李 奇 李秀霞

(曲阜師范大學(xué)傳媒學(xué)院，山東日照 276826)

1 引言

近年來，越來越多的學(xué)者研究作者影響力評(píng)價(jià)指標(biāo)，相應(yīng)的研究成果也在持續(xù)更新[1]。從前期研究成果來看，人們使用發(fā)文量、被引次數(shù)等指標(biāo)從單一維度評(píng)價(jià)作者學(xué)術(shù)影響力，但是單一指標(biāo)不能綜合反映作者的學(xué)術(shù)影響力[2]。隨后，有人提出綜合性評(píng)價(jià)指標(biāo)，典型代表有H指數(shù)[3]及類H指數(shù)[4]、根據(jù)引文鏈接關(guān)系構(gòu)建的PageRank[5]系列指標(biāo)、在網(wǎng)絡(luò)背景下產(chǎn)生的Altmetrics[6]指標(biāo)等。但是綜合性評(píng)價(jià)指標(biāo)較少兼顧作者科研合作關(guān)系和引用關(guān)系[7]，難以全面評(píng)估作者的影響力。一個(gè)改進(jìn)思路就是以引文網(wǎng)絡(luò)的思維與視角評(píng)價(jià)作者學(xué)術(shù)影響力[8]。隨著社會(huì)網(wǎng)絡(luò)分析方法的不斷發(fā)展，該方法憑借獨(dú)特優(yōu)勢(shì)而被廣泛用于作者評(píng)價(jià)研究。首先作者通過合作發(fā)文、互相引用而形成合作網(wǎng)絡(luò)和引文網(wǎng)絡(luò)[9]，作者在引文網(wǎng)絡(luò)的相對(duì)位置，可以反映出其在研究領(lǐng)域中的價(jià)值[10]；其次網(wǎng)絡(luò)頂點(diǎn)度值的預(yù)測(cè)也具有重要的現(xiàn)實(shí)意義，在引文網(wǎng)絡(luò)中，它代表了某項(xiàng)研究在未來被關(guān)注的程度，可以描述發(fā)展趨勢(shì)[11]。目前作者影響力評(píng)價(jià)研究中常見的網(wǎng)絡(luò)可以分為兩類：一類是單層學(xué)術(shù)網(wǎng)絡(luò)，主要是作者合作網(wǎng)絡(luò)，這類網(wǎng)絡(luò)借助計(jì)量指標(biāo)和PageRank[12]算法評(píng)估個(gè)體間關(guān)系及個(gè)體在網(wǎng)絡(luò)中所處的位置特征，能夠更加客觀地評(píng)價(jià)文獻(xiàn)質(zhì)量，但是忽略了作者本身的屬性特征以及作者在其他維度的學(xué)術(shù)影響力。所以在此基礎(chǔ)之上有部分學(xué)者研究多層網(wǎng)絡(luò)[13]，這類網(wǎng)絡(luò)結(jié)合作者合著網(wǎng)絡(luò)、作者引用網(wǎng)絡(luò)及文獻(xiàn)引用網(wǎng)絡(luò)等進(jìn)行評(píng)價(jià)，能有效彌補(bǔ)單層學(xué)術(shù)網(wǎng)絡(luò)的不足。

雖然作者學(xué)術(shù)影響力評(píng)價(jià)指標(biāo)不斷進(jìn)步，但依然存在一些問題。首先，作者學(xué)術(shù)影響力不僅體現(xiàn)在傳統(tǒng)的文獻(xiàn)計(jì)量評(píng)價(jià)指標(biāo)上，還體現(xiàn)在作者的學(xué)術(shù)合作和交流之中，僅借助傳統(tǒng)文獻(xiàn)計(jì)量指標(biāo)容易導(dǎo)致作者學(xué)術(shù)影響力的評(píng)價(jià)結(jié)果偏差[14]；其次，基于單個(gè)學(xué)術(shù)網(wǎng)絡(luò)的評(píng)價(jià)方法較為單一片面，目前大多數(shù)研究往往忽略網(wǎng)絡(luò)中節(jié)點(diǎn)之間的關(guān)系強(qiáng)度以及不同主體貢獻(xiàn)度[15]，因此不能體現(xiàn)出作者的學(xué)術(shù)影響力；而且較少借助引文網(wǎng)絡(luò)預(yù)測(cè)作者的未來影響力[16]。針對(duì)這些不足，本文基于引文指標(biāo)修正個(gè)人影響因子(Corrected personal impactfactor即CPIF)，結(jié)合引文網(wǎng)絡(luò)對(duì)作者學(xué)術(shù)影響力進(jìn)行全面綜合測(cè)度，即根據(jù)作者對(duì)其所著文獻(xiàn)的貢獻(xiàn)度，綜合測(cè)度出作者的自身影響力，在此基礎(chǔ)上結(jié)合被引頻次、施引文獻(xiàn)所在期刊的影響因子、文獻(xiàn)間引用關(guān)系和主題相似度，綜合測(cè)度出文獻(xiàn)的重要性，兩者結(jié)合產(chǎn)生一個(gè)新的評(píng)價(jià)指標(biāo)—個(gè)人結(jié)構(gòu)影響因子(Personal structure impact factor即PSIF)，以期全面、客觀地評(píng)價(jià)作者的學(xué)術(shù)影響力。

2 PSIF設(shè)計(jì)

2.1 作者自身影響力——CPIF指標(biāo)

S.Fortunato[17]根據(jù)期刊影響因子的思想提出了作者影響因子指標(biāo)(Authori mpact factor，即AIF)。該指標(biāo)通過計(jì)算被引次數(shù)和發(fā)文量來測(cè)度作者的學(xué)術(shù)影響力，其由于計(jì)算簡(jiǎn)單而被廣泛使用。但是該指標(biāo)存在未考慮作者貢獻(xiàn)度、假設(shè)所有引文質(zhì)量均等以及未計(jì)算零被引論文的不足。所以，本文結(jié)合作者貢獻(xiàn)度和施引期刊質(zhì)量，從質(zhì)量和數(shù)量?jī)蓚€(gè)維度改進(jìn)AIF，得到CPIF，其計(jì)算公式為：

①

2.2 作者網(wǎng)絡(luò)影響力——SP指標(biāo)

為計(jì)算文獻(xiàn)的重要性，本文基于API指標(biāo)[18]，構(gòu)建以作者為節(jié)點(diǎn)，作者之間的引文關(guān)系為邊的作者引文網(wǎng)絡(luò)G=(V，E)，其中V為作者集合，E?V×E為關(guān)系集合。具體而言，作者i到作者j的有向邊表示i引用了j的論文，權(quán)重wij表示作者i引用作者j論文的次數(shù)。在文獻(xiàn)引文網(wǎng)絡(luò)中，引用關(guān)系為有向的，一般沒有文獻(xiàn)相互引用和自引情況，因此不存在文獻(xiàn)節(jié)點(diǎn)間相互引用或自引的關(guān)系。

根據(jù)Fernando P.Santos[19]的研究，在網(wǎng)絡(luò)中個(gè)體之間的相互作用可認(rèn)定為一種權(quán)力關(guān)系，并用網(wǎng)絡(luò)指標(biāo)結(jié)構(gòu)權(quán)力(Structure Power簡(jiǎn)寫為SP)來衡量一個(gè)人(A)在另一個(gè)人(B)相互作用組中的流行程度。具體來說，在多人博弈游戲中，由一個(gè)人(提議者)向剩余的響應(yīng)者提出倡議，響應(yīng)者必須單獨(dú)拒絕或接受，結(jié)構(gòu)權(quán)力可以評(píng)價(jià)提議者在響應(yīng)者所在網(wǎng)絡(luò)中的流行程度。在單個(gè)網(wǎng)絡(luò)中，每個(gè)人可以同時(shí)作為提議者和響應(yīng)者。因此，根據(jù)已有研究[17]，本文用借用受歡迎程度(pop)和主動(dòng)性(act)代表作者在引文網(wǎng)絡(luò)中引用和被引用的行為，文獻(xiàn)主題的相似性(sim)影響著作者間的相互引用，結(jié)合以上三種參數(shù)得到SP，以此來計(jì)算每個(gè)作者對(duì)其他作者的吸引力大小。Pop數(shù)值與作者的被引次數(shù)有關(guān)，act數(shù)值對(duì)應(yīng)于引用文獻(xiàn)的次數(shù)，sim數(shù)值可以通過作者—引文網(wǎng)絡(luò)中的相對(duì)位置來量化。因此，基于作者引文網(wǎng)絡(luò)，提出了一個(gè)名為結(jié)構(gòu)權(quán)力(Structure Power簡(jiǎn)寫為SP)的指標(biāo)來計(jì)算每個(gè)作者對(duì)其他作者的吸引力大小[20]。任何兩位作者之間的吸引力都與pop、act、sim三個(gè)因素有關(guān)。

1)作者的受歡迎度(popk)和主動(dòng)性(actk)是評(píng)價(jià)作者SP的關(guān)鍵因素。pop的計(jì)算公式定義為：

②

③

其中Bk和Ai分別為k所指向的節(jié)點(diǎn)和指向i的節(jié)點(diǎn)。wki為作者k引用作者i的次數(shù)，∑l∈Biwli為作者i被他人引用的總次數(shù)。由于上述兩個(gè)公式交替運(yùn)行，popk和actk逐漸收斂到固定值。

2)影響作者之間SP的重要因素還有相似度(simij)，本文采用了Jaccard相似系數(shù)的方法計(jì)算作者間相似度。這種方法的最終值在0和1之間，最終值越接近1，這兩位作者的相似性越高。Jaccard相似度系數(shù)的計(jì)算只需要網(wǎng)絡(luò)中兩個(gè)作者之間的共同鄰居，所以最短路徑大于2的兩個(gè)作者之間的相似度為0。

3)SP是衡量作者吸引他人引用和引用文獻(xiàn)能力的指標(biāo)。每個(gè)作者對(duì)網(wǎng)絡(luò)中其他所有作者都有吸引力，而作者i對(duì)作者j的吸引力與作者j對(duì)作者i的吸引力是完全不同的，分別用spij和spji表示。作者i對(duì)作者j的吸引力公式定義為：

SPij=popi*actj*simij

④

2.3 引文網(wǎng)絡(luò)中作者結(jié)構(gòu)影響力——PSIF指標(biāo)

在得到文獻(xiàn)重要性的基礎(chǔ)上，根據(jù)文獻(xiàn)的被引質(zhì)量和作者貢獻(xiàn)度對(duì)引文網(wǎng)絡(luò)進(jìn)行賦值，并結(jié)合引文網(wǎng)絡(luò)節(jié)點(diǎn)和邊的權(quán)值對(duì)作者的學(xué)術(shù)影響力進(jìn)行綜合測(cè)度，最終得到PSIF指標(biāo)，其計(jì)算公式為：

PSIFi=∑j∈Si(SPij*CPIFj)

⑤

其中j作者屬于si，si是除作者i外，作者引文網(wǎng)絡(luò)中所有剩余作者的集合。spij是作者i對(duì)作者j的吸引力，CPIFj是作者j的個(gè)人影響力，二者可以計(jì)算出作者的學(xué)術(shù)影響力大小。

PSIF從引文網(wǎng)絡(luò)的角度出發(fā)，探究作者及其發(fā)表文獻(xiàn)間的相互作用。其具有以下特點(diǎn)：1)繼承了AIF的優(yōu)點(diǎn)，即排除時(shí)間因素的干擾，評(píng)價(jià)特定時(shí)間窗口下作者的影響力，使評(píng)價(jià)結(jié)果更具公平性；2)PSIF根據(jù)作者合著論文的位次分配權(quán)重計(jì)算作者的貢獻(xiàn)度，可避免所有作者均分論文榮譽(yù)；3)PSIF通過計(jì)算引文網(wǎng)絡(luò)中單個(gè)作者的pop、act、sim反映作者在引文網(wǎng)絡(luò)中的吸引力以及文獻(xiàn)的重要性。總的來說，PSIF考慮了傳統(tǒng)引文指標(biāo)與文獻(xiàn)間的引用關(guān)系，相比已有的評(píng)價(jià)指標(biāo)能更加全面地評(píng)價(jià)作者的學(xué)術(shù)影響力。

3 實(shí)證研究

3.1 數(shù)據(jù)來源及處理

根據(jù)中國(guó)社會(huì)科學(xué)引文索引(CSSCI 2019-2020)來源期刊及分區(qū)名單，選擇圖書情報(bào)學(xué)領(lǐng)域10種核心期刊，在中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)(CNKI)中構(gòu)造檢索式(JN=中國(guó)圖書館學(xué)報(bào)+圖書情報(bào)工作+大學(xué)圖書館學(xué)報(bào)+圖書情報(bào)知識(shí)+圖書與情報(bào)+國(guó)家圖書館學(xué)刊+圖書館建設(shè)+圖書館論壇+圖書館學(xué)研究+圖書館雜志)檢索。將確定的文獻(xiàn)樣本導(dǎo)出進(jìn)行作者分析，選擇發(fā)文量和被引量前1%的高影響力作者，取兩者的并集，共得到42位作者。在中國(guó)知網(wǎng)(CNKI)引文數(shù)據(jù)庫(kù)中檢索42名作者2013-2017年的發(fā)文情況及這些文獻(xiàn)在2018年的被引情況。文獻(xiàn)數(shù)據(jù)記錄包括每個(gè)作者的所有發(fā)文(包含作者的署名次序和零被引論文)數(shù)量、總被引頻次及其對(duì)應(yīng)的期刊質(zhì)量等，數(shù)據(jù)采集時(shí)間為2019年12月6日。本文選擇2013-2017五年時(shí)間窗口的原因是考慮到作者撰寫、發(fā)表論文及積累一定量的被引是一個(gè)較長(zhǎng)時(shí)間的過程，而且五年是圖書館學(xué)期刊的最佳引證時(shí)間窗[21]。從以往研究來看，學(xué)界并沒有明確定義零被引的時(shí)間窗口[22]，所以為保證公平性，本文并未定義零被引論文的時(shí)間年限。

在此基礎(chǔ)上利用R語(yǔ)言、python自編程序提取作者的多項(xiàng)數(shù)據(jù)：

1)提取單篇論文的作者總數(shù)和作者署名位次，并對(duì)每篇論文編號(hào)。

2)提取作者的被引頻次及其對(duì)應(yīng)的期刊，共獲得“被引期刊-年”條目11041條。在維普期刊網(wǎng)中爬取施引期刊2014年-2018年的兩年影響因子，刪除查不到或者為空的條目，清洗后得到8749條“期刊-年”數(shù)據(jù)。最后利用公式①計(jì)算42名作者的CPIF數(shù)值。

3)提取引證文章中含“作者”列姓名的文章，重新構(gòu)建DataFrame，即得到42位作者相互引證的文獻(xiàn)數(shù)據(jù)，實(shí)際得到41位作者數(shù)據(jù)；將數(shù)據(jù)轉(zhuǎn)化為“引證作者(行)——引證原文作者(列)”累計(jì)引證次數(shù)矩陣。

4)計(jì)算pop和act：首先均初始化為41個(gè)1/41值的向量，公式②和③可轉(zhuǎn)化為引證次數(shù)矩陣，分別為“作者列/行合計(jì)”和“作者行/列合計(jì)”，得到兩個(gè)41的向量，分別與pop和act向量對(duì)應(yīng)位置求和，更新作者的pop和act，設(shè)置迭代次數(shù)100，得到作者pop和act收斂。

5)計(jì)算相似性矩陣：根據(jù)預(yù)處理后的DataFrame，提取存在引證關(guān)系的作者，計(jì)算兩位作者的相似度，并以41*41的矩陣形式存儲(chǔ)。

6)計(jì)算作者SP矩陣：pop向量reshape為41*1向量與act向量相乘，得到41*41矩陣，該矩陣與相似性矩陣的對(duì)應(yīng)位置相乘，得到SP矩陣。

7)計(jì)算PSIF。作者SP矩陣與CPIF相乘，得到PSIF即引文網(wǎng)絡(luò)—作者影響力。在過濾掉SP值等于0的作者(未被他人引用的作者)之后，得到39位作者文獻(xiàn)數(shù)據(jù)記錄包括CPIF值、PSIF值、H指數(shù)、發(fā)文數(shù)量、被引次數(shù)、被引質(zhì)量、特征向量中心度。利用R語(yǔ)言和Excel軟件計(jì)算、匯總39位作者的各種參數(shù)值，見表1。

表1 39名作者的相關(guān)參數(shù)(以PSIF數(shù)值降序排列)

3.2 結(jié)果分析

3.2.1 PSIF的有效性分析

本文制作39名作者的引文分布圖，如圖1。圖中橫軸(對(duì)數(shù)軸)為被引次數(shù)，縱軸(對(duì)數(shù)軸)為發(fā)文數(shù)。

圖1 39名作者的引文分布圖

根據(jù)PSIF的散點(diǎn)圖可知，散點(diǎn)在對(duì)數(shù)數(shù)軸中均呈線性特征，且集中于下部，引文分布呈明顯的規(guī)律性。這表明以論文、作者為節(jié)點(diǎn)的引文網(wǎng)絡(luò)中，引文的分布受優(yōu)先連接機(jī)制左右，少數(shù)論文獲得大量引文，而大量論文只獲得少數(shù)引文。這與實(shí)際的文獻(xiàn)引文情況一致，一定程度上說明了PSIF的有效性。而且結(jié)果表明，PSIF敏感性較高，其排序結(jié)果因作者所發(fā)表文獻(xiàn)數(shù)量、質(zhì)量以及其網(wǎng)絡(luò)影響力的不同而有所不同。例如4號(hào)作者所著的文獻(xiàn)數(shù)量并不是最多的，但是其文獻(xiàn)的質(zhì)量和網(wǎng)絡(luò)影響力都比較高，因此在文獻(xiàn)影響力排名上超過了發(fā)表文獻(xiàn)更高多的5號(hào)作者。

3.2.2 PSIF與其他評(píng)價(jià)指標(biāo)排序結(jié)果對(duì)比分析

(1)PSIF能夠真實(shí)反映作者的學(xué)術(shù)影響力。將39位作者在2018年的PSIF數(shù)值分為三類：前10%是高影響力作者，后70%為低影響力作者，剩下的20%是中等影響力作者，結(jié)果見圖2。其中橫坐標(biāo)均為作者序號(hào)，縱坐標(biāo)均為具體數(shù)值。

圖2 高中低影響力作者數(shù)據(jù)分布情況

由圖2可知，排名前10%的作者中1號(hào)作者和4號(hào)作者的被引次數(shù)、被引質(zhì)量、發(fā)文數(shù)量、H指數(shù)、CPIF指數(shù)排名均位于前10%。2號(hào)和3號(hào)作者被引次數(shù)、被引質(zhì)量、發(fā)文數(shù)量、H指數(shù)、CPIF指數(shù)排名均位于前20%當(dāng)中。PSIF排名前20%的作者當(dāng)中僅有一名作者的H指數(shù)排名超出20%。PSIF排名后70%的作者中有4名作者的CPIF排名位于前20%，有2名作者H指數(shù)、發(fā)文數(shù)量、被引次數(shù)和被引質(zhì)量排名位于前20%。整體上看，PSIF的排名結(jié)果與其他評(píng)價(jià)指標(biāo)排序結(jié)果具有一致性，具體來看，各個(gè)指標(biāo)排名結(jié)果均有一定差異。例如1號(hào)作者CPIF排名第1位，PSIF排名第1位，H指數(shù)排名第13位。進(jìn)一步了解可知該作者被引次數(shù)排名第3位，被引質(zhì)量排名第1位，發(fā)文數(shù)量排名第18位，其CPIF值和特征向量中心度均較高。由此可知，排名靠前的作者具有非常高的發(fā)文質(zhì)量與發(fā)文數(shù)量，權(quán)威作者則在各個(gè)指標(biāo)評(píng)判下都能保持較高水平，這與實(shí)際情況保持一致。同時(shí)作者所著文獻(xiàn)的被引次數(shù)及其刊載期刊的權(quán)威度、文獻(xiàn)在網(wǎng)絡(luò)中的位置均影響著作者學(xué)術(shù)水平，這說明作者的文獻(xiàn)數(shù)量固然重要，但其學(xué)術(shù)價(jià)值更為重要，作者近期發(fā)表越多高質(zhì)量的文獻(xiàn)，越能有效提升作者的影響力。如23號(hào)作者，其H指數(shù)為21，排名第4位，但是其CPIF數(shù)值和SP值較低，主要原因在于該作者被引次數(shù)和被引質(zhì)量分別排名第13位和第23位，同時(shí)在引文網(wǎng)絡(luò)中主動(dòng)性低，較少引用他人文獻(xiàn)。結(jié)果表明，非高被引、非高H指數(shù)論文也會(huì)有高學(xué)術(shù)影響力，PSIF的排名結(jié)果可以準(zhǔn)確反映作者的學(xué)術(shù)影響力。

(2)PSIF能夠預(yù)測(cè)作者未來影響力。將CPIF、H指數(shù)與PSIF進(jìn)行擬合，比較其系數(shù)，系數(shù)越接近1其影響力就越高，越能證明指標(biāo)在預(yù)測(cè)作者未來影響力的作用。結(jié)果顯示，CPIF、H指數(shù)和PSIF的R2分別為0.0328、0.2901、0.552。根據(jù)結(jié)果可知，PSIF具有預(yù)測(cè)能力且預(yù)測(cè)能力高于傳統(tǒng)計(jì)量指標(biāo)。為進(jìn)一步驗(yàn)證PSIF的預(yù)測(cè)能力，分別計(jì)算39名作者的特征向量中心度。根據(jù)表3分析結(jié)果可知，PSIF與特征向量中心度存在高度相關(guān)性(相關(guān)系數(shù)為0.908)。這說明PSIF能夠測(cè)度文獻(xiàn)的重要性，通過追蹤每篇論文在引文網(wǎng)絡(luò)中入度[23]數(shù)值的變化，可檢測(cè)和預(yù)見新興的主導(dǎo)論文和潛在的重要論文[24]。而且根據(jù)研究表明，未來發(fā)表的文獻(xiàn)質(zhì)量越高，學(xué)者的學(xué)術(shù)影響力越高[25]。本文計(jì)算不同年份被引頻次與PSIF、H指數(shù)、CPIF的相關(guān)性，如表2所示。在三種方法中，每個(gè)時(shí)間間隔的PSIF值都是最高的，這說明PSIF在預(yù)測(cè)作者未來影響力方面具有可行性。

表2 未來#年各指標(biāo)與被引次數(shù)的Pearson相關(guān)系數(shù)比較

(3)PSIF有利于評(píng)價(jià)青年作者的學(xué)術(shù)影響力。表1中前8名作者平均年齡為59歲，而2號(hào)作者37歲，相較于其他作者屬于青年作者行列。該作者的H指數(shù)值最低(僅為15)，但是其2018年的被引質(zhì)量超過62%的作者(為503.92)，所以其CPIF位次靠前；其特征向量中心度居于第二位，在引文網(wǎng)絡(luò)中SP數(shù)值較高。與H指數(shù)相比，PSIF僅計(jì)算選定時(shí)間窗內(nèi)作者的學(xué)術(shù)影響力，可較為公平地解決“吃老本”的問題，有效評(píng)價(jià)青年作者的學(xué)術(shù)影響力。

3.2.3 PSIF與其他評(píng)價(jià)指標(biāo)相關(guān)性分析

本文采用Spearman相關(guān)系數(shù)分析方法計(jì)算PSIF與傳統(tǒng)計(jì)量指標(biāo)的相關(guān)性，見表3。

表3 PSIF與傳統(tǒng)計(jì)量指標(biāo)相關(guān)性分析

PSIF與H指數(shù)的相關(guān)性達(dá)到0.608，相關(guān)性在0.01上顯著，說明PSIF的排序結(jié)果與H指數(shù)的排序結(jié)果具有一致性。而且H指數(shù)是評(píng)估作者學(xué)術(shù)成就的通用指標(biāo)，這說明基于引文網(wǎng)絡(luò)的PSIF具有客觀性及合理性。PSIF與被引頻次、被引質(zhì)量和發(fā)文數(shù)量的相關(guān)系數(shù)分別為0.599，0.670，0.367，且雙側(cè)檢驗(yàn)水平均為顯著相關(guān)，表明PSIF與發(fā)文數(shù)量存在相關(guān)性，但是相關(guān)性不高，而與被引次數(shù)和被引質(zhì)量的相關(guān)性更高。究其原因，PSIF是基于引文網(wǎng)絡(luò)和作者合著網(wǎng)絡(luò)的評(píng)價(jià)指標(biāo)，在計(jì)算時(shí)更加重視實(shí)際被引頻次，尤其是被引質(zhì)量，而對(duì)論文數(shù)量的敏感度較低。說明PSIF更注重文獻(xiàn)質(zhì)量，可以激勵(lì)作者發(fā)表高質(zhì)量論文。PSIF值排名與特征向量中心度高度相關(guān)，相關(guān)系數(shù)為0.908。這表明PSIF對(duì)特征向量中心性指標(biāo)具有一定替代作用，能夠準(zhǔn)確反映出作者的文獻(xiàn)質(zhì)量，展現(xiàn)作者在引文網(wǎng)絡(luò)中的影響力。

以上相關(guān)性分析可以證明，PSIF將多指標(biāo)融合，從文獻(xiàn)計(jì)量角度考慮作者的發(fā)文量與被引量等外部數(shù)據(jù)，同時(shí)從社會(huì)網(wǎng)絡(luò)角度考慮了作者的科研合作，最重要的是還從引文網(wǎng)絡(luò)層面考慮了文獻(xiàn)的學(xué)術(shù)價(jià)值，多角度地評(píng)價(jià)作者學(xué)術(shù)影響力，評(píng)價(jià)結(jié)果優(yōu)于原有單一指標(biāo)。

4 結(jié)語(yǔ)

本文在引文網(wǎng)絡(luò)的基礎(chǔ)上，通過pop、act和sim計(jì)算文獻(xiàn)的重要性；借助傳統(tǒng)計(jì)量指標(biāo)CPIF，從計(jì)量角度考慮作者自身影響力，將兩者結(jié)合提出基于引文網(wǎng)絡(luò)的作者學(xué)術(shù)影響力評(píng)價(jià)指標(biāo)PSIF。并分別評(píng)價(jià)39名作者的文獻(xiàn)影響力以及學(xué)術(shù)影響力，通過與其他評(píng)價(jià)指標(biāo)進(jìn)行對(duì)比性分析和相關(guān)性分析，驗(yàn)證了該指標(biāo)的有效性及合理性。最后，實(shí)證結(jié)果表明，相較于由單一節(jié)點(diǎn)、單一關(guān)系構(gòu)成的評(píng)價(jià)指標(biāo)，PSIF的優(yōu)勢(shì)在于：1)新指標(biāo)考慮了傳統(tǒng)引文指標(biāo)與文獻(xiàn)間的引用關(guān)系，能更加全面地描述作者科研成果的影響力以及自身影響力；2)新指標(biāo)計(jì)算特定時(shí)間窗口內(nèi)的作者影響力，更有利于評(píng)價(jià)青年作者的學(xué)術(shù)影響力；3)新指標(biāo)具有預(yù)測(cè)能力，能夠發(fā)現(xiàn)和挖掘潛在的高影響力作者。但是本研究還存在以下局限：未考慮不同的引用類型，忽視不符合規(guī)范的引用情況；未充分考慮學(xué)術(shù)網(wǎng)絡(luò)的其他特征。因此，后續(xù)研究將從多個(gè)數(shù)據(jù)源中獲取引文信息，鑒別不同引用類型并提取學(xué)術(shù)網(wǎng)絡(luò)的其他特征，以保證研究的科學(xué)性和準(zhǔn)確性。