基于用戶行為數(shù)據(jù)的學(xué)術(shù)博客影響力評估研究

王琦　袁潤

摘要：借鑒學(xué)術(shù)影響力評估理論，分別計算均值測度指標和高影響測度指標下的學(xué)術(shù)博客影響力。設(shè)計均值測度和高影響測度統(tǒng)計量，借助R語言編程技術(shù)，計算博客用戶影響力測度指標。研究表明，均值測度指標不適合于博客用戶影響力評估。文章基于博文的被評論次數(shù)和被推薦次數(shù)兩個觀測量計算得到的學(xué)術(shù)博客博文影響力h指數(shù)，能有效評估學(xué)術(shù)博客影響力。不同觀測年度的h指數(shù)存在較大差異，這反映了博客用戶發(fā)表博文的持續(xù)性。

關(guān)鍵詞：學(xué)術(shù)博客;h指數(shù);R語言;影響力

一、前言

學(xué)術(shù)社交網(wǎng)站的出現(xiàn)和發(fā)展，吸引了大量的學(xué)者加入社區(qū)進行學(xué)術(shù)分享和交流。學(xué)術(shù)博客（Academic Blog）是學(xué)術(shù)社交網(wǎng)站的一種典型形式，它的存在和發(fā)展不僅可以幫助科研工作者推廣學(xué)術(shù)成果，提升自身的學(xué)術(shù)影響力，還可以拓寬學(xué)術(shù)社交關(guān)系以促進更廣泛的科研合作。

對學(xué)術(shù)博客的概念學(xué)界缺乏統(tǒng)一的界定，史新艷等認為廣義學(xué)術(shù)博客是指博客的內(nèi)容與學(xué)術(shù)知識相關(guān)，狹義學(xué)術(shù)博客還要求博客用戶須為某領(lǐng)域的學(xué)術(shù)專家。呂鑫等根據(jù)“學(xué)術(shù)”和“博客”的定義，認為“學(xué)術(shù)博客”是用于發(fā)布和交流教學(xué)、科研等的博客。甘春梅等通過調(diào)研與分析總結(jié)出學(xué)術(shù)博客是由科研人員撰寫的以討論學(xué)術(shù)相關(guān)問題為主的博客。從現(xiàn)有的研究可以看出，國內(nèi)學(xué)者對學(xué)術(shù)博客的界定從爭議逐漸形成共識，認為學(xué)術(shù)博客是專業(yè)學(xué)術(shù)社交平臺，與一般的為學(xué)術(shù)社交提供服務(wù)的平臺不同。

科學(xué)網(wǎng)博客是中文語境下學(xué)術(shù)博客典型代表之一?，F(xiàn)有的研究主要呈現(xiàn)兩個方向，一是將博客視為提供各種服務(wù)和應(yīng)用的平臺，以平臺為研究對象，從平臺的功能和服務(wù)出發(fā)，研究學(xué)術(shù)社交平臺的價值、發(fā)展規(guī)律和發(fā)展方向;二是以用戶為研究對象，通過調(diào)查問卷等方式獲取用戶使用意愿或基于用戶的客觀行為數(shù)據(jù)開展研究。

基于用戶客觀行為數(shù)據(jù)的研究更為直接。張曉陽等運用文獻計量理論，基于博文及其點擊量構(gòu)建學(xué)術(shù)博客h指數(shù)評價科學(xué)家博客;盧露等基于博文主題，從博文數(shù)量和質(zhì)量角度建立博客影響力評估模型;李墨珺從作者身份、準確性、時效性、固定鏈接、引用來源五個方面評價博文質(zhì)量。周春雷提出鏈接內(nèi)容分析法評估用戶影響力;鄭超等將博文的評論次數(shù)納入博客影響力評估模型;趙傳彪通過系統(tǒng)分析博客用戶行為數(shù)據(jù)特征設(shè)計用戶評價指標體系。曹沖選取博客發(fā)文數(shù)、精選博文數(shù)、好友數(shù)等指標評價博客影響力;王琛利用Delphi法和層次分析法確定指標權(quán)重，構(gòu)建學(xué)術(shù)博客影響力評價模型。

本文以博文為媒介，從用戶發(fā)表博文數(shù)量和互動質(zhì)量兩方面設(shè)計指標體系。借鑒文獻計量的均值測度和髙影響特征測度學(xué)術(shù)評價指標，借助R語言編程技術(shù)計算博文互動影響力h指數(shù)評估博客影響力。

二、理論與方法

學(xué)術(shù)客體的數(shù)量和質(zhì)量是評價學(xué)術(shù)主體的學(xué)術(shù)績效的最為直接的數(shù)據(jù)。博客發(fā)文量（B）越大，表明其分享意愿越強，與其他用戶互動的幾率越大，其發(fā)布的博文會引起其他用戶的好奇進而閱讀、建立好友關(guān)系等，借此博客內(nèi)容可以被更多人知曉，從而產(chǎn)生較大影響力。借助于博文推薦次數(shù)（Rds）和評論次數(shù)（Cts）等指標表征博文質(zhì)量。

（一）均值測度

均值測度是單位時間內(nèi)博文統(tǒng)計量的篇均值。按照年度觀測博客所有發(fā)表博文的篇均推薦次數(shù)（Rds/B）、篇均評論次數(shù)（Cts/B）等，本文應(yīng)用R語言函數(shù)scale實現(xiàn)統(tǒng)計量的標準化處理，構(gòu)造統(tǒng)計量M：

M=mean（scale（Rds/B）+scale（Cts/B））

（二）高影響特征測度

h指數(shù)是典型的髙影響特征測度，根據(jù)h指數(shù)的推論，定義觀測統(tǒng)計量C為博文互動量如下：

C=Rds+Cts

參照學(xué)術(shù)論文h指數(shù)的定義，統(tǒng)計量C定義為博文互動量，借以表征博文質(zhì)量。若將博客用戶的每篇博文的C值大小倒敘排列，則可以在（B，C）曲線上得到表征博客用戶影響力大小的h指數(shù)，表示博客用戶至少有h篇博文的互動量C值不低于h。

（三）加權(quán)高影響特征測度

根據(jù)不同時間窗口測算的h指數(shù)有較大差異，反映了博客發(fā)表博文的連續(xù)性、持久性。

為此，本文根據(jù)統(tǒng)計時間窗口測算了10年、5年、2年三個時間段的h指數(shù)（H10，H5，H2），再構(gòu)造統(tǒng)計量H如下：

H=W1*H10+W2*H5+W3*H2

稱H為加權(quán)高影響特征測度指標，簡稱為加權(quán)H指數(shù)。

其中，

W1=sum（H10）/（sum（H10）+sum（H5）+sum（H2））

W2=sum（H5）/（sum（H10）+sum（H5）+sum（H2））

W3=sum（H2）/（sum（H10）+sum（H5）+ sum（H2））

三、數(shù)據(jù)來源與數(shù)據(jù)處理

本文數(shù)據(jù)來源于科學(xué)網(wǎng)博客，2017年11月16日通過Python語言自動獲取。獲取的原始數(shù)據(jù)簡單的人工處理后得到543位用戶的208331條博文記錄。網(wǎng)絡(luò)平臺記錄的博客好友數(shù)、博客主頁訪問量、博客在線時長、博客活躍度等指標與博客的影響力正相關(guān)。統(tǒng)計每位博客用戶使用情況可得到用戶行為數(shù)據(jù)如表1所示。

四、結(jié)果分析

博客用戶的好友數(shù)、活躍度、主頁訪問量和在線時長等行為指標的統(tǒng)計數(shù)據(jù)概覽情況如表2所示。

（一）均值測度指標結(jié)果分析

結(jié)果表明，博文數(shù)量對均值指標有較大影響，Top10當中超過50%的博客只發(fā)表了1～2篇博文，但因其自身的社會影響較大（例如施一公，Id=46212），其博文的互動指標亦較大。m10反映了平臺自上線開始博客用戶的博文統(tǒng)計量的篇均值情況，m10均大于零。m5和m2存在值為零的情況，則在該觀測年度內(nèi)存在發(fā)文量或統(tǒng)計量為零。越是有影響力的用戶在平臺上應(yīng)該越活躍，只有在平臺上建立廣泛的好友關(guān)系，長時間、高頻率使用博客并持續(xù)貢獻高質(zhì)量內(nèi)容才會是平臺上具有高影響力的用戶。這類用戶的均值測度指標雖然較大，但是除了個別用戶，他們的好友數(shù)、活躍度、主頁訪問量和在線時長等指標都比較小，且遠低于指標對應(yīng)的平均值，采用均值測度指標評價博客用戶影響力具有明顯的局限性。

（二）高影響特征測度和加權(quán)高影響特征測度結(jié)果分析

2年期h指數(shù)可以發(fā)現(xiàn)高影響力新用戶，5年或10年期的h指數(shù)可以發(fā)現(xiàn)老用戶，這些用戶能夠持續(xù)地發(fā)表有較大影響力的博文。h值的大小可以顯著地反映用戶高互動博文的分布情況，h值越大則高互動博文數(shù)量越多，用戶影響力也越大。通過橫向?qū)Ρ炔煌^測年度的h指數(shù)，發(fā)現(xiàn)不同觀測年度的h指數(shù)存在較大差異，這反映了博客用戶發(fā)表博文的持續(xù)性。計算結(jié)果顯示，h值大的用戶，其好友數(shù)、活躍度、主頁訪問量和在線時長等指標均表現(xiàn)較好，除了個別用戶指標值低于平均值，大部分用戶的各項指標均顯著高于平均值，該現(xiàn)象反映出h值大的用戶在平臺上十分活躍。他們在博客平臺上持續(xù)貢獻優(yōu)質(zhì)內(nèi)容，為自己建立了廣泛的人脈關(guān)系，具有較高的活躍度。

加權(quán)H指數(shù)是不同觀測年度h指數(shù)的加權(quán)平均值，加權(quán)H指數(shù)大的用戶，他們的好友數(shù)、活躍度、主頁訪問量和在線時長等指標均表現(xiàn)較好，除個別用戶指標值低于平均值，其他用戶均顯著高于平均值。從H值的分布情況看，克服了高影響特征測度指數(shù)h變化不靈敏這一缺點，新用戶通過一定時間的積累也能積累出較高的H值。以楊正瓴（Id=107667）為例，雖然在2008年便注冊了博客，但直到最近兩年才開始在平臺上活躍，他在兩年內(nèi)發(fā)表了43篇高互動量的博文，占其總博文數(shù)的78.18%，而其H值排名達到了59位。

五、結(jié)論與不足

研究表明，三種測度方法中，均值測度指標計算的數(shù)學(xué)邏輯存在明顯的缺陷，指標的計算雖然同時考慮到了博文數(shù)量和統(tǒng)計觀測量的大小，但是簡單的均值計算容易將極端情況（博文數(shù)量極小但統(tǒng)計觀測量很大）視作用戶的影響力;高影響特征測度只考慮了特定觀測年度內(nèi)高互動博文的數(shù)量，而忽視了不同用戶在不同觀測年度下的用戶特征差異，使得指標的設(shè)計存在不足;加權(quán)髙影響特征測度不僅克服了均值測度指標的數(shù)學(xué)邏輯缺陷，也彌補了高影響特征測度忽視用戶在不同觀測年度下特征差異的不足，整合考慮了不同觀測年度下，用戶發(fā)文質(zhì)量和發(fā)文數(shù)量對用戶影響力評估的作用，較好地進行量化分析用戶間的具體差距。

本文尚存在以下局限。首先，影響博客用戶影響力的因素有很多，綜合H指數(shù)僅僅反映了一個方面，比較適用于評價博文數(shù)量大的用戶。此外，具有不同特征的用戶在線學(xué)術(shù)社交行為可能存在較大的差異，需要更多的數(shù)據(jù)來證實，以科學(xué)網(wǎng)博客為例，精選博文用戶數(shù)以千計，樣本數(shù)量更大，可以作為后續(xù)研究核心用戶使用行為特征的數(shù)據(jù)源。

參考文獻：

[1]賀靚.科學(xué)網(wǎng)博客研究[D].湖南大學(xué)，2014.

[2]史新艷，肖仙桃.國外學(xué)術(shù)博客研究進展與趨勢[J].情報資料工作，2010（02）.

[3]呂鑫，袁勤儉，宗乾進，等.學(xué)術(shù)博客研究述評[J].圖書情報工作，2012（06）.

[4]甘春梅，王偉軍.學(xué)術(shù)博客的概念、類型與功能[J].信息資源管理學(xué)報，2015（01）.

[5]吳鋼.博客對圖書情報學(xué)傳統(tǒng)學(xué)術(shù)交流影響的實證分析[J].情報資料工作，2009（03）.

[6]張琦，徐志武，賀鈺瀅.科學(xué)網(wǎng)博客用戶價值研究[J].知識管理論壇，2017（04）.

[7]徐佳寧，孫婧.基于社會網(wǎng)絡(luò)分析的博客自組織實證研究[J].情報探索，2014（12）.

[8]王曰芬，王怡，賈新露.學(xué)術(shù)博客核心用戶內(nèi)容創(chuàng)作行為特征研究[J].圖書與情報，2017（03）.

[9]張曉陽，李曉亮.科學(xué)家博客h指數(shù)評價及其相關(guān)性分析[J].圖書情報工作，2010（02）.

[10]盧露，丁才昌.社區(qū)中最具影響力博客的探測模型[J].計算機科學(xué)，2011（S1）.

[11]李墨珺.博客質(zhì)量的評價及其對學(xué)術(shù)交流的影響[J].情報資料工作，2008（02）.

[12]周春雷.鏈接內(nèi)容分析視角下的科學(xué)網(wǎng)博客評價探索[J].圖書情報知識，2012（04）.

[13]鄭超，陳峰.科學(xué)家博客h指數(shù)與科學(xué)家h指數(shù)相關(guān)性分析[J].圖書館學(xué)研究，2013（03）.

[14]趙傳彪.基于科學(xué)網(wǎng)的圖書館學(xué)學(xué)者學(xué)術(shù)影響力的評價與研究[J].圖書情報工作，2015（S1）.

[15]曹沖.科學(xué)網(wǎng)圖情博主學(xué)術(shù)影響力分析[D].鄭州大學(xué)，2017.

[16]王琛.學(xué)術(shù)博客影響力評價研究[D].山西財經(jīng)大學(xué)，2018.

[17] 葉鷹.國際學(xué)術(shù)評價指標研究現(xiàn)狀及發(fā)展綜述[J].情報學(xué)報，2014（02）.

（作者單位：江蘇大學(xué)科技信息研究所）