鄧 哲

（湘潭大學，湖南 湘潭 411105）

0 引言

在信息社會，繁雜信息日益劇增，在海量信息中如何凸顯自己、提高自己知名度已日漸成為團體和個人關注的重點。高校作為吸納、培養(yǎng)和輸送社會型人才樞紐，在信息社會如何擴大影響力，提高自身知名度是不容忽視的問題。傳統(tǒng)信息傳播由于傳輸效率及傳播范圍有限已逐漸不適應當下高校信息需求，而各大高校官網作為高校信息集合地，肩負著及時向外界傳送高校各類信息，為學生群體乃至社會大眾提供服務的任務。在信息化高速發(fā)展大環(huán)境下，高校網站已成為信息傳播速度最快、傳播范圍最廣、信息傳播最重要的平臺媒介，利用灰色關聯(lián)度方法對高校網站建設情況作出評估，可以為高校網站的建設提供參考，進一步提高高校網站的建設水平。

基于對醫(yī)學高校網站影響力相關研究得出的醫(yī)學高校網站影響力概論，文章對20所醫(yī)學高校網站影響力在流量指標、鏈接指標等基礎上進行評測，初步建立網站影響力評估指標體系，通過“tool.chinaz.com”站長工具及百度搜索引擎等軟件搜集醫(yī)學高校網站影響力評估指標數(shù)據(jù)，結合灰色關聯(lián)度分析法對20所醫(yī)學高校網站灰色關聯(lián)度進行排序，進而得出20所醫(yī)學高校網站的建設情況，最后在評估結果分析的基礎上提出加強醫(yī)學高校網站建設的措施和建議。

1 相關研究綜述

國外學者Batooli等[1]在獲取研究人員瀏覽量、閱讀情況等數(shù)據(jù)后，以在線學術社交網站為基礎對研究學者的科研情況進行了評估；Bhardwaj[2]在對網站特征功能進行分析提取后將網站劃分類別，并對在線學術社交網站進行評估比較。國內學者楊金龍等[3]利用網站鏈接分析及灰色關聯(lián)分析對省級政府網站的電子政務建設情況進行了評價研究；李媚嬋[4]在鏈接分析和灰色關聯(lián)分析的基礎上，通過定量方法對廣東地級市檔案網站的影響力進行了評估比較；肖荻昱[5]對智庫網站的影響力采用鏈接分析方法排序，深入分析了社會智庫網站的影響力情況；熊回香等[6]基于網站功能、學術資源、網站影響力等多維度層面，對國內在線學術社交網站進行比較分析；謝人強等[7]對省級圖書館網站相關數(shù)據(jù)進行搜集，利用熵權灰色關聯(lián)分析法對網站影響力進行分析評估。高彩嬌[8]引入時間-加權被引頻次等指標結合引文、鏈接分析方法對國內作者的學術影響力作出評估；成錫潮[9]在對房產信息網站的鏈接流量數(shù)據(jù)進行收集后，利用灰色關聯(lián)分析方法對房產網站外部特征、指標關聯(lián)度及綜合評估進行了研究分析；匡宇揚等[10]利用灰色關聯(lián)法及層次分析法等對老年用戶網站的發(fā)展建設情況進行研究分析，指出國內老年用戶網站的發(fā)展問題、單一型網站建設情況有待完善；戴艷清和戴柏清[11]從網站流量、鏈接度、搜索引擎3個角度對國內互聯(lián)網時代下公共數(shù)字文化網站的影響力進行評估分析；章詩韻等[12]利用灰色關聯(lián)度分析法對收集的疾控中心網站9個參數(shù)進行了分析比較，并對如何提升疾控網站影響力水平提出建議；葛少衛(wèi)和楊曉江[13]在采集文獻計量指標和網絡特征指標后結合灰色關聯(lián)分析對全球13個大學排行榜影響力進行了排序分析。

2 研究對象選取

文章以杭州電子科技大學中國科教評價研究院和浙江高等教育研究院、武漢大學中國科學評價研究中心聯(lián)合中國科教評價網（www.nseac.com）發(fā)布的《中國大學及學科專業(yè)評價報告（2022—2023）》中30所醫(yī)學高校作為初步研究對象。為使研究對象更加具有客觀性，文章依循簡單隨機抽樣原理，利用編程語言產生隨機數(shù)列，從上述初步選取對象中隨機抽取20所高校網址作為最終研究樣本，所采用的隨機抽樣工具在JavaScript環(huán)境下編寫，隨機抽樣工具抽取的20所高校名稱及網址見表1。

表1 隨機抽樣工具抽取的20所院校及網址

3 數(shù)據(jù)收集及評估體系的建立

3.1 醫(yī)學高等院校網站影響力評價模型的建立

文章在基于全面性和可獲取性的基礎上結合國內外已有的網站評價指標體系，建立了醫(yī)學高校網站的評價指標體系，包含3個一級指標和7個二級指標組成（圖1）。

圖1 高校網站評價指標體系

3.2 評價指標選擇及收集

為能夠更好反映醫(yī)學高等院校網站的建設現(xiàn)狀及網絡影響力，文章最終選取的網站影響力評價指標為：網頁數(shù)、鏈接總數(shù)、外部鏈接數(shù)、內部鏈接數(shù)、網絡影響因子（WIF）（外部網絡影響因子、內部網絡影響因子）、網頁級別PR值（搜狗、google）、日均IP訪問量、人均頁面瀏覽量（近月）、日均PV瀏覽量。

文章研究對象均為中文網站，因而使用“tool.chinaz.com站長工具”和百度搜索引擎對20所公立醫(yī)學高等院校進行檢索收集更具效率。此次檢索于2022年6月1日—2022年6月10日，所得各個高校網站及其各項鏈接指標數(shù)據(jù)見表2—表4。

表2 20所醫(yī)學高校評價指標數(shù)據(jù)（一）

表3 20所醫(yī)學高校評價指標數(shù)據(jù)（二）

表4 20所醫(yī)學高校評價指標數(shù)據(jù)（三）

鑒于選取評價指標中僅日均IP訪問量、人均頁面瀏覽量、日均PV瀏覽量可能受所選取時間段影響，時間段的選取對其余指標影響較低，且文章選取時間段下網站訪問各項數(shù)值平緩，與一般情境較為吻合，因而文章的采集時間段對最終結論準確性影響較小。

對所搜集數(shù)據(jù)進行初步分析發(fā)現(xiàn)：

（1）從表2數(shù)據(jù)中可得出：在網頁數(shù)量上，南京醫(yī)科大學網頁數(shù)最多，有80 392個網頁；黑龍江中醫(yī)藥大學網頁數(shù)最少，僅為9 959個網頁，而20所高校網站網頁平均數(shù)為34 662.1個，在所調查的20所醫(yī)學高校網站中有9所大學網頁數(shù)高于這個平均值，11所大學網站網頁數(shù)低于這個平均數(shù)。這在一方面可以反映目前相當一部分醫(yī)學高校網站的網站建設規(guī)模還不夠完善，與國內領先的醫(yī)學高校還存在一定差距。

（2）中國醫(yī)科大學在外鏈接數(shù)最多，達到了229 000個，而南方醫(yī)科大學外鏈接數(shù)最少，僅有89個。20所醫(yī)學高校平均外鏈接數(shù)為36 406.45個，僅中國醫(yī)科大學、中國藥科大學、南京醫(yī)科大學、福建醫(yī)科大學超過了這個平均值，且居于后列的高校與居于前列的高校相差很大，由此看來所調查20所醫(yī)學高校中大部分網站的建設質量還不夠好，需要進一步完善。

4 灰色關聯(lián)度分析與數(shù)據(jù)處理

4.1 確立評價指標矩陣

文章評價指標矩陣由20所高校網站及12個評價指標的具體數(shù)據(jù)組成，也是文章網站評價依據(jù)。設A=｛Yi∣i=1,…，i｝為待評價網站的集合（i=20），Aij=（Ai1,Ai2,…，Aij）為第i個待評價網站各指標的數(shù)據(jù)集合，共有j個數(shù)據(jù)（j=12），Aij表示第i個網站的第j個指標的取值，最終建立評價指標矩陣S：

4.2 數(shù)據(jù)無量綱化

由于表2—表4中各評價指標中的數(shù)據(jù)因為量綱不同屬于不同數(shù)量級，為了在后期處理時便于相互比較文章對表2—表4中指標數(shù)據(jù)進行無量綱化處理（以各個指標數(shù)據(jù)的均值為基準，對20所醫(yī)學高校的指標數(shù)據(jù)進行無量綱化處理）。

即使用：

20所醫(yī)學高校各項指標數(shù)據(jù)經過無量綱化處理后矩陣A變?yōu)榫仃嘇，后續(xù)進行運算分析時采用矩陣A中的數(shù)據(jù)。

4.3 確定評價指標權重

文章利用熵值法對各項指標進行加權處理，設第j個指標的信息熵值運算公式為：

式中：k為波爾茲曼常數(shù)，取值為（lni）-1，文章中k值為0.333 8，信息熵M的取值范圍為[3]。

信息熵M可衡量第j個指標的有效性；當Mj=1時，表示數(shù)據(jù)完全無序，即該指標權重為0。因此，指標的有效性為數(shù)值1和Mj差值，即差異系數(shù)Nj，Nj運算式為：

第j個指標的最終權重Wj計算公式如下：

利用式（3）、式（4）計算求得各指標權重見表5。

表5 各項評價指標權重

由表5可以看出網頁數(shù)、外部影響因子、外鏈接數(shù)3項指標的權重居于前三，三者權重之和占總權重比例超過了50%，說明這3項指標對網站整體的影響力作用水平較高，而日均PV瀏覽量、PR值（Google）、PR值（搜狗）的權重均沒有超過2%，說明這3項指標對網站整體影響力作用較小。

4.4 灰色關聯(lián)度計算

在文章中若選取的12個指標指數(shù)越大，則可以反映出網站所含內容越豐富多樣、網站建設情況越完善，也意味著網站的影響力越強。即上述12個指標均與網站質量呈正相關關系。

文章將各項指標的最大值設為參考集，以此分析20個網站指標數(shù)據(jù)同參考集之間的關系。對無量綱化后的數(shù)據(jù)采用灰色關聯(lián)度分析方法進行處理，設Xi為數(shù)據(jù)集合，第i個對象在不同評價的指標k上的數(shù)據(jù)為xi*（k）（k=1，2，…，n），數(shù)據(jù)集合xi*k=（xi*（1），xi*（2），…，xi*（k）（i=1，2，…，m），其中n=12，m=20。分析計算步驟如下：

（1）確定參考集xo（k）（最優(yōu)指標集）

參考集xo（k）=［xo（1），xo（2），…，xo（k）］，式中xo（k）為第k個指標的最大值，形成最優(yōu)指標集矩陣，其中每個元素都是各指標值的最大值，也就是公認的最優(yōu)值，最優(yōu)值及對應高校見表6。

表6 各項評價指標最優(yōu)值及對應的高校

從表6中得出中國醫(yī)科大學擁有4個指標的最優(yōu)值，分別是：PR值（搜狗）、總鏈接數(shù)、外鏈接數(shù)、總體影響因子，說明中國醫(yī)科大學在20所高校中網站建設質量及組織結構都是比較好的；北京協(xié)和醫(yī)學院和南京醫(yī)科大學擁有3個指標的最優(yōu)值分別是人均頁面瀏覽量、PR值（Google）、外部影響因子和日均IP訪問量、日均PV瀏覽量、網頁數(shù)，說明這2個學校在網站建設方面也是比較好的，對學校網站建設情況也比較重視。

（2）求差序列

計算公式如下：

利用式（5）計算出20所高校的每一項指標無量綱化數(shù)值與最優(yōu)值差的絕對值，并從每項指標差值中，選出相應的最大值和最小值，記作Max│xo（k）-xi（k）│和Min│xo（k）-xi（k）│。

（3）計算關聯(lián)度。

從得到指標差值最大值和最小值集合中各自取出其中最值，記為MaxMax│xo（k）-xi（k）│和MinMin│xo（k）-xi（k）│，所得結果數(shù)據(jù)根據(jù)式（6）處理后得到εi（k）。

（4）將20所高校各項指標的關聯(lián)系數(shù)εi（k）運算結果與指標權重相乘，得到各項指標數(shù)據(jù)。利用式（7）計算得到求和加權關聯(lián)度R（xo，xi）。

*Si（k）為εi（k）與指標權重相乘后結果。

20所公立醫(yī)學高校門戶網站加權灰色關聯(lián)度降序排列結果見表7。

表7 20所高校網站加權灰色關聯(lián)度排序

5 結論與建議

在對表7加權灰色關聯(lián)度排序分析后發(fā)現(xiàn)：

（1）加權灰色關聯(lián)度排名越靠前意味著調查網站與最佳網站的關聯(lián)度越高，網站規(guī)模質量越好、網站所含內容更豐富多樣、網站規(guī)模更大、網站整體構造越趨于完備，影響力相應越強。

（2）表7中國醫(yī)科大學關聯(lián)度最高達到了0.734 4，20所醫(yī)學高校的平均值為0.578 6，20所高校中僅中國醫(yī)科大學加權灰色關聯(lián)度高于0.7，其余高校網站均低于0.7，山西醫(yī)科大學灰色關聯(lián)達到了0.590 1，而寧夏醫(yī)科大學灰色關聯(lián)度系數(shù)最小為0.510 2。綜合分析得到大部分醫(yī)學高校網站可能對網站建設還不夠重視，國內大部分醫(yī)學高校網站與國內頂尖醫(yī)學高校之間的網站建設情況差距還比較明顯，醫(yī)學高校網站綜合建設水平仍需提高。

（3）文章對高校所在地區(qū)研究發(fā)現(xiàn)，地域可能對高校網站灰色關聯(lián)排序存在一定影響，如灰色關聯(lián)排序最后兩名為黑龍江中醫(yī)藥大學和寧夏醫(yī)科大學。得出分析，可能由于高校地處偏遠，在高校知名度和公眾對高校的關注度方面比較低，導致偏遠地區(qū)高校影響力可能較小。要提高公立醫(yī)學高校網站影響力，可考慮以下幾個方面措施。

5.1 加強網站內容建設

提高網站內容質量和豐富度，加強網站信息更新和發(fā)布頻率，增加有吸引力的專題和研究成果，增加各類教育和科研資源的在線共享等。這樣能夠吸引更多的學術界和社會公眾對醫(yī)學高校網站的關注和參與度，提高網站的訪問量和知名度。

5.2 優(yōu)化網站排名

通過搜索引擎優(yōu)化（SEO）等技術手段，提高網站在搜索引擎結果頁面的排名，使更多的用戶能夠找到醫(yī)學高校網站。具體措施包括關鍵詞優(yōu)化、網站架構優(yōu)化、外鏈建設等。

5.3 加強與社會的交流合作

開展醫(yī)療健康科普和疾病防控宣傳活動、推廣醫(yī)學高校的臨床科研成果，參與社會公益活動等，擴大醫(yī)學高校與社會交流合作。這樣能夠提高醫(yī)學高校的社會聲譽和知名度，進而提高網站的影響力。

5.4 提供個性化服務

在網站上提供個性化的服務，如在線預約掛號、醫(yī)學疑難病癥咨詢、在線學習等，方便用戶在網站上獲取到所需的服務和信息。這樣能夠增強用戶對醫(yī)學高校網站的黏性和忠誠度，提高網站的訪問量和影響力。