司 莉，陳 辰

（武漢大學(xué)信息管理學(xué)院，武漢 430072）

1 引 言

近年來(lái)，研究人員在權(quán)威文檔和標(biāo)識(shí)符系統(tǒng)中進(jìn)行注冊(cè)，越來(lái)越成為一種趨勢(shì)，這些系統(tǒng)包括規(guī)范中樞系統(tǒng)（如LC/NACO 和VIAF）、ID 中樞系統(tǒng)（如ISNI 和ORCID）、研究和協(xié)作中樞系統(tǒng)（如nanoHBU）、主題作者ID 系統(tǒng)（如AuthorClaim）、研究人員畫(huà)像系統(tǒng)（如Google Scholar 和LinkedIn、VIVO）、研究信息管理系統(tǒng)（CRIS）、參考管理系統(tǒng)（如Mendeley）、國(guó)家研究門(mén)戶（如荷蘭的NAR‐CIS）、主題倉(cāng)儲(chǔ)（如arXiv）、在線百科全書(shū)（如Wikipedia）[1]。除此之外，研究網(wǎng)絡(luò)工具（research networking software，RNS）、學(xué)者檔案、學(xué)者概要系統(tǒng)、個(gè)人信息管理系統(tǒng)、個(gè)人在線資料、學(xué)者信息倉(cāng)儲(chǔ)和身份管理系統(tǒng)等也包括在內(nèi)，本文將這些系統(tǒng)統(tǒng)稱(chēng)為“身份管理系統(tǒng)”。

同一個(gè)學(xué)者可在多個(gè)系統(tǒng)中進(jìn)行表示和注冊(cè)，這些系統(tǒng)的元數(shù)據(jù)元素不盡相同，出現(xiàn)學(xué)者信息的分散化和碎片化現(xiàn)象，這給共享、重用和聚合來(lái)自不同系統(tǒng)的數(shù)據(jù)，滿足學(xué)者及機(jī)構(gòu)影響力評(píng)價(jià)帶來(lái)較大的困難[2]。由于當(dāng)前各個(gè)系統(tǒng)缺乏有效的共享工作流，不同系統(tǒng)對(duì)同一實(shí)體進(jìn)行重復(fù)信息收集和創(chuàng)建工作，因此促進(jìn)各個(gè)系統(tǒng)間的元數(shù)據(jù)共享和復(fù)用，是提高身份管理數(shù)據(jù)利用效率，滿足學(xué)者學(xué)術(shù)影響力評(píng)價(jià)需求的必然要求[3]。

通過(guò)對(duì)各個(gè)系統(tǒng)的元數(shù)據(jù)結(jié)構(gòu)和元素值進(jìn)行比較研究，可了解系統(tǒng)的功能差異及重疊部分，為實(shí)施身份管理策略及數(shù)據(jù)復(fù)用提供參考[4]。目前，有許多關(guān)于學(xué)者在身份管理系統(tǒng)中的分布特點(diǎn)的研究，從元數(shù)據(jù)層面探討身份管理系統(tǒng)的研究仍然缺乏。本研究的主要目標(biāo)是探討中國(guó)學(xué)者在身份管理系統(tǒng)中的元數(shù)據(jù)分布規(guī)律，為實(shí)施元數(shù)據(jù)增強(qiáng)和復(fù)用與各系統(tǒng)的互操作提供有益的參考。

2 相關(guān)研究

2.1 關(guān)于學(xué)者在身份管理系統(tǒng)中的分布及元數(shù)據(jù)使用研究

圖書(shū)館及其他文化機(jī)構(gòu)、版權(quán)管理組織和學(xué)術(shù)機(jī)構(gòu)等創(chuàng)建了一些不同的身份管理系統(tǒng)，研究者對(duì)學(xué)者在這些系統(tǒng)中的分布進(jìn)行調(diào)查與識(shí)別，結(jié)果發(fā)現(xiàn)學(xué)者分布呈現(xiàn)明顯的人口統(tǒng)計(jì)（如職稱(chēng)、性別和年齡等）和學(xué)科分布特點(diǎn)[5-8]。

Panigabutra-Roberts[9]對(duì)LC/NAF、VIAF、ISNI、ORCID、Scopus、ResearchGate 等系統(tǒng)進(jìn)行元數(shù)據(jù)使用分析，識(shí)別出描述研究人員和作品的頂層元數(shù)據(jù)，并據(jù)此設(shè)計(jì)了應(yīng)用于美國(guó)田納西大學(xué)教職員工和研究生的元數(shù)據(jù)概要文件。Ortega[10]通過(guò)從Re‐searchGate、Academia.edu 和Mendeley、微軟學(xué)術(shù)搜索和谷歌學(xué)者中獲取作者元數(shù)據(jù)，探討了社會(huì)和使用指標(biāo)（altmetrics）與文獻(xiàn)計(jì)量指標(biāo)之間的聯(lián)系。Lee 等[11]根據(jù)在RIM 中的參與度，將129 名調(diào)查樣本分為讀者、個(gè)人記錄管理人員和社區(qū)成員三類(lèi)群體，通過(guò)統(tǒng)計(jì)不同群體在ResearchGate 中的元數(shù)據(jù)使用頻率，發(fā)現(xiàn)不同群體的大部分概要文件至少使用了來(lái)自人員、出版物和研究主題類(lèi)別的一個(gè)元素，且不同群體使用的元數(shù)據(jù)元素具有不同特點(diǎn)。Stvilia 等[12]基于Lee 等[11]的元數(shù)據(jù)使用分析結(jié)果，定義了面向不同群體的元數(shù)據(jù)概要文件，讀者組的概要文件擁有最少的元數(shù)據(jù)元素，而社區(qū)成員組的概要文件擁有最多的元數(shù)據(jù)元素。

2.2 關(guān)于學(xué)者身份管理系統(tǒng)的元數(shù)據(jù)共享研究

學(xué)者身份管理系統(tǒng)的元數(shù)據(jù)共享對(duì)于減少數(shù)據(jù)重復(fù)建設(shè)工作，支持元數(shù)據(jù)的擴(kuò)展、迭代增強(qiáng)、重用和開(kāi)放交換具有重要作用[13]。數(shù)據(jù)質(zhì)量是影響元數(shù)據(jù)共享和重用的主要因素。例如，VIAF 和ISNI采取大規(guī)模集中聚合模式實(shí)現(xiàn)規(guī)范記錄及其他身份數(shù)據(jù)的共享，在進(jìn)行數(shù)據(jù)來(lái)源匹配時(shí)，Angjeli 等[14]發(fā)現(xiàn)質(zhì)量較差、稀疏或未區(qū)分的記錄影響了匹配效果。此外，在對(duì)ORCID 和Scopus 等系統(tǒng)進(jìn)行分布式鏈接時(shí)，Bilder[15]發(fā)現(xiàn)由于受到元數(shù)據(jù)不完整等質(zhì)量問(wèn)題影響，兩個(gè)系統(tǒng)并沒(méi)有大規(guī)模構(gòu)建Same‐As 關(guān)系。

對(duì)于同一身份實(shí)體元數(shù)據(jù)的共享方式，NACO指出，可通過(guò)將一文件完全合并到另一個(gè)文件、從一個(gè)文件指向另一個(gè)文件（如MARC024 字段和ORCID 指向到ResearcherID 的鏈接）、通過(guò)SameAs語(yǔ)句進(jìn)行聚合等方式實(shí)現(xiàn)[16]。在元數(shù)據(jù)共享的技術(shù)方面，Shi 等[17]認(rèn)為，對(duì)元數(shù)據(jù)進(jìn)行上下文過(guò)濾，需要能夠集成來(lái)自身份源元數(shù)據(jù)的技術(shù)，而關(guān)聯(lián)數(shù)據(jù)使用URI 作為實(shí)體的標(biāo)識(shí)符，并指定了數(shù)據(jù)元素之間的語(yǔ)義關(guān)聯(lián)Web，支持跨多個(gè)數(shù)據(jù)源進(jìn)行互操作，是適合支持元數(shù)據(jù)共享和語(yǔ)義增強(qiáng)的技術(shù)。對(duì)元數(shù)據(jù)共享的基礎(chǔ)設(shè)施方面，合作編目計(jì)劃（Pro‐gram for Cooperative Cataloging，PCC）認(rèn)為，應(yīng)該利用現(xiàn)有的結(jié)構(gòu)和協(xié)議來(lái)確保圖書(shū)館和其他網(wǎng)絡(luò)數(shù)據(jù)提供者之間更好地集成[18]。Ilik[19]則受航空業(yè)使用的實(shí)時(shí)交換和數(shù)據(jù)驗(yàn)證系統(tǒng)啟發(fā)，提出用于作者信息實(shí)時(shí)交換的系統(tǒng)架構(gòu)，將其稱(chēng)為全球分布系統(tǒng)（Global Distribution system，GDS），該系統(tǒng)將由分散中心組成，所有利益相關(guān)方（如出版商、供應(yīng)商、OCLC、圖書(shū)館和其他利益相關(guān)者）都能夠參與交換/核實(shí)作者的信息。

目前，研究主要集中3 個(gè)方面：一是對(duì)相關(guān)身份管理系統(tǒng)進(jìn)行元數(shù)據(jù)使用評(píng)估，但尚缺乏對(duì)不同系統(tǒng)的元數(shù)據(jù)進(jìn)行比較研究；二是研究多集中于對(duì)身份管理系統(tǒng)的共享方式、技術(shù)及其基礎(chǔ)設(shè)施等方面，但尚缺乏從學(xué)者層次上研究不同系統(tǒng)的元數(shù)據(jù)結(jié)構(gòu)及信息分布差異問(wèn)題；三是研究多針對(duì)國(guó)外學(xué)者，尚缺乏針對(duì)中國(guó)學(xué)者在身份管理系統(tǒng)中的分布研究。

本研究主要基于統(tǒng)計(jì)學(xué)分析方法，對(duì)中國(guó)學(xué)者在身份管理系統(tǒng)中的識(shí)別情況進(jìn)行分析，在此基礎(chǔ)上，結(jié)合詞頻分析、共現(xiàn)分析、相關(guān)分析和主成分分析方法對(duì)不同身份管理系統(tǒng)的元數(shù)據(jù)分布進(jìn)行度量，通過(guò)挖掘元數(shù)據(jù)結(jié)構(gòu)表現(xiàn)特點(diǎn)，提取不同系統(tǒng)的元數(shù)據(jù)信息貢獻(xiàn)量，為制定有效的元數(shù)據(jù)復(fù)用和增強(qiáng)策略提供參考。

3 研究設(shè)計(jì)

3.1 確立數(shù)據(jù)樣本

首先，根據(jù)六大系部（人文科學(xué)、社會(huì)科學(xué)、理學(xué)、工學(xué)、信息科學(xué)和醫(yī)學(xué)部）在武漢大學(xué)機(jī)構(gòu)知識(shí)庫(kù)中的2018 年的發(fā)文規(guī)模確定相應(yīng)比例的人數(shù)，然后根據(jù)“機(jī)構(gòu)單位”進(jìn)行限定瀏覽，獲取該系部中排列最前的文章的學(xué)者，共選擇100 名武漢大學(xué)的在職教師作為分析樣本。

其次，從武漢大學(xué)官網(wǎng)及學(xué)者個(gè)人實(shí)驗(yàn)室主頁(yè)等獲取該學(xué)者較為權(quán)威的簡(jiǎn)介信息，以核實(shí)和確認(rèn)在系統(tǒng)中的身份。

最后，確定身份管理系統(tǒng)樣本，其選擇標(biāo)準(zhǔn)為：系統(tǒng)與中國(guó)學(xué)者密切相關(guān)，且保證中國(guó)學(xué)者在該系統(tǒng)具有較多數(shù)量的分布，同時(shí)結(jié)合不同的語(yǔ)言類(lèi)型、注冊(cè)類(lèi)型、構(gòu)建方式以及開(kāi)放程度，選擇以下5 個(gè)身份管理系統(tǒng)作為調(diào)查樣本。

①中文名稱(chēng)規(guī)范聯(lián)合數(shù)據(jù)庫(kù)檢索系統(tǒng)（Chinese Name Authority Joint Database Search System，CNAJDSS），是由中文名稱(chēng)規(guī)范聯(lián)合協(xié)調(diào)委員會(huì)（Cooperative Committee for Chinese Name Authority，

CCCNA）于2009 年創(chuàng)建，各成員機(jī)構(gòu)共享圖書(shū)館名稱(chēng)規(guī)范文檔的一站式檢索系統(tǒng)。②百度學(xué)者（Baidu Scholar，BS） 主頁(yè)，是百度學(xué)術(shù)推出的一項(xiàng)服務(wù)，目前已經(jīng)上線了包含400 多萬(wàn)個(gè)中國(guó)學(xué)者主頁(yè)。③開(kāi)放研究者與貢獻(xiàn)者身份識(shí)別碼（Open Researcher and Contributor Identifier，ORCID），是由國(guó)際上的學(xué)術(shù)出版商、國(guó)家圖書(shū)館、專(zhuān)業(yè)協(xié)會(huì)等推動(dòng)的項(xiàng)目，其目標(biāo)是建立“研究人員和貢獻(xiàn)者”的集中注冊(cè)表。④Scopus Author ID（簡(jiǎn)稱(chēng)ScopusID），是愛(ài)思唯爾出版集團(tuán)為其摘要/索引服務(wù)中的作者生成唯一標(biāo)識(shí)符，并生成作者身份概要的系統(tǒng)。⑤Publons Researcher Profiles 是科睿唯安（Clarivate Analytics）的個(gè)人資料管理工具，其為研究者生成唯一標(biāo)識(shí)符，并創(chuàng)建個(gè)人公共簡(jiǎn)介，可全面跟蹤學(xué)者的出版物、引文指標(biāo)、同行評(píng)議和編輯歷史。以上各系統(tǒng)的特點(diǎn)表現(xiàn)如表1 所示。

表1 身份管理系統(tǒng)及其特點(diǎn)

3.2 元數(shù)據(jù)指標(biāo)采集和分類(lèi)

3.2.1 元素集的識(shí)別

根據(jù)系統(tǒng)指定的元數(shù)據(jù)模型進(jìn)行元素集采集，如果系統(tǒng)沒(méi)有發(fā)布元數(shù)據(jù)模型，則采集單個(gè)樣本在概要文件中的元數(shù)據(jù)集。在該過(guò)程中，對(duì)系統(tǒng)中部分非結(jié)構(gòu)化信息進(jìn)行了人工提取，如CNAJDSS 中的標(biāo)目附注項(xiàng)、ORCID 和Publons 傳記中的有關(guān)職稱(chēng)、學(xué)科領(lǐng)域、機(jī)構(gòu)從屬關(guān)系、籍貫等信息，共識(shí)別出33 個(gè)元素集。

3.2.2 元素集歸類(lèi)框架

本研究定義了一個(gè)框架用以對(duì)識(shí)別出的元數(shù)據(jù)進(jìn)行分類(lèi)，該框架涉及識(shí)別信息、學(xué)術(shù)CV、影響力評(píng)價(jià)指標(biāo)、社會(huì)網(wǎng)絡(luò)及計(jì)量分析五大類(lèi)，具體內(nèi)容如下。

（1）識(shí)別信息（或個(gè)人資料）：是指對(duì)消除學(xué)者歧義具有重要鑒別意義的元素，如姓名、性別、職稱(chēng)/職位、日期（生卒）、人員或記錄ID 等。

（2）學(xué)術(shù)CV：是為了突出個(gè)人學(xué)術(shù)專(zhuān)業(yè)背景而展示的信息，包括基金項(xiàng)目、獲獎(jiǎng)、出版物列表和出版物來(lái)源。

（3）影響力評(píng)價(jià)指標(biāo)：分為書(shū)目計(jì)量指標(biāo)和替代計(jì)量指標(biāo)，前者主要包括較為傳統(tǒng)的出版物數(shù)量、總被引頻次、H 指數(shù)、G 指數(shù)和同行評(píng)審（peer review）；后者主要包括頁(yè)面瀏覽/搜索次數(shù)和關(guān)注者/跟隨者。

（4）社會(huì)網(wǎng)絡(luò)：主要包括合作者、合作機(jī)構(gòu)和允許分享的功能元素。

（5）計(jì)量分析：基于系統(tǒng)平臺(tái)數(shù)據(jù)而提供的附加功能，如出版物等的分析，以確定重要的數(shù)量趨勢(shì)和主題概念的元素。

4 結(jié)果與討論

4.1 學(xué)者在身份管理系統(tǒng)中的分布統(tǒng)計(jì)

4.1.1 學(xué)者在不同類(lèi)型系統(tǒng)的分布特點(diǎn)

本研究統(tǒng)計(jì)結(jié)果顯示：100 名學(xué)者在5 個(gè)系統(tǒng)中的分布頻次并不一致，從多到少依次是BS（81人）、 ScopusID （79 人）、 ORCID （43 人）、CNAJDSS（41 人）、Publons（18 人）。其中有4 人沒(méi)有在任何系統(tǒng)中進(jìn)行表示。

（1）從學(xué)者在國(guó)內(nèi)外系統(tǒng)的占有分布上看，學(xué)者在國(guó)內(nèi)外相似系統(tǒng)的占有率上較為平衡，如關(guān)注論文作者的BS 和ScopusID 的數(shù)量差為2，注重人名消歧的CNAJDSS 與ORCID 數(shù)量差為2。但從整體上看，學(xué)者在ORCID 和Publons 等系統(tǒng)上的占有率不到一半，由此可見(jiàn)，中國(guó)學(xué)者在身份管理系統(tǒng)中的顯示度還有待提高。包括期刊編輯在內(nèi)的學(xué)術(shù)交流社區(qū)成員，呼吁中國(guó)學(xué)者通過(guò)積極注冊(cè)O(shè)RCID、ResearchGate、Google Scholar 和Loop 等系統(tǒng)，以提高中國(guó)學(xué)者在國(guó)際科學(xué)界的顯示度[20]。

（2）從學(xué)者在新興與傳統(tǒng)的身份管理系統(tǒng)上的分布看，在傳統(tǒng)的規(guī)范文檔占有率少于新興的唯一標(biāo)識(shí)符系統(tǒng)（Publons 除外）。CNAJDSS 主要針對(duì)專(zhuān)著作者進(jìn)行人名規(guī)范，在本樣本數(shù)據(jù)中，人名占有率不到一半，已不能滿足不斷擴(kuò)大的規(guī)范控制對(duì)象的需要。未來(lái)應(yīng)結(jié)合利用新興標(biāo)識(shí)符系統(tǒng)制定身份管理的策略，進(jìn)一步探索規(guī)范控制向標(biāo)識(shí)符管理領(lǐng)域轉(zhuǎn)型的方式和路徑[21]。

（3）從學(xué)者在自動(dòng)化和手工管理維護(hù)系統(tǒng)的分布上看，依靠機(jī)器挖掘的自動(dòng)化方式創(chuàng)建學(xué)者身份系統(tǒng)的數(shù)量多于依靠由專(zhuān)業(yè)人員手工管理的系統(tǒng)，如百度學(xué)者和ScopusID 的數(shù)量明顯多于其他系統(tǒng)。由專(zhuān)業(yè)人員進(jìn)行系統(tǒng)維護(hù)，數(shù)據(jù)質(zhì)量高，但是費(fèi)時(shí)費(fèi)力且不可擴(kuò)展的[22]。由機(jī)器自動(dòng)收集、聚合、攝入、挖掘研究身份信息，可擴(kuò)展性強(qiáng)，但仍然需要人工干預(yù)以確保其質(zhì)量。人工和機(jī)器方式結(jié)合才能達(dá)到較為理想的身份管理效果。

4.1.2 學(xué)者在身份管理系統(tǒng)中的重疊共現(xiàn)特點(diǎn)

同一學(xué)者可同時(shí)在多個(gè)系統(tǒng)中進(jìn)行表示和分布，呈現(xiàn)明顯的系統(tǒng)重疊特點(diǎn)。統(tǒng)計(jì)結(jié)果顯示，同一學(xué)者同時(shí)出現(xiàn)在3 個(gè)系統(tǒng)中的人數(shù)最多（32 人），其次是2 個(gè)系統(tǒng)（25 人）、4 個(gè)系統(tǒng)（23 人）、1 個(gè)系統(tǒng)（14 人）、5 個(gè)系統(tǒng)（2 人）。學(xué)者在系統(tǒng)中的數(shù)量分布情況如圖1 所示。以同時(shí)占有3 個(gè)系統(tǒng)的學(xué)者為例進(jìn)行說(shuō)明，在BS/ORCID/Scopus 中同時(shí)分布 的 為10 人，CANJDSS/BS/ORCID 為1 人，CAN‐JDSS/BS/Scopus 為16 人，CANJDSS/ORCID/Scopus為1 人，ORCID/Scopus/Publons 為4 人，總共32 人。

圖1 學(xué)者在系統(tǒng)中的分布情況

為了解哪些系統(tǒng)更可能擁有同一學(xué)者的身份信息，本文從學(xué)者分布層面分析不同系統(tǒng)中的共現(xiàn)關(guān)系。首先，通過(guò)統(tǒng)計(jì)兩兩系統(tǒng)擁有同一學(xué)者的共現(xiàn)頻次，并制作共現(xiàn)矩陣；然后，通過(guò)社會(huì)網(wǎng)絡(luò)分析工具Ucinet，繪制共現(xiàn)圖譜，圖譜如圖2 所示，通過(guò)此圖可直觀了解學(xué)者在兩兩系統(tǒng)中的重疊和緊密程度。

圖2 學(xué)者系統(tǒng)分布共現(xiàn)圖

在圖2 中，節(jié)點(diǎn)表示學(xué)者在各個(gè)系統(tǒng)的占有數(shù)量，節(jié)點(diǎn)越大，表示占有數(shù)量越多，連線表示同一學(xué)者在各個(gè)系統(tǒng)的共現(xiàn)關(guān)系，連線越粗表示共現(xiàn)頻次越高。從圖2 可見(jiàn)，Scopus 和百度學(xué)術(shù)的共現(xiàn)頻次最高，說(shuō)明BS 和Scopus 主要關(guān)注期刊論文作者，因此，具有較高的重疊率。Publons 與其他系統(tǒng)的關(guān)聯(lián)都不強(qiáng)，尤其是與CNAJDSS 的共現(xiàn)頻次極低。這與Publons 擁有中國(guó)學(xué)者的數(shù)量不高有關(guān)系，而且2 個(gè)系統(tǒng)關(guān)注的學(xué)科領(lǐng)域和范圍有一定差別，規(guī)范文檔主要針對(duì)在人文社科領(lǐng)域的專(zhuān)著作者，Publons 中的作者多為自然科學(xué)領(lǐng)域發(fā)表研究成果的作者，所以重疊概率較低。

表2 系統(tǒng)元素分類(lèi)分布情況

4.2 身份管理系統(tǒng)中元數(shù)據(jù)結(jié)構(gòu)的比較分析

本研究通過(guò)對(duì)身份管理系統(tǒng)使用的元素集（元數(shù)據(jù)結(jié)構(gòu)）進(jìn)行對(duì)比分析，可了解各個(gè)系統(tǒng)元素集特點(diǎn)及其功能差異，為系統(tǒng)數(shù)據(jù)增強(qiáng)和重用提供參考。

4.2.1 各系統(tǒng)元素集的分布

本文對(duì)采集的系統(tǒng)元素集依照第3.2.2 節(jié)提出的分類(lèi)框架進(jìn)行歸類(lèi)，其具體分布情況如表2 所示。

4.2.2 各系統(tǒng)元素值出現(xiàn)頻率

基于學(xué)者層面的元素值頻率統(tǒng)計(jì)，可了解系統(tǒng)元數(shù)據(jù)的一致性和完整性程度。圖3 是通過(guò)熱圖制作工具Heml 繪制的，數(shù)據(jù)變量值為各個(gè)元素值的出現(xiàn)頻率，具體計(jì)算方式為

例如，學(xué)者在CNAJDSS 中的出現(xiàn)頻次為41 人，而在這41 人的規(guī)范記錄中，性別字段的出現(xiàn)頻次為10，則性別字段值出現(xiàn)頻率為

圖3 中的顏色由黃到紅依次漸變，表示頻率由低到高，深紅色表示頻率為1 的字段值。顏色越深說(shuō)明該元素值頻率越高，其字段值出現(xiàn)越多，元素填充越完整，其信息缺失越少。

圖3 元數(shù)據(jù)字段值熱圖(彩圖請(qǐng)見(jiàn)http://qbxb.istic.ac.cn/CN/volumn/home.shtml)

從單個(gè)系統(tǒng)元數(shù)據(jù)的縱向比較上看，即使在同一個(gè)集合中，元素值出現(xiàn)頻率也有所不同。系統(tǒng)的數(shù)據(jù)維護(hù)方式影響元數(shù)據(jù)值的完整性和一致性，依靠機(jī)器自動(dòng)填充數(shù)據(jù)的系統(tǒng)顏色趨于一致，且顏色較深，說(shuō)明各個(gè)元數(shù)據(jù)值出現(xiàn)頻次一致，而且填充完整（如BS 和ScopusID）；而依賴(lài)人工去填充和維護(hù)數(shù)據(jù)的系統(tǒng)，顏色深淺不一，淺色元素較多，說(shuō)明元素值出現(xiàn)頻次并不平衡，且缺失值較多（如規(guī)范文檔、Publons 和ORCID）。而ORCID 中出現(xiàn)了較多的空白或接近空白的記錄，這些記錄給人員識(shí)別、系統(tǒng)互操作和數(shù)據(jù)關(guān)聯(lián)帶來(lái)很大的困難。

4.2.3 各系統(tǒng)元數(shù)據(jù)結(jié)構(gòu)的相似度

從多個(gè)系統(tǒng)元數(shù)據(jù)的橫向比較上看，各個(gè)系統(tǒng)包含的信息元素集并不一致。通過(guò)Kendall 協(xié)調(diào)系數(shù)計(jì)算相似度，可進(jìn)一步描述各系統(tǒng)元數(shù)據(jù)變量之間的一致性程度，從而為數(shù)據(jù)復(fù)用和關(guān)聯(lián)提供參考。身份管理系統(tǒng)的元數(shù)據(jù)結(jié)構(gòu)相似度如表3 所示。

表3 身份管理系統(tǒng)的元數(shù)據(jù)結(jié)構(gòu)相似度

在表3 中，斜體加粗的數(shù)字為顯著性相關(guān)。其中，CNAJDSS 與ORCID 在元素集結(jié)構(gòu)上較為相似，其信息主要集中在人名識(shí)別方面，而且信息分別由圖書(shū)館專(zhuān)業(yè)人員和學(xué)者本人進(jìn)行維護(hù)，可信度較高。BS 與Scopus 和Publons 在元數(shù)據(jù)結(jié)構(gòu)上較為相關(guān)，其中與Scopus 的相似系數(shù)最高，其信息主要集中在學(xué)術(shù)CV、影響力評(píng)價(jià)指標(biāo)和計(jì)量分析功能元素等方面。Publons 和Scopus 則都側(cè)重于書(shū)目計(jì)量指標(biāo)，而B(niǎo)S 在書(shū)目和替代計(jì)量指標(biāo)方面都有涉及。Scopus 中書(shū)目計(jì)量分析指標(biāo)中包括主題趨勢(shì)預(yù)測(cè)，而其他系統(tǒng)則沒(méi)有涉及。

此外，BS 與CNAJDSS 和ORCID 呈現(xiàn)負(fù)相關(guān)，并且與CNAJDSS 的相關(guān)系數(shù)最低，說(shuō)明元數(shù)據(jù)結(jié)構(gòu)存在較大的差異，各自形成信息流孤島，但另一方面可以說(shuō)明2 個(gè)系統(tǒng)具有較強(qiáng)的元數(shù)據(jù)互補(bǔ)能力。

Publons 與BS、Scopus 和ORCID 都較為相關(guān)，并且與Scopus 的相關(guān)系數(shù)最高。從總體上看，雖然Publons 在學(xué)者出現(xiàn)頻次以及與其他系統(tǒng)的共現(xiàn)頻次都不突出，但是從元數(shù)據(jù)結(jié)構(gòu)上看，其與多個(gè)系統(tǒng)都較為相關(guān)，因此，在進(jìn)行系統(tǒng)數(shù)據(jù)關(guān)聯(lián)時(shí)，可參考Publons 元素集進(jìn)行模型開(kāi)發(fā)和設(shè)計(jì)，以最大限度滿足和容納不同系統(tǒng)的元素。

4.3 身份管理系統(tǒng)中的元素值共現(xiàn)及主成分分析

學(xué)者在身份管理系統(tǒng)中的分布以及系統(tǒng)元數(shù)據(jù)的出現(xiàn)頻率，將影響各個(gè)系統(tǒng)元數(shù)據(jù)的共現(xiàn)關(guān)系。本文基于對(duì)元素共現(xiàn)關(guān)系統(tǒng)計(jì)，進(jìn)一步進(jìn)行主成分分析，獲得統(tǒng)計(jì)學(xué)意義上包含更多信息的指標(biāo)，為有針對(duì)性的信息復(fù)用和取舍提供參考。

4.3.1 元素值共現(xiàn)分析

首先，統(tǒng)計(jì)每位學(xué)者在各個(gè)系統(tǒng)中的元素值出現(xiàn)頻次，構(gòu)建元素值-學(xué)者矩陣；其次，統(tǒng)計(jì)兩兩元素值在同一學(xué)者中的共現(xiàn)頻次，構(gòu)建元素值共現(xiàn)矩陣。圖4 為各個(gè)系統(tǒng)元素值的共現(xiàn)圖譜。

從單一系統(tǒng)內(nèi)部的元素值共現(xiàn)關(guān)系看：呈現(xiàn)明顯的共現(xiàn)相關(guān)規(guī)律，但各個(gè)系統(tǒng)的元素值共現(xiàn)范圍并不相同。其中，BS 和Scopus 各系統(tǒng)內(nèi)部的大部分元素共現(xiàn)頻次較高，而其他3 個(gè)系統(tǒng)內(nèi)部的共現(xiàn)頻次呈現(xiàn)明顯的差異，元素共現(xiàn)范圍從大到小依次是CNAJDSS、Publons 和ORCID。在CNAJDSS 內(nèi)部，共現(xiàn)頻次較多的元素為姓名、個(gè)人/記錄ID、其他名稱(chēng)形式、出版物列表、出生日期、研究領(lǐng)域/學(xué)科類(lèi)別/關(guān)鍵詞，其他元素則表現(xiàn)稀疏和不穩(wěn)定；在ORCID 和Publons 內(nèi)部，除了“姓名”和“個(gè)人/記錄ID”共現(xiàn)頻次較高外，其他元素都較低。

從不同系統(tǒng)之間的元素值共現(xiàn)關(guān)系比較看：呈現(xiàn)不同的共現(xiàn)特點(diǎn)，其中大部分系統(tǒng)之間都有不同數(shù)量的共現(xiàn)元素，而Publons 與CNAJDSS 的共現(xiàn)元素則呈現(xiàn)大部分缺失，2 個(gè)系統(tǒng)無(wú)論在學(xué)者層面，還是元數(shù)據(jù)結(jié)構(gòu)、元素值層面，都呈現(xiàn)較弱的共現(xiàn)關(guān)系。

4.3.2 主成分分析

本研究通過(guò)分析各個(gè)身份管理系統(tǒng)不同元素指標(biāo)的主成分，可檢測(cè)最重要和信息量最大的指標(biāo)，從而為制定身份數(shù)據(jù)復(fù)用策略提供參考。具體分析過(guò)程為：①基于系統(tǒng)元素共現(xiàn)矩陣，進(jìn)行相關(guān)系數(shù)的轉(zhuǎn)換，得到元素相似矩陣；②將相似矩陣導(dǎo)入SPSS，進(jìn)行主成分分析（principal component analy‐sis，PCA）；③設(shè)置主成分分析相關(guān)參數(shù)，最后得到2 個(gè)成分分組，其累積方差約為98.4%，如表4 所示，基本覆蓋了大部分信息。

各個(gè)元素對(duì)2 個(gè)分組的方差貢獻(xiàn)率情況如表5所示。

1）總體貢獻(xiàn)率

本研究通過(guò)提取對(duì)各成分的貢獻(xiàn)率在0.9 以上的系統(tǒng)元素，可發(fā)現(xiàn)第一組成分（F1） 與由BS、Scopus 和部分CNAJDSS 組成的信息具有較高的載荷，內(nèi)容涉及學(xué)術(shù)CV、影響力評(píng)價(jià)指標(biāo)、社會(huì)網(wǎng)絡(luò)關(guān)系、計(jì)量分析元素等。3 個(gè)系統(tǒng)總方差解釋累積率為70.8%（表4），其中，BS 和Scopus 中所有元素對(duì)第一組成分都有較高且一致的貢獻(xiàn)率，而CNAJDSS 則只有較少信息元素對(duì)該成分具有較高貢獻(xiàn)，主要為“國(guó)籍、其他網(wǎng)站信息和榮譽(yù)獎(jiǎng)項(xiàng)”三類(lèi)。第二組成分（F2）與Publons 部分元素組成的信息具有較高的載荷，內(nèi)容涉及個(gè)人識(shí)別信息和學(xué)術(shù)CV，其中貢獻(xiàn)率較高的元素為“其他標(biāo)識(shí)符、照片、歷史機(jī)構(gòu)、其他網(wǎng)站信息、獎(jiǎng)項(xiàng)、總成果數(shù)、H 指數(shù)、出版物列表”。通過(guò)主成分分析得到的2 個(gè)分組可以發(fā)現(xiàn)，并非所有身份系統(tǒng)的元素指標(biāo)均具有很強(qiáng)的相關(guān)性，而是包含不同的信息量。

從統(tǒng)計(jì)結(jié)果可以看出，ORCID 在2 個(gè)分組中都沒(méi)有具有較高的信息貢獻(xiàn)率，是信息量最少的系統(tǒng)，因此，在進(jìn)行身份信息提取和復(fù)用時(shí)，要慎重將其作為替代資源。

2）通用元素的貢獻(xiàn)率

主成分分析還可以對(duì)各個(gè)系統(tǒng)相同元素的信息貢獻(xiàn)程度進(jìn)行測(cè)度，以幫助相關(guān)人員進(jìn)行信息復(fù)用取舍，同時(shí)避免重復(fù)數(shù)據(jù)的收集。表2 顯示，5 個(gè)系統(tǒng)共有的元素為姓名、個(gè)人/記錄唯一標(biāo)識(shí)符、研究領(lǐng)域/學(xué)科類(lèi)別/關(guān)鍵詞以及當(dāng)前附屬機(jī)構(gòu)，其中，前兩者是各個(gè)系統(tǒng)必備元素，信息貢獻(xiàn)較為穩(wěn)定，而后兩者在各系統(tǒng)中的出現(xiàn)頻次表現(xiàn)不一，可利用因子分析對(duì)后兩者進(jìn)行信息量測(cè)度。

為便于對(duì)因子意義進(jìn)行解釋?zhuān)瑢?duì)成分矩陣進(jìn)行因子旋轉(zhuǎn)，構(gòu)造新的方差貢獻(xiàn)率。統(tǒng)計(jì)結(jié)果顯示，各個(gè)系統(tǒng)在“研究領(lǐng)域/學(xué)科類(lèi)別/關(guān)鍵詞”上的信息貢獻(xiàn)量分別為：CNAJDSS，0.941；BS，0.916；Scopus， 0.785； Publons， 0.436； ORCID， 0.222。在“附屬機(jī)構(gòu)”信息上的貢獻(xiàn)率為：CNAJDSS，0.936； BS， 0.916； Scopus， 0.785； ORCID，0.682；Publons，0.337。由此可見(jiàn)，CNAJDSS 在研究主題以及附屬機(jī)構(gòu)信息共有元素的貢獻(xiàn)量最高，因此，在提取此類(lèi)信息時(shí)，可將CNAJDSS 作為參考貢獻(xiàn)源，以獲得較多的信息量，避免重復(fù)數(shù)據(jù)的收集。而ORCID 和Publons 在兩種信息量的提取上具有較低的貢獻(xiàn)，為此可避免將其作為替代資源，可結(jié)合實(shí)際減少此類(lèi)數(shù)據(jù)的提取工作。

圖4 系統(tǒng)元素共現(xiàn)圖譜(彩圖請(qǐng)見(jiàn)http://qbxb.istic.ac.cn/CN/volumn/home.shtml)

表4 累積方差貢獻(xiàn)率

表5 身份管理系統(tǒng)元素的PCA成分列表

5 結(jié)論與展望

學(xué)者身份管理系統(tǒng)處于復(fù)雜的信息流格局中，如何依據(jù)身份管理系統(tǒng)的元數(shù)據(jù)分布特點(diǎn)進(jìn)行有針對(duì)性的迭代增強(qiáng)，從而構(gòu)建完整的“元數(shù)據(jù)生命周期”，是未來(lái)身份管理生態(tài)系統(tǒng)發(fā)展關(guān)鍵[21]。本研究通過(guò)分析中國(guó)學(xué)者在各類(lèi)身份管理系統(tǒng)分布特點(diǎn)的基礎(chǔ)上，進(jìn)一步評(píng)估系統(tǒng)元數(shù)據(jù)結(jié)構(gòu)和對(duì)身份信息的貢獻(xiàn)率，得出如下結(jié)論：

（1）不同服務(wù)范圍、功能定位、數(shù)據(jù)維護(hù)方式的身份管理系統(tǒng)，具有不同的學(xué)者分布特點(diǎn)和規(guī)律。同一學(xué)者擁有多個(gè)身份管理系統(tǒng)的概率高于只擁有一個(gè)系統(tǒng)的，且各個(gè)系統(tǒng)共現(xiàn)頻次不同，Sco‐pus 和百度學(xué)術(shù)的共現(xiàn)頻次最高，而Publons 與其他系統(tǒng)共現(xiàn)頻次都極低。

（2）不同身份管理系統(tǒng)的元數(shù)據(jù)集結(jié)構(gòu)具有差異，從單個(gè)系統(tǒng)元數(shù)據(jù)集合縱向比較看，依靠機(jī)器自動(dòng)填充數(shù)據(jù)的系統(tǒng)，其元數(shù)據(jù)較為完整和一致；而依賴(lài)人工填充數(shù)據(jù)的系統(tǒng)，元素表現(xiàn)較為稀疏和不完整。從多個(gè)系統(tǒng)的橫向比較來(lái)看，其相似程度也具有不同的表現(xiàn)。

（3）學(xué)者在身份管理系統(tǒng)中的分布，以及元數(shù)據(jù)集結(jié)構(gòu)影響元素值的共現(xiàn)關(guān)系，通過(guò)主成分分析法提取兩組公共因子，說(shuō)明并非所有身份系統(tǒng)的元素指標(biāo)均具有很強(qiáng)的相關(guān)性，而是呈現(xiàn)出2 個(gè)不同的成分分組。通過(guò)旋轉(zhuǎn)因子法對(duì)各系統(tǒng)相同/相似元素進(jìn)行貢獻(xiàn)測(cè)度，發(fā)現(xiàn)CNAJDSS 在“研究主題”和“附屬機(jī)構(gòu)信息”上貢獻(xiàn)水平突出。

本研究的局限與展望：首先，由于有些系統(tǒng)沒(méi)有發(fā)布元數(shù)據(jù)服務(wù)模型，作者通過(guò)收集單個(gè)學(xué)者的概要文件來(lái)確定元數(shù)據(jù)集，可能影響元素收集的完整性。因此，本研究查看多個(gè)學(xué)者的概要文件，通過(guò)比較來(lái)不斷完善和補(bǔ)充元素集，可一定程度改善此問(wèn)題。其次，鑒于人名識(shí)別的復(fù)雜性，為保證信息識(shí)別的正確性，本研究選擇武漢大學(xué)的100 名樣本并采用人工方式進(jìn)行身份匹配，樣本數(shù)量可能限制了研究結(jié)果的普遍性，未來(lái)可在此基礎(chǔ)上擴(kuò)大數(shù)據(jù)樣本規(guī)模，并結(jié)合機(jī)器匹配算法進(jìn)行人名的識(shí)別分布研究，以期為身份數(shù)據(jù)的復(fù)用提供更多可操作性的建議。