàng)指標(biāo)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，用Excel對(duì)各個(gè)指標(biāo)中位數(shù)進(jìn)行計(jì)算，以及將同一學(xué)科內(nèi)期刊的所有社交媒體類(lèi)替代計(jì)量指標(biāo)數(shù)據(jù)加和后除以期刊總量得到該學(xué)科社交媒體類(lèi)替代計(jì)量指標(biāo)總數(shù)的平均值。之后采用非參數(shù)檢驗(yàn)中的單樣本Kolmogorov-Smirnov檢驗(yàn)來(lái)判斷數(shù)據(jù)的正態(tài)分布情況，結(jié)果顯示各項(xiàng)指標(biāo)的顯著性取值均小于0.05，即數(shù)據(jù)集均不服從正態(tài)分布。因此，采用Spearman系數(shù)檢驗(yàn)傳統(tǒng)指標(biāo)與社交媒體類(lèi)替代計(jì)量指標(biāo)、社交媒體類(lèi)替代計(jì)量指標(biāo)之間以及是否開(kāi)通Twitter賬號(hào)與國(guó)內(nèi)期刊Twitter提及次數(shù)的相關(guān)性。

3 國(guó)內(nèi)外期刊整體差異

3.1 各指標(biāo)描述統(tǒng)計(jì)分析

由表1可知，從數(shù)據(jù)整體來(lái)看，國(guó)內(nèi)外期刊中被提及次數(shù)較多的指標(biāo)降序排列均為T(mén)witter提及次數(shù)、Facebook提及次數(shù)、Blog提及次數(shù)與Google+提及次數(shù)，這4種社交媒體平臺(tái)是國(guó)內(nèi)外科技期刊刊載論文在網(wǎng)絡(luò)中傳播的主要平臺(tái)。同行評(píng)論提及次數(shù)、新浪微博提及次數(shù)、Reddit提及次數(shù)、F1000提及次數(shù)、問(wèn)答提及次數(shù)、視頻提及次數(shù)的中位數(shù)均接近0，說(shuō)明在這幾大平臺(tái)國(guó)內(nèi)外期刊至少一半以上基本沒(méi)有任何顯示度，也表明國(guó)內(nèi)外不少期刊在提高社交媒體類(lèi)替代計(jì)量指標(biāo)上都有不小提升空間。平均值遠(yuǎn)大于中位數(shù)、標(biāo)準(zhǔn)差較大的情況在各個(gè)指標(biāo)間普遍存在，說(shuō)明各個(gè)指標(biāo)均存在較大或較小的極端值，數(shù)據(jù)離散程度大，不同期刊在網(wǎng)絡(luò)傳播方面的表現(xiàn)存在較大差異。

我國(guó)期刊中，按照降序排列，影響力指數(shù)排名第一位的期刊為男科學(xué)類(lèi)期刊Asian Journal of Andrology，WAJCI指數(shù)和總被引頻次排名第一位的期刊為綜合性科學(xué)技術(shù)類(lèi)期刊National Science Review，影響因子排名第一位的期刊為細(xì)胞生物學(xué)類(lèi)期刊Cell Research，Cell Research的社交媒體類(lèi)替代計(jì)量指標(biāo)數(shù)據(jù)表現(xiàn)也很好，該刊除Google+提及次數(shù)和視頻提及次數(shù)外的社交媒體類(lèi)替代計(jì)量指標(biāo)均排在我國(guó)期刊的第一位。Google+提及次數(shù)最高的期刊為藥學(xué)與藥理學(xué)類(lèi)期刊Acta Pharmaceutica Sinica b，視頻提及次數(shù)最高的期刊為影響力指數(shù)同樣排名第一的男科學(xué)類(lèi)期刊Asian Journal of Andrology。但國(guó)外期刊中Altmetrics總提及次數(shù)最高的為綜合性科學(xué)技術(shù)類(lèi)期刊Science Advances，其10個(gè)社交媒體類(lèi)替代計(jì)量指標(biāo)的加和為251 021，我國(guó)提及次數(shù)最高的期刊Cell Research的加和為6 673，與其差距很大。

由影響力指數(shù)和WAJCI指數(shù)的平均值可知，被選國(guó)內(nèi)與國(guó)外科技期刊在自身學(xué)科內(nèi)的學(xué)術(shù)影響力水平相近，但國(guó)外期刊的絕大多數(shù)社交媒體類(lèi)替代計(jì)量指標(biāo)提及次數(shù)遠(yuǎn)高于國(guó)內(nèi)期刊，我國(guó)期刊中僅有本土社交媒體新浪微博的提及次數(shù)高于國(guó)外，卻仍與同類(lèi)社交平臺(tái)Twitter相差懸殊。原因在于：這些期刊均為英文期刊，語(yǔ)言限制了期刊論文在國(guó)內(nèi)的傳播；我國(guó)新浪微博中學(xué)術(shù)期刊的官方賬號(hào)的影響力較?。恍吕宋⒉┑拈_(kāi)放性和技術(shù)、傳播特點(diǎn)影響了學(xué)者和期刊利用該平臺(tái)傳播論文等學(xué)術(shù)信息的積極性。此外，我國(guó)期刊F1000與同行評(píng)論提及次數(shù)遠(yuǎn)低于國(guó)外，可見(jiàn)我國(guó)英文期刊在國(guó)際學(xué)術(shù)社區(qū)的影響力要遠(yuǎn)低于國(guó)外期刊，期刊可以做一些在國(guó)際學(xué)術(shù)社區(qū)的推廣工作。

表1 國(guó)內(nèi)外英文科技期刊指標(biāo)描述統(tǒng)計(jì)（N=104）

表1中還有一個(gè)值得關(guān)注的現(xiàn)象，國(guó)內(nèi)期刊影響因子的平均值和中位數(shù)均高于國(guó)外期刊，這說(shuō)明獲得同等WAJCI指標(biāo)，國(guó)內(nèi)期刊更依賴(lài)傳統(tǒng)的影響因子等指標(biāo)，而國(guó)外期刊在各方面更加均衡。換句話(huà)說(shuō)，若期刊不重視其他傳播渠道以提升相應(yīng)指標(biāo)，就只能犧牲一部分傳統(tǒng)指標(biāo)換得同樣的影響力。表1還顯示國(guó)內(nèi)期刊雖然影響因子較高，但總被引頻次偏低，顯然是期刊為了提高影響因子有意降低了發(fā)文量。然而發(fā)文量過(guò)少難以在網(wǎng)絡(luò)獲得影響力，原因是網(wǎng)絡(luò)時(shí)代注意力稀缺，發(fā)文總數(shù)量高能夠獲得更龐大的作者群和讀者群，從而通過(guò)學(xué)術(shù)群體的社交網(wǎng)絡(luò)提升替代計(jì)量指標(biāo)。

3.2 不同學(xué)科期刊的網(wǎng)絡(luò)可見(jiàn)度比較

為了觀察期刊的網(wǎng)絡(luò)可見(jiàn)度與所屬學(xué)科的關(guān)系，將被選期刊按照所屬一級(jí)學(xué)科進(jìn)行分類(lèi)，選出包含期刊數(shù)較多（大于等于3本）的9個(gè)學(xué)科，計(jì)算不同學(xué)科社交媒體類(lèi)替代計(jì)量指標(biāo)總數(shù)的平均值，國(guó)內(nèi)英文科技期刊社交媒體類(lèi)替代計(jì)量指標(biāo)總數(shù)的平均值降序排列為基礎(chǔ)醫(yī)學(xué)（1 610）、生物學(xué)（1 578）、物理學(xué)（928）、地質(zhì)學(xué)（334）、農(nóng)業(yè)資源與環(huán)境（272）、材料科學(xué)與工程（263）、數(shù)學(xué)（95）、化學(xué)（59）、冶金工程（25），國(guó)外降序排列為基礎(chǔ)醫(yī)學(xué)（7 960）、生物學(xué)（6 510）、物理學(xué)（1 783）、地質(zhì)學(xué)（1 582）、化學(xué)（1 389）、材料科學(xué)與工程（1 218）、農(nóng)業(yè)資源與環(huán)境（791）、數(shù)學(xué)（162）、冶金工程（135）。由數(shù)據(jù)可知，基礎(chǔ)醫(yī)學(xué)、生物學(xué)等學(xué)科的網(wǎng)絡(luò)可見(jiàn)度強(qiáng)，數(shù)學(xué)、冶金工程等學(xué)科的網(wǎng)絡(luò)可見(jiàn)度弱，不同學(xué)科間的網(wǎng)絡(luò)可見(jiàn)度數(shù)值差異較大。有研究表明，與人類(lèi)日常生活相關(guān)度高的論文更容易獲得關(guān)注[26]，如醫(yī)學(xué)類(lèi)別話(huà)題的論文就在Twitter上獲得了更高的關(guān)注度[27]，這與本文數(shù)據(jù)分析結(jié)果一致。原因在于，一方面，與人類(lèi)日常生活相關(guān)度高的研究成果可以獲得新聞媒體更多關(guān)注和報(bào)道，得到更廣泛的傳播；另一方面，此類(lèi)論文也會(huì)引發(fā)社會(huì)大眾與研究人員的更多關(guān)注和傳播。

上述結(jié)果也提醒我國(guó)期刊，在當(dāng)前受眾注意力稀缺的媒介環(huán)境下，與日常生活相關(guān)度較高的學(xué)科要把握自身優(yōu)勢(shì)，積極進(jìn)行網(wǎng)絡(luò)傳播；與日常生活相關(guān)度較低的學(xué)科則更要注重在新媒體傳播時(shí)與社會(huì)熱點(diǎn)和大眾生活相結(jié)合，改變?cè)捳Z(yǔ)方式。此外，各學(xué)科期刊進(jìn)行學(xué)術(shù)成果的網(wǎng)絡(luò)傳播時(shí)，要重視對(duì)專(zhuān)業(yè)化論文的二次加工，使用風(fēng)格化、大眾化的語(yǔ)言，適當(dāng)運(yùn)用表情包和網(wǎng)絡(luò)用語(yǔ)，并使用風(fēng)格活潑、色彩豐富的排版進(jìn)行包裝[28]，從而增強(qiáng)文章吸引力與可讀性，贏得受眾更多的關(guān)注和傳播。當(dāng)前在社交媒體平臺(tái)上不乏將冷門(mén)知識(shí)用新媒體表達(dá)包裝后引發(fā)關(guān)注的案例。

4 相關(guān)性分析

4.1 傳統(tǒng)指標(biāo)與社交媒體類(lèi)替代計(jì)量指標(biāo)

由表2可知，總被引頻次與影響因子兩個(gè)期刊最為看重的傳統(tǒng)指標(biāo)與社交媒體類(lèi)替代計(jì)量指標(biāo)中的大多數(shù)相關(guān)系數(shù)統(tǒng)計(jì)學(xué)上均通過(guò)顯著性檢驗(yàn)，且數(shù)值高于影響力指數(shù)與WAJCI指數(shù)。

表2 國(guó)內(nèi)外英文科技期刊傳統(tǒng)指標(biāo)與社交媒體類(lèi)替代計(jì)量指標(biāo)相關(guān)性（N=104）

國(guó)內(nèi)期刊中，WAJCI指數(shù)與除Google+提及次數(shù)、視頻提及次數(shù)外的指標(biāo)正相關(guān)；總被引頻次與除Twitter提及次數(shù)、Google+提及次數(shù)、Reddit提及次數(shù)外的指標(biāo)正相關(guān)；影響因子與除新浪微博提及次數(shù)外的指標(biāo)正相關(guān)。

國(guó)外期刊中，WAJCI指數(shù)與除新浪微博提及次數(shù)、Google+提及次數(shù)、F1000提及次數(shù)、問(wèn)答提及次數(shù)外的指標(biāo)正相關(guān)；總被引頻次與各個(gè)社交媒體類(lèi)替代計(jì)量指標(biāo)均正相關(guān)；影響因子與除問(wèn)答提及次數(shù)外的指標(biāo)正相關(guān)。

整體來(lái)看，國(guó)內(nèi)外期刊大部分社交媒體類(lèi)替代計(jì)量指標(biāo)與WAJCI指數(shù)、總被引頻次、影響因子3個(gè)傳統(tǒng)指標(biāo)是正相關(guān)的。不同之處在于，國(guó)內(nèi)期刊的社交媒體類(lèi)替代計(jì)量指標(biāo)與總被引頻次的相關(guān)程度低于國(guó)外期刊，但與影響因子的相關(guān)程度總體高于國(guó)外期刊（同行評(píng)論、F1000、Reddit提及次數(shù)除外）。

傳統(tǒng)指標(biāo)與社交媒體類(lèi)替代計(jì)量指標(biāo)正相關(guān)也表明，一些傳統(tǒng)指標(biāo)高的科技期刊在提升網(wǎng)絡(luò)可見(jiàn)度方面有較大潛力。如我國(guó)期刊Bone Research，按照降序排列，其影響因子在被選國(guó)內(nèi)期刊中位于第3位，但Altmetrics總提及次數(shù)僅排在43位，此類(lèi)期刊可加強(qiáng)網(wǎng)絡(luò)傳播，通過(guò)提升網(wǎng)絡(luò)可見(jiàn)度來(lái)快速提升國(guó)際影響力。而進(jìn)行網(wǎng)絡(luò)傳播不僅能直接提升替代計(jì)量指標(biāo)，還能借助網(wǎng)絡(luò)傳播提高被引頻次從而提升影響因子等傳統(tǒng)指標(biāo)，取得事半功倍的效果。

此外，對(duì)比各個(gè)指標(biāo)可發(fā)現(xiàn)，同為流行社交網(wǎng)絡(luò)服務(wù)提供平臺(tái)，F(xiàn)acebook提及次數(shù)與傳統(tǒng)指標(biāo)間的相關(guān)性均略高于Google+提及次數(shù)，而Facebook的用戶(hù)數(shù)也遠(yuǎn)高于Google+，相關(guān)性分析結(jié)果與平臺(tái)現(xiàn)狀一致，對(duì)于通用社交平臺(tái)而言，用戶(hù)數(shù)越多傳播效果自然越好。

國(guó)內(nèi)期刊影響因子與Twitter提及次數(shù)間相關(guān)性略高，而國(guó)外期刊總被引頻次與Blog和微博的提及次數(shù)相關(guān)性略高，這與上述描述性統(tǒng)計(jì)結(jié)果一致。但國(guó)外期刊總被引頻次和影響因子兩個(gè)傳統(tǒng)指標(biāo)與新浪微博的相關(guān)系數(shù)高于國(guó)內(nèi)期刊，表明國(guó)外期刊不僅在國(guó)外的網(wǎng)絡(luò)傳播效果好于國(guó)內(nèi)期刊，在國(guó)內(nèi)的網(wǎng)絡(luò)平臺(tái)同樣如此，這同時(shí)也說(shuō)明了國(guó)內(nèi)英文科技期刊對(duì)網(wǎng)絡(luò)傳播的忽視。

DIGITAL IN 2019統(tǒng)計(jì)了2019年全球主要社交平臺(tái)的活躍用戶(hù)數(shù)量，其中Facebook排名第1位，新浪微博排名第10位，Twitter排名第12位[29]。經(jīng)上文分析，Twitter與Facebook的提及次數(shù)與我國(guó)英文科技期刊傳統(tǒng)指標(biāo)相關(guān)性最高，因此我國(guó)英文科技期刊與論文作者要注重學(xué)術(shù)成果在這兩個(gè)被國(guó)際社會(huì)廣泛使用的平臺(tái)上的傳播。論文發(fā)表后第3天是關(guān)注的巔峰期，發(fā)表后7天內(nèi)是關(guān)注的黃金期[14]，這啟示期刊與作者要在論文發(fā)表初期及時(shí)在這些用戶(hù)活躍度較高的社交媒體平臺(tái)傳播論文，使科研成果得到最大限度的擴(kuò)散，提高期刊影響力。有研究表明，論文的擴(kuò)散首先是從本機(jī)構(gòu)、本國(guó)開(kāi)始的，之后向外擴(kuò)散[30]。新浪微博作為活躍用戶(hù)數(shù)量排名第10位的社交平臺(tái)，其在提升學(xué)術(shù)期刊網(wǎng)絡(luò)可見(jiàn)度中所發(fā)揮的重要性也應(yīng)引起出版界重視。

整體來(lái)看F1000提及次數(shù)與國(guó)內(nèi)外期刊傳統(tǒng)指標(biāo)間的相關(guān)系數(shù)略大于同行評(píng)論提及次數(shù)，F(xiàn)1000Prime作為在線(xiàn)論文推薦服務(wù)平臺(tái)，其推薦與分享的性質(zhì)決定了被該平臺(tái)提及的論文更容易引發(fā)引用行為。

4.2 社交媒體類(lèi)替代計(jì)量指標(biāo)之間

本文對(duì)社交媒體類(lèi)替代計(jì)量指標(biāo)之間的相關(guān)性也進(jìn)行了分析，結(jié)果見(jiàn)表3。

表3 國(guó)內(nèi)外英文科技期刊社交媒體類(lèi)替代計(jì)量指標(biāo)間相關(guān)性（N=104）

Blog提及次數(shù)、Twitter提及次數(shù)、Facebook提及次數(shù)、Google+提及次數(shù)、Reddit提及次數(shù)與視頻提及次數(shù)6個(gè)指標(biāo)間的相關(guān)系數(shù)較大，相關(guān)性較高，作為大眾化網(wǎng)絡(luò)傳播平臺(tái)，可以說(shuō)明他們所傳播的學(xué)術(shù)內(nèi)容或傳播的用戶(hù)之間有重疊；而與其性質(zhì)相似的新浪微博指標(biāo)則與其他指標(biāo)相關(guān)性較弱，可見(jiàn)同為大眾化網(wǎng)絡(luò)傳播平臺(tái)，新浪微博未能在學(xué)術(shù)成果的傳播上與其他平臺(tái)形成較好的關(guān)聯(lián)。

F1000提及次數(shù)、同行評(píng)論提及次數(shù)與其他指標(biāo)間的相關(guān)系數(shù)相對(duì)較小，二者間的相關(guān)性也不高，但仍呈現(xiàn)正相關(guān)關(guān)系，說(shuō)明被學(xué)界所關(guān)注的研究成果同樣容易受到大眾的關(guān)注或通過(guò)學(xué)術(shù)共同體在大眾社交平臺(tái)傳播，而學(xué)術(shù)論文的消費(fèi)者作為網(wǎng)絡(luò)用戶(hù)同樣也可能使用大眾化的其他社交網(wǎng)站。

問(wèn)答提及次數(shù)與其他社交媒體類(lèi)替代計(jì)量指標(biāo)間的相關(guān)系數(shù)也相對(duì)較小，這可能是由于Altmetric.com平臺(tái)獲取的問(wèn)答網(wǎng)站提及次數(shù)數(shù)據(jù)來(lái)自IT技術(shù)問(wèn)答網(wǎng)站Stack Overflow，相關(guān)數(shù)據(jù)具有學(xué)科局限性，導(dǎo)致其中傳播的學(xué)術(shù)內(nèi)容與其他社交媒體平臺(tái)的重合度較低。

相比較而言，我國(guó)英文科技期刊社交媒體類(lèi)替代計(jì)量指標(biāo)間的相關(guān)系數(shù)小于國(guó)外，各個(gè)指標(biāo)間的聯(lián)系相對(duì)不夠緊密，說(shuō)明國(guó)內(nèi)期刊跨平臺(tái)傳播效果弱?？赡苁菄?guó)內(nèi)期刊對(duì)國(guó)際網(wǎng)絡(luò)傳播平臺(tái)的運(yùn)用還不夠熟練，沒(méi)能很好地發(fā)揮不同網(wǎng)絡(luò)傳播平臺(tái)間的相關(guān)性進(jìn)行自身學(xué)術(shù)成果的宣傳與傳播。尤其F1000、同行評(píng)論兩個(gè)學(xué)術(shù)社交網(wǎng)站提及次數(shù)與其他指標(biāo)的相關(guān)系數(shù)明顯小于國(guó)外期刊，說(shuō)明國(guó)內(nèi)期刊對(duì)國(guó)際學(xué)術(shù)社區(qū)的利用不足或在其中的能見(jiàn)度更低。

此外，絕大多數(shù)社交媒體類(lèi)替代計(jì)量指標(biāo)間的相關(guān)性較高，這是因?yàn)橛脩?hù)在一個(gè)媒體平臺(tái)上的行為會(huì)影響并觸發(fā)其他平臺(tái)上的分享、轉(zhuǎn)發(fā)、評(píng)論等行為，從而形成平臺(tái)間的連鎖反應(yīng)[31]，使得同一期刊的曝光度呈倍數(shù)增長(zhǎng)。這也表明，期刊要全面提升網(wǎng)絡(luò)可見(jiàn)度，不能局限在某幾家大平臺(tái)，而應(yīng)該同時(shí)增加在不同平臺(tái)的曝光率。

4.3 期刊是否開(kāi)通社交媒體賬號(hào)的影響

為了進(jìn)一步考察期刊主動(dòng)參與傳播是否會(huì)提高在該平臺(tái)中的傳播力，本文以提及次數(shù)平均值最高的Twitter為例，引入虛擬變量表示英文期刊是否開(kāi)通Twitter賬號(hào)（開(kāi)通取值為1，未開(kāi)通取值為0），驗(yàn)證是否開(kāi)通賬號(hào)與Twitter提及次數(shù)間的相關(guān)性。賬號(hào)開(kāi)通情況為人工核查，核查時(shí)間為2020年5月20日。

結(jié)果顯 示，是否開(kāi)通Twitter賬號(hào)與國(guó)內(nèi)期刊Twitter提及次數(shù)的相關(guān)系數(shù)為0.365，與國(guó)外期刊Twitter提及次數(shù)的相關(guān)系數(shù)為0.387，且與二者均在0.01級(jí)別通過(guò)顯著性檢驗(yàn)?？梢?jiàn)主動(dòng)參與傳播對(duì)提高網(wǎng)絡(luò)可見(jiàn)度具有積極作用。但筆者在統(tǒng)計(jì)時(shí)發(fā)現(xiàn)，大多數(shù)期刊的Twitter賬號(hào)存在更新速度慢、運(yùn)維狀態(tài)不佳、缺少互動(dòng)的情況，且分享內(nèi)容以網(wǎng)頁(yè)鏈接居多，缺少對(duì)論文成果的提及。以物理學(xué)綜合期刊Chinese Physics b為例，其自2019年4月加入Twitter以來(lái)，截至2020年5月20日僅發(fā)推文11條，推文形式均為簡(jiǎn)單文字描述加論文鏈接；而材料科學(xué)綜合期刊Nano-micro Letters雖然更新速度快，發(fā)布內(nèi)容也多為當(dāng)下流行的視頻形式，但因粉絲數(shù)量少、內(nèi)容專(zhuān)業(yè)難懂等原因，其相關(guān)推文也極少獲得轉(zhuǎn)發(fā)與評(píng)論，可見(jiàn)即使主動(dòng)開(kāi)通了相關(guān)網(wǎng)絡(luò)平臺(tái)的賬號(hào)，我國(guó)英文科技期刊在賬號(hào)運(yùn)營(yíng)方面也還有很多需要加強(qiáng)的地方。

5 結(jié)論及建議

研究發(fā)現(xiàn)，國(guó)內(nèi)與國(guó)外學(xué)術(shù)影響力相當(dāng)?shù)挠⑽目萍计诳诟黜?xiàng)社交媒體類(lèi)替代計(jì)量指標(biāo)上數(shù)值均較低，但整體來(lái)看國(guó)外期刊的網(wǎng)絡(luò)可見(jiàn)度強(qiáng)于國(guó)內(nèi)期刊。WAJCI指數(shù)、總被引頻次、影響因子3個(gè)傳統(tǒng)指標(biāo)與大多數(shù)社交媒體類(lèi)替代計(jì)量指標(biāo)正相關(guān)。社交媒體類(lèi)替代計(jì)量指標(biāo)之間的相關(guān)性國(guó)內(nèi)外總體相似，相較而言國(guó)外期刊的社交媒體類(lèi)替代計(jì)量指標(biāo)之間相關(guān)性更高。主動(dòng)參與網(wǎng)絡(luò)傳播行為與社交媒體類(lèi)替代計(jì)量指標(biāo)呈正相關(guān)。對(duì)此提出以下建議。

（1）我國(guó)期刊應(yīng)充分認(rèn)識(shí)到社交媒體類(lèi)替代計(jì)量指標(biāo)在評(píng)價(jià)期刊影響力方面的重要性。本文的研究結(jié)果顯示，社交媒體類(lèi)替代計(jì)量指標(biāo)可以直觀展現(xiàn)期刊學(xué)術(shù)成果的網(wǎng)絡(luò)可見(jiàn)度，并能夠在一定程度上影響期刊的被引頻次與影響因子，對(duì)于衡量期刊的影響力具有重要作用。因此我國(guó)期刊應(yīng)重視此類(lèi)指標(biāo)數(shù)據(jù)，將其作為衡量自身影響力的參考標(biāo)準(zhǔn)之一，以適應(yīng)替代計(jì)量指標(biāo)日益受到重視的國(guó)際期刊評(píng)價(jià)現(xiàn)狀。

（2）我國(guó)期刊應(yīng)積極參與國(guó)際替代計(jì)量指標(biāo)的研發(fā)。我國(guó)科技期刊界一方面要積極參與國(guó)際替代計(jì)量指標(biāo)的制定，在指標(biāo)中增加更多具有參考價(jià)值的我國(guó)網(wǎng)絡(luò)平臺(tái)，同時(shí)參與制定期刊網(wǎng)絡(luò)影響力評(píng)價(jià)的具體算法規(guī)則。如限定評(píng)價(jià)年限以改善我國(guó)英文科技期刊因起步較晚而在當(dāng)前評(píng)價(jià)體系下處于劣勢(shì)的現(xiàn)狀等。另一方面，還應(yīng)與中文期刊一起開(kāi)發(fā)自己的替代計(jì)量指標(biāo)并提升其在國(guó)內(nèi)外科技期刊界和學(xué)術(shù)界的影響力。由本文分析可知，Twitter、Facebook等社交媒體平臺(tái)是社交媒體類(lèi)替代計(jì)量指標(biāo)數(shù)據(jù)的主要來(lái)源，因此微信公眾平臺(tái)、新浪微博社交媒體平臺(tái)的重要性應(yīng)引起期刊界重視；此外，道客巴巴、科學(xué)網(wǎng)、小木蟲(chóng)等學(xué)術(shù)社交網(wǎng)站也應(yīng)被納入考慮范圍中。

（3）科技期刊在制定社交媒體類(lèi)替代計(jì)量指標(biāo)評(píng)價(jià)體系時(shí)應(yīng)考慮到不同學(xué)科的差異性。不同學(xué)科的學(xué)術(shù)成果有各自習(xí)慣性的網(wǎng)絡(luò)傳播平臺(tái)，如Altmetric Explorer的數(shù)據(jù)來(lái)源Stack Overflow，可在一定程度上衡量計(jì)算機(jī)學(xué)科學(xué)術(shù)成果的網(wǎng)絡(luò)可見(jiàn)度，但用該平臺(tái)數(shù)據(jù)進(jìn)行不同學(xué)科期刊間的網(wǎng)絡(luò)可見(jiàn)度的比較則不夠公平。以往研究成果中所反映的不同學(xué)科在社交媒體類(lèi)替代計(jì)量指標(biāo)中的差異表現(xiàn)也證明了這一點(diǎn)。因此我國(guó)期刊應(yīng)聯(lián)合國(guó)外期刊一起，針對(duì)不同學(xué)科制定適合的社交媒體類(lèi)替代計(jì)量指標(biāo)評(píng)價(jià)體系，更加公平公正地反映期刊的網(wǎng)絡(luò)可見(jiàn)度。

（4）科技期刊設(shè)置版面容量時(shí)應(yīng)注重傳統(tǒng)指標(biāo)與社交媒體類(lèi)替代計(jì)量指標(biāo)的平衡。發(fā)文總量減少可能帶來(lái)網(wǎng)絡(luò)傳播系列指標(biāo)的降低。因而，我國(guó)科技期刊除了關(guān)注影響因子等傳統(tǒng)指標(biāo)外，還要注重各種替代計(jì)量指標(biāo)，避免未來(lái)若網(wǎng)絡(luò)傳播等替代計(jì)量指標(biāo)成為主流或被知名檢索機(jī)構(gòu)采納為收錄標(biāo)準(zhǔn)后難以適應(yīng)。

（5）科技期刊應(yīng)積極做好每篇刊發(fā)論文的網(wǎng)絡(luò)傳播和推廣。傳統(tǒng)影響因子依賴(lài)于學(xué)者引用，期刊受倫理約束不能直接干預(yù)，期刊社交媒體類(lèi)替代計(jì)量指標(biāo)的計(jì)量方法是期刊發(fā)表論文成果的提及次數(shù)，期刊對(duì)每一篇論文的傳播都能直接提升相關(guān)指標(biāo)，且傳播后還能在社交媒體或其他平臺(tái)存檔，方便用戶(hù)分享轉(zhuǎn)發(fā)，給網(wǎng)絡(luò)傳播提供有利條件，且各個(gè)指標(biāo)間的傳播效果還具有相關(guān)性。因此，我國(guó)科技期刊要主動(dòng)在各個(gè)國(guó)際網(wǎng)絡(luò)傳播平臺(tái)中開(kāi)通賬號(hào)，積極進(jìn)行運(yùn)營(yíng)和互動(dòng)，以擴(kuò)大賬號(hào)影響力。在內(nèi)容生產(chǎn)方面，可采取通俗易懂的語(yǔ)言或媒介形式改進(jìn)傳播效果。為了應(yīng)對(duì)社交媒體類(lèi)替代計(jì)量指標(biāo)提升的壓力，科技期刊有必要設(shè)置專(zhuān)門(mén)部門(mén)和崗位運(yùn)營(yíng)社交媒體和網(wǎng)絡(luò)學(xué)術(shù)社區(qū)。

（6）我國(guó)中英文期刊都應(yīng)高度重視在新浪微博的主動(dòng)傳播并監(jiān)測(cè)傳播情況。首先，新浪微博進(jìn)入了國(guó)際替代計(jì)量指標(biāo)；其次，新浪微博是國(guó)內(nèi)社交媒體，我國(guó)期刊運(yùn)營(yíng)微博賬號(hào)比國(guó)外期刊更有優(yōu)勢(shì)；最后，分析結(jié)果顯示新浪微博也能影響國(guó)外平臺(tái)的傳播。

（7）期刊在網(wǎng)絡(luò)平臺(tái)傳播論文時(shí)還需要評(píng)估和針對(duì)社會(huì)影響力做文章，多從社會(huì)和個(gè)體角度敘事。觀察數(shù)據(jù)還發(fā)現(xiàn)，替代計(jì)量指標(biāo)的提及次數(shù)與學(xué)科有關(guān)，與日常生活關(guān)系較小的學(xué)科被提及次數(shù)少，與日常生活和社會(huì)關(guān)系較大的學(xué)科（如基礎(chǔ)醫(yī)學(xué)等）被提及次數(shù)更多。這說(shuō)明期刊在進(jìn)行網(wǎng)絡(luò)傳播時(shí)，可以適度把學(xué)術(shù)論文內(nèi)容和社會(huì)熱點(diǎn)、大眾個(gè)體生活結(jié)合。

本文具有一定的局限性，一是在國(guó)外期刊的選擇上，僅選擇了與國(guó)內(nèi)英文科技期刊學(xué)術(shù)影響力相當(dāng)?shù)膰?guó)外期刊，對(duì)國(guó)外期刊的整體關(guān)照度不足；二是對(duì)各個(gè)社交媒體類(lèi)替代計(jì)量指標(biāo)的分析中，對(duì)各個(gè)傳播平臺(tái)的研究不夠深入，使得期刊運(yùn)營(yíng)建議流于表面；三是在樣本比較中，僅將國(guó)內(nèi)與國(guó)外期刊進(jìn)行對(duì)比研究，缺少具體的學(xué)科分類(lèi)比較和典型國(guó)家間的比較；四是在社交媒體類(lèi)替代計(jì)量指標(biāo)的選擇上，以Altmetric Explorer平臺(tái)所涵蓋的指標(biāo)為準(zhǔn)，缺少了國(guó)內(nèi)社交媒體類(lèi)替代計(jì)量指標(biāo)。后續(xù)研究將擴(kuò)大國(guó)外期刊選擇范圍并納入國(guó)內(nèi)社交媒體類(lèi)替代計(jì)量指標(biāo)數(shù)據(jù)，從不同學(xué)科、不同國(guó)籍角度對(duì)國(guó)內(nèi)外期刊的網(wǎng)絡(luò)可見(jiàn)度進(jìn)行全方位比較。