基于Altmetrics的中國新冠疫情學(xué)術(shù)成果傳播力研究

劉曉娟 孫鏝莉 謝瑞婷 項楠楠

（北京師范大學(xué)政府管理學(xué)院，北京，100875）

1 引言

新冠肺炎疫情爆發(fā)以來，全球科學(xué)家積極開展相關(guān)研究以應(yīng)對這一公共衛(wèi)生危機，通過學(xué)術(shù)成果的發(fā)表開展學(xué)術(shù)交流和信息共享，為病毒檢測、臨床診療和疫苗研發(fā)提供支持。為將科研成果助力抗疫的作用最大化，眾多知名期刊加快了論文發(fā)表流程；預(yù)印本網(wǎng)站保障了成果共享的快速性和廣泛性；各國紛紛搭建新冠肺炎疫情科研成果學(xué)術(shù)交流平臺。除正式的學(xué)術(shù)交流渠道外，新冠肺炎相關(guān)科研成果也在各類社交媒體平臺引發(fā)了廣泛的傳播與討論，社交媒體平臺的傳播速度、范圍和成本更具優(yōu)勢，極大地促進了COVID-19學(xué)術(shù)成果的知識共享與科學(xué)傳播，同時還在粉碎謠言、打擊偽科學(xué)[1]、應(yīng)對信息恐慌[2]等方面發(fā)揮了重要作用。

通過檢索Scopus數(shù)據(jù)庫發(fā)現(xiàn)，截至2022年3月，共有178個國家或地區(qū)展開新冠疫情相關(guān)研究，學(xué)術(shù)成果主要來自美國、中國、英國、意大利和印度。自疫情爆發(fā)以來，我國已發(fā)表大量的相關(guān)學(xué)術(shù)成果，在抗擊新冠疫情方面作出突出貢獻。2020年初，世界衛(wèi)生組織和《柳葉刀》的一篇評論文章均表示“中國科學(xué)界反應(yīng)迅速，實時調(diào)查和報告疫情，提供重要的公共衛(wèi)生、臨床和病毒學(xué)數(shù)據(jù)來指導(dǎo)中國和全球應(yīng)對疫情”[3-4]。在得到業(yè)界認(rèn)可的同時，我們也希望對我國COVID-19相關(guān)學(xué)術(shù)成果的影響力進行更加深入和具體的探究，有研究發(fā)現(xiàn)截至2020年12月3日發(fā)表的相關(guān)論文中，我國學(xué)者發(fā)表的論文保持較高的被引量，而美國學(xué)者發(fā)表的論文具有較高的社會關(guān)注度[5]。盡管這一結(jié)論極有可能來自于Altmetrics所搜集數(shù)據(jù)源的地域偏差，但也在一定程度上表明我國學(xué)者發(fā)表的相關(guān)論文在社交媒體平臺的傳播力有待提升，有必要對其傳播效果進行深入分析。因此，本文將中國新冠疫情學(xué)術(shù)成果作為研究對象，從傳播熱度、傳播廣度和傳播速度三個維度探究論文的傳播力特征，探索作者數(shù)量、學(xué)科和國際合作對論文傳播力的影響，以期為我國學(xué)術(shù)成果影響力的提升提供參考。

2 相關(guān)研究

2.1 社交媒體中學(xué)術(shù)論文的傳播情況研究

Altmetrics的提出突破了以往較為單一的引文傳播渠道，有助于更加全面地了解學(xué)術(shù)成果的影響力。目前關(guān)于學(xué)術(shù)成果在網(wǎng)絡(luò)環(huán)境中的傳播情況研究主要集中于對傳播的熱度與廣度、內(nèi)容及用戶的分析，例如：郭飛等[6]發(fā)現(xiàn)Altmetric.com熱點論文的傳播渠道具有多樣性，傳播內(nèi)容會在短期引起集中關(guān)注，但長期影響滲透力弱；Didegah等[7]發(fā)現(xiàn)Twitter用戶對學(xué)術(shù)論文的傳播絕大多數(shù)是簡單的提及和轉(zhuǎn)發(fā)，較少通過原創(chuàng)性的推文展開討論和交流。對用戶的研究主要包括職業(yè)身份、學(xué)科領(lǐng)域、地域信息和行為特征等方面，有研究表明在Facebook上參與學(xué)術(shù)論文傳播的用戶近一半是非學(xué)術(shù)界人士[8]，年輕學(xué)者更愿意在Mendeley上為論文添加書簽[9]；在Twitter上參與科學(xué)交流的用戶大多來自北美洲、有人文社科背景，使用Twitter的動機與其學(xué)科和職業(yè)有關(guān)[10]。

社交媒體能夠及時地傳播和共享學(xué)術(shù)信息，在有關(guān)疫情的科學(xué)交流中更是發(fā)揮著關(guān)鍵作用[11]，不少研究統(tǒng)計了新冠疫情相關(guān)論文的Altmetrics指標(biāo)[12]，并分析傳播群體及其討論的主題。Edakar等[11]統(tǒng)計了新冠疫情相關(guān)文獻在多個社交平臺上的分享度和關(guān)注度，以及各Altmetrics指標(biāo)與引文指標(biāo)的相關(guān)性，發(fā)現(xiàn)疫情相關(guān)文獻比其他文獻有更好的Altmetrics覆蓋率，Altmetrics可以作為衡量此類論文影響力的早期指標(biāo)，有可能引導(dǎo)發(fā)現(xiàn)重要的學(xué)術(shù)成果。雖然Li等[2]發(fā)現(xiàn)新冠疫情相關(guān)文獻的主要傳播者是社會公眾，但學(xué)術(shù)界和社會公眾對新冠疫情相關(guān)研究的認(rèn)識和關(guān)注度存在差異，學(xué)術(shù)認(rèn)可度高的研究可能不會在社交媒體上廣泛傳播；而學(xué)界更關(guān)心COVID-19的研究進展，公眾則更關(guān)注引發(fā)的社會問題和宏觀形勢等[13]。從整體來看，Twitter用戶的討論主題隨著疫情發(fā)展而變化，與以往的研究結(jié)論不同，圍繞新冠疫情學(xué)術(shù)成果的討論中，用戶有更多原創(chuàng)性的觀點和討論[14]。

2.2 社交媒體中學(xué)術(shù)論文傳播的影響因素研究

影響社交媒體中學(xué)術(shù)論文傳播的因素主要包括學(xué)術(shù)因素和社交媒體因素兩方面，具體來說，學(xué)術(shù)因素包括學(xué)術(shù)論文屬性、學(xué)術(shù)傳播的內(nèi)需等，社交媒體因素包括熱點事件影響、社交網(wǎng)絡(luò)的名人效應(yīng)等[6]，這些影響在Altmetrics指標(biāo)中表現(xiàn)為覆蓋率和數(shù)值的差異。許多研究分析了學(xué)術(shù)論文的各種屬性對其在社交媒體上傳播的影響，包括作者數(shù)量、學(xué)科領(lǐng)域、發(fā)表時間、開放獲取、國際合作、研究經(jīng)費、來源期刊影響力等。劉曉娟等[15]發(fā)現(xiàn)Altmetrics指標(biāo)的覆蓋率會因論文的學(xué)科領(lǐng)域、出版年份、來源期刊、國別和語種等不同而存在差異；Hassan等[16]基于對170萬份出版物的分析，發(fā)現(xiàn)醫(yī)學(xué)健康領(lǐng)域的Altmetrics指標(biāo)覆蓋率和得分是最高的，其次是社會科學(xué)。在社交媒體上，國際合作論文比非國際合作論文得到更多傳播，而國際合作程度和關(guān)注度呈正相關(guān)[17]，開放獲取論文比非開放獲取論文得到更多傳播[18-19]，以及較多的作者數(shù)量或研究經(jīng)費也會正向影響論文的社交媒體關(guān)注度[20-21]，而用戶更傾向于傳播發(fā)表在高影響力期刊上的論文[22]。Didegah等[20]通過回歸分析，研究多個論文屬性對Mendeley讀者數(shù)、Twitter與Facebook帖子數(shù)、博客和新聞提及數(shù)等指標(biāo)的影響，發(fā)現(xiàn)論文屬性對不同平臺指標(biāo)的作用方向與程度有所差異，例如，多數(shù)Altmetrics指標(biāo)都受期刊影響力、作者數(shù)量、國際合作和研究經(jīng)費的正向影響，機構(gòu)和國家聲望僅對Mendeley讀者數(shù)、博客與新聞提及數(shù)有正向影響。在社交媒體因素方面，已有研究主要分析傳播學(xué)術(shù)論文的用戶特征，例如Pandian等[21]發(fā)現(xiàn)當(dāng)論文被社交平臺中有較多關(guān)注者和專業(yè)知識的用戶轉(zhuǎn)發(fā)時會受到更多關(guān)注，如期刊或出版商的官方賬號、有影響力的個人賬號等[18]。

2.3 研究述評

當(dāng)前針對新冠疫情學(xué)術(shù)成果開展的Altmetrics相關(guān)研究大多基于論文傳播的橫截面數(shù)據(jù)，較少從動態(tài)視角對論文的傳播情況進行分析。盡管不少學(xué)者對學(xué)術(shù)成果在社交媒體傳播的影響因素進行了探討，但面對新冠疫情這一世界“公敵”，需要全球科學(xué)家合力戰(zhàn)“疫”，科學(xué)數(shù)據(jù)和信息共享的重要性愈加凸顯。因此，有必要針對新冠疫情學(xué)術(shù)成果，一方面深入分析我國學(xué)者所參與發(fā)表的成果的傳播力特征，全面了解相關(guān)研究在網(wǎng)絡(luò)環(huán)境下的關(guān)注度和影響力；另一方面探索社交媒體環(huán)境下影響學(xué)術(shù)成果傳播的因素，有利于學(xué)術(shù)成果快速得到廣泛關(guān)注和共享，助力全球抗疫取得最終勝利。

3 研究設(shè)計

3.1 研究思路

學(xué)術(shù)成果的傳播力指作者、出版機構(gòu)、研究人員、社會公眾等傳播主體通過正式或非正式的渠道對學(xué)術(shù)成果進行使用、討論等行為所達成的擴散效果。本文關(guān)注社交媒體環(huán)境下中國新冠疫情學(xué)術(shù)成果的傳播力，將其分解為傳播熱度、傳播廣度和傳播速度三個維度，從靜態(tài)和動態(tài)兩個層面對這些成果的傳播力進行剖析。其中，傳播熱度指論文所獲得的社會關(guān)注度或討論度，傳播廣度指論文在網(wǎng)絡(luò)平臺傳播的渠道和主體的范圍大小，傳播速度指論文在單位時間內(nèi)所獲得的傳播熱度[6]。本文使用的論文傳播數(shù)據(jù)來自Altmetric.com，該網(wǎng)站對多個網(wǎng)絡(luò)平臺中提及論文的行為進行了追蹤和整合。

結(jié)合已有的研究發(fā)現(xiàn)，特別是考慮到Altmetrics指標(biāo)存在一定的地域傾向性，以及新冠疫情這一研究課題的即時性、交叉性等特點，本文從作者數(shù)量、學(xué)科和國際合作三個角度討論相關(guān)論文的傳播力差異，擬驗證以下假設(shè)：①不同作者數(shù)量的論文的傳播力存在差異；②不同學(xué)科論文的傳播力存在差異；③國際合作論文與非國際合作論文的傳播力存在差異；④國際合作論文的第一作者與通訊作者包含中國學(xué)者和均為外國學(xué)者時，論文傳播力存在差異。在驗證上述假設(shè)后，本文通過回歸分析對作者數(shù)量、學(xué)科和國際合作情況是否以及如何影響相關(guān)論文的傳播力展開進一步探索。

3.2 數(shù)據(jù)集

本文的數(shù)據(jù)集來自Scopus數(shù)據(jù)庫和Altmetric.com。首先，在Scopus中獲取2019年12月-2022年2月中國學(xué)者所發(fā)表的期刊論文的信息，參考Kousha[12]等人的研究，在符合上述條件的基礎(chǔ)上，檢索全字段包含"COVID-19" "Novel coronavirus" "2019-nCoV" "SARSCoV-2" "coronavirus 2" "Coronavirus disease 2019""Corona virus disease 2019"的文章，語種為英文，共得到31,928篇論文數(shù)據(jù)。同時，下載Scopus的來源出版物列表，獲取期刊的學(xué)科領(lǐng)域分類。其次，基于所得論文的DOI，分別利用Webometric Analyst 4.3以及自編Python程序，于2022年3月獲取Altmetrics數(shù)據(jù)，包括每篇論文的各個Altmetrics指標(biāo)、截至數(shù)據(jù)獲取時的Altmetric Attention Score（簡稱AAS）以及11個歷史AAS（論文發(fā)表后1-7天、1月、3月、6月和1年）等。其中53.46%的論文AAS不等于0，即有17,068篇論文在各類網(wǎng)絡(luò)平臺中受到關(guān)注，本文將其作為研究對象。在新冠疫情背景下，世界范圍內(nèi)的資助機構(gòu)和出版商等科學(xué)交流和科技出版的利益相關(guān)者都采取行動，呼吁并支持與新冠病毒相關(guān)的成果和數(shù)據(jù)的開放獲取[23]。本文數(shù)據(jù)集中86.31%的論文是開放獲取的，高于由劉春麗等[5]在2020年12月統(tǒng)計得到的全球COVID-19出版物開放獲取比例77.43%。相比于傳統(tǒng)出版模式，開放獲取能夠更快速、廣泛且便利地傳播學(xué)術(shù)成果，無疑會加快疫情時期科學(xué)信息的及時交流和共享。

4 中國新冠疫情學(xué)術(shù)成果的傳播力特征分析

本節(jié)將從傳播熱度、廣度和速度三個維度剖析新冠疫情學(xué)術(shù)成果的傳播力，首先描述論文集傳播力的總體特征。其次，本文希望從以下三個角度深入討論傳播力特征：（1）作者數(shù)量?？蒲袌F隊規(guī)模越大，研究的問題可能越復(fù)雜，其產(chǎn)出成果就可能受到越多關(guān)注，因此，作者數(shù)量不同的論文在傳播力上也可能存在差異。（2）學(xué)科。學(xué)術(shù)成果在社交媒體中的傳播會受到其學(xué)科的影響，而在新冠疫情的特殊背景下，不同學(xué)科論文的傳播情況可能有所差異，如公眾可能更關(guān)心健康科學(xué)領(lǐng)域的論文等。（3）國際合作。面對全球性的突發(fā)公共衛(wèi)生事件，國際合作有助于臨床數(shù)據(jù)共享、科研優(yōu)勢互補，從而加快研發(fā)進展，相關(guān)成果可能更受關(guān)注。為細(xì)化國際合作特點，本文還將分析中國學(xué)者在國際合作中擔(dān)任不同角色時論文傳播力的差異。

4.1 傳播熱度

4.1.1 論文傳播熱度的總體特征

本文采用AAS表示論文在社交媒體平臺的傳播熱度，分布情況見表1。超過50%的論文AAS低于2，77.58%的論文AAS低于10；有少量論文的AAS極高，其中199篇論文的AAS超過1,000，最高為23,236。AAS分布體現(xiàn)出相關(guān)論文在網(wǎng)絡(luò)環(huán)境傳播的不均衡性，大部分論文的傳播熱度不高，僅少數(shù)論文被廣泛傳播。

表1 論文的AAS 分布情況Table 1 Distribution of AAS of the Papers

傳播熱度不僅是一個靜態(tài)的數(shù)值，它是隨著時間的推移不斷累積而成的，累積過程能夠體現(xiàn)論文被關(guān)注和傳播的即時性、持續(xù)性等。因此本文對傳播熱度的動態(tài)特征進行分析，從更加微觀的層面解析傳播熱度。將歷史AAS與本文獲取數(shù)據(jù)時AAS的比值定義為論文的傳播相對熱度，取值范圍為[0,1]?；诿科撐牡?1個傳播相對熱度進行聚類，劃分傳播熱度隨時間累積變化的模式。為避免熱度較低的論文數(shù)據(jù)在聚類時產(chǎn)生干擾，選取AAS不低于數(shù)據(jù)集上四分位數(shù)（8.45）的4,273篇論文進行分析。首先通過PCA將數(shù)據(jù)降至4維，累計方差貢獻率為98.75%；其次使用K-medoids算法進行聚類，初始化方法為“k-medoids++”，距離度量方法為余弦距離。綜合考慮簇內(nèi)誤差平方和（SSE，Within-cluster Sum of Squared Errors）、輪廓系數(shù)（Silhouette Coefficient）、CH指數(shù)（Calinski-Harabaz Index）三個定量指標(biāo)，最終選定k值為4。

通過聚類得到四種傳播熱度的累積變化模式分別為C#1-C#4，統(tǒng)計各模式論文AAS與相對熱度的均值，繪制成圖1。C#1類論文占13.41%，在3-6個月內(nèi)迅速受到關(guān)注，6個月時傳播相對熱度達85%；C#2類論文占26.05%，傳播熱度在6月-1年內(nèi)逐漸上升，1年時傳播相對熱度達95%；C#3類論文占12.40%，發(fā)表后很快受到關(guān)注，3個月時傳播相對熱度達78%，而后熱度緩慢增長；C#4類論文占48.14%，發(fā)表1年內(nèi)熱度較低，1年后才被傳播，延遲較高，其中還有少量論文引起廣泛關(guān)注。

圖1 各時間點四種累積變化模式的傳播相對熱度與AAS 均值Fig.1 The Relative Dissemination Heat and the Mean Value of AAS for the Four Cumulative Change Modes at Each Time Point

4.1.2 不同作者數(shù)量的論文的傳播熱度特征

在有作者信息的17,065篇論文中，98.05%的論文是合作產(chǎn)出，作者數(shù)量不超過10位的論文占72.77%，其中作者數(shù)量為3-9位的論文分別有1,000篇以上，作者數(shù)量為5-6位的論文分別有1,700篇以上。超過50位作者的大規(guī)模團隊合作論文占0.79%，有極少數(shù)論文作者數(shù)量為幾百甚至上千，最高為3,535位。

為了更深入地發(fā)現(xiàn)不同作者數(shù)量論文的AAS差異，將論文按作者數(shù)量標(biāo)記為第1-5組，其作者數(shù)量范圍分別為（0，1]、[2，5]、[6，10]、[11，20]和[21，3,535]。對各組論文的AAS進行方差分析，發(fā)現(xiàn)各組論文的AAS存在顯著差異（F=94.670，p=.000）。為進一步檢驗各組論文AAS的差異，采用LSD方法進行事后兩兩比較分析，結(jié)果見表2。由表可知，在99%的置信水平上，第5組論文的AAS顯著高于其他組，且均值差為200以上；第4組論文的AAS顯著高于前三組的，且均值差為70以上；而第1、2、3組的論文AAS并無顯著差異。再對作者數(shù)量為51-100的88篇論文與作者數(shù)量超過100的46篇論文的AAS進行單因素方差分析，發(fā)現(xiàn)二者無顯著差異（F=0.206，p=.651）。由此可見，作者數(shù)量較少時，其差異并不意味著傳播熱度會表現(xiàn)出相應(yīng)的差異；而當(dāng)作者數(shù)量較多時，論文的傳播熱度也會相對較高。

表2 論文AAS 的作者數(shù)量差異比較分析（N 為作者數(shù)量，括號中數(shù)值為標(biāo)準(zhǔn)誤）Table 2 Comparative Analysis of the Differences in the Number of Authors of the Paper AAS（N is the Number of Authors，the Values in Parentheses are Standard Errors）

4.1.3 不同學(xué)科論文的傳播熱度特征

參考Aristovnik等[24]的研究，本文根據(jù)Scopus的ASJC（All Science Journal Classification Codes）分類代碼，提取期刊的學(xué)科大類，將論文所屬期刊在Scopus中的學(xué)科領(lǐng)域認(rèn)定為論文的學(xué)科領(lǐng)域。為便于統(tǒng)計，剔除無法獲取期刊信息的論文322篇以及發(fā)表在多學(xué)科期刊的論文6,811篇，剩余的9,935篇論文的學(xué)科領(lǐng)域分布為：健康科學(xué)（5,380篇，54.15%）、物理科學(xué)（1,839篇，18.51%）、生命科學(xué)（1,412篇，14.21%）以及社會科學(xué)（1,304篇，13.13%）。

對各學(xué)科論文的AAS進行方差分析，發(fā)現(xiàn)各學(xué)科論文的AAS存在顯著差異（F=17.009，p=.000）。為進一步檢驗不同學(xué)科AAS的差異，采用LSD方法進行事后兩兩比較分析，結(jié)果見表3。由表可知，在99%的置信水平上，健康科學(xué)論文的AAS顯著高于其他學(xué)科，從AAS的均值差來看，健康科學(xué)與社會科學(xué)、物理科學(xué)相差更大，分別約為89、75，和生命科學(xué)更加接近（約為40）；在95%的置信水平上，生命科學(xué)論文的AAS顯著高于社會科學(xué)，均值差約為49；在90%的置信水平上，生命科學(xué)論文的AAS顯著高于物理科學(xué)，均值差約為35；而社會科學(xué)和物理科學(xué)的AAS沒有顯著性差異。

表3 論文AAS 的學(xué)科差異比較分析（括號中數(shù)值為標(biāo)準(zhǔn)誤）Table 3 Comparative Analysis of the Discipline Differences in the AAS of Papers（The Values in Parentheses are Standard Errors）

繪制各學(xué)科論文AAS的箱線圖，如圖2所示。通過觀測箱線圖的數(shù)據(jù)分布特征發(fā)現(xiàn)，數(shù)據(jù)總體呈偏右態(tài)分布，各學(xué)科均存在少量AAS極高以至于影響了學(xué)科平均水平的論文。因此，在排除箱線圖上邊緣外的異常值后，對其余84.53%的論文AAS再次進行方差分析和事后檢驗，得到在99%的置信水平上，各學(xué)科論文AAS存在顯著差異，物理科學(xué)的論文AAS顯著低于其他學(xué)科，但與社會科學(xué)的差異較小；生命科學(xué)的論文AAS顯著高于其他學(xué)科，從均值差可見其與社會科學(xué)、物理科學(xué)的差異更大；健康科學(xué)的論文AAS顯著高于社會科學(xué)和物理科學(xué)。結(jié)合箱線圖來看，雖然生命科學(xué)領(lǐng)域的發(fā)文量僅占總發(fā)文量的14.21%，但其知識成果在各類網(wǎng)絡(luò)平臺上傳播較廣，收獲了良好的科學(xué)傳播效果。健康科學(xué)領(lǐng)域的論文雖然擁有較多數(shù)量的高AAS論文（其中單篇論文AAS最高達17,539），但低AAS論文的基數(shù)較大，其整體傳播力被削弱。社會科學(xué)領(lǐng)域的發(fā)文量雖然最少，但大部分論文獲得的關(guān)注度較高；而物理科學(xué)領(lǐng)域的發(fā)文量居于第二位，但多數(shù)論文獲得的AAS顯著低于其他學(xué)科。綜上所述，各類網(wǎng)絡(luò)平臺側(cè)重于關(guān)注生命科學(xué)、健康科學(xué)領(lǐng)域方面的研究，對社會科學(xué)領(lǐng)域的關(guān)注次之，物理科學(xué)領(lǐng)域的關(guān)注度整體偏低。結(jié)合數(shù)據(jù)的波動情況來看，生命科學(xué)和健康科學(xué)領(lǐng)域內(nèi)的論文的AAS分布較為分散，而社會科學(xué)和物理科學(xué)領(lǐng)域論文的AAS分布則相對集中。

圖2 各學(xué)科論文的AAS 的箱線圖（因差值過大，未顯示異常值）Fig.2 Boxplots of AAS of Papers in Various Disciplines（Outliers not Shown due to Large Differences）

4.1.4 不同國際合作情況的論文的傳播熱度特征

在論文集中，作者均為中國學(xué)者的論文占62.44%，37.56%的論文為國際合作論文，22.21%的論文為兩國合作，1.42%的論文有超過11個國家的學(xué)者參與研究，其中最多有68個國家參與。在6,411篇國際合作論文中，中國學(xué)者擔(dān)任第一作者或通訊作者的論文占65.65%，其次是美國學(xué)者，為19.68%；參與研究的國家數(shù)量平均值為3.47，美國是我國學(xué)者合作次數(shù)最多的國家，合作產(chǎn)出在所有合作論文中占45.80%，其次是英國、澳大利亞，分別占21.49%、13.07%。

將論文分為國際合作論文和非國際合作論文，再將國際合作論文分為兩部分：第一作者與通訊作者中包含中國學(xué)者、第一作者與通訊作者均為外國學(xué)者。對各論文集的AAS進行描述性統(tǒng)計，結(jié)果見表4。通過單因素方差分析可知，非國際合作論文與國際合作論文的AAS有顯著差異（F=13.182，p=.000），且國際合作論文的AAS更高；國際合作論文的一作與通訊作者包含中國學(xué)者和一作與通訊作者均為外國學(xué)者的論文在AAS上亦有顯著差異（F=7.659，p=.006），且一作與通訊作者均為外國學(xué)者的論文AAS更高。

表4 國際合作論文與非國際合作論文的AAS 描述性統(tǒng)計Table 4 Descriptive Statistics of AAS for International Collaborative Papers vs.Non-International Collaborative Papers

結(jié)合差異分析可知，國際合作論文在社交媒體上的傳播熱度顯著高于非國際合作論文。雖然中國學(xué)者在多數(shù)新冠疫情的合作研究中擔(dān)任第一作者或通訊作者，但從整體來看，這些論文在社交媒體上的關(guān)注度低于由外國學(xué)者擔(dān)任一作和通訊作者的論文。國際合作可能是提升中國學(xué)者學(xué)術(shù)成果關(guān)注度的一種途徑。

4.2 傳播廣度

4.2.1 論文傳播廣度的總體特征

本文將論文的傳播廣度分解為兩個層次，一是論文在各類網(wǎng)絡(luò)平臺指標(biāo)中的覆蓋率（非0指標(biāo)值論文數(shù)量占論文總量的比例）；二是特定網(wǎng)絡(luò)平臺中參與傳播的用戶分布。

對17,068篇論文的各個Altmetrics指標(biāo)進行分析，發(fā)現(xiàn)Mendeley讀者數(shù)的覆蓋率最高，達96.21%；其次為Twitter提及量，達95.43%；除主流媒體提及量（20.30%）、學(xué)術(shù)博客提及量（12.03%）、Facebook提及量（10.22%）、政策文件引用量（4.36%）、Reddit提及量（4.20%）、Wikipedia引用量（3.42%）和專利引用量（1.86%）外，其余指標(biāo)的覆蓋率均低于1%。與Edakar等[11]對COVID-19相關(guān)論文的研究結(jié)論一致，論文的傳播渠道雖然多樣，但主要傳播平臺是Mendeley和Twitter，其次是主流媒體，其他平臺對中國新冠疫情學(xué)術(shù)成果的關(guān)注相對較少。

針對高覆蓋率指標(biāo)，分析參與論文傳播的用戶數(shù)量和身份類型，可進一步了解論文的傳播廣度。盡管96.21%的論文都在Mendeley中被讀者所關(guān)注，但不同論文的傳播廣度也存在差異，半數(shù)以上論文的讀者數(shù)超過26人，讀者數(shù)超過100人的論文數(shù)量占論文總量的20.04%，讀者數(shù)超過1,000人的論文數(shù)量占比為1.27%，有8篇論文的讀者數(shù)超過1萬人。Altmetric.com根據(jù)Twitter用戶的個人資料和所發(fā)推文，將用戶劃分為科學(xué)傳播者（記者、博主、編輯等）、臨床工作者（醫(yī)生和其他醫(yī)護專業(yè)人員）、科研人員（熟悉科學(xué)文獻的用戶）和社會公眾四種類型。參與中國新冠疫情學(xué)術(shù)成果傳播的各類群體中，社會公眾對論文的提及次數(shù)最多，達965,290次，占總提及次數(shù)的85.08%；其次為科研人員（95,018次，8.37%）、臨床工作者（52,278次，4.61%）和科學(xué)傳播者（22,016次，1.94%）?？梢?，在全球突發(fā)公共衛(wèi)生事件下，中國新冠疫情學(xué)術(shù)成果在各類網(wǎng)絡(luò)平臺已獲得公眾的高度關(guān)注和討論。公眾不僅關(guān)注疫情的發(fā)展現(xiàn)狀，也更加關(guān)注其研究前沿和解決方案，成為推動新冠疫情學(xué)術(shù)成果傳播的主力軍。

4.2.2 不同作者數(shù)量的論文的傳播廣度特征

基于上文對作者數(shù)量的分組，統(tǒng)計作者數(shù)量不同的各組論文在各類網(wǎng)絡(luò)平臺指標(biāo)中的覆蓋率，發(fā)現(xiàn)Mendeley和Twitter在各組論文的覆蓋率均接近總體覆蓋率。在其他平臺，第5組（N≥21）論文的指標(biāo)覆蓋率遠(yuǎn)超過其他組，其中45.42%的論文被主流媒體提及、31.82%的論文被學(xué)術(shù)博客提及；第4組（11≤N≤20）論文的指標(biāo)覆蓋率高于前三組但稍低于第5組，26.24%的論文曾在新聞媒體上被提及、14.93%的論文曾在博客上被提及。可以發(fā)現(xiàn)，作者數(shù)量較多時，論文的傳播廣度也較高。

4.2.3 不同學(xué)科論文的傳播廣度特征

統(tǒng)計各學(xué)科論文在各類網(wǎng)絡(luò)平臺指標(biāo)中的覆蓋率，發(fā)現(xiàn)不同學(xué)科論文的Mendeley和Twitter覆蓋率均接近總體覆蓋率。在其他平臺，健康科學(xué)和生命科學(xué)的指標(biāo)覆蓋率更高，均有超過24%的論文被主流媒體提及、超過14%的論文被學(xué)術(shù)博客提及，都是另外兩學(xué)科的兩倍；7.25%的健康科學(xué)論文被政策文件引用，而其他學(xué)科不超過3%。

4.2.4 不同國際合作情況的論文的傳播廣度特征

統(tǒng)計不同合作情況的論文在各類網(wǎng)絡(luò)平臺指標(biāo)中的覆蓋率，發(fā)現(xiàn)國際合作與非國際合作論文的Mendeley和Twitter覆蓋率均接近總體覆蓋率。在其他平臺，基本都是國際合作論文的覆蓋率更高，其中一作和通訊作者均為外國學(xué)者的論文覆蓋率也更高，有30.61%的論文被主流媒體提及。

4.3 傳播速度

4.3.1 論文傳播速度的總體特征

不同論文在社交媒體平臺中引起關(guān)注和傳播的速度存在差異，在相同時間段內(nèi)，部分論文會比其他論文獲得更高的AAS，這意味著它能夠更快得到相對廣泛的傳播。本文將學(xué)術(shù)成果在社交媒體平臺的傳播速度定義為單位時間內(nèi)所獲得的AAS值。為了對論文的傳播速度進行區(qū)分，本文根據(jù)數(shù)據(jù)的分布情況，對17,068篇論文形成的論文集計算其歷史AAS的上四分位數(shù)（Q3）、中位數(shù)（Q2），利用這兩個數(shù)值并結(jié)合時間點進行傳播速度的分類：

①傳播速度最快（S#1）：論文發(fā)表3個月時的AAS大于論文集3個月時AAS的Q3；

②傳播速度較快（S#2）：論文發(fā)表6個月時的AAS或論文發(fā)表1年時的AAS大于論文集對應(yīng)時間點AAS的Q3；

③傳播速度較慢（S#3）：除S#1、S#2以外的論文中，發(fā)表6個月時的AAS或發(fā)表1年時的AAS大于論文集對應(yīng)時間點AAS的Q2；

④傳播速度最慢（S#4）：除S#1、S#2、S#3以外的其他論文。

經(jīng)統(tǒng)計得到S#1-S#4 論文分別占比20.83%、16.93%、25.27%、36.97%，可見大部分論文的傳播速度不快，至少需要6 個月的時間才能引起一定的關(guān)注，僅少量論文在發(fā)表后3 個月內(nèi)就能得到較為廣泛的傳播。

4.3.2 不同作者數(shù)量的論文的傳播速度特征

基于上文對作者數(shù)量的分組，統(tǒng)計作者數(shù)量不同的各組論文的傳播速度分布見表5，通過卡方檢驗得到不同作者數(shù)量論文組的傳播速度存在顯著差異（χ2=647.281，p=.000）。當(dāng)作者數(shù)量不超過10時，超過66%論文的傳播速度不快；當(dāng)作者數(shù)量在11-20之間時，論文的傳播速度分布相對均衡；當(dāng)作者數(shù)量高于20時，超過67%的論文傳播快。從整體上看，作者數(shù)量多的論文傳播速度明顯快于作者數(shù)量較少的論文。

表5 不同作者數(shù)量論文組的傳播速度分布（N為作者數(shù)量）Table 5 Distribution of Dissemination Speed for Different Groups ofPapers with Different Number of Authors（N is the Number of Authors）

4.3.3 不同學(xué)科論文的傳播速度特征

各學(xué)科論文的傳播速度分布見表6，通過卡方檢驗得到不同學(xué)科論文的傳播速度存在顯著差異（χ2=299.617，p=.000）。各學(xué)科大部分論文的傳播速度不快，其中健康科學(xué)領(lǐng)域傳播最慢的論文占比尤其高，即大部分論文沒有被及時關(guān)注，這可能與該學(xué)科論文總量多亦有關(guān)系。相比其他學(xué)科，生命科學(xué)領(lǐng)域傳播快的論文占比最高，其次是社會科學(xué)，說明這兩個學(xué)科的論文更容易較早地在網(wǎng)絡(luò)平臺上得到關(guān)注。

表6 各學(xué)科論文的傳播速度分布Table 6 Distribution of Dissemination Speed of Papers in Various Disciplines

4.3.4 不同國際合作情況的論文的傳播速度特征

統(tǒng)計不同合作情況的論文的傳播速度分布見表7，通過卡方檢驗得到國際合作論文與非國際合作論文的傳播速度存在顯著差異（χ2=320.108，p=.000），其中一作與通訊作者包含中國學(xué)者和一作與通訊作者均為外國學(xué)者的國際合作論文的傳播速度也存在顯著差異（χ2=118.902，p=.000）。國際合作論文的傳播速度明顯快于非國際合作論文，非國際合作論文中傳播速度慢的占67.15%，而國際合作論文中傳播速度快的占45.92%。國際合作論文中，一作與通訊作者均為外國學(xué)者的論文傳播得更快。結(jié)合上文可知，國際合作中由中國學(xué)者主導(dǎo)的論文的傳播力明顯低于由外國學(xué)者主導(dǎo)的論文。

表7 各種國際合作情況論文的傳播速度分布Table 7 Distribution of Dissemination Speed of Papers in Various International Cooperation Situations

5 中國新冠疫情學(xué)術(shù)成果傳播力的影響因素

由上文分析得知，由于作者數(shù)量、學(xué)科、國際合作情況的不同，論文在傳播力的表現(xiàn)上存在差異，本節(jié)將通過回歸分析進一步了解作者數(shù)量、學(xué)科和國際合作情況是否以及如何影響新冠疫情學(xué)術(shù)成果的傳播力。此外，由于傳播廣度是對多個平臺計數(shù)的指標(biāo)，難以進行回歸分析，本節(jié)僅分析傳播熱度和傳播速度兩個維度。

5.1 傳播熱度的影響因素

將AAS作為因變量，自變量包括作者數(shù)量、學(xué)科和國際合作情況。具體來說，作者數(shù)量是定距變量，學(xué)科是包含健康科學(xué)、生命科學(xué)、社會科學(xué)和物理科學(xué)四個類別的定類變量，國際合作情況包含作為定距變量的參與國家數(shù)量以及作為二分類變量的一作與通訊作者身份（0表示一作與通訊均為外國學(xué)者，1表示一作與通訊作者包含中國學(xué)者）。由于自變量同時包括定類變量和定距變量，因變量為定距變量，因此借助SPSS將定類變量轉(zhuǎn)化為虛擬變量，將變量納入多元線性回歸模型中展開分析。所得模型具有統(tǒng)計學(xué)意義（F=6.333，p=.000），模型中自變量的容差均大于0.1且VIF（方差膨脹因子）均小于10，不存在共線性問題?；貧w結(jié)果如表8所示，回歸系數(shù)所呈現(xiàn)的顯著性水平說明，作者數(shù)量和學(xué)科對論文的傳播熱度均有顯著影響，作者數(shù)量可以正向影響論文的傳播熱度，而健康科學(xué)論文比社會科學(xué)、物理科學(xué)和生命科學(xué)論文都更有傳播熱度上的優(yōu)勢。雖然本文的研究表明國際合作情況不同時，論文的傳播熱度存在差異，但與Didegah等[20]所發(fā)現(xiàn)的國家數(shù)量可正面影響多數(shù)Altmetrics指標(biāo)這一結(jié)論不同，本文發(fā)現(xiàn)國際合作情況對新冠疫情相關(guān)論文的傳播熱度沒有顯著影響。

5.2 傳播速度的影響因素

將傳播速度作為因變量，自變量同5.1。由于自變量同時包括定類變量和定距變量，因變量為定類變量，故借助SPSS的多分類Logistic回歸模型展開分析。又因該模型僅能對所有變量均不缺失的個案進行分析，而本文數(shù)據(jù)集中自變量的非缺失個案的交集較小，考慮到本研究中采用回歸分析的目的僅是驗證自變量對傳播速度的影響效果，而非構(gòu)建完整的回歸模型，為避免樣本損失造成的結(jié)論偏差，本節(jié)將對各變量做單獨的回歸分析。

將S#3作為傳播速度的參考類別，依次將作者數(shù)量作為協(xié)變量、將學(xué)科作為因子、將參與國家數(shù)量作為協(xié)變量、將一作與通訊作者身份作為因子，分別與傳播速度納入多分類Logistic回歸模型，得到四個回歸模型均具有統(tǒng)計學(xué)意義（p=.000），且作者數(shù)量、學(xué)科、國際合作情況對論文的傳播速度均有顯著影響（p=.000），回歸結(jié)果見表9。相對于傳播速度S#3類來說，論文的作者數(shù)量越多，傳播速度越可能是S#1或S#2；相比于生命科學(xué)，社會科學(xué)和物理科學(xué)論文的傳播速度趨向于S#3，健康科學(xué)論文的傳播速度更趨向于S#3和S#4，即論文屬于生命科學(xué)對論文傳播速度的正向影響最大。相對于S#3類來說，當(dāng)論文的參與國家數(shù)量較多或當(dāng)國際合作論文的一作與通訊作者均為外國學(xué)者時，其傳播速度可能更快。

表9 論文傳播速度的多分類Logistic 回歸系數(shù)Table 9 Multi Classification Logistic Regression Coefficients of Dissemination Speed of Papers

6 討論與結(jié)論

本文將中國新冠疫情學(xué)術(shù)成果作為研究對象，從傳播熱度、廣度和速度三個維度描述其在網(wǎng)絡(luò)平臺的傳播力特征，研究作者數(shù)量、學(xué)科和國際合作對論文傳播力的影響。研究的主要發(fā)現(xiàn)及啟示如下：

（1）中國新冠疫情學(xué)術(shù)成果的傳播普遍具有“慢熱”特征，少數(shù)論文在發(fā)表1年后引發(fā)廣泛關(guān)注。研究表明，大部分論文發(fā)表6個月后才在社交媒體平臺上被關(guān)注，且傳播的熱度較低、速度緩慢。而傳播熱度高、速度快的少數(shù)高傳播力論文，雖能在發(fā)表1年內(nèi)就引起一些關(guān)注，但真正實現(xiàn)大規(guī)模傳播卻是在1年之后。由于疫情的持續(xù)發(fā)展及病毒的不斷變異，一方面，學(xué)術(shù)界在抗擊疫情過程中發(fā)表的論文數(shù)量急劇增長，特別是在開放獲取倡議下，公眾可以方便地獲取到大量相關(guān)論文，因此在一定程度上會沖淡大部分論文的關(guān)注熱度；另一方面，新冠疫情對公眾帶來的影響是多方面且持續(xù)的，因此公眾會不斷在網(wǎng)絡(luò)上尋求相關(guān)的科學(xué)解答。正如Colavizza等[25]所述，公眾有迫切求知需求的研究主題通常會得到更多社交媒體關(guān)注，因此，少量與公眾需求更契合的論文會不斷地在網(wǎng)絡(luò)平臺獲得關(guān)注和提及，影響力較大。

（2）較大的研究團隊更有可能產(chǎn)生高傳播力論文。Didegah等[7]曾證實作者數(shù)量與Twitter、博客和新聞的帖子數(shù)均呈正相關(guān)，而本文研究也表明作者數(shù)量對論文傳播力有正向影響，作者數(shù)量較少的論文整體上傳播力偏低；作者數(shù)量較多時，大多情況下論文有充足的資源支持、研究問題復(fù)雜度或關(guān)注度較高、產(chǎn)出成果的質(zhì)量較好，這些因素的綜合作用可能會使論文的傳播效果更好，但這種影響也有一定限度。針對新冠疫情這一特殊的研究問題，部分大規(guī)模團隊合作產(chǎn)出的學(xué)術(shù)成果在傳播的熱度、廣度和速度三方面均表現(xiàn)優(yōu)秀，雖然論文的傳播受多種因素綜合影響，較大的研究團隊并不是高傳播力論文的充分或必要條件，但其所聚集的資源和力量更可能是提高論文質(zhì)量和關(guān)注度的要素。

（3）新冠疫情中健康科學(xué)和生命科學(xué)領(lǐng)域論文的傳播效果較好。論文的傳播力也因?qū)W科不同而存在差異，部分學(xué)科的論文在獲取社會關(guān)注方面更具優(yōu)勢。由于新冠疫情本身與健康科學(xué)和生命科學(xué)密切相關(guān)，這兩個學(xué)科的論文在傳播熱度和傳播廣度方面表現(xiàn)較好，Hassan等[16]在2017年的研究中就發(fā)現(xiàn)醫(yī)療健康和生物學(xué)領(lǐng)域的論文得到的社會關(guān)注比其他領(lǐng)域都更多，這可能是由于公眾本身往往傾向于使用Twitter等社交媒體分享個人健康問題[26]，而這些領(lǐng)域的學(xué)者也認(rèn)為Twitter適合用來與同行及公眾交流學(xué)術(shù)成果和活動[10]，分享和傳播論文的主觀意愿較強。值得注意的是，本文還發(fā)現(xiàn)社會科學(xué)論文的傳播速度僅次于生命科學(xué)，說明新冠疫情對社會、經(jīng)濟、管理與心理等方面所造成的問題或產(chǎn)生的影響也能被公眾較為及時地關(guān)注。這提示我們，科研人員面對突發(fā)事件和公共議題要積極承擔(dān)相應(yīng)的科學(xué)責(zé)任，承接公眾需求，針對各領(lǐng)域的具體問題，通過科學(xué)研究追根溯源、審視現(xiàn)狀、預(yù)見未來并尋求對策。

（4）突發(fā)公共衛(wèi)生事件中開展國際合作更有利于論文的傳播。國際合作與團隊分工也是影響論文傳播力的因素之一。國際合作論文的傳播力明顯高于非國際合作論文，且由外國學(xué)者主導(dǎo)研究的國際合作論文比中國學(xué)者主導(dǎo)的研究的傳播力更強。Wang等[17]提到，可能是由于海外學(xué)者更傾向于使用Twitter、Mendeley等平臺交流和傳播研究成果，從而提高了其Altmetrics指標(biāo)。我國學(xué)者也應(yīng)考慮綜合利用社交媒體、新聞媒體等渠道促進與公眾的科學(xué)交流、提高重要學(xué)術(shù)成果的社會影響力。本文研究表明國際合作會正向影響論文的傳播速度，并且國際合作論文的傳播熱度顯著高于非國際合作論文，結(jié)合相關(guān)研究，我們認(rèn)為對于突發(fā)公共衛(wèi)生事件而言，團隊合作、尤其是國際合作有助于集中力量解決更為緊迫的研究問題，從而盡快滿足臨床診治與防控需要并回應(yīng)公眾的疑問，相關(guān)成果也更容易較早受到公眾的關(guān)注。

（5）合理利用Altmetrics提高我國學(xué)術(shù)成果的影響力。在突發(fā)公共衛(wèi)生事件中，社交媒體平臺在追蹤具有時效性的信息方面發(fā)揮著重要作用，能及時傳播科研成果、促進學(xué)術(shù)交流并引導(dǎo)公眾認(rèn)知。在新冠疫情背景下，社交媒體對部分熱點論文的關(guān)注和傳播較為及時，說明Altmetrics數(shù)據(jù)可以指明重要的研究成果。但大量信息持續(xù)地在社交媒體上涌現(xiàn)，社會公眾有限的注意力又會分散到各類主題上，如同Pandian[21]和Zhang[18]等所發(fā)現(xiàn)的那樣，論文需要貼合時事熱點并被有影響力的用戶或官方機構(gòu)與專家學(xué)者轉(zhuǎn)發(fā)，才能被更多人關(guān)注和傳播。因此，一方面建議研究人員充分利用各類網(wǎng)絡(luò)平臺、關(guān)注時事動態(tài)，捕捉并跟進公眾對于新冠疫情的信息需求變化，并通過科學(xué)研究予以解答，助力新冠疫情的科普工作，實現(xiàn)科學(xué)研究的社會價值最大化。另一方面，由于國際合作在提高成果關(guān)注度方面發(fā)揮著重要作用，盡管本文的研究結(jié)論也受到Altmetric.com自身數(shù)據(jù)源選擇的影響，但為了提升我國學(xué)術(shù)成果的影響力，建議重視和加強成果在這些網(wǎng)絡(luò)平臺中的快速和有效傳播，建議科研人員持續(xù)重視國際合作的開展，充分發(fā)揮互補優(yōu)勢，開展跨學(xué)科合作，共助研發(fā)順利進行。

本文的研究還存在不足之處，包括：一是對論文的學(xué)科進行標(biāo)注時，采用了Scopus中所屬期刊的學(xué)科分類，舍棄了屬于多學(xué)科的期刊論文，同時論文的學(xué)科類別也沒有進一步細(xì)化，因此關(guān)于學(xué)科分析的部分不夠深入和全面；二是受到數(shù)據(jù)采集的限制，本文對于傳播力的分析沒有包括傳播深度、傳播效度等方面。

作者貢獻說明

劉曉娟：提出研究思路與框架，論文撰寫；

孫鏝莉，謝瑞婷：設(shè)計研究方案，數(shù)據(jù)獲取、處理及分析，論文撰寫；

項楠楠：數(shù)據(jù)獲取與處理。

支撐數(shù)據(jù)

支撐數(shù)據(jù)由作者自存儲，Email:202021260065@mail.bnu.edu.cn。

1、孫鏝莉，謝瑞婷.Scopus data.xlsx.論文Scopus 數(shù)據(jù).

2、孫鏝莉，謝瑞婷.Altmetrics data.xlsx.論文Altmetrics 數(shù)據(jù).