頂級科研論文在社交網(wǎng)絡(luò)中的關(guān)注度研究

于琦 田玥 賀培鳳

摘 要：[目的/意義]頂級科研論文代表了世界學(xué)術(shù)領(lǐng)域內(nèi)重大的獨(dú)創(chuàng)研究成果，其在網(wǎng)絡(luò)中的受關(guān)注程度體現(xiàn)了社會(huì)大眾對重大科研進(jìn)展的關(guān)心熱度。研究頂級期刊論文在網(wǎng)絡(luò)中的關(guān)注度及其影響因素，可以為提出全面科學(xué)的論文評價(jià)體系奠定基礎(chǔ)，為論文在網(wǎng)絡(luò)中獲得高的網(wǎng)絡(luò)關(guān)注提供指導(dǎo)意見。[方法/過程]利用2016年發(fā)表在《Nature》和《Science》的1584篇科研論文的Altmetrics數(shù)據(jù)和題錄信息，從分布特征和相關(guān)系數(shù)兩個(gè)維度描繪了論文社會(huì)影響力與學(xué)術(shù)影響力的關(guān)系，從論文研究主題和來源國家兩個(gè)維度探析了論文網(wǎng)絡(luò)關(guān)注度的影響因素。[結(jié)果/結(jié)論]頂級期刊論文的Altmetrics指標(biāo)和被引量波動(dòng)范圍較大，各指標(biāo)分布均呈現(xiàn)長尾偏右的尖頂曲線;論文的Attention score與被引量的相關(guān)性較弱;探討與人類健康和生活相關(guān)研究主題的論文更容易獲得高的網(wǎng)絡(luò)關(guān)注度。不同國家的論文網(wǎng)絡(luò)關(guān)注度呈現(xiàn)出3類較突出的特征;論文的國際合作程度越高，越有機(jī)會(huì)獲得高的網(wǎng)絡(luò)關(guān)注度。

關(guān)鍵詞：Altmetrics;社交媒體;頂級科研論文;關(guān)注度

DOI：10.3969/j.issn.1008-0821.2019.07.019

〔中圖分類號(hào)〕G250.252 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2019）07-0153-09

Abstract：[Purpose/Significance]Top academic papers represent the significant original scientific research in the worldwide academic field，and their popularity on the social network reflects what the public interest is for major scientific research progress.Research on the degree of attention of top academic papers on the social network and its influencing factors can lay a foundation for the comprehensive scientific paper evaluation system，and provide guidance for papers to gain high network attention on the social network.[Method/Process]Using altmetrics data and bibliographic information from 1584 papers published in《Nature》and《Science》in 2016，the relationship between social influence and academic influence were depicted from two perspectives of the distribution characteristics and correlation coefficient，and the influencing factors of the network attention were investigated from two perspectives the research topic and country.[Result/Conclusion]The fluctuation range of Altmetrics indicator and citations of top journal papers was relatively large，and the distributions for all indicators presented a sharp curve with a long tail to the right.The relationship between the Attention score and the citation score was relatively weak.Papers with topics related to human health and life were more likely to gain high network attention.The network attention for different countries presented three prominent features，and the higher of the papers international collaboration rate，the greater of network attention the papers would receive.

Key words：Altmetrics;social media;top academic papers;degree of attention

傳統(tǒng)的論文評價(jià)方法一般使用論文的被引量來評價(jià)論文的價(jià)值，測度的是論文的學(xué)術(shù)影響力，周期較長且具有滯后性，逐漸變得難以適應(yīng)現(xiàn)代科學(xué)研究的需要[1]。隨著互聯(lián)網(wǎng)技術(shù)的普及、開放獲取運(yùn)動(dòng)的深入和在線科學(xué)交流方式的繁榮，Altmetrics應(yīng)運(yùn)而生[2]，它測度的是論文的社會(huì)影響力，是對傳統(tǒng)計(jì)量學(xué)的一種補(bǔ)充[3]。廣義的Altmetrics是面向?qū)W術(shù)成果全面影響力的評價(jià)指標(biāo)體系;狹義的Altmetrics則是專門研究基于社交網(wǎng)絡(luò)數(shù)據(jù)的計(jì)量指標(biāo)[4]，包括學(xué)術(shù)成果在Facebook、Twitter、Mendeley等社交網(wǎng)絡(luò)中被轉(zhuǎn)載、推送和提及的次數(shù)等。目前提供社交網(wǎng)絡(luò)計(jì)量指標(biāo)的服務(wù)平臺(tái)主要有Altmetric.com、ImpactStory、PLOS ALMs和Plum Analytics等。由于社交網(wǎng)絡(luò)計(jì)量指標(biāo)反映的是學(xué)術(shù)成果在網(wǎng)絡(luò)中受關(guān)注的程度，故可用來衡量學(xué)術(shù)成果的社會(huì)影響力。

文獻(xiàn)的網(wǎng)絡(luò)關(guān)注度與被引量之間的關(guān)系一直受到學(xué)者們的廣泛關(guān)注。對于網(wǎng)絡(luò)關(guān)注度是否與被引量存在顯著的正相關(guān)性，不同研究給出的結(jié)論不盡相同。一些研究表明論文網(wǎng)絡(luò)關(guān)注的增加會(huì)導(dǎo)致被引量的顯著增加，例如Shu F等[5]的研究表明，在同年同期刊發(fā)表的論文中，被Twitter轉(zhuǎn)發(fā)的論文比未被Twitter轉(zhuǎn)發(fā)的論文被引量高30%。而另一些研究[6-8]則發(fā)現(xiàn)論文網(wǎng)絡(luò)關(guān)注度與被引量之間的關(guān)系較弱?？梢姡撐牡木W(wǎng)絡(luò)關(guān)注度與被引量之間的關(guān)系仍然是個(gè)開放性的話題。本文選取2016年發(fā)表在《Science》和《Nature》兩本期刊上的所有論文作為研究對象，綜合運(yùn)用論文的Altmetrics數(shù)據(jù)和題錄信息，探討頂級期刊論文的網(wǎng)絡(luò)關(guān)注度與被引量之間的關(guān)系，并從論文的內(nèi)在特征和外顯特征兩個(gè)角度，對論文網(wǎng)絡(luò)關(guān)注度的影響因素進(jìn)行深入分析，以期為全面科學(xué)的論文評價(jià)體系構(gòu)建提供理論依據(jù)。

1 研究設(shè)計(jì)

首先，確定論文集合，收集論文的Altmetrics指標(biāo)數(shù)據(jù)（見表1）和在學(xué)術(shù)數(shù)據(jù)庫中的題錄信息。然后，從分布特征和相關(guān)系數(shù)兩個(gè)角度探討論文社會(huì)影響力與學(xué)術(shù)影響力之間的關(guān)系。最后，從內(nèi)在特征和外顯特征（國家）兩個(gè)維度對論文網(wǎng)絡(luò)關(guān)注度的影響因素進(jìn)行剖析，內(nèi)在特征主要選取論文的研究主題，外顯特征主要選取論文的來源國家。

1.1 數(shù)據(jù)采集

論文的題錄信息來源于Web of Science（WoS）。在WoS核心合集數(shù)據(jù)庫中，設(shè)置檢索式“出版物名稱：Nature or Science AND 時(shí)間跨度：2016-2016”，共檢索到5 306篇記錄。選取文章類型為“Article”，得到1 584篇論文的題錄信息，包括題目（TI）、摘要（AB）、作者機(jī)構(gòu)隸屬（C1）、DOI號(hào)（DI）和被引量（Z9）等。

論文的Altmetrics指標(biāo)數(shù)據(jù)來源于Altmetrics.com。通過本項(xiàng)目組開發(fā)的Python程序訪問Altmetrics API，通過上述1 584篇論文的DOI號(hào)獲取對應(yīng)Altmetrics指標(biāo)數(shù)據(jù)。

兩類數(shù)據(jù)集的獲取時(shí)間均為2018年9月12日。

1.2 論文社會(huì)影響力與學(xué)術(shù)影響力關(guān)系分析

以論文的Altmetrics指標(biāo)數(shù)據(jù)表征其社會(huì)影響力，以被引量表征其學(xué)術(shù)影響力，從分布特征和相關(guān)系數(shù)兩個(gè)維度探討論文社會(huì)影響力與學(xué)術(shù)影響力之間的關(guān)系。

1.2.1 論文Altmetrics指標(biāo)與被引量的分布特征

本文利用統(tǒng)計(jì)學(xué)基本方法，從集中趨勢、離散程度和分布形態(tài)3方面對論文Altmetrics指標(biāo)與被引量的分布特征進(jìn)行刻畫分析，其中，集中趨勢的統(tǒng)計(jì)量包括均值和中位數(shù)，離散程度的統(tǒng)計(jì)量包括極大值、極小值、極差和標(biāo)準(zhǔn)差，分布形態(tài)的統(tǒng)計(jì)量包括偏度和峰度。

1.2.2 論文Altmetrics指標(biāo)與被引量的相關(guān)分析

根據(jù)論文Altmetrics指標(biāo)與被引量的分布特征，判斷二者是否服從正態(tài)分布。若服從正態(tài)分布，則選擇Pearson相關(guān)系數(shù)描繪各Altmetrics指標(biāo)與被引量之間的關(guān)系，若不服從正態(tài)分布，則選擇Spearman相關(guān)系數(shù)描繪兩者之間的關(guān)系。

根據(jù)相關(guān)性分析結(jié)果，確定一個(gè)可代表網(wǎng)絡(luò)關(guān)注度的綜合指標(biāo)，用于下一步論文網(wǎng)絡(luò)關(guān)注度的影響因素分析。

1.3 論文網(wǎng)絡(luò)關(guān)注度的影響因素分析

借鑒論文被引量的影響因素，結(jié)合論文在網(wǎng)絡(luò)中傳播的特點(diǎn)，本文從內(nèi)在特征（標(biāo)題）和外顯特征（國家）兩個(gè)維度對關(guān)注度不同的論文進(jìn)行研究。

1.3.1 不同關(guān)注度論文主題分析

論文標(biāo)題是論文主題的濃縮，一個(gè)吸引眼球的標(biāo)題必然會(huì)在網(wǎng)絡(luò)上引起高度關(guān)注，故本文選取標(biāo)題進(jìn)行論文的主題分析。按論文的Attention Score和被引量分別排序，選擇位于前1/4的值為閾值，將論文分為4類，即高關(guān)注高被引論文、低關(guān)注高被引論文、高關(guān)注低被引論文和低關(guān)注低被引論文。首先，分別對4類論文的標(biāo)題進(jìn)行切詞、去停用詞、詞頻統(tǒng)計(jì)、刪除意義不明確的詞等操作，并選取各類前10個(gè)高頻主題詞。然后，將每個(gè)主題詞對應(yīng)回原論文，將論文的Attention Score和被引量賦給對應(yīng)的主題詞，計(jì)算每個(gè)主題詞的平均Attention Score值和被引值，并以此作為主題詞的橫縱坐標(biāo)。最后，將這些主題詞繪制在戰(zhàn)略坐標(biāo)圖中進(jìn)行主題分析。

1.3.2 不同關(guān)注度論文的來源國別分析

為了探明論文的網(wǎng)絡(luò)關(guān)注度是否受來源國家的影響，我們從國家差異度和國家合作程度兩個(gè)角度進(jìn)行剖析。

1）國家差異分析

運(yùn)用1.2.1中的描述性統(tǒng)計(jì)量，從集中趨勢、離散程度和分布形態(tài)3方面對發(fā)文量前20國家綜合網(wǎng)絡(luò)關(guān)注度指標(biāo)的分布特征進(jìn)行刻畫分析。

2）國家合作程度分析

統(tǒng)計(jì)每篇論文的合作國家數(shù)量，按照前述的相關(guān)系數(shù)選擇標(biāo)準(zhǔn)，選擇合適的相關(guān)系數(shù)指標(biāo)，描繪論文Attention Score和國別數(shù)量之間的關(guān)系。

2 結(jié)果與討論

2.1 論文社會(huì)影響力與學(xué)術(shù)影響力關(guān)系研究

2.1.1 論文Altmetrics指標(biāo)與被引量的分布特征

由表2可知，Post、Twitter、Mendeley和Attention Score 4種Altmetrics指標(biāo)的均值與中位數(shù)存在顯著差異，標(biāo)準(zhǔn)差亦較大，說明其向中心集中的程度較低，兩極化離散程度較高。Facebook、Msm、Feed、Reddit和Google+ 5種Altmetrics指標(biāo)的均值與中位數(shù)較為接近，且標(biāo)準(zhǔn)差相對較小，說明其向中心集中的程度較高、離散程度較低。表中除Reddit外，其余9項(xiàng)指標(biāo)的極大值與極小值的差距都較為明顯，說明指標(biāo)的波動(dòng)范圍較大。從分布形態(tài)上看，10個(gè)指標(biāo)的偏度、峰度均為正值，說明其分布都呈現(xiàn)長尾偏右的尖頂曲線，其中Mendeley和被引量指標(biāo)的值較大，說明二者的分布曲線形態(tài)相近，更為尖峭。

2.1.2 論文Altmetrics指標(biāo)與被引量的相關(guān)分析

根據(jù)前述分析，本文中論文的9種Altmetrics指標(biāo)和被引量指標(biāo)均不服從正態(tài)分布，故本文采用Spearman相關(guān)系數(shù)計(jì)算各指標(biāo)之間相關(guān)關(guān)系。

表3的相關(guān)矩陣顯示，各指標(biāo)之間的相關(guān)性均具有統(tǒng)計(jì)學(xué)意義。除Mendeley指標(biāo)外，其余8種Altmetrics指標(biāo)之間的相關(guān)系數(shù)均較高，呈現(xiàn)出較強(qiáng)的正相關(guān)性。結(jié)果與之前的研究[7-9]不一致：2017年Hassan對15個(gè)學(xué)科的論文Altmetrics數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)各Altmetrics指標(biāo)間的相關(guān)系數(shù)在0.1～0.4之間，屬于弱相關(guān)的范圍。2015年Costas分析了5個(gè)領(lǐng)域的718 315篇論文Altmetrics指標(biāo)間的相關(guān)性，得出各指標(biāo)間的相關(guān)性較弱的結(jié)果。這說明頂級期刊論文不同于普通期刊論文，在各個(gè)工具上的訪問具有一致性。

相反，除Mendeley指標(biāo)外，其余8種Altmetrics指標(biāo)與被引量之間的相關(guān)系數(shù)均較低，呈現(xiàn)出較弱的正相關(guān)性。這一方面再次表明了Altmetrics指標(biāo)所反映的影響力維度與被引量并不一致;另一方面提示可以利用論文的Mendeley指標(biāo)預(yù)測論文的被引量，由于Mendeley的時(shí)效性遠(yuǎn)強(qiáng)于被引量，因此可以幫助科研人員更快地發(fā)掘論文的學(xué)術(shù)價(jià)值。

Attention Score與其它各Altmetrics指標(biāo)之間均表現(xiàn)出較強(qiáng)的相關(guān)性，這表明作為對論文接收到的各種網(wǎng)絡(luò)關(guān)注度的加權(quán)綜合值，Attention Score可以反映論文的綜合社會(huì)影響力。本文采用Spearman相關(guān)系數(shù)對Attention Score與被引量之間的關(guān)系進(jìn)行詳細(xì)分析（見表4）。首先，分別計(jì)算《Nature》和《Science》期刊上所有論文Attention Score與被引頻次之間的相關(guān)系數(shù)，并進(jìn)行對比分析。結(jié)果顯示，兩期刊論文的Attention Score和被引頻次相關(guān)系數(shù)均具有統(tǒng)計(jì)學(xué)差異，但相關(guān)系數(shù)不高，處于弱相關(guān)范圍，且前者的相關(guān)系數(shù)（0.208）大于后者（0.110）。然后，分別對《Nature》和《Science》期刊論文按照Attention Score進(jìn)行降序排列，選取前25%和后25%兩個(gè)集合，計(jì)算Attention Score與被引頻次之間的相關(guān)系數(shù)，并進(jìn)行對比分析。結(jié)果顯示，《Nature》期刊中Attention Score排名前1/4論文的Attention Score與被引量之間的相關(guān)系數(shù)具有統(tǒng)計(jì)學(xué)意義，但相關(guān)程度不高（0.165），低于《Nature》所有論文集合的相關(guān)系數(shù)。最后，分別對《Nature》和《Science》期刊論文按照被引量進(jìn)行降序排列，選取前25%和后25%兩個(gè)集合，計(jì)算Attention Score與被引頻次之間的相關(guān)系數(shù)，并進(jìn)行對比分析。結(jié)果顯示，《Nature》期刊中Attention Score排名前1/4論文的Attention Score與被引量之間的相關(guān)系數(shù)具有統(tǒng)計(jì)學(xué)意義，且其相關(guān)系數(shù)（0.397）高于所有論文集合的相關(guān)系數(shù)。以上表明，對于刊登在不同期刊上的論文，其Attention Score與被引量之間的相關(guān)性存在差異;高被引論文受網(wǎng)絡(luò)關(guān)注的程度相較于高關(guān)注論文受學(xué)術(shù)界關(guān)注的程度更高。

2.2 論文網(wǎng)絡(luò)關(guān)注度的影響因素分析

2.2.1 不同關(guān)注度論文主題分析

對論文標(biāo)題進(jìn)行切詞、去停用詞、詞頻統(tǒng)計(jì)、刪除意義不明確的詞（如“結(jié)構(gòu)（Structure）”、“規(guī)則（Regulation）”、“系統(tǒng)（System）”、“通路（Pathway）”、“通道（Channel）”、“相互作用（Interact）”）等操作，繪制高頻主題詞戰(zhàn)略坐標(biāo)圖（見圖1）。

由于部分詞的坐標(biāo)值較接近，導(dǎo)致繪制出來的點(diǎn)有重合，故本文對這些詞的坐標(biāo)進(jìn)行了細(xì)微調(diào)整。

由圖1可知，“細(xì)胞（Cell）”和“人類（Human）”是四類論文共同的研究主題。在高關(guān)注高被引論文中，“癌癥（Cancer）”、“病毒（Virus）”、“DNA”、“進(jìn)化（Evolution）”等均是與人類生命健康息息相關(guān)的主題。而高關(guān)注低被引論文中，“記憶（Memory）”、“氣候（Climate）”、“冥王星（Pluto）”、“全球（Global）”等主題較為生活化，與人類生活息息相關(guān)。低關(guān)注高被引的論文與低關(guān)注低被引的論文研究主題具有一定的相似性，如“蛋白質(zhì)（Protein）”、“量子（Quantum）”、“分子（Molecular）”、“鈣鈦礦（Perovskite）”等均為較專業(yè)化的主題。以上表明，偏生活化的主題在網(wǎng)絡(luò)中的受關(guān)注度較高，專業(yè)化的主題在網(wǎng)絡(luò)中受關(guān)注度則較低。

為了更直觀地展現(xiàn)高關(guān)注度論文的研究主題，表5列出了Attention Score排名前10的論文。這10篇論文的研究主題包括：海平面上升、人類壽命、阿爾茨海默病、細(xì)菌的降解同化、自動(dòng)駕駛汽車的困境等。這些主題與大眾的生活聯(lián)系比較緊密，易引起大眾的興趣并被大眾所理解。其中論文“南極洲海平面上升對過去和未來的貢獻(xiàn)”獲得的網(wǎng)絡(luò)關(guān)注度最高，其研究內(nèi)容事關(guān)全世界人民的生存發(fā)展，被全球46個(gè)國家/地區(qū)轉(zhuǎn)載，美國轉(zhuǎn)載次數(shù)最高（112次），全球轉(zhuǎn)載人數(shù)共計(jì)達(dá)到516人。

2.2.2 不同關(guān)注度論文來源國家分析

1）國家差異度

本文將1 584篇論文的Attention Score值降序排序，以四分位間距分成4份，選取前1/4（25%）的論文（396篇）和后1/4（25%）的論文（396篇）分別代表高關(guān)注論文和低關(guān)注論文，對這兩類論文進(jìn)行研究。分別統(tǒng)計(jì)兩類論文的來源國家/地區(qū)發(fā)文量。每個(gè)國家/地區(qū)的發(fā)文量根據(jù)論文的通訊作者所屬國家/地區(qū)進(jìn)行計(jì)算。例如，1篇論文有3位通訊作者，2位來自中國，1位來自美國，那么，中國對這篇論文的貢獻(xiàn)記2/3，美國記1/3。

表6列出了兩類論文中發(fā)文量前20的國家，美國在兩類論文中均居首位，且發(fā)文量遠(yuǎn)高于其它國家，這說明美國在頂級期刊《Nature》和《Science》上的發(fā)文量占主導(dǎo)地位。德國和英國緊跟其后。由表6可以將國家分為3類。第一類，高關(guān)注論文與低關(guān)注論文占本國發(fā)文量的比例相當(dāng)，例如美國和日本，這說明這兩個(gè)國家的論文在不同類別中分布均勻。第二類，高關(guān)注論文量占本國發(fā)文量比重較高，低關(guān)注論文量占本國發(fā)文量比重較低，例如澳大利亞，這說明該國發(fā)表的論文大部分獲得相對較高的網(wǎng)絡(luò)關(guān)注度。第三類，高關(guān)注論文量占本國發(fā)文量比重較低，低關(guān)注論文量占本國發(fā)文量比重較高，例如中國，這說明我國發(fā)表的論文大部分獲得相對較低的網(wǎng)絡(luò)關(guān)注度。

表7展示了發(fā)文量前20名的國家論文網(wǎng)絡(luò)關(guān)注度的分布特征。美國的發(fā)文量最高，且論文網(wǎng)絡(luò)關(guān)注度的極大值和極小值均位于首位，表明美國發(fā)表論文的網(wǎng)絡(luò)關(guān)注度懸殊較大。中國的發(fā)文量位居第四，但論文的篇均網(wǎng)絡(luò)關(guān)注度、中位數(shù)和極大值均較低，表明我國的論文網(wǎng)絡(luò)關(guān)注度整體處于較低水平。澳大利亞的發(fā)文量較少，但其論文的篇均關(guān)注度最高，位列第一，屬于典型的論文“少而精”的國家。從分布形態(tài)上看，各國論文網(wǎng)絡(luò)關(guān)注度的偏度、峰度均為正值，說明其分布都呈長尾偏右的尖頂曲線。

以上表明，我國在頂級期刊上發(fā)表論文的數(shù)量已經(jīng)顯現(xiàn)出優(yōu)勢，但受網(wǎng)絡(luò)關(guān)注的程度仍處較低水平，故論文質(zhì)量有待進(jìn)一步提升。

2）國家合作程度

表8顯示論文的Attention Score和國別數(shù)量之間存在顯著相關(guān)性（p<0.01），相關(guān)系數(shù)r為0.234，屬于弱相關(guān)范圍。表9顯示，論文的Attention Score隨著參與撰寫論文的國家數(shù)量的增多而增加，由7個(gè)國家合作撰寫的論文獲得網(wǎng)絡(luò)關(guān)注度最高（742.33），合作國家數(shù)量大于7時(shí)，論文的網(wǎng)絡(luò)關(guān)注度雖有所下降，但仍保持較高水平（>500）。前期研究[10]證實(shí)，論文在網(wǎng)絡(luò)上的擴(kuò)散首先是從本地區(qū)、本國開始的。因此論文的合作國別個(gè)數(shù)越多，就越有可能同時(shí)在多個(gè)國家進(jìn)行擴(kuò)散，從而獲得更多學(xué)者和大眾的關(guān)注。

3 結(jié)論與展望

3.1 結(jié) 論

1）高水平期刊論文的Altmetrics指標(biāo)和被引量波動(dòng)范圍較大。其中，Post、Twitter、Mendeley和Attention Score 4種Altmetrics指標(biāo)兩極化離散程度較高，F(xiàn)acebook、Msm、Feed、Reddit和Google+ 5種Altmetrics指標(biāo)向中心聚攏程度較高。各指標(biāo)分布均呈現(xiàn)長尾偏右的尖頂曲線，其中Mendeley和被引量的分布曲線更為尖峭。

2）Attention Score指標(biāo)與其他Altmetrics指標(biāo)的相關(guān)系數(shù)均較高，故可以選做衡量論文網(wǎng)絡(luò)關(guān)注度的一個(gè)綜合指標(biāo)。Mendeley指標(biāo)與各Almetrics指標(biāo)的相關(guān)度較低，但與被引量的相關(guān)度很高，故可用于預(yù)測論文的被引量，評價(jià)論文的學(xué)術(shù)價(jià)值。

3）對于高水平期刊論文而言，關(guān)注人類健康和生活話題的論文容易在網(wǎng)絡(luò)中獲得更高的關(guān)注度，而關(guān)注專業(yè)性話題的論文在網(wǎng)絡(luò)中獲得的關(guān)注度則較低。這與之前的研究結(jié)果[11]一致，即在社交媒體中，研究主題會(huì)影響論文在網(wǎng)絡(luò)中的關(guān)注度。

4）不同國家的論文網(wǎng)絡(luò)關(guān)注度呈現(xiàn)出3類較突出的特征，分別是以美國為代表的“均勻分布型”、以中國為代表的“中低關(guān)注型”和以澳大利亞為代表的“高度關(guān)注型”。論文的國際合作程度會(huì)影響論文的網(wǎng)絡(luò)關(guān)注度。論文的國家合作度越高，越有機(jī)會(huì)獲得較高的網(wǎng)絡(luò)關(guān)注度。這提示科研人員要重視并加強(qiáng)國際合作，一方面可以實(shí)現(xiàn)優(yōu)勢互補(bǔ)，另一方面也能促使論文獲得高的社會(huì)認(rèn)可度。

3.2 展 望

本文選取刊登在頂級期刊上的論文，在分析其網(wǎng)絡(luò)關(guān)注度與被引量之間關(guān)系的基礎(chǔ)上，從論文的內(nèi)在特征和外顯特征兩個(gè)角度，對網(wǎng)絡(luò)關(guān)注度的影響因素進(jìn)行了分析。由于Altmetrics指標(biāo)受時(shí)間的影響比較大，所以本文只選取了《Nature》和《Science》一年的發(fā)文量作為研究對象。下一步可以選取適當(dāng)方法消除時(shí)間帶來的影響，擴(kuò)大數(shù)據(jù)量，以便得出更可靠的結(jié)果。未來也有待從關(guān)注渠道、關(guān)注網(wǎng)絡(luò)等多角度開展論文網(wǎng)絡(luò)關(guān)注度研究。

參考文獻(xiàn)

[1]Weller K，Puschmann C.Twitter for Scientific Communication：How Can Citations/References Be Identified and Measured？[C]//Proceedings of the ACM WebSci11.Koblenz：ACM，2011：1-4.

[2]余厚強(qiáng)，邱均平.替代計(jì)量學(xué)視角下地在線科學(xué)交流新模式[J].圖書情報(bào)工作，2014，58（15）：42-47.

[3]Remedios，M.Altmetrics-A Complement to Conventional Metrics.[J].Biochemia Medica，2015，25（2）：152-160.

[4]魏思廷.結(jié)合替代計(jì)量學(xué)的數(shù)字圖書館知識(shí)服務(wù)新模式[J].圖書情報(bào)知識(shí)，2015，（2）：87-92.

[5]Shu F，Haustein S.On the Citation Advantage of Tweeted Papers at the Journal Level[C]//Proceedings of the Association for Information Science & Technology，2017，54，366-372.

[6]Wang X，Liu C，F(xiàn)ang Z，Mao W.From Attention to Citation：What are Altmetrics and How Do They Work？[J].Computer Science，2014：1-10.

[7]Hassan Su，Imran M，Gillani U.Measuring Social Media Activity of Scientific Literature：An Exhaustive Comparison of Scopus and Novel Altmetrics Big Data[J].Scientometrics，2017，113（1）：1-21.

[8]Costas R，Zahedi Z，Wouters P.Do“Altmetrics”Correlate with Citations？Extensive Comparison of Altmetric Indicators with Citations from a Multidisciplinary Perspective[J].Journal of the Association for Information Science and Technology，2015，66 （10）：2003-2019.

[9]Zhou J，Wang F，Hu J.From Micro to Macro：Data Driven Phenotyping By Densification of Longitudinal Electronic Medical Records.[C]//Acm Sigkdd International Conference on Knowledge Discovery & Data Mining.ACM，2014.

[10]Wang X，F(xiàn)ang Z，Li Q，Guo X.The Poor Altmetric Performance of Publications Authored By Researchers in Mainland China[J].Frontiers in Research Metrics and Analytics，2016：1-15.

[11]Holmberg K，Vainio J.Why Do Some Research Articles Receive More Online Attention and Higher Altmetrics？Reasons for Online Success According to the Authors[J].Scientometrics，2018，116（2）：1-13.

（責(zé)任編輯：陳 媛）