Altmetrics視角下科學(xué)睡美人的演化特征分析

侯劍華，李 昊，張 洋，高繼平

（1.中山大學(xué)信息管理學(xué)院，廣州 510006；2.中國科學(xué)技術(shù)信息研究所，北京 100038）

1 引 言

2004年，van Raan[1]將科學(xué)文獻(xiàn)在發(fā)表后的一段時(shí)間未被引用（“沉睡”），而后突然獲得了大量引用（“被王子喚醒”）的現(xiàn)象稱為“科學(xué)睡美人”（SBs）。而后，Li等[2]又提出“全要素科學(xué)睡美人”對(duì)這一概念進(jìn)行補(bǔ)充?？茖W(xué)文獻(xiàn)演化的這一現(xiàn)象也被稱為“抵制發(fā)現(xiàn)”（resisted discovery）[3]、“過早發(fā)現(xiàn)”（premature discovery）[4]、延遲識(shí)別（delayed recognition）[5]。實(shí)際上，科學(xué)睡美人是基于引文軌跡的科學(xué)知識(shí)擴(kuò)散的一種特殊現(xiàn)象，其揭示了科學(xué)信息通過引文進(jìn)行擴(kuò)散的重要機(jī)制[6]，是科學(xué)發(fā)展不可或缺的[7]。本文將基于引文指標(biāo)揭示的科學(xué)睡美人稱為citation-based sleeping beauty（C-SB），在其演化軌跡中，“沉睡-蘇醒”階段的轉(zhuǎn)換特征以及蘇醒機(jī)制等都是通過引文指標(biāo)的變化進(jìn)行測(cè)度的。

然而，社交媒體的快速發(fā)展給科學(xué)交流和知識(shí)擴(kuò)散模式帶來了革命性的變化，科學(xué)文獻(xiàn)在社交媒體平臺(tái)獲得的瀏覽、保存、討論等大量數(shù)據(jù)，以及由此建立起來的定量測(cè)度指標(biāo)，為研究科學(xué)睡美人文獻(xiàn)的演化機(jī)制提供了新的視角和途徑?？茖W(xué)文獻(xiàn)在發(fā)表后的知識(shí)演化軌跡不僅包括基于引文指標(biāo)的演化軌跡，而且包括基于社交媒體指標(biāo)的演化軌跡。本文將基于引文指標(biāo)和社交媒體指標(biāo)綜合作用形成的睡美人，稱為Altmetrics-based sleeping beauty（A-SB）。從引文指標(biāo)和社交媒體指標(biāo)綜合視角下，重新審視科學(xué)文獻(xiàn)的知識(shí)擴(kuò)散和演化軌跡，是對(duì)傳統(tǒng)基于引文的科學(xué)睡美人研究的重要補(bǔ)充和創(chuàng)新發(fā)展。

因此，本文基于社交媒體平臺(tái)，綜合社交媒體指標(biāo)和引文指標(biāo)，對(duì)基于引文的科學(xué)睡美人的研究進(jìn)行拓展，在Altmetrics視角下揭示科學(xué)睡美人在延遲識(shí)別階段的動(dòng)態(tài)演化特征。本文的貢獻(xiàn)主要包括：

（1）揭示了科學(xué)睡美人在社交媒體平臺(tái)的一種動(dòng)態(tài)演化機(jī)制，從Altmetrics指標(biāo)的分布特征以及各階段的演化特征兩個(gè)維度分析了A-SB的動(dòng)態(tài)演化過程；

（2）定義了A-SB沉睡階段的假寐狀態(tài)，并分析了假寐狀態(tài)對(duì)A-SB在延遲識(shí)別階段演化特征的影響；

（3）在綜合視角下重新測(cè)度C-SB的演化軌跡，驗(yàn)證了在文獻(xiàn)演化軌跡測(cè)度與演化類型研究中加入Altmetrics指標(biāo)的必要性。

2 文獻(xiàn)綜述

2.1 基于引文指標(biāo)的科學(xué)睡美人的演化軌跡研究

在科學(xué)中，一篇科學(xué)文獻(xiàn)發(fā)表后被引頻次隨時(shí)間的分布被稱為引文軌跡[8]，其在一定程度上可以反映文獻(xiàn)的演化規(guī)律。其中，科學(xué)睡美人（SBs）是一種特殊類型的引文軌跡。目前，對(duì)科學(xué)睡美人演化的研究主要集中在科學(xué)睡美人的引文演化特征、科學(xué)睡美人的形成原因及影響因素、王子文獻(xiàn)的識(shí)別以及科學(xué)睡美人的喚醒機(jī)制。現(xiàn)有研究對(duì)科學(xué)睡美人的“沉睡-蘇醒”時(shí)間進(jìn)行了界定（表1）?？茖W(xué)睡美人的沉睡和蘇醒都是指一段持續(xù)的時(shí)間狀態(tài)，其中，①睡眠期：在3~5年內(nèi)平均每年被引不超過2次；②蘇醒期：在睡眠期以后的某個(gè)時(shí)期內(nèi)（4年以上）得到大量的引用（被引20次以上）[9-14]。

表1 科學(xué)睡美人文獻(xiàn)沉睡和蘇醒狀態(tài)的界定（部分）

在引文演化軌跡中，早期的引文長尾分布是科學(xué)睡美人進(jìn)入睡眠狀態(tài)的重要表征。這種長尾可以量化為被引的延遲[15]，其分布可以用于科學(xué)睡美人的識(shí)別與測(cè)量[16-17]，同時(shí)，也在一定程度上對(duì)科學(xué)睡美人的形成進(jìn)行預(yù)測(cè)[18]。雖然學(xué)術(shù)發(fā)展是科學(xué)睡美人文獻(xiàn)形成的重要因素[19]，但是也需要慎重看待早期的引文軌跡[20]。另外，科學(xué)睡美人在演化軌跡后期可能被高度引用[12]，仍需要注意睡眠晚期的自引[21]。

在引文演化軌跡中，引文也是研究科學(xué)睡美人蘇醒機(jī)制的唯一指標(biāo)。引文喚醒了科學(xué)睡美人，并使SBs受到廣泛的科學(xué)關(guān)注[22]。這種引文被稱為“王子文獻(xiàn)”[1]。因此，王子文獻(xiàn)的特征[23]和識(shí)別標(biāo)準(zhǔn)[24]成為研究睡美人蘇醒機(jī)制的主要手段。然而，“睡美人”文獻(xiàn)也有其被喚醒的必然性[25]。最近，van Raan等[26-28]發(fā)現(xiàn)睡美人文獻(xiàn)更容易被專利文獻(xiàn)引用，技術(shù)驅(qū)動(dòng)是睡美人文獻(xiàn)的主要喚醒機(jī)制[29]。

在現(xiàn)有研究中，一方面，對(duì)睡美人文獻(xiàn)演化軌跡的關(guān)注主要集中在“沉睡”“蘇醒”兩個(gè)狀態(tài)的研究，而忽視了沉睡過程中的被引用情況對(duì)科學(xué)睡美人演化各階段的影響①童話睡美人的原始故事中，在王子吻醒睡美人之前，曾經(jīng)有許多試圖前來喚醒睡美人的“王子”們（準(zhǔn)王子），最終以失敗告終。?？茖W(xué)睡美人在沉睡過程中同樣會(huì)受到某些文獻(xiàn)的引用，卻未被成功喚醒。梁立明等[30]介紹睡美人概念時(shí)，用“引路人”來稱呼引導(dǎo)王子文獻(xiàn)去喚醒科學(xué)睡美人的一種影響因素，而沒有關(guān)注睡美人文獻(xiàn)在沉睡過程中的其他引證文獻(xiàn)。Li等[31]提出的“心跳譜”注意到了沉睡期間每一年的被引頻次與SBs蘇醒概率之間的關(guān)系，但尚未討論其在科學(xué)睡美人整體演化中的作用。另一方面，這些研究均是基于引文演化軌跡來開展有關(guān)科學(xué)睡美人文獻(xiàn)的研究，然而，隨著社交媒體平臺(tái)的迅速崛起，基于引文演化軌跡來衡量科學(xué)論文的影響力得到了極大地拓展。測(cè)度科學(xué)論文的動(dòng)態(tài)演化軌跡，除了引文軌跡，還應(yīng)體現(xiàn)在包括Viewed、Saved、Discussed和Recommended在內(nèi)的Altmetrics指標(biāo)的演化軌跡。

2.2 基于社交媒體指標(biāo)的科學(xué)文獻(xiàn)的演化軌跡研究

隨著社交媒體的快速發(fā)展，科學(xué)文獻(xiàn)的演化軌跡不僅包括基于引文演化軌跡的視角，也包括基于社交媒體的演化軌跡[32-33]。并且基于社交媒體平臺(tái)的科學(xué)文獻(xiàn)演化軌跡，對(duì)揭示科學(xué)文獻(xiàn)的演化機(jī)制具有重要價(jià)值。用于測(cè)度科學(xué)文獻(xiàn)的社會(huì)影響力演化軌跡的計(jì)量指標(biāo)，被稱為Altmetrics[34]。有研究發(fā)現(xiàn)，部分Altmetrics指標(biāo)與引文之間的相關(guān)性較弱[35-36]，如推文數(shù)量與引用之間的相關(guān)性較弱[37-38]。也眾多研究發(fā)現(xiàn)Altmetrics指標(biāo)（save,discussion,download,read in Mendeley[save],number of readers in Mendeley,recommendation measures,the number of tweets,F1000,bookmarks，等等）與引文指標(biāo)之間具有強(qiáng)相關(guān)性（表2）[39-47]。然而，Altmetrics指標(biāo)與引文指標(biāo)并不是簡單的相關(guān)與否，不同學(xué)科之間的差異直接影響了其相關(guān)性[48]，目前的Altmetrics并不足以取代傳統(tǒng)的文獻(xiàn)計(jì)量學(xué)[49]，而是對(duì)文獻(xiàn)計(jì)量學(xué)和科學(xué)計(jì)量學(xué)的重要補(bǔ)充[50-53]。

表2 Altmetrics指標(biāo)與引文指標(biāo)相關(guān)性的研究（部分）

基于上述研究，研究者結(jié)合Altmetrics指標(biāo)，來拓展引文視角下不同演化類型文獻(xiàn)視域，發(fā)現(xiàn)高被引文獻(xiàn)在Altmetrics指標(biāo)上的累積特征與在引文上的演化軌跡相比存在差異[60-61]。這些研究僅僅將社交媒體指標(biāo)作為計(jì)量體系的補(bǔ)充，并沒有嘗試構(gòu)建新的計(jì)量模型。不過，隨著引文數(shù)據(jù)來源的日益豐富和開放存取平臺(tái)的推廣與完善[62]，學(xué)者們開始嘗試通過結(jié)合引文指標(biāo)與替代計(jì)量學(xué)指標(biāo)，驗(yàn)證了社交媒體軌跡與引文軌跡相結(jié)合的可行性[63-64]，構(gòu)建了文獻(xiàn)綜合評(píng)分體系[65-67]與期刊綜合評(píng)價(jià)體系[64,68]，并進(jìn)行了實(shí)證研究[69-70]。這些研究在一定程度上驗(yàn)證了綜合引文與Altmetrics來衡量學(xué)術(shù)論文影響力的可行性。

現(xiàn)有研究主要關(guān)注Altmetrics指標(biāo)與被引量之間的關(guān)系，尚未對(duì)引文與Altmetrics共同作用下的科學(xué)文獻(xiàn)的綜合性演化軌跡進(jìn)行深入的研究和關(guān)注。即側(cè)重于在Altmetrics視角下為科學(xué)論文提供的一個(gè)綜合評(píng)分體系，目的在于科學(xué)評(píng)價(jià)，本質(zhì)上是在探討社交媒體在科學(xué)計(jì)量中的作用與價(jià)值，沒有對(duì)Alt‐metrics指標(biāo)與引文指標(biāo)共同作用下的科學(xué)論文的演化軌跡進(jìn)行測(cè)度?；谝闹笜?biāo)與社交媒體指標(biāo)綜合視角的指標(biāo)體系構(gòu)建方法傾向于成熟，為在新視角下拓展SBs等不同文獻(xiàn)演化類型的研究提供了基礎(chǔ)。Hou等[71]提出了基于社交媒體的科學(xué)睡美人（so‐cial media-based sleeping beauty）。然而，該研究中沒有融合引文指標(biāo)，社交媒體與引文相結(jié)合的綜合指標(biāo)作用下的科學(xué)睡美人演化軌跡及特征與基于社交媒體指標(biāo)作用的睡美人演化軌跡存在一定的差異。

因此，本文結(jié)合引文指標(biāo)與Altmetrics指標(biāo)，基于綜合視角下科學(xué)睡美人（A-SB）的識(shí)別結(jié)果，重點(diǎn)分析A-SB在延遲識(shí)別階段各指標(biāo)的分布特征以及動(dòng)態(tài)演化特征，并對(duì)樣本中的C-SB與A-SB進(jìn)行比較分析，對(duì)傳統(tǒng)上基于引文軌跡的科學(xué)睡美人的演化研究進(jìn)行拓展與補(bǔ)充。

3 數(shù)據(jù)與方法

3.1 數(shù)據(jù)來源與處理

本文以PLoSBiology期刊創(chuàng)刊以來發(fā)表的文獻(xiàn)數(shù)據(jù)（共3541篇）為樣本，數(shù)據(jù)獲取自PLoSBiology開放存取平臺(tái)和Web of Science（WoS）核心合集數(shù)據(jù)庫。其中，文獻(xiàn)的Citation指標(biāo)的數(shù)據(jù)來自Web of Science核心合集數(shù)據(jù)庫中收錄的PLoSBiology期刊每年出版的文獻(xiàn)數(shù)量，并獲取每一篇文獻(xiàn)每年獲得的被引數(shù)量。文獻(xiàn)社交媒體指標(biāo)，主要包括View、Save、Discussed、Recommended指 標(biāo)[72-73]，數(shù)據(jù)來自PLoSBiology期刊網(wǎng)站開放存取的數(shù)據(jù)，其具體來源與含義如表3所示。其中，Viewed、Discussed來源于開放存取平臺(tái)、社交網(wǎng)站，Saved來源于文獻(xiàn)管理網(wǎng)站，Recommended來源于科學(xué)論文在線推薦平臺(tái)，Citation來源于學(xué)術(shù)數(shù)據(jù)庫。指標(biāo)來源為文獻(xiàn)樣本集在plos.org上截至2019年3月的數(shù)據(jù)。對(duì)PLoSBiology期刊中的每一篇文獻(xiàn)的相關(guān)數(shù)據(jù)進(jìn)行匯總和清洗，去除撤稿、Correction、Letter、Biographical Item等類型的文獻(xiàn)，將剩余文獻(xiàn)數(shù)據(jù)作為本文的目標(biāo)數(shù)據(jù)，使用Excel和Matlab 2018b對(duì)選定的目標(biāo)數(shù)據(jù)進(jìn)行分類計(jì)算處理。

表3 PLoSBiology期刊的文獻(xiàn)數(shù)據(jù)指標(biāo)及來源

3.2 指標(biāo)與測(cè)度模型構(gòu)建

本文使用Altmetrics-based beauty index（Ab in‐dex）來描述一篇文獻(xiàn)發(fā)表后每個(gè)月產(chǎn)生的綜合性影響力，即引文指標(biāo)（IA）和社交媒體指標(biāo)（IS）共同體作用的函數(shù)值，即

具體地，本文采用Citation（C）、Viewed（V）、Save（S）、Discussed（D）、Recommended（R）五類指標(biāo)來描述一篇文獻(xiàn)發(fā)表后產(chǎn)生的綜合性演化軌跡的變化情況。

因此，一篇文獻(xiàn)自發(fā)表后，第i個(gè)月的Ab index動(dòng)態(tài)變化公式為

其中，Wtv、Wts、Wtd、Wtr、Wtc分別為V、S、D、R、C指標(biāo)對(duì)應(yīng)的權(quán)重；i為時(shí)間，表示為一篇文獻(xiàn)發(fā)表后第i個(gè)月，Abi為一篇文獻(xiàn)發(fā)表后第i個(gè)月的綜合性影響力。需要注意的是，由于無法在WoS數(shù)據(jù)庫中獲取每一篇文獻(xiàn)具體在每一個(gè)月的被引情況，只能獲取一篇文獻(xiàn)在每一年的被引數(shù)據(jù)，訪問文獻(xiàn)的單個(gè)月的引文軌跡是困難的。因此，這里的Ci為一篇文獻(xiàn)在某一年中，每個(gè)月獲得被引量的平均值[74]。例如，一篇文獻(xiàn)在發(fā)表后第3年被引了12次，那么在第3年中的每個(gè)月的被引量為1次。

對(duì)于權(quán)重Wtv、Wts、Wtd、Wtr、Wtc的確定，本文基于層次分析法，按照五類指標(biāo)對(duì)一篇文獻(xiàn)綜合性演化軌跡的作用程度構(gòu)建結(jié)構(gòu)矩陣，進(jìn)一步對(duì)各個(gè)指標(biāo)賦予不同的權(quán)重值。層次分析過程的基本步驟如下。

比較某一層次的n個(gè)因素X1,X2,…,Xn對(duì)上一層次一個(gè)因素（影響力）的影響，可以從X1,X2,…,Xn中任取Xi與Xj比較其對(duì)于影響力的貢獻(xiàn)（或重要性）大小。按照表4的“1~9比例標(biāo)度”對(duì)Xi/Xj賦值[75]。

表4 標(biāo)度的含義

構(gòu)建模型矩陣，如表5所示。

表5 Altmetrics指標(biāo)與引文指標(biāo)權(quán)重的確定

矩陣B的最大特征值為λmax=5.2837，最大特征值的特征向量為(0.05150.07700.28270.28270.9919)T。

3.3 Altmetrics視角下睡美人的識(shí)別方法

在引文視角下，SBs的研究所采用的時(shí)間統(tǒng)計(jì)單位是年。由于許多文獻(xiàn)的出版周期是月，按年統(tǒng)計(jì)時(shí)，將給每年1月和12月出版的文獻(xiàn)帶來較大的時(shí)間差距。例如，1篇1月出版的文獻(xiàn)，沉睡4年后發(fā)生蘇醒，那么其沉睡期大于等于47個(gè)月，但是1篇12月出版的文獻(xiàn)，沉睡四年后發(fā)生蘇醒，那么其沉睡期大于等于36個(gè)月。

然而，在Altmetrics-based視角下，文獻(xiàn)在社交媒體平臺(tái)的擴(kuò)散速度較快，以月為單位統(tǒng)計(jì)文獻(xiàn)的演化軌跡，更能夠精確地反映文獻(xiàn)的動(dòng)態(tài)演化過程，因此，為了更加精確地衡量文獻(xiàn)的演化軌跡，在社交媒體視角下識(shí)別SBs，區(qū)別于基于引文軌跡的科學(xué)睡美人（citation-based sleeping beauty，C-SB），本文以月為單位，重新界定了基于社交媒體的科學(xué)睡美人（Altmetrics-based SB，A-SB）及全要素科學(xué)睡美人現(xiàn)象（Altmetrics-based all-elements SB，Aa-SB）的識(shí)別標(biāo)準(zhǔn)，并對(duì)相關(guān)概念進(jìn)行定義。

Altmetrics-based SB（A-SB）：是指在社交媒體上一種特殊的文獻(xiàn)演化類型，具體表征為文獻(xiàn)自發(fā)表后，連續(xù)36個(gè)月或36個(gè)月以上處于沉睡或假寐，隨后突然得到大量且持續(xù)的“關(guān)注”（量化為連續(xù)4個(gè)月或4個(gè)月以上超過閾值的Ab值），從而得以蘇醒。A-SB在延遲識(shí)別階段的演化軌跡可描述為“沉睡（假寐）-蘇醒”。

Altmetrics-based all-elements SB（Aa-SB）：受Li等[2]的啟發(fā)，本文認(rèn)為在社交媒體上同樣存在著“全要素科學(xué)睡美人”這一特殊的SBs曲線，其具體表征為文獻(xiàn)自發(fā)表后，即受到了大量且持續(xù)的“關(guān)注”，隨后進(jìn)入沉睡階段，再進(jìn)入蘇醒。Aa-SB在延遲識(shí)別階段的演化軌跡可描述為“第一次蘇醒-沉睡（假寐）-第二次蘇醒”。

蘇醒：在C-SB的識(shí)別研究中，通常以年作為時(shí)間單位。C-SB在連續(xù)4個(gè)時(shí)間（年）保持蘇醒狀態(tài)被稱為真正蘇醒，但是按每月的時(shí)間來看，其蘇醒的狀態(tài)不一定是連續(xù)的。為保證研究的一致性，本文同樣選取連續(xù)4個(gè)時(shí)間間隔來對(duì)A-SB的蘇醒進(jìn)行界定：在社交媒體平臺(tái)下，文獻(xiàn)連續(xù)4個(gè)月時(shí)間的綜合性影響力值（Abi）均大于該期刊所有文獻(xiàn)在每個(gè)月綜合性影響力的平均值即時(shí)，A-SB進(jìn)入蘇醒階段。

4 研究結(jié)果

本文對(duì)PLoSBiology期刊中所有文獻(xiàn)在每個(gè)月的綜合性影響力進(jìn)行計(jì)算。首先計(jì)算出綜合性影響力的平均值----Ab=5.38。因此，對(duì)PLoSBiology期刊上出版的文獻(xiàn)而言，定義其蘇醒狀態(tài)為(Abn…Abn-3)>5.38，沉睡狀態(tài)為AbΔn≤2.69。計(jì)算出3541篇文獻(xiàn)自出版后每個(gè)月獲得的綜合性影響力Ab值，并根據(jù)第3.3節(jié)的定義，識(shí)別樣本中的ASB與Aa-SB（表6）。

表6 PLoSBiology期刊的A-SB信息表

4.1 A-SB文獻(xiàn)的演化過程分析

為了探討A-SB演化軌跡中各階段的影響因素，從時(shí)序分布與累積分布對(duì)A-SB與Aa-SB的演化過程中各指標(biāo)分布特征進(jìn)行分析。

4.1.1 沉睡階段A-SB的演化過程分析1）引文指標(biāo)的軌跡分布特征

從時(shí)間趨勢(shì)圖來看，A-SB在沉睡階段中的引文時(shí)間分布具有峰值現(xiàn)象，有的A-SB甚至?xí)a(chǎn)生二次峰值（圖3）。

圖3 A-SB在沉睡階段中的Citation指標(biāo)時(shí)間分布

通過計(jì)算11篇A-SB引文第一次出現(xiàn)峰值的時(shí)間與沉睡階段總時(shí)長之比的平均值，得出A-SB的引文數(shù)量第一次出現(xiàn)峰值的時(shí)間在沉睡時(shí)長的52.1%，即A-SB的引文第一次出現(xiàn)峰值的時(shí)間大概在沉睡階段時(shí)長的一半。然而，通過計(jì)算11篇ASB引文最大值出現(xiàn)的時(shí)間與沉睡階段總時(shí)長之比的平均值，得出A-SB在沉睡階段中引文獲取數(shù)出現(xiàn)最大值的時(shí)間在沉睡時(shí)長的60.79%。第一次出現(xiàn)峰值的時(shí)間與最大值出現(xiàn)的時(shí)間并不一致，兩者均影響了A-SB的假寐狀態(tài)。不同的是，Citation指標(biāo)的峰值是A-SB發(fā)生假寐現(xiàn)象的原因之一，而較峰值更晚出現(xiàn)的最大值，則是A-SB處于假寐和后期進(jìn)入蘇醒狀態(tài)的原因之一。

2）社交媒體指標(biāo)的軌跡分布特征

在沉睡階段中，產(chǎn)生主要影響的是Viewed指標(biāo)，Saved、Discussed的影響較小，Recommended未產(chǎn)生影響。各指標(biāo)的特征具體如下。

圖2 Aa-SB文獻(xiàn)Alerstam(2007)于延遲識(shí)別階段的演化軌跡

Discussed：11篇文獻(xiàn)有8篇在沉睡階段受Dis‐cussed影響。由圖4可知，A-SB在沉睡階段中Dis‐cussed的分布曲線均呈長尾右偏態(tài)，A-SB在沉睡階段第一次獲取的Discussed指標(biāo)數(shù)值為最大值。通過計(jì)算這8篇A-SB的Discussed指標(biāo)開始發(fā)生作用的時(shí)間與沉睡階段總時(shí)長之比的平均值，得出A-SB的Discussed集中分布的時(shí)間在沉睡時(shí)長的81.6%，即A-SB的Discussed指標(biāo)開始發(fā)生作用的時(shí)段集中在沉睡階段的后期。通過觀察假寐狀態(tài)的時(shí)間分布，發(fā)現(xiàn)A-SB在臨近假寐或處于假寐狀態(tài)時(shí)，往往伴隨著Discussed指標(biāo)的影響。Discussed的分布與作用不足以喚醒A-SB，但其最大值是A-SB進(jìn)入假寐的原因之一。

圖4 A-SB在沉睡階段中的Discussed指標(biāo)時(shí)間分布

Saved：11篇文獻(xiàn)有7篇在沉睡階段受Saved影響。通過計(jì)算這些文獻(xiàn)的Saved指標(biāo)開始發(fā)生作用的時(shí)間與沉睡階段總時(shí)長之比的平均值，可得出ASB的Saved指標(biāo)開始發(fā)生作用的時(shí)間在沉睡階段的59.89%，即A-SB的Saved指標(biāo)開始發(fā)生作用的時(shí)間集中在沉睡階段的中期。通過計(jì)算得出Saved指標(biāo)達(dá)到最大值的時(shí)間是沉睡總時(shí)長的71.8%，即A-SB的Saved指標(biāo)達(dá)到最大值的時(shí)間主要集中在沉睡階段的后期，比開始發(fā)生作用的時(shí)間較晚。此外，Saved在時(shí)間分布上不具有連貫性。與Discussed指標(biāo)相似的是，A-SB在沉睡階段的假寐狀態(tài)中時(shí)常伴隨著Saved指標(biāo)的影響。

Viewed：在沉睡階段中，Viewed發(fā)揮著重要的作用，其在A-SB與Aa-SB的演化過程中又具有較大區(qū)別。觀察4篇A-SB的Viewed指標(biāo)時(shí)間分布（圖5）與其趨勢(shì)線（圖6），發(fā)現(xiàn)Neugebauer(2006)、Tsuriel(2006)、Del Cul(2007)、DeRisi(2003)的Viewed時(shí)間分布曲線均呈長尾右偏態(tài)，其Viewed指標(biāo)均在沉睡階段開始的第3個(gè)月后便迅速下降，之后進(jìn)入到相對(duì)平穩(wěn)的長尾期，直到蘇醒前的一段時(shí)間才漸漸上升。

圖5 A-SB在沉睡階段中的Viewed指標(biāo)時(shí)間分布

圖6 A-SB在沉睡階段中的Viewed指標(biāo)趨勢(shì)線

由圖7和圖8可得，Aa-SB的Viewed時(shí)間分布較A-SB更均勻，但仍具有一定的遞減趨勢(shì)，并且數(shù)值波動(dòng)幅度較大，在沉睡階段中易出現(xiàn)峰值。

圖7 Aa-SB在沉睡階段中的Viewed指標(biāo)時(shí)間分布

通過比較發(fā)現(xiàn)，A-SB的Viewed指標(biāo)時(shí)間趨勢(shì)更加具有規(guī)律性。其是A-SB沉睡階段中發(fā)生早期假寐的原因，也是A-SB進(jìn)入假寐狀態(tài)的主要影響指標(biāo)；Aa-SB的Viewed指標(biāo)整體呈波動(dòng)遞減趨勢(shì)，在沉睡階段的中后期易出現(xiàn)峰值，這是Aa-SB在沉睡階段期間易進(jìn)入假寐狀態(tài)、沉睡狀態(tài)不穩(wěn)定，并且在中后期易發(fā)生假寐的原因。

因此，在沉睡階段，A-SB與Aa-SB均獲得較少的Citation、Discussed、Saved、Viewed以及Recom‐mended，這是其進(jìn)入沉睡的原因。但是，從時(shí)序分布來看，Citation的中期峰值、Discussed與Viewed的長尾與后期峰值以及Saved的分散分布特征，共同塑造了A-SB沉睡階段特別是假寐的演化軌跡。

此外，從各指標(biāo)的累積分布來看（表7），在沉睡階段中，Viewed貢獻(xiàn)的影響力大于Citation、大于Discussed與Saved。這說明，一方面，A-SB在沉睡期間仍會(huì)受到一定的瀏覽與下載的影響，但缺乏討論、標(biāo)注、引用等更深入的關(guān)注行為；另一方面，各指標(biāo)影響力的普遍不足，也反映了基于綜合視角的測(cè)度方法，能夠更加完整地反映科學(xué)文獻(xiàn)的演化軌跡。

表7 A-SB在沉睡階段各指標(biāo)數(shù)值的累積分布

4.1.2 蘇醒階段A-SB的演化過程分析

從累積分布來看（表8），在蘇醒階段，A-SB與Aa-SB受Discussed指標(biāo)的影響都較小，且完全不受Recommended指標(biāo)的影響。A-SB受Saved指標(biāo)的影響較小，只有1篇受Saved指標(biāo)影響；而Aa-SB受Saved指標(biāo)影響較大，7篇Aa-SB中有5篇受到Saved指標(biāo)的影響，并且Saved具有一定的影響力。這些指標(biāo)的分布都是不連續(xù)的，只有Viewed指標(biāo)具有較大的數(shù)值，并呈時(shí)序分布的特征。由于Aa-SB經(jīng)歷了兩段蘇醒，因此，為了進(jìn)一步分析各指標(biāo)的具體作用，對(duì)A-SB蘇醒階段、Aa-SB早期蘇醒與第二次蘇醒階段的Viewed時(shí)序分布特征進(jìn)行分析。

表8 A-SB、Aa-SB在蘇醒階段各指標(biāo)總數(shù)值

圖10 Aa-SB在第一次蘇醒階段中的Viewed的時(shí)間分布曲線

從時(shí)序分布來看（圖9~圖11），A-SB與Aa-SB在蘇醒階段的Viewed數(shù)值基本高于蘇醒邊界線。這說明Viewed是A-SB與Aa-SB維持連續(xù)的蘇醒狀態(tài)并進(jìn)入蘇醒階段的最主要因素。將Aa-SB的第一次蘇醒與第二次蘇醒的軌跡分離后進(jìn)行觀察，發(fā)現(xiàn)Aa-SB第一次蘇醒的Viewed均值大于第二次蘇醒的Viewed均值，第二次蘇醒的Viewed均值大于A-SB蘇醒階段的Viewed均值。究其原因，一方面，是由于發(fā)表于社交媒體的文獻(xiàn)一經(jīng)開放就會(huì)得到大量的瀏覽與閱讀，隨后逐漸趨于平穩(wěn)[76]；另一方面，ASB與Aa-SB可能是具有重大價(jià)值，但爭(zhēng)議性較強(qiáng)，從而不被主流接受的研究成果，因而在早期受到短暫關(guān)注后便進(jìn)入沉睡。此外，Aa-SB的Discusse、Saved、Citation都集中在第二次蘇醒中發(fā)生作用。

圖1 A-SB文獻(xiàn)Neugebauer(2006)于延遲識(shí)別階段的演化軌跡

圖9 A-SB在蘇醒階段中的Viewed的時(shí)間分布曲線

圖11 Aa-SB在第二次蘇醒階段中的Viewed的時(shí)間分布曲線

綜上所述，從累積分布特征（表9）來看，Viewed是A-SB在延遲識(shí)別階段演化過程的最大影響因素，Viewed和Citation在A-SB的蘇醒中發(fā)揮著重要的作用。從時(shí)序分布特征來看，Viewed也是各階段轉(zhuǎn)換的主導(dǎo)指標(biāo)。盡管其他Altmetrics指標(biāo)與Citation影響力較小，但是其分布對(duì)A-SB、Aa-SB在演化軌跡特征起著重要的影響作用。

表9 Altmetrics各指標(biāo)在A-SB、Aa-SB延遲識(shí)別階段的影響力占比（%）

這些表征說明，在社交媒體上，與大部分新研究的命運(yùn)類似，A-SB與Aa-SB在發(fā)表后會(huì)獲得平臺(tái)用戶的大量瀏覽與下載。然而，這一關(guān)注是短暫的，由于缺乏持續(xù)且足夠的瀏覽、討論以及保存，這些文獻(xiàn)逐漸淡出人們的視野，從而進(jìn)入漫長的沉睡階段。它們的蘇醒則是多種傳播路徑共同作用的結(jié)果。

4.2 A-SB演化過程中不同階段的指標(biāo)關(guān)聯(lián)性分析

為了進(jìn)一步探討A-SB文獻(xiàn)在延遲識(shí)別階段中的整體動(dòng)態(tài)演化，本文使用SPSS軟件對(duì)各階段指標(biāo)信息進(jìn)行相關(guān)性分析（表10）。

表10 A-SB、Aa-SB指標(biāo)數(shù)據(jù)計(jì)算結(jié)果

首先，對(duì)各階段指標(biāo)數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn)（表11），發(fā)現(xiàn)A-SB、Aa-SB的假寐程度、沉睡深度的S-W檢驗(yàn)顯著性P<0.05，即存在不符合正態(tài)分布的數(shù)據(jù)。因此，本文使用Spearman相關(guān)系數(shù)對(duì)各指標(biāo)之間的相關(guān)性進(jìn)行分析。

表11 正態(tài)性檢驗(yàn)（Shapiro-Wilk）

在Spearman相關(guān)分析結(jié)果中（表12），可以看出以下特征。

表12 A-SB各階段指標(biāo)數(shù)據(jù)相關(guān)性分析

一方面，假寐均值、標(biāo)差與沉睡標(biāo)差之間，以及假寐時(shí)長與沉睡均值、獲得的Viewed之間，都存在顯著的中度相關(guān)性。這說明假寐時(shí)長與強(qiáng)度對(duì)ASB的沉睡深度有著正向的促進(jìn)作用，若A-SB的假寐強(qiáng)度越強(qiáng)，持續(xù)時(shí)長越長，則A-SB可能沉睡得更深，而難以受人關(guān)注。也說明了“假寐”這一特殊的狀態(tài)與沉睡階段之間具有明顯聯(lián)系，前者能夠反映A-SB沉睡的穩(wěn)定程度，并且若假寐強(qiáng)度越強(qiáng)，則A-SB的沉睡越不穩(wěn)定。

另一方面，沉睡階段綜合影響力標(biāo)差與蘇醒階段的均值之間，存在著顯著的中度負(fù)相關(guān)性。這說明A-SB沉睡的穩(wěn)定程度還影響著蘇醒強(qiáng)度，對(duì)ASB的蘇醒強(qiáng)度起著阻礙的作用；假寐均值與蘇醒階段的Viewed值之間、假寐狀態(tài)的Viewed值與蘇醒均值之間，都存在著顯著的中度負(fù)相關(guān)性。這說明假寐程度還影響著蘇醒階段的強(qiáng)度，對(duì)蘇醒階段的蘇醒強(qiáng)度與受關(guān)注度起著負(fù)面的作用。

此外，蘇醒階段的Viewed值與該階段的時(shí)長、強(qiáng)度都呈現(xiàn)出了顯著的強(qiáng)相關(guān)性，再次說明了Viewed指標(biāo)對(duì)喚醒A-SB、AA-SB的主導(dǎo)作用。

4.3 基于Altmetrics的C-SB識(shí)別效果分析

為了驗(yàn)證Altmetrics指標(biāo)的加入是否是識(shí)別傳統(tǒng)引文視角下SBs以及其他文獻(xiàn)類型的有益補(bǔ)充，將C-SB在綜合視角與單一引文視角下的演化軌跡進(jìn)行對(duì)比。

首先，根據(jù)van Raan[1]和Li[18]分別對(duì)Citationbased Sleeping Beauty和Citation-based all elements Sleeping Beauties的定義，在PLoSBiology期刊中識(shí)別出了5篇睡眠時(shí)間不同的C-SB文獻(xiàn)，但是并沒有找到Ca-SB文獻(xiàn)（表13）。

表13 PLoSBiology期刊的C-SB信息表

由圖12~圖16的演化軌跡可知，與A-SB相比，以年為單位進(jìn)行軌跡測(cè)度的C-SB具有較長的引文窗口。然而，與單一引文軌跡相比，在綜合性演化軌跡視角下，C-SB被提前喚醒了。5篇C-SB在早期均獲得了持續(xù)較高的Ab數(shù)值，即在引文視角下的蘇醒之前，C-SB就已經(jīng)獲得了大量的綜合影響力。同時(shí)，不同于A-SB在演化軌跡早期的不連續(xù)和數(shù)值小，C-SB在其延遲識(shí)別階段初期獲得的綜合影響力是大量的、持續(xù)時(shí)間超過4個(gè)月的。

圖12 McKay(2004)在延遲識(shí)別階段中的各指標(biāo)時(shí)間分布

圖16 Market(2003)在延遲識(shí)別階段中的各指標(biāo)時(shí)間分布

因此，盡管C-SB在早期均未受到學(xué)者們的大量引用，但由于其在早期獲得了穩(wěn)定、大量的瀏覽量、下載量，這些指標(biāo)的加入大大加快了C-SB的蘇醒速度，使得C-SB文獻(xiàn)在綜合性指標(biāo)作用下的蘇醒時(shí)間要比在Citation-based指標(biāo)作用下的文獻(xiàn)蘇醒時(shí)間提前4~5年。這說明盡管未被大量引用，但C-SB在早期就已經(jīng)受到學(xué)者們的關(guān)注，單一引文視角所測(cè)度的軌跡未必能夠完整反映科學(xué)文獻(xiàn)的演化過程。從演化過程來看，基于綜合影響視角所識(shí)別的A-SB可能更能滿足社交媒體平臺(tái)視域下科學(xué)睡美人的定義。

圖13 Servedio(2004)在延遲識(shí)別階段中的各指標(biāo)時(shí)間分布

5 研究結(jié)論

本文將科學(xué)睡美人從基于引文指標(biāo)演化軌跡的研究視角，擴(kuò)展到基于Altmetrics的綜合性演化軌跡的研究，通過對(duì)識(shí)別得到的A-SB、Aa-SB的特征進(jìn)行分析總結(jié)，從Altmetrics指標(biāo)的分布特征、ASB動(dòng)態(tài)演化過程中的階段轉(zhuǎn)換兩個(gè)維度揭示了ASB的演化特征，為科學(xué)睡美人文獻(xiàn)的識(shí)別方法和重要特征進(jìn)行了補(bǔ)充。在研究過程中，主要得出以下結(jié)論。

圖14 Gibson(2003)在延遲識(shí)別階段中的各指標(biāo)時(shí)間分布

圖15 Rodriguez-Girones(2004)在延遲識(shí)別階段中的各指標(biāo)時(shí)間分布

（1）本文基于結(jié)合了引文與Altmetrics指標(biāo)的綜合影響力（Ab）的演化軌跡測(cè)度模型，從微觀上和宏觀上分析A-SB的演化軌跡，揭示了綜合影響力演化軌跡下科學(xué)睡美人的動(dòng)態(tài)演化過程的特征（圖17）。通過C-SB與A-SB的比較分析，發(fā)現(xiàn)Ab指數(shù)所測(cè)度的演化軌跡能更完整地反映社交媒體平臺(tái)下科學(xué)睡美人的演化過程。在綜合影響力演化軌跡視角下，Altmetrics指標(biāo)加快了C-SB的蘇醒，盡管未被大量引用，但是C-SB在早期就已經(jīng)受到學(xué)者們的關(guān)注，單一引文視角所測(cè)度的軌跡未必能夠完整地反映科學(xué)文獻(xiàn)的演化過程。從演化過程來看，基于綜合影響視角所識(shí)別的A-SB，或許更能滿足社交媒體平臺(tái)視域下科學(xué)睡美人的定義，Ab指數(shù)能更加準(zhǔn)確地反映科學(xué)文獻(xiàn)在社交媒體上綜合影響力的演化軌跡。

圖17 A-SB的動(dòng)態(tài)演化過程

（2）在宏觀上，A-SB各階段之間具有一定的關(guān)聯(lián)性。A-SB沉睡的穩(wěn)定程度對(duì)其蘇醒強(qiáng)度起著阻礙的作用。其中，假寐作為A-SB沉睡的一種特殊狀態(tài)，其程度越強(qiáng)，持續(xù)時(shí)長越長，則A-SB可能沉睡得更深，并加劇沉睡的不穩(wěn)定程度，使ASB難以受人關(guān)注。同時(shí)，假寐程度還影響著蘇醒階段的強(qiáng)度，對(duì)蘇醒階段的蘇醒強(qiáng)度與受關(guān)注度起負(fù)面作用?？傊倜聽顟B(tài)會(huì)加重其沉睡，阻礙其蘇醒，并且能夠反映沉睡狀態(tài)的穩(wěn)定程度。

（3）在微觀上，Ab指數(shù)中所包括的各指標(biāo)的累積分布與時(shí)序分布是A-SB演化特征的重要表征。在社交媒體上，A-SB與Aa-SB在發(fā)表后由于成果的創(chuàng)新性，會(huì)受到平臺(tái)用戶的大量瀏覽與下載。然而，這一關(guān)注是短暫的，由于這些成果的主題內(nèi)容過于超前或爭(zhēng)議性較強(qiáng)，而不被用戶群體所接受或不被主流所認(rèn)可，缺乏持續(xù)且足夠的瀏覽、討論以及保存，因而進(jìn)入漫長的沉睡階段。隨著知識(shí)體系的不斷完善，學(xué)界逐漸認(rèn)識(shí)到了其所具有的價(jià)值，在受到學(xué)者的承認(rèn)與引用后，引發(fā)了PLoS平臺(tái)用戶對(duì)該成果大量且持續(xù)的瀏覽與下載，并開始受到其他平臺(tái)用戶的關(guān)注與使用。總之，在綜合演化軌跡視角識(shí)別睡美人，能夠反映多種行為動(dòng)機(jī)和傳播路徑對(duì)科學(xué)文獻(xiàn)演化的影響作用，是對(duì)科學(xué)睡美人識(shí)別方法研究的有益補(bǔ)充。

6 討論

不同于傳統(tǒng)的睡美人文獻(xiàn)軌跡測(cè)度研究，本文在選取測(cè)度單位時(shí)以月為單位，主要基于以下兩個(gè)原因。

第一，C-SB研究所使用的時(shí)間統(tǒng)計(jì)單位是以年為單位的。然而，由于多個(gè)文獻(xiàn)的出版周期是每月一次，因此，在每年收集統(tǒng)計(jì)數(shù)據(jù)時(shí)，每年1月和12月出版的文件之間會(huì)產(chǎn)生巨大的時(shí)間差距：假設(shè)以年作為單位，如果1月出版的文獻(xiàn)在沉睡4年后醒來，那么其沉睡時(shí)間為47個(gè)月；但是，如果12月出版的文獻(xiàn)在沉睡4年后醒來，那么其沉睡時(shí)間為36個(gè)月。因此，本文結(jié)合引文和社交媒體指標(biāo)來描述文獻(xiàn)的演化軌跡，并按月記錄，有助于確保建模的一致性和準(zhǔn)確性，從而更加準(zhǔn)確地反映ASB的演化軌跡。

第二，Web of Science并沒有提供所有文獻(xiàn)的引文逐月分布情況，而只能獲取一篇文獻(xiàn)的年被引量。因此，本文采用一篇文獻(xiàn)在特定年份的月平均被引量作為該文獻(xiàn)的特定月份的被引量。例如，若一篇文獻(xiàn)在發(fā)表后在某一年被引了12次，則本文認(rèn)為該年中的每個(gè)月的被引量為1次。這可能會(huì)對(duì)本文的研究結(jié)果產(chǎn)生一定的影響。然而，這種影響不會(huì)對(duì)研究結(jié)果造成重大偏差。在未來，隨著開放獲取平臺(tái)指標(biāo)體系的逐步完善，只要獲得完整的月度引文數(shù)據(jù)成為可能，就能更好地解決這一問題。

本文在取得上述研究結(jié)論的同時(shí)，也存在一些不足。首先，樣本期刊覆蓋的學(xué)科較為單一，其數(shù)據(jù)來源于2003—2019年P(guān)LoSBiology的出版文獻(xiàn)，學(xué)科集中在生物學(xué)領(lǐng)域，A-SB演化特征分析的學(xué)科普適性仍有待跨學(xué)科樣本的實(shí)證。其次，識(shí)別的11篇A-SB文獻(xiàn)均存在“推薦”指標(biāo)的影響力最小的現(xiàn)象，這一現(xiàn)象產(chǎn)生的原因可能是推薦平臺(tái)注冊(cè)門檻高、推薦所需時(shí)間成本大等，即用戶覺得某文不錯(cuò)，也未必會(huì)采取推薦的行動(dòng)。這并不表明推薦不重要，其或許與其他指標(biāo)特別是Viewed存在某種關(guān)系。推薦的缺失與A-SB的形成是否具有必然聯(lián)系？是否有其他作用于A-SB演化特征的影響因素？這些都仍有待深入探討。最后，在目前的研究中，僅討論了科學(xué)睡美人蘇醒階段的演化軌跡的影響因素，尚未進(jìn)一步探討A-SB的蘇醒原因。大量的瀏覽與下載可能只是A-SB與Aa-SB蘇醒的表征，而未必是真正的蘇醒原因。也很有可能是一次引用或其他行為導(dǎo)致用戶群體對(duì)該文獻(xiàn)的大量關(guān)注與瀏覽。A-SB的蘇醒是多種行為共同作用的結(jié)果，各行為之間的傳播機(jī)制是什么？A-SB的蘇醒機(jī)制是怎樣的？目前揭示的演化特征的深度仍需進(jìn)行拓展。

在未來隨著開放存取平臺(tái)的推廣與完善，期刊文獻(xiàn)信息將更加豐富，延長文獻(xiàn)的時(shí)間窗口也變得可行。本文將重點(diǎn)探索數(shù)據(jù)樣本拓展后，Altmetrics視角下的科學(xué)睡美人的動(dòng)態(tài)演化特征在跨學(xué)科背景下的有效性，并進(jìn)一步研究科學(xué)睡美人的演化機(jī)制。