高校學報載文特征對文獻指標影響的量化研究
——以《中國礦業(yè)大學學報》為例

■姚志昌 雷 萌 張貴芬 朱文祥

1）中國礦業(yè)大學學報編輯部，江蘇徐州金山東路1號 221008

2）中國礦業(yè)大學信息與電氣工程學院，江蘇徐州大學路1號徐州 221116

高校學報文獻指標是反映高校學報學術影響力的主要標志，在了解所辦期刊與其它期刊間的差距，摸索高校學報選稿方向、篩選尺度與刊出效果間內在關系方面具有重要作用。高校學報來稿涉及學科多，發(fā)表不同學科的論文對期刊文獻指標的貢獻有所不同，目前對高校學報載文特征信息與其文獻指標之間的相關性缺乏深入了解。雖然，近年來有關載文分析方面時有報道，數量上也在不斷增加，但其研究的面還遠遠不夠大，研究的力度和深度也十分有限，需要拓展和深化[1]。統計分析載文信息有助于做好選稿工作、提高送審的準確性和審稿效率、提高編輯工作水平[2]。為此，高校學報編輯有必要了解期刊載文特征信息與文獻指標間的相關性，從中找出引起期刊文獻指標數據變化的深層次原因，站在編輯學的角度，借助數學方法表述期刊載文特征信息對期刊文獻指標的影響，以管理學方法來提升高校學報的學術影響力。

高校學報文獻指標是論文發(fā)表后的統計結果，與來稿數量有關。高校學報來稿量與高校學報被引量、下載量等文獻指標之間的關系可利用數學建模得到擬合曲線，以此來分析、檢驗編輯成效[3]。高校學報來稿數量越多，編輯挑選優(yōu)質稿件的機會增多，稿件淘汰率增大，有益于提高高校學報文獻指標數值。通過建立期刊來稿量與期刊被引量、下載量之間的數學關系式，根據今后期刊來稿量可以對被引量、下載量進行趨勢估算，但想深入分析影響期刊文獻指標的關鍵因素還是不夠的，況且來稿量是一個論文發(fā)表前的統計量，發(fā)表前后的論文的統計信息存在缺少專家審核環(huán)節(jié)這一“質”的差別，而且發(fā)表論文中有關特征信息也沒有考慮進去。因此，在探討來稿量對期刊文獻指標影響的基礎上，需要進一步研究期刊載文特征信息對其文獻指標的影響，因為文獻指標不僅與來稿量有關，也與載文作者單位、作者背景、基金資助情況、所屬學科等特征信息密切相關。也就是說，只有對期刊載文特征信息進行多方位的統計，分析各個因素對高校學報文獻指標的影響，才能夠真正幫助高校學報編輯確立稿件的優(yōu)選方向。

一般來說，高校學報載文特征信息包括載文作者單位、基金資助情況、所屬學科、作者背景等。在作者單位、作者背景、基金資助情況、所屬學科等載文特征信息中，鑒于論文在審稿時采取匿名審稿，作者的單位屬性可以忽略。通常資助論文的項目都經過了項目立項、論證、評審程序，一般起點較高，具有較強的創(chuàng)新性，易產生原創(chuàng)性的研究成果，而作為研究成果最直接體現者的研究論文一般也具有較高水平[4]。由于多年來在初審環(huán)節(jié)高校學報編輯部看重基金項目對產出論文的支撐和影響，對校內外來稿都以基金資助為首選點，在判斷來稿創(chuàng)新性上進行了選擇[5]，這樣將作者單位、基金資助情況等載文信息予以忽略，而以載文所屬學科、作者背景為主要的特征信息進行提取并統計。眾所周知，影響因子是國際上通行的評價期刊學術影響力的重要指標；被引量反映研究人員在后續(xù)研究成果中的借鑒程度；web下載量反映讀者對論文的感興趣程度，將這3項反映高校學報學術影響力的文獻指標作為衡量辦刊水準和檢驗編輯效果的標志，與高校學報載文特征信息放在一起分析，研究高校學報文獻計量指標數據背后隱含著的一些規(guī)律和本質，有助于提高對高校學報文獻指標變化的深層次認識。在獲得高校學報載文特征信息后，用數學方法建立高校學報載文特征信息與其文獻計量指標之間的復雜非線性關系，對影響期刊文獻指標變化的主要因素進行定量分析，為有目的地優(yōu)選稿件提供依據。

1 研究對象

高校學報載文特征信息統計是一個費時費力的工作，有的高校學報在腳注上標注作者特征信息，有的高校學報缺失。為了研究方便，以《中國礦業(yè)大學學報》為實例，通過統計10年期間期刊載文特征信息與中國知網影響因子、中國知網被引量、web下載量、中信所影響因子和中信所被引量等5項文獻指標的數據變化而對其相關性進行定量研究。

2013年《中國礦業(yè)大學學報》在1994種中國科技核心期刊中以綜合評價總分91.9分位列第20位[6]；2014年在1989種中國科技核心期刊中以綜合評價總分85.2分位列第31位[7]；2015年在1989種中國科技核心期刊中以綜合評價總分84.7分位列第34位[8]，雖然連續(xù)3年入選“百種中國杰出學術期刊”，但期刊的綜合評價總分和排名逐年有所下滑，在與國內其它科技期刊的競爭中有許多要改進的地方。為了了解影響期刊綜合評價總分的深層次原因，有必要對期刊載文特征信息進行統計分析，引導編輯優(yōu)選稿件。2005—2014年《中國礦業(yè)大學》校內外來稿和基金資助情況見圖1。從圖1中可以看出，這些年來有國家級基金項目資助的稿件數量穩(wěn)定提升；校外作者逐年增加，說明期刊能夠吸引校外作者投稿，但在吸引國內一流學術論文投稿上還需努力，選稿方向和審稿尺度有待進一步改進以提升期刊綜合評價總分及排名。

圖1 2005—2014年校內外來稿和基金資助情況作者背景情況

2005—2014年《中國礦業(yè)大學學報》的論文作者背景如圖2所示，圖中顯示博士研究生已經成為期刊的主要作者群體，近幾年來發(fā)表論文所占比例不斷上升。各學科發(fā)表論文如圖3所示，圖中顯示礦業(yè)工程、地球科學這2個學科在期刊發(fā)文量中所占比例較高，而地球科學學科在期刊發(fā)文量中所占比例逐年提高。

圖2 2005—2014年作者背景情況

中國知網影響因子、中國知網被引量、web下載量、中信所影響因子和中信所被引量等5項文獻指標數值見表1所示。

圖3 2005—2013年《中國礦業(yè)大學學報》各學科發(fā)表論文統計

表1 《中國礦業(yè)大學學報》各項文獻指標值

表1中數據分別來自2005—2014年中國知網、中信所提供的期刊年度報告，這些文獻指標雖然來自國內2家權威統計部門，選擇期刊的群體不同、數量上有差異，但都能從不同角度反映期刊的學術影響力。以影響因子為例，中國知網提供影響因子普遍高于中信所提供影響因子，這是由于中國知網統計源期刊數量高于中信所統計期刊數量所致。2005—2014年這2家部門公布的影響因子變化趨勢基本相同，中國知網影響因子（a）與中信所影響因子（b）的關系式為：b=0.9274a-0.0937，相關系數R2為0.9287，不同之處是分別代表了該期刊在中國知網統計源期刊、中信所建立的中國科技論文與引文數據庫（CSTPCD）中的被引表現，這里收集期刊5種文獻指標就是要從不同統計渠道、不同角度分析載文特征信息對某一文獻指標產生影響的敏感度。

2 分析方法

2.1 基于互信息的直接分析方法

互信息（mutual information，M I）用于描述兩個關系變量間共有信息的含量，其值越大表示變量間的共有信息量越大、依賴程度越強[9-11]。由于M I對變量間的線性或非線性關系描述具有較高的準確度和適用性，而高校學報的載文因子（作者背景、學科）與文獻指標間為復雜的非線性關系，因此利用M I評估各因子與文獻指標間的相關性是切實可行。對于某載文因子xi與文獻指標yj，它們之間的互信息I（xi； yj） 定義為

（i=1，2，…，n；j=1，2，…，m）

式中：p（xi） 和p（yj） 分別表示 xi，yj的邊緣概率密度；p（xi，yj） 為 xi與 yj的聯合概率密度；n為載文因子數，m為文獻指標數。方法實現步驟如下：

數據集：高校學報載文因子和文獻指標數據集分別為Xt×n與Yt×m，即第i個載文因子為xi（i=1，2，…，n），第j項文獻指標為yj（j=1，2，…，m），其中，n為載文因子個數，m為文獻指標項數。

步驟1：歸一化載文因子Xt×n和文獻指標Yt×m；

步驟2：分別計算每個載文因子xi的信息熵H（xi），文獻指標的信息熵H（yj）以及二者的聯合信息熵H（xi，yj）。 其中H（xi）=

步驟3：根據熵的定義和連鎖規(guī)則可得：I（xi；yj）=H（xi）+H（yj）-H（xi，yj），由此計算每個載文因子 xi和文獻指標 yj的互信息I（xi； yj）。

2.2 基于平均影響值的模型評估方法

平均影響值（mean impact value，M IV）由Dombi等人提出，是用于評估神經網絡中各輸入變量對輸出變量影響大小的最佳指標之一[12-13]。偏最小二乘（partial least squares，PLS）方法由 S.Wold和C.Albano等在1983年首次提出，綜合了PCA、多元線性回歸分析和和典型相關分析的功能特點，可同時完成數據壓縮、變量間相關分析和回歸預測，在處理樣本容量小、變量間存在多重相關性問題方便具有獨特的優(yōu)勢[14-16]。

基于平均影響值的模型評估方法是一種間接分析方法，先利用PLS方法來構建高校學報載文因子與文獻指標的數學模型，然后引入M IV的計算策略，獲得各載文因子對某文獻指標M IV的累積貢獻率（accumulative contribution rate， ACR）。 M IV值的大小反映了輸入變量對輸出變量的影響程度，其值越大，相應的ACR值越大，表明輸入變量對輸出變量的影響越大。方法的實現步驟如下：

數據集：高校學報載文因子和文獻指標數據集分別為 Xt×n與Yt×m，即第i個載文因子為xi（i=1，2，…，n），第j項文獻指標為yj（j=1，2，…，m），其中，t為樣本個數，n為載文因子個數，m為文獻指標項數。

步驟1：構建PLS模型，初始輸入變量為載文因子 Xt×n，輸出變量為文獻指標 Yt×m，設置主成分數目并訓練模型；

步驟2：更新PLS模型中的輸入變量，將原矩陣Xt×n中xi的值分別±10%，得到新變量訓練模型得到與其相對應的實際輸出

步驟3：計算MIV值，公式如下：

步驟4：計算ACR值，公式如下：

3 結果分析

3.1 互信息法的結果分析

基于互信息的直接分析方法通過計算各載文因子與文獻指標的互信息，對其共有信息的含量和相關程度進行標定。根據M I的定義可知，其值越大，該載文因子與文獻指標的共有信息越多。正高、副高、中級、初級、博士生和碩士生等6個作者因子與中國知網影響因子、中國知網被引量、web下載量、中信所影響因子和中信所被引量等5項文獻指標的互信息M I如圖4所示。由圖4可知，在作者因子中，這些年來正高職稱、博士生作者所發(fā)表的論文對文獻指標的影響起主導作用。

圖4 作者因子與文獻指標的互信息M I

礦業(yè)工程、建筑科學、地球科學、自動化與計算機、環(huán)境科學、數理科學、化學工業(yè)、其它等8類學科因子與各項文獻指標的M I如圖5所示。由圖5可知，在學科因子中，礦業(yè)工程、地球科學學科對文獻指標的影響起主導作用。

圖5 學科因子與文獻指標的互信息M I

3.2 平均影響值模型的結果分析

PLS模型對載文因子與各文獻指標的擬合描述結果如表2所示，Eave為模型實際輸出與期望輸出間絕對誤差的均值，R2為相關系數。從表中可知，PLS模型能夠準確地表達載文因子與文獻指標間的數學關系，即分析測試平臺具有較強的準確性和可靠性，與M IV策略相結合可有效評估來稿因子對文獻指標的影響。

表2 PLS模型的分析結果

基于平均影響值的模型評估方法以M IV為評估依據，PLS模型為分析測試平臺，依次對各載文因子分別?。?00±10）%，訓練模型，通過計算載文因子的ACR值，獲得其對文獻指標影響程度的評估分析，其值越大則表示影響度越高，兩者之間的相關性越強。6種作者因子對5項文獻指標影響度的累積貢獻率ACR如圖6所示；8種學科因子對5項文獻指標影響度的累積貢獻率ACR如圖7所示。在作者因子中，正高、副高職稱作者所發(fā)表的論文對文獻指標的影響高于其它作者；在學科因子中，礦業(yè)工程、地球科學學科對文獻指標的影響高于其它學科。

圖6 作者因子對文獻指標的累積貢獻率ACR

圖7 學科因子對文獻指標的累積貢獻率ACR

4 結果與討論

通過用互信息法——直接分析方法、基于平均影響值的模型評估方法——間接分析方法，以10年《中國礦業(yè)大學學報》載文特征信息與中信所、中國知網公布的期刊主要文獻指標之間進行量化分析，結果顯示學科因子的互信息M I值高于作者因子的互信息M I，科學地給出學科方向是對高校學報文獻指標起作用的關鍵因素，為高校學報編輯有方向、有尺度地優(yōu)選稿件提供依據。

用互信息M I值放在一起進行比較是因為其計算方法都是一樣的，每個因子的互信息M I值不受其它因子影響；對于累積貢獻率ACR值，它是基于PLS模型間接得出的，學科因子和作者因子的PLS模型是有區(qū)別的，學科因子和作者因子的PLS模型之所以有區(qū)別是在構建PLS模型中有一步是主成分分析，主成分分析要提取主成分個數，因為學科因子個數比作者因子個數多，所以ACR的高低比較的參考意義沒有互信息M I大，鑒于載文中作者背景是以第一作者進行統計的，沒有考慮論文中各個作者的背景及每個作者對論文的貢獻，也沒有考慮有些論文中將博士生導師列為第一作者而實際從投稿到修改結束整個工作都是博士研究生完成的這種情況，故文中得出的關于作者因子對高校學報文獻指標的作用和影響的量化數值宜作參考。

從表1中可以看出，《中國礦業(yè)大學學報》在2008年、2011年影響因子有向下又返上的變化，根據文中給出的直接計算、間接評估結果：《中國礦業(yè)大學學報》學科中礦業(yè)、地球科學學科起主導作用并對文獻指標貢獻大，與圖3a中礦業(yè)、地球科學學科這些年所占比例的變化趨勢相吻合，證明該分析方法可行有效。筆者分管地球科學、自動化和計算機、機電、材料等學科，2009年開始將地球科學列為優(yōu)選學科后，所占份額明顯上升，由2009年的10.12%升至2014年的29.65%，期間《中國礦業(yè)大學學報》中國知網影響因子也由0.970的提高到1.552；中信所影響因子也由0.866提高到1.419（表1），效果顯著。

高校學報在高等教育中、在青年教師和碩博士研究生培養(yǎng)中、在高校學科建設中的創(chuàng)新、累積、繼承作用和知識創(chuàng)新的傳播交流中，發(fā)揮了無可替代的作用，彰顯了其強大的育人功能、學科培育功能和窗口效應[17]。通過對《中國礦業(yè)大學學報》文獻指標影響因素的分析，看到了對《中國礦業(yè)大學學報》文獻指標貢獻明顯的作者群構成：正高職稱作者是高校學報學術影響力的重要貢獻者，他們以前瞻的視野、豐富的學識、深入的研究而撰寫的論文具備高被引的潛質；副高職稱作者有晉級動力而親自撰寫論文，其中不乏擅長科學研究并脫穎而出之佼佼者，是高校學報學術影響力的主要貢獻者；博士研究生是從事其導師承擔科研項目的青年骨干，奮戰(zhàn)在科研第一線，其中許多論文涉及導師承擔科研項目的階段性成果，是高校學報學術影響力貢獻的生力軍，由此看出具有高級職稱、主持科研項目的作者是科技創(chuàng)新的引領者，承擔和參與科研項目的作者是科技創(chuàng)新的助力者，吸引高水平科學研究團隊中重要成員投稿是高校學報助推創(chuàng)新、提升學術影響力的根本保證。

高校學報發(fā)表論文涉及學科多，各學科創(chuàng)新步伐不一，應將對期刊影響力貢獻度高的學科列為優(yōu)選學科以提升高校學報的影響力、競爭力[18]。期刊的組稿者對一篇論文從初選到發(fā)表負有責任，在高校學報刊期不變、年載文量變化不大情況下，期刊每期載文中優(yōu)選學科論文的增加，因其研究前沿、深入而使期刊載文被讀者廣泛關注，也因優(yōu)選學科對期刊影響力貢獻度高，期刊影響提升快而吸引更多優(yōu)秀作者投稿，期刊受益明顯。本文采用數學方法對《中國礦業(yè)大學學報》10年統計數據進行相關分析的結果表明：礦業(yè)工程、地球科學學科對《中國礦業(yè)大學學報》文獻指標的影響起主導作用，與文獻[5]中統計的2005—2013年《中國礦業(yè)大學學報》進入被引頻次TOP10中比例最高的學科依次為礦業(yè)工程、地球科學、化學工業(yè)的結果相一致，也與2012年中國礦業(yè)大學在教育部學科評估中“礦業(yè)工程、安全工程位列全國第一、測繪科學與技術位列全國第三、地質資源與地質工程位列全國第四”的學科優(yōu)勢相符，這也再一次表明：高校學報找準了辦刊的支撐點，發(fā)揮其自身學科優(yōu)勢，吸收來自國內其它高校優(yōu)勢學科的稿件，就可以讓刊出的每一篇論文為高校學報文獻指標帶來不俗表現。

本文選取的期刊文獻指標作為體現期刊傳播力的量化指標，也是期刊評價體系中的重要指標，雖然不能完全等同于期刊的學術水平，但從另一方面能反映期刊選用稿件引領學術創(chuàng)新的力度和受社會上讀者喜好的程度。在學術期刊“做最好的傳播”與“引領學術”這兩種功能中，傳播功能是期刊主編與編輯可以努力做到的事情[19]，通過學術期刊數字出版平臺，將刊用論文在中國知網（網絡版）優(yōu)先發(fā)表，縮短出版周期以提高論文出版速度，有利于提高期刊的各項文獻指標，而期刊文獻指標的提升直接關乎期刊在綜合評價總分中的排名。在社會上普遍存在期刊排名越前說明期刊的水平越高這樣一個觀點下，排名居前的期刊會吸引國內大批科研人員投稿，其中不乏引領創(chuàng)新的作者，為刊出高影響力的論文創(chuàng)造了條件。高校學報辦刊人希望每一篇發(fā)表的論文都具有增量的學術價值，能提升期刊學術影響力，而提升期刊學術影響力最有效的方法就是提高期刊發(fā)表論文的被引量，這需要期刊審稿者具有遠見卓識的鑒別力，在篩選稿件時就考慮其發(fā)表后所能帶來的社會經濟效益，爭取論文發(fā)表后受益面的最大化以此帶來期刊被引量的最大化。對于一篇論文發(fā)表后的高被引，筆者認為70%歸功于作者的研究水平及表述；20%歸功于評審專家對稿件提出的修改意見和要求；10%歸功于期刊審稿者的鑒別力。但對于一篇論文發(fā)表后的零被引，尤其是其下載次數也不盡如人意時，50%的責任在期刊審稿者，30%的責任在論文評審專家；20%的責任在論文作者選題及表述欠佳。為此，高校學報辦刊必須注重優(yōu)選稿件，必須向具有優(yōu)勢學科支撐的方向發(fā)展，對于《中國礦業(yè)大學學報》而言，以國家能源戰(zhàn)略發(fā)展方向為指引，以能源科學為主線，以優(yōu)選學科為核心，拓展期刊發(fā)展之路、優(yōu)選學科方向后勢必給期刊學術影響力帶來新的提升。

5 結論

（1）高校學報來稿量對其文獻指標有顯著影響，但從來稿量的變化上只能預測期刊文獻指標的變化趨勢，只有多方位統計來稿信息，通過建立互信息（M I）對期刊載文特征信息與其文獻指標的相關性進行定量分析，才能為優(yōu)選稿件指明方向。

（2）PLS模型能夠準確地表達期刊載文特征因子與文獻指標之間的數學關系，與M IV策略相結合可有效評估載文因子對文獻指標的影響?；谄骄绊懼的Ｐ驮u估方法作為間接分析方法有助于分析高校學報載文特征因子對其文獻指標的影響程度。

（3）學科方向是對高校學報文獻指標起作用的關鍵因素，將對期刊影響力貢獻度高的學科列為優(yōu)選學科可以提升高校學報的影響力、競爭力。

[1] 顏志森，鄧友娥.92期《中國科學》若干載文特征分析[J].中國科技期刊研究，2009，20（2）：262-265.

[2] 李娟.論科技期刊載文信息的統計分析[J].中國石油大學學報（社會科學版），2015，31（5）：92-95.

[3] 姚志昌，王繼紅，段瑞云.高校學報（自然科學版）學術地位現狀與提升對策——以首屆江蘇省新聞出版政府獎獲獎期刊編輯的視角[J].中國科技期刊研究，2014，25（1）：124-127.

[4] 吳瓊.《中國地震》載文信息及期刊評價指標的統計分析[J].中國科技期刊研究，2010，21（3）：291-295.

[5] 姚志昌，曹召丹，鄭雪萍，等.入選百種杰出學術期刊的特征分析與持續(xù)影響力對策[J].中國科技期刊研究，2015，26（8）：862-869.

[6] 中國科學技術信息研究所.中國科技期刊引證報告（核心版）[M].北京：科學技術文獻出版社，2013.

[7] 中國科學技術信息研究所.中國科技期刊引證報告（核心版）[M].北京：科學技術文獻出版社，2014.

[8] 中國科學技術信息研究所.中國科技期刊引證報告（核心版）[M].北京：科學技術文獻出版社，2015.

[9] SHANNON C E.A mathematical theory of communication[J].ACMSIGMOBILE Mobile Computing and Communications Review，2001，5（1）：3-55.

[10] BACCIU D，ETCHELLS T A，LISBOA P JG，et al.Efficient identification of independence networks usingmutual information[J].Computational Statistics， 2013， 28（2）： 621-646.

[11] YANG Jianbo，WENG Chongjing.An effective feature selection method via mutual information estimation[J].IEEE Transactions on Systems Man and Cybernetics Part BCybernetics， 2012， 42（6）： 1550-1559.

[12] 史峰，王小川，郁磊，等.MATLAB神經網絡30個案例分析[M].北京：北京航空航天大學出版社，2010：184-188.

[13] 李鴻志，陶委，高婷，等.基于平均影響值的反向傳播神經網絡方法用于提高密度泛函理論計算Y-NO鍵均裂能精度[J].高等學?；瘜W學報，2012，33（2）：346-352.

[14] ROSIPAL R，KRAMER N.Overview and recent advances in partial least squares[C]//Proceedings of Workshop on Subspace， Latent Structure and Feature Selection.Bohinj：Lecture Notes in Computer Science，2006： 34-51.

[15] 王惠文，吳載斌，孟潔.偏最小二乘回歸的線性與非線性方法[M].北京：國防工業(yè)出版社，2006.

[16] HUBERTM，VANDEN B K.Robustmethods for partial least squares regression[J].Journal of Chemometrics， 2003， 17（10）： 537-549.

[17] 劉惠生.中國學術期刊的前世今生 [N].法制日報·法治周末，2012-09-13（21）.

[18] 姚志昌.高校辦刊在競爭中前行[N].中國新聞出版廣電報，2015-12-30（7）.

[19] 王浩斌.國家、市場與社會：學術期刊變革中的三維結構[J].中國礦業(yè)大學學報（社會科學版），2016（2）：82-89.