科研論文在社交網(wǎng)絡(luò)中的關(guān)注度分析*
——以PLOS生物醫(yī)學(xué)論文為例

田玥 賀培鳳 邰楊芳 吳勝男 張昆 于琦

（山西醫(yī)科大學(xué)管理學(xué)院，太原 030001）

生物醫(yī)學(xué)論文的擴(kuò)散，意味著有更多的人獲得、認(rèn)識(shí)、理解和受惠于醫(yī)學(xué)知識(shí)，有助于大眾健康素養(yǎng)的提高和醫(yī)學(xué)知識(shí)及時(shí)應(yīng)用于臨床工作。研究生物醫(yī)學(xué)論文在網(wǎng)絡(luò)中的關(guān)注度，可以為促進(jìn)生物醫(yī)學(xué)論文擴(kuò)散、提升論文擴(kuò)散效率提供參考依據(jù)，拓寬知識(shí)擴(kuò)散渠道，以充分實(shí)現(xiàn)生物醫(yī)學(xué)科研成果的價(jià)值。傳統(tǒng)的研究方法中，生物醫(yī)學(xué)論文的出版、訂閱和引證等指標(biāo)常被用來(lái)研究論文的擴(kuò)散。隨著數(shù)字學(xué)術(shù)出版革命的興起和推進(jìn)、網(wǎng)絡(luò)媒體的普及，以及開(kāi)放獲取（Open Access）運(yùn)動(dòng)的出現(xiàn)，生物醫(yī)學(xué)論文的擴(kuò)散渠道呈現(xiàn)多樣化趨勢(shì)，擴(kuò)散所用平均時(shí)間不斷縮短[1]。生物醫(yī)學(xué)論文在網(wǎng)絡(luò)中經(jīng)電子出版后，通過(guò)各類媒介向外擴(kuò)散，不但豐富了擴(kuò)散的形式和渠道，也留下了種類繁多、條目細(xì)分、數(shù)據(jù)龐大的網(wǎng)絡(luò)擴(kuò)散數(shù)據(jù)（即Altmetrics數(shù)據(jù)），這些新的知識(shí)傳播和擴(kuò)散媒介以及所產(chǎn)生的擴(kuò)散數(shù)據(jù)，為研究生物醫(yī)學(xué)論文的擴(kuò)散提供新視角、新途徑。

目前，不乏關(guān)于Altmetrics數(shù)據(jù)的研究。金貞燕等[2]分析了Altmetrics數(shù)據(jù)整合工具的現(xiàn)狀特點(diǎn)，研究可以幫助學(xué)者更好地理解、把握Altmetrics數(shù)據(jù)的應(yīng)用。Shu等[3]研究發(fā)現(xiàn)相同時(shí)間發(fā)表于同一期刊的論文，被Twitter轉(zhuǎn)發(fā)的論文比未被Twitter轉(zhuǎn)發(fā)的論文增加大約30%的被引頻次。魏緒秋等[4]基于動(dòng)態(tài)Altmetrics數(shù)據(jù)對(duì)學(xué)術(shù)論文持續(xù)關(guān)注度進(jìn)行研究，證實(shí)大部分學(xué)術(shù)論文社交活躍期相對(duì)較早，少部分學(xué)術(shù)論文社交活躍期相對(duì)較晚。Wang等[5]追溯了學(xué)術(shù)論文在社交媒介中的擴(kuò)散蹤跡，發(fā)現(xiàn)科學(xué)論文在發(fā)表后的很短時(shí)間內(nèi)能夠迅速在社交媒體上引起關(guān)注，但是關(guān)注度的持續(xù)時(shí)間較短。王真等[6-7]基于38篇生物醫(yī)學(xué)論文的瀏覽量數(shù)據(jù)對(duì)論文的網(wǎng)絡(luò)傳播特征及規(guī)律進(jìn)行了探討研究，并對(duì)論文在網(wǎng)絡(luò)媒體中瀏覽量的累積規(guī)律進(jìn)行了探索。

現(xiàn)有的研究已取得一定的研究成果，可為后續(xù)的Altmetrics數(shù)據(jù)研究提供有益參考。但從上述相關(guān)研究的數(shù)據(jù)量來(lái)看，Altmetrics數(shù)據(jù)的數(shù)量級(jí)普遍較小，而且所分析的數(shù)據(jù)基本為橫斷面靜態(tài)數(shù)據(jù)，其研究結(jié)論在大樣本、持續(xù)動(dòng)態(tài)的Altmetrics數(shù)據(jù)上是否同樣適用尚待驗(yàn)證。為此，本研究獲取10 903篇論文的面板數(shù)據(jù)，對(duì)論文發(fā)表后隨時(shí)間的關(guān)注過(guò)程以及論文網(wǎng)絡(luò)關(guān)注度的影響因素進(jìn)行研究。選取美國(guó)科學(xué)公共圖書館（Public Library of Science，PLOS）平臺(tái)7種期刊在2016年12月1日—2017年5月31日發(fā)表的論文，使用R語(yǔ)言編寫程序，獲取每篇論文自發(fā)表第2天開(kāi)始連續(xù)200天的ALMs指標(biāo)。運(yùn)用自編的Python程序?qū)φ撐陌l(fā)表后的網(wǎng)絡(luò)關(guān)注過(guò)程進(jìn)行分析，包括論文在不同平臺(tái)上的擴(kuò)散趨勢(shì)、覆蓋率變化趨勢(shì)及單日訪問(wèn)量分析。運(yùn)用特征分?jǐn)?shù)和尺度（Characteristic Scores and Scales，CSS）及詞頻-逆文檔頻率（Term Frequency-Inverse Document Frequency，TF-IDF）方法對(duì)論文在網(wǎng)絡(luò)中的關(guān)注度差異進(jìn)行探索。借鑒論文被引量的影響因素，結(jié)合可能會(huì)影響論文在網(wǎng)絡(luò)關(guān)注度的因素，綜合考慮后，選取4個(gè)因素進(jìn)行分析，包括論文的研究主題、來(lái)源國(guó)家/地區(qū)、期刊的影響因子和作者的影響力。

1 數(shù)據(jù)來(lái)源與方法

1.1 數(shù)據(jù)來(lái)源

PLOS在網(wǎng)站上提供了一個(gè)可以獲取論文層面計(jì)量指標(biāo)的資源——ALMs（Article-Level-Metrics），它為每一篇論文提供在線使用、引用、博客、媒體報(bào)道、評(píng)論活動(dòng)、社會(huì)書簽、星級(jí)評(píng)分、專家推薦等信息[8-10]。PLOS記錄了論文在22種傳播媒介中的擴(kuò)散數(shù)據(jù)，包括Twitter、Facebook、Mendeley、PMC、Citeulike、Crossref、Scopus、Figshare、Counter[11]等媒介。

編程獲取2016年12月1日—2017年5月31日發(fā)表于PLOS平臺(tái)7種期刊上的文獻(xiàn)數(shù)據(jù)。自每一篇文獻(xiàn)發(fā)表后第2天開(kāi)始，連續(xù)200天追蹤獲取其每天的ALMs數(shù)據(jù)。數(shù)據(jù)下載時(shí)間為2016年12月1日—2017年12月18日每天21:00～24:00。由于PLOS平臺(tái)系統(tǒng)原因，1 423篇文獻(xiàn)在其發(fā)表初期沒(méi)有發(fā)布和更新ALMs數(shù)據(jù)（見(jiàn)表1），剩余11 666篇文獻(xiàn)的ALM數(shù)據(jù)被完全記錄。為避免由于文獻(xiàn)類型引起的偏移，本研究選取論文和綜述作為分析對(duì)象，共計(jì)10 903篇。根據(jù)PLOS平臺(tái)的分類標(biāo)準(zhǔn)，將10 903篇論文分為生物醫(yī)學(xué)論文（8 322篇）和非生物醫(yī)學(xué)論文（2 581）兩類。表2展示了論文在7種期刊中的分布情況。

表1 發(fā)表初期沒(méi)有發(fā)布和更新ALMs數(shù)據(jù)的論文數(shù)量

表2 論文在PLOS期刊上的分布信息表

本研究選擇Web of Science數(shù)據(jù)庫(kù)，下載8 322篇生物醫(yī)學(xué)論文的題錄信息，包含標(biāo)題、作者和國(guó)家等。選擇PubMed數(shù)據(jù)庫(kù)，獲取全部文獻(xiàn)的題錄信息。數(shù)據(jù)下載日期為2018年1月31日。其中，將PubMed數(shù)據(jù)庫(kù)中2016—2017年的2 412 042篇論文摘要作為主題分析中TF-IDF指標(biāo)的語(yǔ)料庫(kù)。

1.2 方法

1.2.1 特征分?jǐn)?shù)和尺度

CSS由Gl?nzel等[12]于1988年提出，是根據(jù)論文被引量大小對(duì)論文進(jìn)行分類的一種方法。本文利用該方法按Counter值將8 322篇生物醫(yī)學(xué)論文分為3類，具體步驟如下。

第一步：計(jì)算全部論文Counter值的均值，記為M1；

第二步：將Counter值＜M1的論文歸為第3類，即低關(guān)注度論文；

第三步：對(duì)于Counter值≥M1的論文，計(jì)算其Counter值均值，記為M2；

第四步：將M1≤Counter值＜M2的論文歸為第2類，即中關(guān)注度論文；

第五步：將Counter值≥M2的論文歸為第1類，即高關(guān)注度論文。

1.2.2 詞頻-逆文檔頻率算法

TF-IDF是一種統(tǒng)計(jì)方法，可以用來(lái)評(píng)估一個(gè)詞匯對(duì)于一個(gè)文檔集或語(yǔ)料庫(kù)中某個(gè)文檔的重要程度。字詞的重要性隨著它在文檔中出現(xiàn)的次數(shù)成正比增加，但同時(shí)會(huì)隨著它在語(yǔ)料庫(kù)中出現(xiàn)的頻率成反比下降。本文運(yùn)用該算法對(duì)論文的標(biāo)題進(jìn)行分析，以期獲得重要的詞代表論文的研究主題。計(jì)算公式如下。

2 生物醫(yī)學(xué)論文網(wǎng)絡(luò)關(guān)注過(guò)程分析

生物醫(yī)學(xué)論文在不同類型社交媒介上的擴(kuò)散從不同側(cè)面體現(xiàn)了論文的社會(huì)影響力。本文分別選取Twitter、Mendeley、PMC和Counter 4種媒介研究8 322篇生物醫(yī)學(xué)論文在大眾社交媒介、學(xué)術(shù)社交媒介、使用統(tǒng)計(jì)類和網(wǎng)絡(luò)綜合使用類上的擴(kuò)散趨勢(shì)及效果（見(jiàn)表3）。

表3 PLOS平臺(tái)ALMs的4種來(lái)源媒介信息

Twitter是大眾社交媒體的代表，面向?qū)W術(shù)人員和公眾，該平臺(tái)上的論文主要通過(guò)分享、評(píng)論、轉(zhuǎn)發(fā)等形式傳播。Mendeley是學(xué)術(shù)社交媒體的代表，主要面向?qū)W術(shù)人員，該平臺(tái)上的論文主要通過(guò)被使用者保存的形式傳播。Mohammadi等[13]研究表明，Mendeley值能揭示一些科研論文的隱性影響。PMC是使用統(tǒng)計(jì)類指標(biāo)，該平臺(tái)上的論文主要通過(guò)瀏覽和下載的形式傳播。Counter在測(cè)度論文網(wǎng)絡(luò)在線使用方面具有權(quán)威性[14]，是指論文在該平臺(tái)上以被瀏覽、被下載等形式傳播的次數(shù)按一定算法計(jì)算后得到的指標(biāo)，是用于綜合反映一篇論文在社交網(wǎng)絡(luò)中的擴(kuò)散效率指數(shù)。

2.1 不同媒介中生物醫(yī)學(xué)論文的擴(kuò)散趨勢(shì)分析

8 322篇生物醫(yī)學(xué)論文和2 581篇非生物醫(yī)學(xué)論文在4種媒介上隨論文發(fā)表天數(shù)增加而累計(jì)的訪問(wèn)量曲線如圖1所示。顯然，在Counter、Mendeley、Twitter和PMC 4種媒介上，論文的累計(jì)訪問(wèn)量增長(zhǎng)呈現(xiàn)出一定的規(guī)律性。在Counter、Mendeley和Twitter媒介上，論文發(fā)表后迅速受到眾多學(xué)者和社會(huì)大眾的關(guān)注，隨著發(fā)表時(shí)間的增加，曲線開(kāi)始呈現(xiàn)趨緩的發(fā)展態(tài)勢(shì)。這是因?yàn)樾掳l(fā)表的論文內(nèi)容新穎，很快進(jìn)入學(xué)者、社會(huì)公眾視野；但隨著時(shí)間的推移，論文的新穎性開(kāi)始降低，再加上受新發(fā)表論文的沖擊，訪問(wèn)量增加的幅度開(kāi)始變小。而在PMC上，由于論文網(wǎng)絡(luò)出版與數(shù)據(jù)庫(kù)收錄存在一段時(shí)間差，所以，前期的訪問(wèn)量為零，后期醫(yī)學(xué)科研人員根據(jù)實(shí)際需要檢索文獻(xiàn)，累計(jì)訪問(wèn)量呈持續(xù)快速增長(zhǎng)。

在Counter、Mendeley、Twitter 3種媒介上，生物醫(yī)學(xué)論文獲得的訪問(wèn)量低于非生物醫(yī)學(xué)論文。這說(shuō)明對(duì)于沒(méi)有醫(yī)學(xué)背景的大眾而言，醫(yī)學(xué)論文比較難以理解，影響了生物醫(yī)學(xué)論文的向外擴(kuò)散，導(dǎo)致生物醫(yī)學(xué)論文獲得的訪問(wèn)量低于非生物醫(yī)學(xué)論文。而在媒介PMC上，生物醫(yī)學(xué)論文訪問(wèn)量高于非生物醫(yī)學(xué)論文。這說(shuō)明，PMC作為生物醫(yī)學(xué)和生命科學(xué)期刊文獻(xiàn)全文檔案為主的數(shù)據(jù)庫(kù)，是醫(yī)學(xué)科研人員獲取醫(yī)學(xué)知識(shí)的首選媒介。

2.2 不同媒介中生物醫(yī)學(xué)論文覆蓋率分析

計(jì)算生物醫(yī)學(xué)論文在發(fā)表后的每天分別被Counter、Mendeley、Twitter和PMC 4種媒介關(guān)注的論文數(shù)占總論文數(shù)的比值，得到發(fā)表后不同時(shí)間論文在每個(gè)平臺(tái)的覆蓋率。如在Mendeley媒介上，論文發(fā)表后第3天的覆蓋率是15.61%，表明在8 322篇論文中有1 299篇論文被Mendeley保存。圖2顯示了8 322篇論文發(fā)表后200天內(nèi)在4種平臺(tái)上的覆蓋率隨時(shí)間的變化趨勢(shì)。

圖1 生物醫(yī)學(xué)論文和非生物醫(yī)學(xué)論文在Counter、Mendeley、PMC和Twitter上的擴(kuò)散趨勢(shì)

在Mendeley媒介上，論文的覆蓋率呈持續(xù)增長(zhǎng)的趨勢(shì)。這是由于Mendeley媒介上集聚的用戶以科研人員為主，科研人員可能根據(jù)科研需求對(duì)論文進(jìn)行閱讀，興趣比較持久，既關(guān)注新發(fā)表的論文也關(guān)注往期論文。劉曉娟等[15]也證實(shí)了Mendeley對(duì)論文的關(guān)注是一個(gè)持續(xù)的過(guò)程。在Twitter媒介上，論文的覆蓋率初期較高，后期基本保持不變。這是由于Twitter是一種大眾化的媒體，關(guān)注的用戶以大眾為主，大眾關(guān)注的是最新發(fā)表的論文。Haustein等[16]在2014年的研究中發(fā)現(xiàn)，Twitter用戶更青睞于提及新發(fā)表的文獻(xiàn)，而不是往期文獻(xiàn)。在Counter媒介上，論文發(fā)表后第3天有98.62%的論文被瀏覽或下載。在PMC上，論文發(fā)表后第100天有95.83%的論文被瀏覽或下載。這說(shuō)明在網(wǎng)絡(luò)社交媒體上，論文在短期內(nèi)得到了較高的關(guān)注，這是傳統(tǒng)媒體所不能及的。這也提示科研學(xué)者，有效地利用現(xiàn)代化網(wǎng)絡(luò)化的渠道傳播新知識(shí)，讓更多的人受益，讓更多的新成果得到應(yīng)用。

圖2 生物醫(yī)學(xué)論文在Counter、Mendeley、Twitter、PMC上的覆蓋率隨時(shí)間的變化趨勢(shì)

2.3 生物醫(yī)學(xué)論文單日訪問(wèn)量分析

由于PLOS ALMs指標(biāo)數(shù)據(jù)首次更新日期為論文發(fā)表后第2天（不包含論文發(fā)表當(dāng)天），因此首次更新的數(shù)據(jù)應(yīng)該是論文發(fā)表后第1天和第2天的累計(jì)之和。在處理數(shù)據(jù)時(shí)，我們把首次獲取的Counter值平均分配至第1天和第2天。如2016年12月1日發(fā)表的論文Do Eliteand Amateur Soccer Players Outperform Non-Athletes on Neuro cognitive Functioning?A Study Among 8-12 Year Old Children，2016年12月3日在PLOS ALMs上獲得的首次Counter值是38，則該論文在發(fā)表后第1天（12月2日）和第2天（12月3日）的Counter值均為19。

如表4所示，452篇生物醫(yī)學(xué)論文在發(fā)表后第1天或第2天單日訪問(wèn)量達(dá)到峰值。1/3（2 814篇）的生物醫(yī)學(xué)論文在發(fā)表后第3天單日訪問(wèn)量達(dá)到峰值。超過(guò)一半（57.28%）論文的單日訪問(wèn)量在發(fā)表后7天內(nèi)達(dá)到頂峰?？梢?jiàn)，論文發(fā)表后第3天是論文關(guān)注的巔峰期，發(fā)表后7天內(nèi)是論文關(guān)注的黃金期。

表4 生物醫(yī)學(xué)論文單日訪問(wèn)量最大時(shí)的論文篇數(shù)統(tǒng)計(jì)表

3 生物醫(yī)學(xué)論文網(wǎng)絡(luò)關(guān)注度差異分析

鑒于生物醫(yī)學(xué)論文關(guān)注的巔峰期是發(fā)表后的第3天，本研究首先選用Counter第3天的值作為測(cè)度數(shù)據(jù)，運(yùn)用CSS方法將8 322篇生物醫(yī)學(xué)論文分為3類：高關(guān)注度論文，692篇，Counter值≥467；中關(guān)注度論文，2 635篇，231≤Counter值＜467；低關(guān)注度論文，4 995篇，Counter值＜231。然后，從研究主題、來(lái)源國(guó)家/地區(qū)、來(lái)源期刊和作者影響力4個(gè)維度分析不同關(guān)注度論文之間的差異，探索論文在社交網(wǎng)絡(luò)中關(guān)注度的影響因素。

3.1 不同關(guān)注度論文的研究主題分析

本研究選取論文的摘要作為主題分析的對(duì)象。對(duì)8 322篇生物醫(yī)學(xué)論文的摘要進(jìn)行切詞、歸類、移除停用詞、取詞干后，計(jì)算每個(gè)詞匯的TF-IDF得分，經(jīng)反復(fù)實(shí)驗(yàn)發(fā)現(xiàn)TF-IDF＞0.3的詞匯可以較好地代表論文的主題。分別計(jì)算這些詞匯在3類論文的摘要中出現(xiàn)的頻次（見(jiàn)表5）。

表5 3類生物醫(yī)學(xué)論文中摘要前20個(gè)高頻詞統(tǒng)計(jì)表

疫苗（vaccin）、癌癥（cancer）、突變（mutat）、細(xì)胞（cell）等主題在3類論文中均得到較高的網(wǎng)絡(luò)關(guān)注，表明這些主題是生物醫(yī)學(xué)領(lǐng)域普遍受歡迎的研究主題。一些與病毒相關(guān)的主題，如寨卡（zikv）、登革熱（denv）和基孔肯雅（chikv）出現(xiàn)在高關(guān)注度論文中。zikv病毒可造成大批嬰兒腦發(fā)育不全，denv病毒感染具有高發(fā)病率和高死亡率的特征，chikv病毒可引發(fā)以發(fā)熱、皮疹及關(guān)節(jié)疼痛為主要特征的急性傳染病，相關(guān)主題的論文獲得了大眾的高度關(guān)注?；颍╣ene）、兒童（children）、婦女（women）和眼（eye）這些主題出現(xiàn)在中關(guān)注度論文和低關(guān)注度論文中。健康（health）僅出現(xiàn)在低關(guān)注度論文中。

對(duì)比3類論文的研究主題可以發(fā)現(xiàn)，除3類論文有共同的研究主題外，與人類健康迫切相關(guān)的研究主題得到高的網(wǎng)絡(luò)關(guān)注，較為常規(guī)、寬泛的研究主題沒(méi)有得到高關(guān)注度。

3.2 不同關(guān)注度論文的來(lái)源國(guó)家/地區(qū)分析

本研究統(tǒng)計(jì)了每類論文的來(lái)源國(guó)家/地區(qū)的發(fā)文量。國(guó)家/地區(qū)的發(fā)文量根據(jù)論文的通信作者所屬國(guó)家/地區(qū)進(jìn)行計(jì)算。如一篇論文有2名通信作者，分別來(lái)自中國(guó)和美國(guó)，那么中國(guó)對(duì)這篇論文的貢獻(xiàn)記50%，美國(guó)記50%。本文統(tǒng)計(jì)了每類論文中發(fā)文量前20的國(guó)家。

美國(guó)在3類論文中的發(fā)文量均排在首位，且在高關(guān)注度論文中占比最大，達(dá)36.04%。這表明美國(guó)的生物醫(yī)學(xué)研究在網(wǎng)絡(luò)中受歡迎的程度很高，也意味美國(guó)在世界醫(yī)學(xué)研究領(lǐng)域中占主導(dǎo)地位。英國(guó)、加拿大、巴西、瑞士、蘇格蘭在高關(guān)注度論文中的發(fā)文量排名較前，在中關(guān)注度和低關(guān)注度論文中的排名較后。與此相反，中國(guó)、日本、韓國(guó)、意大利在高關(guān)注度論文中排名較后，在中關(guān)注度和低關(guān)注度論文中排名較前，表明這些國(guó)家發(fā)表的生物醫(yī)學(xué)論文在網(wǎng)絡(luò)中受歡迎的程度不高。

3.3 論文關(guān)注度與來(lái)源期刊的關(guān)系分析

7種期刊的擴(kuò)散趨勢(shì)如圖3所示。可以看出，PLOS Biology期刊的論文平均獲得的訪問(wèn)量最高，PLOS Medicine期刊次之，PLOS Pathogens期刊和PLOS Genetics期刊的論文平均獲得的訪問(wèn)量相同。對(duì)照表2期刊影響因子可以得出，生物醫(yī)學(xué)論文獲得的訪問(wèn)量與所在期刊的影響因子之間存在一定的正相關(guān)性，論文在網(wǎng)絡(luò)中的關(guān)注度受所在期刊影響因子的影響，但可以實(shí)現(xiàn)局部超越。

圖3 生物醫(yī)學(xué)論文在7個(gè)期刊上的擴(kuò)散趨勢(shì)

3.4 論文關(guān)注度與作者影響力的關(guān)系分析

本文使用H指數(shù)作為作者影響力的測(cè)度指標(biāo)。我們利用Web of Science下載每篇文章作者發(fā)表的論文記錄，為減少作者同名對(duì)檢索結(jié)果帶來(lái)的影響，采用“作者姓名+機(jī)構(gòu)名稱”的方式實(shí)施檢索，并對(duì)檢索記錄進(jìn)行人工篩選。基于篩選后的數(shù)據(jù)集，計(jì)算每位作者的H指數(shù)。對(duì)于每篇文章，我們選取第一作者和通信作者的H指數(shù)（多個(gè)通信作者的選取H指數(shù)最大的一個(gè)），與第3天Counter值做Spearman相關(guān)分析，結(jié)果為P＞0.05，說(shuō)明論文第一作者和通信作者的H指數(shù)與其Counter值均不存在相關(guān)性。這反映出大眾在網(wǎng)絡(luò)中傳播學(xué)術(shù)論文時(shí)并不關(guān)注論文作者是否具有影響力，論文作者的影響力不是論文網(wǎng)絡(luò)關(guān)注度的影響因素。

4 結(jié)論

從關(guān)注過(guò)程看，生物醫(yī)學(xué)論文在Counter、Mendeley、Twitter和PMC 4種媒介上，擴(kuò)散趨勢(shì)和覆蓋率變化趨勢(shì)各不相同。因此在擴(kuò)散論文時(shí)，針對(duì)不同的媒介，應(yīng)采取不同的擴(kuò)散策略。論文發(fā)表后第3天是關(guān)注的巔峰期，發(fā)表后7天內(nèi)是關(guān)注的黃金期。因此要在論文發(fā)表初期及時(shí)傳播論文，使科研成果得到最大限度的擴(kuò)散。

從關(guān)注度差異上看，論文的研究主題、來(lái)源國(guó)家/地區(qū)、來(lái)源期刊的影響因子都會(huì)影響論文在網(wǎng)絡(luò)中的關(guān)注度，而論文作者的影響力并不會(huì)對(duì)論文在網(wǎng)絡(luò)中的關(guān)注度產(chǎn)生影響。

（1）論文的研究主題會(huì)影響論文在網(wǎng)絡(luò)中的關(guān)注度。研究主題與人類健康迫切相關(guān)的論文獲得了高的網(wǎng)絡(luò)關(guān)注，如傳染性病毒。研究主題較為常規(guī)普通的論文網(wǎng)絡(luò)關(guān)注度較低。

（2）與美國(guó)、英國(guó)等國(guó)家相比，我國(guó)的生物醫(yī)學(xué)論文獲得的關(guān)注度較低。這個(gè)結(jié)果可能是由兩個(gè)因素造成的。首先，盡管近年來(lái)我國(guó)的生物醫(yī)學(xué)論文質(zhì)量有很大的提高，但與美國(guó)、英國(guó)等發(fā)達(dá)國(guó)家相比還有一定的差距；其次，一些主流社交媒體在我國(guó)大陸的使用受限，導(dǎo)致我國(guó)的科研人員在社交網(wǎng)上的參與度較低。有研究表明[17]，論文的擴(kuò)散首先是從本機(jī)構(gòu)、本國(guó)開(kāi)始的，之后向外擴(kuò)散。我國(guó)的科研人員在社交網(wǎng)上參與度較低，導(dǎo)致我國(guó)的生物醫(yī)學(xué)論文獲得較低的網(wǎng)絡(luò)關(guān)注。這提醒我國(guó)醫(yī)學(xué)研究人員，要?jiǎng)?chuàng)造條件參與科研網(wǎng)絡(luò)交流，以促進(jìn)論文的擴(kuò)散。

（3）論文所在期刊的影響因子會(huì)影響論文在網(wǎng)絡(luò)中的關(guān)注度。論文所在期刊的影響因子與論文獲得的網(wǎng)絡(luò)訪問(wèn)量存在一定的正相關(guān)性，但可以實(shí)現(xiàn)局部反超。

（4）論文作者的影響力不會(huì)影響論文在網(wǎng)絡(luò)中的關(guān)注度。高影響力作者的論文與低影響力作者的論文在網(wǎng)絡(luò)中的關(guān)注度不存在顯著差異。這說(shuō)明，網(wǎng)絡(luò)社交媒體為論文在網(wǎng)絡(luò)中的擴(kuò)散提供了平等機(jī)會(huì)。

研究展示了生物醫(yī)學(xué)論文網(wǎng)絡(luò)關(guān)注過(guò)程，挖掘了生物醫(yī)學(xué)論文網(wǎng)絡(luò)關(guān)注度的影響因素，為生物醫(yī)學(xué)論文獲得更多的網(wǎng)絡(luò)關(guān)注度提供指導(dǎo)意見(jiàn)。望研究結(jié)果能夠幫助醫(yī)學(xué)科研學(xué)者有效地提高論文在網(wǎng)絡(luò)中的擴(kuò)散。