Altmetrics研究可視化分析

高蘊(yùn)梅 陳子豪 張文韜

摘 要：Altmetrics作為一種新型科研產(chǎn)出評(píng)價(jià)方法，涌現(xiàn)了大量相關(guān)理論、方法、應(yīng)用和工具的研究成果。梳理與總結(jié)這些成果，可為后續(xù)研究提供一定的參考和借鑒。使用文獻(xiàn)計(jì)量學(xué)方法、BibExcel +Pajek等工具，分析作者機(jī)構(gòu)數(shù)和發(fā)文量、作者數(shù)和發(fā)文量、期刊載文數(shù)和發(fā)文量的“二八規(guī)律”;采用關(guān)鍵詞的Louvain社區(qū)發(fā)現(xiàn)方法，通過(guò)聚類分析挖掘出4類研究熱點(diǎn)。

關(guān)鍵詞：Altmetrics;BibExcel ;引用分析;共現(xiàn)網(wǎng)絡(luò); 聚類分析

DOI：10. 11907/rjdk. 192026 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2020）005-0178-03

0 引言

Altmetrics 是Alternative Metrics的縮寫，中文稱為補(bǔ)充計(jì)量學(xué)，又稱替代計(jì)量學(xué)、選擇計(jì)量學(xué)，是一種基于社會(huì)媒體的新型評(píng)價(jià)方法，通過(guò)測(cè)量研究成果受到網(wǎng)絡(luò)的關(guān)注程度評(píng)估計(jì)算其影響力[1]。自2010 年P(guān)riem建立Altmetrics.com 網(wǎng)站以來(lái)，各界對(duì)Altmetrics廣泛關(guān)注，產(chǎn)生了大量相關(guān)理論、方法、應(yīng)用以及工具成果。因此，對(duì)Altmetrics領(lǐng)域研究現(xiàn)狀進(jìn)行梳理與總結(jié)十分必要。

基于中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)收錄的文獻(xiàn)梳理國(guó)內(nèi)Altmetrics研究成果如下：武澎[2]分析了2012-2015年關(guān)于Altmetrics的內(nèi)涵界定、國(guó)內(nèi)理論與實(shí)證研究、相關(guān)科研機(jī)構(gòu)應(yīng)用;龔佳劍[3]分析了 2008-2018年Altmetrics研究文獻(xiàn)的時(shí)間分布、機(jī)構(gòu)分布、作者分布和研究熱點(diǎn);鄧進(jìn)[4]分析了2012-2017年Altmetrics研究的時(shí)間分布、期刊分布、高引用分布、作者分布、機(jī)構(gòu)分布及研究熱點(diǎn)?；赪eb of Science核心合集數(shù)據(jù)庫(kù)梳理國(guó)際Altmetrics研究成果：齊世杰[5]分析了2010-2016年Altmetrics研究文獻(xiàn)的學(xué)科領(lǐng)域分布、國(guó)家及機(jī)構(gòu)分布、核心作者分布和研究熱點(diǎn);楊思洛[6]分析了2012-2014年Altmetrics研究的發(fā)展階段、內(nèi)容歸納、優(yōu)勢(shì)與劣勢(shì)和發(fā)展趨勢(shì);田文燦[7]分析了2012-2018年Altmetrics領(lǐng)域知識(shí)概念生長(zhǎng)與凋亡。這些研究成果較好地總結(jié)了Altmetrics領(lǐng)域研究現(xiàn)狀，但是缺乏對(duì)國(guó)際Altmetrics研究成果的作者機(jī)構(gòu)數(shù)、作者數(shù)、期刊載文數(shù)與發(fā)文量的規(guī)律分析和總結(jié)，缺乏關(guān)鍵詞聚類結(jié)果的文獻(xiàn)內(nèi)容分析。

本文在借鑒上述研究成果基礎(chǔ)上，利用Pajek和VOSViewer等工具，分析作者機(jī)構(gòu)數(shù)和發(fā)文量、作者數(shù)和發(fā)文量、期刊載文數(shù)和發(fā)文量的“二八規(guī)律”，基于關(guān)鍵詞的Louvain社區(qū)發(fā)現(xiàn)聚類結(jié)果分析文獻(xiàn)內(nèi)容，期望能為Altmetrics領(lǐng)域的發(fā)展以及學(xué)者后續(xù)研究提供參考和借鑒。

1 數(shù)據(jù)來(lái)源與處理

研究數(shù)據(jù)來(lái)源于Web of Science數(shù)據(jù)庫(kù)。檢索式為：主題=“Altmetric”，檢索年限限定為2012-2019年，選擇Web of Science核心數(shù)據(jù)庫(kù)，檢索時(shí)間：2019年3月6日，共得到327條數(shù)據(jù)。

利用文獻(xiàn)計(jì)量法對(duì)相關(guān)文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析、數(shù)據(jù)描述，解釋文獻(xiàn)特征和變化規(guī)律，通過(guò)繪制科學(xué)知識(shí)圖譜，揭示與解讀相關(guān)文獻(xiàn)。結(jié)合各軟件的優(yōu)勢(shì)，選取BibExcel 、Pajek、VOSViewer、EXCEL、NotePad等軟件進(jìn)行整理、編輯、統(tǒng)計(jì)、挖據(jù)和可視化等工作。

2 文獻(xiàn)“二八”特征分析

2012年P(guān)riem提出傳統(tǒng)引文文獻(xiàn)計(jì)量分析缺乏數(shù)據(jù)庫(kù)、軟件、博客等來(lái)源的引用問(wèn)題，學(xué)者可在正式引用文獻(xiàn)出現(xiàn)之前討論、標(biāo)注、推薦、駁斥、評(píng)論、閱讀相關(guān)內(nèi)容，提出利用Altmetrics統(tǒng)計(jì)分析、度量評(píng)價(jià)、科學(xué)發(fā)現(xiàn)或推薦評(píng)價(jià)、在線工具和環(huán)境的定性研究，Altmetrics理論及其學(xué)術(shù)影響等研究，這些研究解決了Altmetrics數(shù)據(jù)平臺(tái)、指導(dǎo)思想、基本思路、應(yīng)用范圍等一些基本問(wèn)題。

2.1 機(jī)構(gòu)數(shù)與發(fā)文量特征

327篇Altmetrics 論文作者機(jī)構(gòu)共403個(gè)（包括非第一作者機(jī)構(gòu)），403個(gè)機(jī)構(gòu)在327篇論文中出現(xiàn)了1 110次。發(fā)表1篇論文的機(jī)構(gòu)有202個(gè)，占比50%，發(fā)表2篇論文的機(jī)構(gòu)有93個(gè)，占比23.02%，發(fā)表3篇論文的機(jī)構(gòu)有31個(gè)，占比7.67%，發(fā)表4篇論文的機(jī)構(gòu)有28個(gè)，占比6.93%，發(fā)表5篇及以上論文的機(jī)構(gòu)50個(gè)，占比12.38%。

Altmetrics機(jī)構(gòu)發(fā)文量分布的“二八特征”，即80%的機(jī)構(gòu)只發(fā)表了1～2篇論文，共計(jì)出現(xiàn)了388次（占總次數(shù)的35%）;20%的機(jī)構(gòu)發(fā)表了3篇及以上論文，共計(jì)出現(xiàn)了722次（占總次數(shù)的65%）。

高產(chǎn)機(jī)構(gòu)有Wolverhampton Univ（53篇）、Dalian Univ Technol（30篇）、Nanyang Technol Univ（29篇）、Univ Cordoba（28篇）、 Univ Alberta（23篇）、 Univ Montreal（22篇）、Univ Toronto（18篇）、Wuhan Univ（18篇）、Max Planck Inst Solid State Res（16篇）、Reina Sofia Univ Hosp（16篇）、 Max Planck Gesell（16篇）、Univ Maryland（16篇）、Leiden Univ（15篇）。13家機(jī)構(gòu)（不足機(jī)構(gòu)總數(shù)的4%）出現(xiàn)了300余次，占總數(shù)的27%。

2.2 作者數(shù)與發(fā)文量特征

從作者的產(chǎn)出數(shù)量可以識(shí)別主要作者、該領(lǐng)域的研究者規(guī)模及活躍程度。327篇論文共有501名作者（包括非第一作者），501名作者在327篇論文中出現(xiàn)了758人次。發(fā)表1篇論文的作者有397人，占作者總數(shù)的79.24%，占總?cè)舜蔚?2.7%;發(fā)表2篇論文的作者63人，占作者總數(shù)的12.57%，共計(jì)出現(xiàn)了126次，占總?cè)舜蔚?6.62%;發(fā)表3篇論文的作者16人，占作者總數(shù)的3.2%，共計(jì)出現(xiàn)了48次，占總?cè)舜蔚?.3%;發(fā)表4篇及以上論文的作者24人，占作者總數(shù)的4.8%，共計(jì)出現(xiàn)了187次，占總?cè)舜蔚?4.7%。

Altmetrics作者數(shù)和發(fā)文量分布的“二八規(guī)律”，即80%的作者只出現(xiàn)了1次，20%的作者發(fā)表論文大于等于2篇，共計(jì)出現(xiàn)了361次，占總次數(shù)的47.6%。

高產(chǎn)作者有Thelwall（31篇）、Bornmann（20篇）、 Haunschild（15篇）、 Haustein（10篇）、Lariviere（8篇）、Holmberg（8篇）、Costas（7篇）、Ortega（7篇）、Gorraiz（6篇）、Bowman（6篇）、Sugimoto（6篇）、Owen（6篇）。

高產(chǎn)作者的發(fā)文特征：12名作者（占作者總數(shù)的2.4%）發(fā)文130篇（占論文總數(shù)的39.8%）。

2.3 載文期刊數(shù)與發(fā)文量特征

327篇文章發(fā)表在105種期刊上，分布在計(jì)量學(xué)、信息學(xué)、化學(xué)、醫(yī)學(xué)等多個(gè)學(xué)科期刊上，包括《NATURE》，《ACS CENTRAL SCIENCE》等多個(gè)世界頂級(jí)期刊，表明Altmetrics研究引起了眾多學(xué)科領(lǐng)域注意，且取得了較高層次成果。

75種期刊只發(fā)表了1篇論文，占期刊數(shù)的71.4%，占論文數(shù)的22.9%。發(fā)文量在2篇及以上期刊30個(gè)，占期刊數(shù)的28.6%，占論文數(shù)的77.1%。

載文期刊數(shù)和發(fā)文量呈“二八規(guī)律”：大約80%的論文發(fā)表在20%的期刊上，20%的論文發(fā)表在80%的期刊上（每個(gè)期刊只發(fā)表了1篇）。

大于5篇的高產(chǎn)期刊有：SCIENTOMETRICS（87篇）、JOURNAL OF THE ASSOCIATION FOR INFORMATION SCIENCE AND TECHNOLOGY（24篇）、PLOS ONE（20篇）、JOURNAL OF INFORMETRICS（17篇）、ELIFE（15篇）、ONLINE INFORMATION REVIEW（13篇）、ASLIB JOURNAL OF INFORMATION MANAGEMENT（12篇）、ABSTRACTS OF PAPERS OF THE AMERICAN CHEMICAL SOCIETY（8篇）。

高產(chǎn)期刊數(shù)和發(fā)文量特征：8個(gè)期刊（占期刊數(shù)的7.6%）發(fā)文196篇，占論文總數(shù)的60%。

3 基于Louvain社區(qū)發(fā)現(xiàn)聚類的內(nèi)容分析

關(guān)鍵詞是對(duì)論文主題的高度概括和凝練，是學(xué)術(shù)論文的核心與精髓。統(tǒng)計(jì)分析Altmetrics研究發(fā)表論文中關(guān)鍵詞出現(xiàn)頻次及其相互關(guān)系，可以揭示該領(lǐng)域的知識(shí)結(jié)構(gòu)演變和研究熱點(diǎn)分布。使用BibExcel 提取頻次大于4的關(guān)鍵詞生成關(guān)鍵詞共現(xiàn)矩陣，Pajek生成共現(xiàn)網(wǎng)絡(luò)并用Louvain社區(qū)發(fā)現(xiàn)算法聚類分析，VOSViewer可視化結(jié)果得到4類研究主題及熱點(diǎn)。

第1個(gè)聚類的關(guān)鍵詞包括Facebook、Tweets、Twitter、Researchgate等社會(huì)媒體（Social Media），使用Altmetrics、Plumx等平臺(tái)和工具，獲得Research Evaluation、Webometrics、Article-Level Metrics等指標(biāo)的度量、影響因子、數(shù)據(jù)背景等主題。Zhang[8]基于生態(tài)學(xué)領(lǐng)域的40 000篇文獻(xiàn)的計(jì)量學(xué)和Altmetrics數(shù)據(jù)，分析了科學(xué)論文在社交媒體上的傳播模式，特別是高Tweet和高引用論文，發(fā)現(xiàn)Tweet時(shí)間和用戶類型影響了科學(xué)出版物在社交媒體上的關(guān)注度。具有大量Tweet用戶的文章能及時(shí)被社會(huì)媒體曝光，通常是期刊相關(guān)機(jī)構(gòu)用戶或有很多粉絲的用戶。一般高引用論文既不是及時(shí)推送也不是期刊用戶推動(dòng)的結(jié)果;Vainio[9]研究是誰(shuí)推送了農(nóng)業(yè)、工程技術(shù)、醫(yī)學(xué)、自然和人文社科等4個(gè)學(xué)科的論文，通過(guò)定性和定量的關(guān)鍵詞分類、共詞分析和內(nèi)容分析研究，結(jié)果發(fā)現(xiàn)Twitter 用戶推送學(xué)術(shù)文章的原因更多強(qiáng)調(diào)的是他們的職業(yè)專長(zhǎng)而非個(gè)人興趣;Yu[10]研究了Altmetrics 數(shù)據(jù)的上下文背景，包括計(jì)數(shù)類型和用戶類別，不同twitter用戶類別數(shù)據(jù)表明，一般發(fā)到Twitter的信息對(duì)公眾用戶影響很大，研究者用戶比其他類別用戶具有更多的引用相關(guān)性。

第2個(gè)聚類關(guān)鍵詞包括Citation analysis、Impact factor、 Medndeley、H-index等，研究?jī)?nèi)容主要針對(duì)臨床實(shí)驗(yàn)（Clinical Trials）等領(lǐng)域的傳統(tǒng)引文H指數(shù)和基于Mendeley等文獻(xiàn)工具的Altmetrics指數(shù)之間的對(duì)比分析、引用分析、引用特征、引用源等主題。Haustein[11]分析了37位天體物理學(xué)家的Twitter用戶推文行為，并比較了他們的出版行為和引用關(guān)系，結(jié)果發(fā)現(xiàn)他們的推文與出版數(shù)呈中度負(fù)相關(guān)，轉(zhuǎn)發(fā)與引用率不相關(guān)，推文和摘要的相似性很低;Costas（2017）分析了文獻(xiàn)工具M(jìn)endeley的讀者數(shù)分布與跨領(lǐng)域引用之間的不同和相似之處。通過(guò)特征分布和尺度方法分析兩者的分布形狀，解決兩者差異引出的標(biāo)準(zhǔn)化問(wèn)題度量框架，結(jié)果發(fā)現(xiàn)Mendeley閱讀分布與各個(gè)領(lǐng)域的歪斜度高度相關(guān)，使用領(lǐng)域讀者數(shù)的均值作為標(biāo)準(zhǔn)化因子可以得到較好結(jié)果，引用數(shù)量是度量產(chǎn)出的重要指標(biāo);Luo（2018）從實(shí)引論文和來(lái)自有名機(jī)構(gòu)的引用源兩個(gè)方面探究影響引用數(shù)量的因子，結(jié)果發(fā)現(xiàn)引用了有名機(jī)構(gòu)的論文比無(wú)名機(jī)構(gòu)的論文具有更高的引用數(shù)量，有名機(jī)構(gòu)引用的論文作者和期刊具有更高的H指數(shù)、期刊影響因子、更高的Altmetric 分?jǐn)?shù)和其它指標(biāo)。

第3個(gè)聚類關(guān)鍵詞包括Open Access、Peer Review、Research、Blogging等，主要研究?jī)?nèi)容包括Altmetrics開(kāi)放獲取、同行評(píng)審的相互影響和應(yīng)用。Snijder（2016）從2009年就開(kāi)始了一個(gè)實(shí)驗(yàn)，驗(yàn)證開(kāi)放獲取對(duì)引文數(shù)量和推文專著關(guān)注量是否有相關(guān)影響。2014年獲取了引文和推文測(cè)試數(shù)據(jù)，結(jié)果表明開(kāi)放獲取略有優(yōu)勢(shì)，但是也應(yīng)該考慮語(yǔ)言和主題的影響，Twitter的使用和引用行為很難有交集。在社交媒體、開(kāi)放獲取、Altmetrics和大數(shù)據(jù)的影響下，同行評(píng)審越來(lái)越開(kāi)放;Tattersall（2015）討論了公開(kāi)同行評(píng)審意見(jiàn)的促進(jìn)和障礙因素，鼓勵(lì)在出版前后公開(kāi)同行意見(jiàn)。平臺(tái)（F1000 Research，Open Review，Peer J， Peerage of Science， PLOS ONE，PubMed Commons，Publons，PubPeer，ScienceOpen，The Winnower）可應(yīng)用Altmetrics、雪球度量（Snowball Metrics）或其它類似的系統(tǒng)，公開(kāi)和盲審出版前后的評(píng)審意見(jiàn)。

第4個(gè)聚類關(guān)鍵詞包括 Journal、Metrics， Correlations， Indicators， Citation Index， 主要研究Altmetrics的期刊度量、引用指標(biāo)和相關(guān)性分析等主題。Markusova（2018）分析了2015年俄羅斯國(guó)內(nèi)37 200條SCIE論文，使用兩個(gè)指標(biāo)180天的使用數(shù)（記為U1），以及自2013年2月以來(lái)的使用數(shù)（記為U2），識(shí)別引用指標(biāo)和論文級(jí)度量的Kendall相關(guān)系數(shù)，結(jié)果表明時(shí)間較長(zhǎng)的U2比時(shí)間短的U1具有更強(qiáng)的相關(guān)性，U1的使用量和傳統(tǒng)期刊度量的被引半衰期呈弱相關(guān)。DOI是多數(shù)網(wǎng)站或Altmetrics 工具檢索、識(shí)別論文的關(guān)鍵元素，Boudry（2017）評(píng)估了在PubMed數(shù)據(jù)庫(kù)中生物醫(yī)學(xué)類期刊論文具有DOI的情況。使用出版商期刊的國(guó)家地理分析，結(jié)果發(fā)現(xiàn)1966-2015期間只有40.48%的期刊有DOI ，2000開(kāi)始逐漸增加，到2015年86.42%的論文有DOI，但是仍有部分國(guó)家（如俄羅斯、泰國(guó)、烏克蘭）很少有DOIs。

4 結(jié)語(yǔ)

Altmetrics研究從無(wú)到有、由點(diǎn)及面，從備受質(zhì)疑到廣為接受，并廣泛作為論文、專利、圖書、機(jī)構(gòu)、期刊等評(píng)價(jià)的參考因素，進(jìn)度和成果超出預(yù)期，相關(guān)研究成果豐碩。社交媒體平臺(tái)為科研工作者和科學(xué)愛(ài)好者提供了豐富的資源、廣闊的研究空間和研究前景。可以預(yù)見(jiàn)，有關(guān)Altmetrics的研究必將呈現(xiàn)蓬勃發(fā)展之勢(shì)，研究成果將持續(xù)增長(zhǎng)。

參考文獻(xiàn)：

[1] 余厚強(qiáng)，任全娥，張洋，等. Altmetrics的譯名分歧：困擾、影響及其辨析[J]. 中國(guó)圖書館學(xué)報(bào)， 2019（1）：47-59.

[2] 武澎，李田田，王開(kāi)陽(yáng)，等. 我國(guó)Altmetrics研究現(xiàn)狀與熱點(diǎn)分析[J]. 科研管理，2018（5）：122-130.

[3] 龔佳劍，孟群. 補(bǔ)充計(jì)量學(xué)研究可視化分析[J]. 首都醫(yī)科大學(xué)學(xué)報(bào)，2019（1）：106-111.

[4] 鄧進(jìn). 基于科學(xué)計(jì)量學(xué)的國(guó)內(nèi)Altmetrics研究文獻(xiàn)的分析[J]. 西南民族大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2018 （5）： 236-240.

[5] 齊世杰，鄭軍衛(wèi). 基于文獻(xiàn)大數(shù)據(jù)的國(guó)際Altmetrics研究力量與熱點(diǎn)分析[J]. 現(xiàn)代情報(bào)，2017（10）：130-138.

[6] 楊思洛，程愛(ài)娟. 社交網(wǎng)絡(luò)環(huán)境下的計(jì)量學(xué)：Altmetrics研究進(jìn)展綜述[J]. 情報(bào)資料工作，2015（4） ：33-37.

[7] 田文燦，胡志剛，王賢文.科學(xué)計(jì)量學(xué)視角下的Altmetrics發(fā)展歷程分析[J]. 圖書情報(bào)知識(shí)，2019（2）：5-11.

[8] ZHANG L，WANG J. Why highly cited articles are not highly tweeted？ a biology case[J]. Scientometrics， 2018（1）：495-509.

[9] VAINIO J，HOLMBERG K. Highly tweeted science articles： who tweets them？an analysis of Twitter user profile descriptions[J]. Scientometrics， 2017（1）：345-366.

[10] YU， H. Context of altmetrics data matters： an investigation of count type and user category[J]. Scientometrics， 2017 （1）：267-283.

[11] HAUSTEIN S，BOWMAN T D，HOLMBERG K，et al. Astrophysicists on twitter： an in-depth analysis of tweeting and scientific publication behavior[J]. Aslib Journal of Information Management，2014 （3）：279-296.

（責(zé)任編輯：杜能鋼）