基于媒介比較的學(xué)科新興主題動態(tài)識別
——altmetrics與引文數(shù)據(jù)的融合方法

段慶鋒，閆緒嫻，陳 紅，劉東霞

（山西財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，太原 030006）

1 引 言

新興主題是學(xué)科前沿動態(tài)涌現(xiàn)的語義表達(dá)，是認(rèn)知學(xué)科內(nèi)在機制、支撐科技戰(zhàn)略決策的重要基礎(chǔ)。與其他一般性主題相比，新興主題更強調(diào)時間維度的“新興”屬性[1]，很大程度上是學(xué)科發(fā)展趨勢的凸顯，是反映其未來應(yīng)用價值的重要因素，更是形成科學(xué)預(yù)見能力的基礎(chǔ)。尤其，新興主題對分析識別程序的語義敏感性與時間響應(yīng)性能力要求更高[2]。雖然互聯(lián)網(wǎng)傳播及在線預(yù)印本極大地加速了傳統(tǒng)出版媒介對學(xué)科前沿動態(tài)的響應(yīng)性，但客觀存在的出版周期從根本上制約了針對學(xué)科新興主題的及時響應(yīng)[3]。特別地，以引文為代表的文獻(xiàn)計量指標(biāo)及相關(guān)分析工具在學(xué)術(shù)評價中得到了廣泛應(yīng)用與普遍認(rèn)同[1]，但是滯后性弊端也限制了分析結(jié)果的前瞻預(yù)見能力。

如此背景下，借助社交網(wǎng)絡(luò)媒體數(shù)據(jù)及指標(biāo)開展學(xué)科新興主題分析的必要性愈加凸顯。大量研究及實踐應(yīng)用表明，社交網(wǎng)絡(luò)對于社會熱點及潮流趨勢具有極強的捕捉能力與敏感響應(yīng)性[4]。這種信息傳播與反饋能力已經(jīng)在輿情引導(dǎo)、社交營銷等多領(lǐng)域得到實踐檢驗。學(xué)術(shù)活動及成果傳播同樣也日益嵌入社交網(wǎng)絡(luò)，新成果及重大科學(xué)事件第一時間在社交媒介傳播與發(fā)酵，為觀察科學(xué)前沿動態(tài)提供別樣途徑。作為面向?qū)W術(shù)文獻(xiàn)的新型計量方式，altmetrics 指標(biāo)通過定量途徑刻畫了學(xué)術(shù)成果在社會網(wǎng)絡(luò)及相關(guān)數(shù)字媒體的傳播及反饋程度，其學(xué)術(shù)價值與應(yīng)用潛力迅速得到大量關(guān)注[5]。近年來，altmetrics 在科學(xué)監(jiān)測及預(yù)見方面的應(yīng)用潛力日益受到重視，不過主要焦點在指數(shù)本身的合理有效性方面，強調(diào)學(xué)術(shù)評價層面的功能價值[6]。

基于社交媒體對于新興趨勢的敏感能力，從媒介比較的獨特視角，提出學(xué)科新興主題的動態(tài)識別方法。本文貢獻(xiàn)體現(xiàn)在以下方面：①基于新興主題在不同媒介形成的差異性活躍分布，提出媒介比較落差的學(xué)科新興主題識別方法，發(fā)揮了社交媒介先于傳統(tǒng)出版媒介的時間分析優(yōu)勢。②借助主題LDA（latent Dirichlet allocation） 模型，將單篇論文層面指標(biāo)擴展至主題層面，構(gòu)建主題altmetrics 指標(biāo)，基于此構(gòu)建了可用于時序比較的媒介相對落差指標(biāo)，以滿足動態(tài)分析需求。③采用突發(fā)檢測算法，探測主題媒介相對落差時序指標(biāo)的突發(fā)性增長，從全局動態(tài)視角揭示新興主題的分布與演化。

2 相關(guān)研究

理解新興主題內(nèi)涵并把握其關(guān)鍵特征，并形成可操作化方法，是從復(fù)雜科學(xué)現(xiàn)象及事件中識別出高決策價值新興主題的基礎(chǔ)與關(guān)鍵。Rotolo 等[7]基于文獻(xiàn)梳理，將新興主題特征歸納為：新穎性（novelty）、相對高增長性 （relative rapid growth）、凝聚性（coherence）、顯著影響力（prominent impact）、不確定性和模糊性（uncertainty and ambiguity）。識別主題新穎性的方法相對明確，從生命周期初始階段的基本共識出發(fā)，多數(shù)文獻(xiàn)以要素（如論文、專業(yè)術(shù)語）的時間屬性為考察依據(jù)，將最新出現(xiàn)，或者與最新知識要素存在緊密聯(lián)系的學(xué)科主題納入考察范疇，也有部分文獻(xiàn)從技術(shù)創(chuàng)新屬性角度進一步判別主題的新穎程度[8]。高增長性幾乎是學(xué)科主題研究文獻(xiàn)中被使用最多的識別特征，新興主題知識的高增長能力往往外化為各種度量指標(biāo)與結(jié)構(gòu)的變化，識別方法較為多樣，如增長型指數(shù)法[9]、S 形增長曲線擬合法[10]、科學(xué)文獻(xiàn)或者主題詞聚類規(guī)模的變化[11]等。顯著影響力同樣是對甄別出高價值新興主題非常關(guān)鍵的特征，但常被視為隱含條件，因為那些被寄予高影響力期望的新知識與新技術(shù)理應(yīng)被識別程序優(yōu)先挑選出來。不過針對顯著影響力的評估更加適用于回溯性分析，面對當(dāng)下新興成果的展望性分析通常更多地需要借助于專家的主觀性經(jīng)驗預(yù)判。凝聚性、不確定性和模糊性相對而言被討論較少，學(xué)科新興主題發(fā)展經(jīng)歷可以被視為凝聚性不斷加強、不確定和模糊性相對減少的過程，雖然存在初步認(rèn)知，但總體上，可操作性度量指標(biāo)與挖掘識別算法研究相對不足。

學(xué)科新主題分析主要建立在學(xué)術(shù)成果產(chǎn)出數(shù)據(jù)之上，如學(xué)術(shù)文獻(xiàn)、專利等?；诔晒霭婷襟w數(shù)據(jù)的識別方法多樣，原理上可以粗略分為兩種類型，一是通過特征指標(biāo)的數(shù)量變化識別新興主題的增長狀態(tài)，二是通過結(jié)構(gòu)性變化考察新興主題的演進規(guī)律。①反映學(xué)科狀態(tài)的度量指標(biāo)設(shè)計與分析是關(guān)鍵，論文、作者、引文、詞語等都是指標(biāo)構(gòu)建的基礎(chǔ)要素。通過焦點指標(biāo)的縱向比較，可以形成主題的新興增長程度研判。還有，以生命周期理論為指導(dǎo)，曲線擬合法也是識別主題生命周期狀態(tài)（如新興成長階段） 的重要途徑[12]。特別地，Kleinberg[13]提出的突發(fā)檢測（burst detection）算法得到了科技情報領(lǐng)域?qū)W者廣泛關(guān)注，可以將新興主題的動態(tài)趨勢建模為文檔或詞語流的狀態(tài)轉(zhuǎn)化，并在CiteSpaceⅡ、SCI2 等代表性科學(xué)計量與情報分析軟件中得到了成功應(yīng)用。②科學(xué)系統(tǒng)的結(jié)構(gòu)性變化是探測新興主題的重要途徑。文獻(xiàn)的引文關(guān)系是科技情報的重要分析工具，基于此可以形成多種有效網(wǎng)絡(luò)分析[14]，如引文網(wǎng)絡(luò)（citation network）、共被引網(wǎng)絡(luò)（co-citation network）、引文耦合網(wǎng)絡(luò)（bibliographic coupling network）。通常將合適的文獻(xiàn)聚類概念化為不同學(xué)科主題范疇，通過分析這些聚類的演化有助于發(fā)現(xiàn)目標(biāo)主題，如近期涌現(xiàn)的，或者近期被頻繁引用，或者頻繁引用新知識的文獻(xiàn)簇。共詞分析（co-word analysis）也是常用的探測新興知識的有力工具，通過文本挖掘模型，基于詞的共現(xiàn)關(guān)系，形成的共詞網(wǎng)絡(luò)能夠從語義層面揭示學(xué)科主題結(jié)構(gòu)，通過詞語的凝聚、分離、新生、消亡等演化關(guān)系，達(dá)到探測主題新知識的分析目的[15]。

近年來，學(xué)術(shù)活動的網(wǎng)絡(luò)化與社交化背景下，以社交網(wǎng)絡(luò)為代表的新型媒介給科技情報帶來互補性分析優(yōu)勢。以替代計量學(xué)altmetrics 以及社交網(wǎng)絡(luò)挖掘分析為代表的理論與方法成為研究熱點。以Thelwall、余厚強、邱均平、趙蓉英等為代表的國內(nèi)外學(xué)者深入分析了altmetrics 內(nèi)在機理及特征基礎(chǔ)[16-18]，為其拓展性應(yīng)用奠定了理論基礎(chǔ)?；赼ltmetrics 指標(biāo)的設(shè)計出發(fā)點，許多學(xué)者從單篇論文層面探討了altmetrics 對于多維學(xué)術(shù)影響力的揭示能力[19-20]，不論是特定學(xué)科領(lǐng)域還是不同平臺及指標(biāo)類型選取，大多實證研究發(fā)現(xiàn)altmetrics 與傳統(tǒng)文獻(xiàn)計量指標(biāo)具有中等程度相關(guān)性，但存在表征維度的差異性，刻畫了超出學(xué)界范疇的社會影響力[21]。在單篇學(xué)術(shù)文獻(xiàn)影響力基礎(chǔ)上，可以形成更加宏觀的學(xué)科領(lǐng)域前沿探測。王菲菲等[22]結(jié)合傳統(tǒng)文獻(xiàn)計量指標(biāo)和altmetrics 指標(biāo)，基于LDA 主題模型，提出5個學(xué)科前沿探測指標(biāo)，通過綜合性評估方法挑選出有價值主題。牌艷欣等[23]采用altmetrics 指標(biāo)數(shù)據(jù)，采用z 指數(shù)法識別出包括突發(fā)性新興主題在內(nèi)的4種類型主題，以情報學(xué)為例的實證檢驗了altmetrics數(shù)據(jù)的學(xué)科動態(tài)探測能力?？梢?，altmetrics 指標(biāo)在學(xué)科探測方面的潛在優(yōu)勢逐步得到重視。Small等[24]指出，altmetrics 比傳統(tǒng)文獻(xiàn)計量及挖掘分析具有更大的即時分析能力，是重要的潛在研究方向。王賢文等[25]較早基于下載數(shù)據(jù)提出了替代計量在科學(xué)趨勢實時探測方面的應(yīng)用價值。

相對于學(xué)術(shù)評價方面的豐富成果，altmetrics 數(shù)據(jù)在學(xué)科監(jiān)測及預(yù)見方面的研究相對較少，大多只是利用相關(guān)指標(biāo)的普通統(tǒng)計分析應(yīng)用，缺乏主題層面的深度語義探討。已有學(xué)科前沿分析大多基于傳統(tǒng)學(xué)術(shù)成果出版媒體，將出版媒介數(shù)據(jù)與社交網(wǎng)絡(luò)媒介數(shù)據(jù)深度融合的研究不多。面對學(xué)科趨勢復(fù)雜問題，altmetrics 數(shù)據(jù)還存在有待克服的分析局限，比如，單篇文獻(xiàn)層面計量指標(biāo)難以直接用于主題分析，作為存量型指標(biāo)并不適用于動態(tài)時序分析等，這也正是本文嘗試探討的環(huán)節(jié)。

3 識別原理

3.1 學(xué)術(shù)社交媒介優(yōu)勢

在時間維度，學(xué)術(shù)社交媒介對于學(xué)科動態(tài)具有高響應(yīng)性能力——即時性。相比于文獻(xiàn)出版的固定周期，作為非正式學(xué)術(shù)場合的社交網(wǎng)絡(luò)能夠?qū)Τ晒麅?nèi)容與學(xué)術(shù)事件產(chǎn)生即時性響應(yīng)。相比于傳統(tǒng)互聯(lián)網(wǎng)（Web 1.0）環(huán)境下學(xué)術(shù)文獻(xiàn)的存儲電子化及傳播網(wǎng)絡(luò)化（如電子文獻(xiàn)數(shù)據(jù)庫），社交關(guān)系能夠進一步加強傳播效應(yīng)，焦點信息能夠在復(fù)雜社交網(wǎng)絡(luò)（Web 2.0）形成“病毒式”擴散，產(chǎn)生指數(shù)式加速傳播。這樣，學(xué)科前沿及熱點能夠以最快速度通過社交平臺在學(xué)界甚至更廣泛社會層面形成最大化傳播。相對而言，引文分析雖然已成為科技情報界成熟分析范式，但時滯性缺陷極大地制約了其對于新興趨勢的捕捉能力。

在內(nèi)容維度，學(xué)術(shù)社交媒介對于學(xué)科動態(tài)具有高響應(yīng)能力——敏感性。敏感性反映了學(xué)術(shù)社交網(wǎng)絡(luò)在內(nèi)容層面的靈敏性，即對于傳播學(xué)術(shù)內(nèi)容具有自主化的甄別與挑選能力[26]。相關(guān)研究發(fā)現(xiàn)，被學(xué)術(shù)社交平臺廣泛關(guān)注的論文不但具有高流行度，而且往往表現(xiàn)出較高的學(xué)術(shù)水準(zhǔn)[27]，這與altmetrics 指標(biāo)與引文指標(biāo)存在中等程度相關(guān)性的認(rèn)知相吻合。高水平論文社交平臺的涌現(xiàn)是用戶群體的集體選擇結(jié)果，每個用戶自主地對科學(xué)成果及事件產(chǎn)生偏好性，并表現(xiàn)為特定網(wǎng)絡(luò)行為，而社交關(guān)系（如好友、粉絲、推薦等）的交織互動不斷將集體選擇結(jié)果強化與放大。段慶鋒等[28]采用協(xié)同過濾模型刻畫學(xué)術(shù)信息傳播的社會化過程，網(wǎng)絡(luò)用戶間形成相互的學(xué)術(shù)推薦，形成高價值高流行信息的過濾結(jié)果，這種信息過濾機制事實上形成了對學(xué)術(shù)信息的集體性價值判斷。從群決策視角看，altmetrics 指標(biāo)就是所有相關(guān)用戶偏好的集結(jié)體現(xiàn)，通過用戶的“投票”（每次針對焦點主題的社交事件）形成群體智慧。另外，社交網(wǎng)絡(luò)的馬太效應(yīng)能夠?qū)⒂袃r值弱信號加以放大，適合于發(fā)現(xiàn)潛力巨大但還未被學(xué)界大眾普遍認(rèn)知的學(xué)科新興主題。

3.2 新興主題的媒介比較與識別

按照生命周期理論，相對高增長已經(jīng)成為識別新興主題的共識性特征。但是，這種區(qū)別于其他生命周期階段的相對高增長特征在不同媒介觀察下可能存在時間與程度上的差異。比較視角下，通常認(rèn)為社交媒介具有明顯的時間響應(yīng)優(yōu)勢，流行迅速，但是持續(xù)周期較短，而出版媒介則相對呈現(xiàn)相反特點。Ortega[29]研究了不同媒介指標(biāo)的生命周期，發(fā)現(xiàn)基于推特和博客的提及（mentions）指標(biāo)反映最迅速，讀者人數(shù)次之；閱讀和下載數(shù)具有最長活躍期，而引文指標(biāo)的活躍呈現(xiàn)最遲鈍?？梢姡缃幻浇橹笜?biāo)相對于引文指標(biāo)具有即時性優(yōu)勢。圍繞具有流行價值的新興主題，學(xué)術(shù)社交媒介通過各種社交事件（如評論、轉(zhuǎn)發(fā)等）通常能夠快速形成突發(fā)性熱點涌現(xiàn)，而出版媒介需經(jīng)歷滯后性出版周期才能形成后續(xù)文獻(xiàn)和引證行為。學(xué)科新興主題在上述兩種媒介快速增長的不同步導(dǎo)致altmetrics 指標(biāo)的短期比較優(yōu)勢，先行性altmetrics 指標(biāo)的領(lǐng)先優(yōu)勢迅速拉大，形成突發(fā)性指標(biāo)相對差距。而隨著主題新興性減弱，趨向成熟，后發(fā)性引文指標(biāo)開始快速增長，相對落差將逐步縮小。當(dāng)主題進入成熟階段，這種相對落差不再顯著甚至自然消弭。

altmetrics 指標(biāo)先行于引文指標(biāo)并形成活躍落差的現(xiàn)象為識別新興主題提供了獨特途徑，如圖1 所示。在兩種媒介指標(biāo)增長速率差異消失之前的t2時間段是重要的探測窗口期，其中增長率差距gap 達(dá)到峰值的t1時刻為新興主題提供了關(guān)鍵識別機會，因為差距gap 的快速拉大是新興主題動態(tài)在不同媒介的差異化體現(xiàn)。上述認(rèn)知為識別學(xué)科新興主題提供了理論啟發(fā)。學(xué)科新興主題識別的關(guān)鍵在于落差gap 的發(fā)現(xiàn)，通過數(shù)據(jù)挖掘算法，檢測指標(biāo)gap 的突發(fā)性增長，并將涌現(xiàn)出這樣特征的主題視為新興主題的重點考察對象。

不同媒介的綜合比較能夠彌補單一媒介的視角局限，形成互補性方案，更有利于甄別新興主題。一方面，學(xué)術(shù)社交媒介豐富多元語義與文獻(xiàn)計量信息融合，有助于構(gòu)建高探測能力的識別系統(tǒng)；另一方面，基于媒介差距gap 的識別方法有助于提升新興主題的識別準(zhǔn)確性?；谇笆錾芷诶碚摲治隹芍?，媒介差距gap 的快速增長通常與主題新興階段相關(guān)聯(lián)。相比于單一媒介的增長性分析，以不同媒介差距gap 為識別基礎(chǔ)的方法更有助于降低新興主題與傳統(tǒng)熱門主題混淆的風(fēng)險。

4 研究方法

4.1 指標(biāo)設(shè)計

4.1.1 主題層面指標(biāo)

為了反映論文主題在社交網(wǎng)絡(luò)受到的關(guān)注程度，構(gòu)建主題層面altmetrics 指標(biāo)。原有altmetrics 指標(biāo)針對單篇論文，難以直接定量刻畫主題特征。由此，以論文層面altmetrics 指標(biāo)為基礎(chǔ)，設(shè)計實現(xiàn)主題層面指標(biāo)的映射方法是關(guān)鍵。聚焦于altmetrics 指標(biāo)形成機制，考慮學(xué)術(shù)社交事件、論文、主題之間的邏輯關(guān)系，形成不同層面指標(biāo)轉(zhuǎn)化依據(jù)，如圖2所示。假設(shè)每篇論文旨在反映若干主題，且與不同主題的關(guān)聯(lián)程度存在差異，即不同論文具有不同的主題分布。altmetrics 指標(biāo)是針對論文的社交事件計數(shù)，同時這些焦點事件也是針對論文所代表的主題，因為用戶對于論文的理解以主題認(rèn)知為基礎(chǔ)，驅(qū)動社交行為的用戶興趣、情感及偏好等事實上都圍繞主題形成。由此，通過論文與主題關(guān)聯(lián)可以建立起社交事件與主題間聯(lián)系?？紤]到用戶對于不同主題的關(guān)注興趣程度存在差異，可以將面向主題的社交事件加權(quán)累計，以度量刻畫主題altmetrics指標(biāo)。

主題層面altmetrics 是以主題為焦點的學(xué)術(shù)社交事件計數(shù)。第i個主題在第t年的altmetrics 指標(biāo)TLA定義為

其中，altmetricsj表示第j篇論文的altmetrics 指標(biāo)；θij表示第i個主題在第j篇論文中相對重要程度；T(j)是返回值為時間的函數(shù)，表示第j篇論文的發(fā)表年份。指標(biāo)TLA 反映了主題內(nèi)容在學(xué)術(shù)社交網(wǎng)絡(luò)的流行度，體現(xiàn)了該主題的社會影響力，其取值越大，反映受到的網(wǎng)絡(luò)用戶關(guān)注越多。

同理，可以對引文指標(biāo)做相同方式變換處理，構(gòu)建主題層面引文指標(biāo)TLC。第i個主題在第t年的TLC 定義為

其中，TCj代表第j篇論文的被引；其他變量含義同公式(1)。類似地，指標(biāo)TLC 反映了該主題內(nèi)容在學(xué)界受到的重視程度，體現(xiàn)了該主題的學(xué)術(shù)影響力。

公式(1)和公式(2)中，參數(shù)θ是主題i在論文j的相對權(quán)重，反映主題和論文之間聯(lián)系，如何估計該參數(shù)是指標(biāo)構(gòu)建的關(guān)鍵?？紤]到動態(tài)視角下主題概念的演化性，這里采用Blei 等[30]提出的動態(tài)主題模型 DTM （dynamic topic models） 加 以 估 計 確 定 。DTM 模型是經(jīng)典主題LDA 模型[31]在時間維度的拓展，能夠克服靜態(tài)模型無法刻畫主題演變的局限，更加適用于本文針對新興主題生命周期特征的動態(tài)分析[32]。DTM 是生成式概率模型，將主題建模為單詞分布φ，將文檔建模為主題分布θ，通過變分推斷或者隨機采樣的方法估計得到模型參數(shù)。不同于 LDA 模型，DTM 模型將影響φ和θ取值的 Dirichlet 分布超參數(shù)不再設(shè)為固定值，而是建模為隨時間變化的高斯分布，以刻畫隨時間演化的主題分布。DTM 模型的動態(tài)設(shè)定更利于準(zhǔn)確地揭示隨時間變化的主題，而估計的參數(shù)θ更適用于動態(tài)分析。將擬合參數(shù)θij代入相應(yīng)公式，可以得到聚焦于主題的度量指標(biāo)。

4.1.2 媒介活躍度落差指標(biāo)gap

為了刻畫揭示新興主題在不同媒介的動態(tài)差異，構(gòu)建反映主題媒介活躍落差的指標(biāo)gap?；趯W(xué)術(shù)社交網(wǎng)絡(luò)和出版媒介對于新興主題的不同響應(yīng)能力，將指標(biāo)gap 定義為學(xué)科主題在某時段內(nèi)altmetrics 指 標(biāo) （TLA） 與 引 文 指 標(biāo) （TLC） 的 相對差，

其中，gapit代表第i個主題在第t年的媒介活躍度落差；TLAit和TLCit分別由公式(1)與公式(2)給出。指標(biāo)gap 取值越大，反映主題在兩種不同媒介的活躍度差異越大，即主題在學(xué)術(shù)社交網(wǎng)絡(luò)的關(guān)注程度超過學(xué)術(shù)出版媒介的程度越大。

4.1.3 媒介活躍度相對落差指標(biāo)rgap

基于時序的動態(tài)分析是揭示新興性的有效途徑。但是，不同年份的指標(biāo)gap 難以直接比較。因為altmetrics 指標(biāo)和引文指標(biāo)都是存量型指標(biāo)，指標(biāo)數(shù)值從學(xué)術(shù)文獻(xiàn)發(fā)表開始持續(xù)累積，意味著出版久的論文擁有更多指標(biāo)累積時間，越可能取得時間累積優(yōu)勢。還有，社交網(wǎng)絡(luò)近年發(fā)展迅猛，用戶規(guī)模呈指數(shù)式增長，社交方式不斷創(chuàng)新多樣化[33]，這些導(dǎo)致不同年份altmetrics 指標(biāo)平均水平差異很大，跨時域altmetrics 指標(biāo)缺乏可比性。指標(biāo)gap 由altmetrics 指標(biāo)和引文指標(biāo)構(gòu)成，自然同樣存在難以比較的問題。

為了克服上述因素引致的比較偏差，借鑒相對技術(shù)優(yōu)勢指數(shù)RTA（relative technology advantage）[34]的設(shè)計思路，對指標(biāo)gap 加權(quán)修正，以適用于時序比較場景。具體地，第i個主題在第t年份的媒介活躍度相對落差rgapit定義為

4.2 識別方法

按照新興主題的生命周期理論認(rèn)知，altmetrics指標(biāo)在時間上先行于引文指標(biāo)，兩者落差能夠成為識別學(xué)科新興主題的有效判別依據(jù)。若主題的媒介活躍度落差突然呈現(xiàn)，甚至出現(xiàn)快速明顯增長態(tài)勢，則被視為新興主題涌現(xiàn)信號，應(yīng)該將其納入重點考察范疇。這種狀態(tài)的突然變化可以有多種分析方法，如指標(biāo)直接比較、擬合法等。新興主題處于生命周期初始階段，不同階段呈現(xiàn)差異狀態(tài)，可以通過全時域比較的狀態(tài)轉(zhuǎn)換揭示新興特征的突發(fā)涌現(xiàn)。由此，本文采用Kleinberg[13]提出的突發(fā)性檢測算法識別媒介活躍度落差的突然增大。

該算法采用狀態(tài)機模型來對突發(fā)事件進行建模，假設(shè)系統(tǒng)在不同狀態(tài)間轉(zhuǎn)換，形成馬爾科夫決策過程，可以從低級狀態(tài)躍升到突發(fā)狀態(tài)。以基準(zhǔn)（baseline）和突發(fā)（burst）組成的兩狀態(tài)系統(tǒng)為例，將基準(zhǔn)狀態(tài)的期望概率定義為焦點事件發(fā)生的概率，p0=R/D，其中R為焦點事件發(fā)生數(shù)量，D為全體事件發(fā)生數(shù)量；突發(fā)狀態(tài)的期望概率定義為p1=s×p0，其中參數(shù)s為常數(shù)，決定了兩種狀態(tài)的差距，若s取值增大，則只有焦點事件處于更高概率水平，才能認(rèn)定系統(tǒng)進入突發(fā)狀態(tài)。系統(tǒng)在某時間點處于哪個狀態(tài)取決于兩個方面因素：狀態(tài)擬合程度σ和狀態(tài)轉(zhuǎn)換困難程度τ。

（1）具體地，t時刻狀態(tài)i的擬合度σ定義為

其中，rt和dt分別代表t時刻焦點事件與全體事件的發(fā)生數(shù)量；i=0，表示基準(zhǔn)狀態(tài)，i=1，表示突發(fā)狀態(tài)。擬合度σ反映了焦點事件的發(fā)生比例與潛在狀態(tài)期望概率水平的吻合程度，吻合程度越高，處于該狀態(tài)的可能性就越大。與基準(zhǔn)狀態(tài)相比，突發(fā)狀態(tài)的擬合度越高，當(dāng)前處于突發(fā)狀態(tài)的概率亦越高。另外，針對突發(fā)時刻t，還可以計算其突發(fā)強度weightt，定義為σt(1)-σt(0)，反映了突發(fā)時刻系統(tǒng)處于突發(fā)狀態(tài)相比于基準(zhǔn)狀態(tài)的擬合度提高程度。weightt值越大，說明突發(fā)程度越強烈。

（2）具體地，系統(tǒng)狀態(tài)轉(zhuǎn)換困難度τ定義為

其中，T為時間跨度數(shù)量；γ為常數(shù)；it和it-1分別為t時刻與t-1 時刻的狀態(tài)；I(·)為指示函數(shù)，當(dāng)輸入值大于等于0 時，直接返回輸入值，否則為0。設(shè)定時間跨度共有n期，當(dāng)系統(tǒng)從前期基準(zhǔn)狀態(tài)（i=0）進入當(dāng)期突發(fā)狀態(tài)（i=1）時，狀態(tài)轉(zhuǎn)換困難度為γln(n)；當(dāng)保持狀態(tài)不變或者從突發(fā)狀態(tài)返回基準(zhǔn)狀態(tài)時，轉(zhuǎn)換難度為0。常數(shù)γ反映了狀態(tài)轉(zhuǎn)換的阻力，該參數(shù)設(shè)定越大，就越難以實現(xiàn)從基準(zhǔn)狀態(tài)向突發(fā)狀態(tài)的躍遷。

綜合上述兩個方面因素，構(gòu)建全時域的狀態(tài)成本函數(shù)，定義為

其中，qt為t時刻狀態(tài)。假設(shè)qt按時間排列構(gòu)成狀態(tài)序列Q，若存在某個狀態(tài)序列Q*能夠使成本函數(shù)cost 取最小值，則Q*為最優(yōu)狀態(tài)序列，因為該狀態(tài)序列能夠最好地解釋焦點事件的發(fā)生及狀態(tài)轉(zhuǎn)換情況?？紤]函數(shù)cost 最小化為優(yōu)化目標(biāo)，每個時刻qt都存在兩種可能狀態(tài)（基準(zhǔn)狀態(tài)和突發(fā)狀態(tài)），最優(yōu)狀態(tài)Q*是一種動態(tài)規(guī)劃問題，采用Viterbi 算法可以快速求得最優(yōu)狀態(tài)序列Q*[13]。

以媒介活躍度相對落差rgap 為分析數(shù)據(jù)，采用突發(fā)性檢測算法，可以探測哪些主題及在什么時刻指標(biāo)rgap 發(fā)生突然性增大。以主題i為例，以取整后的主題指標(biāo)rgapit代表焦點事件數(shù)量rt，所有主題的指標(biāo)rgapit和代表全體事件數(shù)量dt，通過算法可以求解出該主題的突發(fā)狀態(tài)時刻及突發(fā)強度。對于全部n個主題，通過n次探測分析，可以分別得到各個主題的突發(fā)狀態(tài)分布。基于主題媒介落差的突發(fā)性分布，開展系統(tǒng)性綜合分析，可以形成媒介比較視角的學(xué)科新興主題識別方法與決策支持。

5 實證分析

5.1 數(shù)據(jù)來源及處理

選取情報學(xué)為實證學(xué)科領(lǐng)域。數(shù)據(jù)包括文獻(xiàn)元數(shù)據(jù)與altmetrics 指標(biāo)兩個部分，采集處理過程亦由對應(yīng)的兩個階段構(gòu)成，以文獻(xiàn)DOI（digital object identifier）號為線索實現(xiàn)兩個部分?jǐn)?shù)據(jù)的一對一匹配。

首先，從引文數(shù)據(jù)庫Web of Science（WoS）中檢索情報學(xué)領(lǐng)域近年文獻(xiàn)，并從中獲取所需引文指標(biāo)及相關(guān)元數(shù)據(jù)。檢索思路為通過代表性期刊，獲取情報學(xué)領(lǐng)域相關(guān)學(xué)術(shù)文獻(xiàn)。參考相關(guān)實證文獻(xiàn)，經(jīng)過比對篩選，選取5 種代表性期刊為分析對象，包括Information Processing & Management、Journal of the Association for Information Science and Technology、Scientometrics、Journal of Informetrics、Information & Management，它們在情報學(xué)科中具有較高影響力與期刊影響因子，基本能夠代表本學(xué)科的前沿成果動態(tài)。為了適應(yīng)動態(tài)分析需要，檢索文獻(xiàn)跨度為7 年（2013—2019 年）。考慮到檢索時由于收錄機制2020 年文獻(xiàn)數(shù)據(jù)存在缺失，故未包含2020 年相關(guān)數(shù)據(jù)。以WoS 數(shù)據(jù)庫為檢索源，通過高級檢索界面，檢索上述5 種期刊在7 年間發(fā)表的論文，選取文獻(xiàn)類型為article，查詢時間為2020 年8 月，得到文獻(xiàn)數(shù)據(jù)共計4969 條。從中抽取相關(guān)信息，包括標(biāo) 題 （TI）、 摘 要 （AB）、 期 刊 （SO）、 年 份（PY）、DOI 號（DI）、被引（TC）。

其次，獲取樣本文獻(xiàn)的altmetrics 指標(biāo)數(shù)據(jù)。2011 年成立的網(wǎng)站altmetric.com 是最早的altmetrics數(shù)據(jù)提供商之一，具有應(yīng)用廣泛、免費、開源、覆蓋率高、指標(biāo)豐富諸多優(yōu)點，尤其面向研究人員開放提供數(shù)據(jù)接口，能夠滿足本文數(shù)據(jù)需求。以文獻(xiàn)DOI 號為線索，通過altmetric 網(wǎng)站API 接口，編寫python 程序采集數(shù)據(jù)，對JSON 格式數(shù)據(jù)進行解析得到指標(biāo)數(shù)據(jù)。altmetric 網(wǎng)站無法監(jiān)測覆蓋所有文獻(xiàn)，由此刪去缺失altmetrics 指標(biāo)的文獻(xiàn)記錄，經(jīng)過數(shù)據(jù)清洗，最終得到匹配成功數(shù)據(jù)2740 條。數(shù)據(jù)包含多種類型的altmetrics 指標(biāo)，包括博客（posts count）、推特 （tweets count）、閱讀 （readers count）等反映特定類型及來源的計數(shù)指標(biāo)，還有在各項指標(biāo)基礎(chǔ)上構(gòu)建的加權(quán)總指標(biāo)（altmetric mention score），能夠反映學(xué)術(shù)文獻(xiàn)的總體影響力。

5.2 模型設(shè)定及指標(biāo)特征

基于動態(tài)模型DTM 的主題抽取是分析基礎(chǔ)。以論文摘要為文本對象，采用python 軟件包gensim，調(diào)用LdaSeqModel 函數(shù)，構(gòu)建主題模型。其中，主題數(shù)是模型超參數(shù)，需要人工設(shè)定。確定最優(yōu)主題數(shù)的定量方法主要有perplexity 和coherence兩種。研究發(fā)現(xiàn)perplexity 方法對主題模型的識別效果不佳，與專家判斷的主題結(jié)果相差較大，甚至呈現(xiàn)負(fù)相關(guān)關(guān)系[35]，而coherence 方法更多地考慮了主題上下文，如單詞的共現(xiàn)關(guān)系，能夠較大程度彌補perplexity 方法的不足?；诖?，采用coherence 方法確定模型主題數(shù)量。圖3 給出了設(shè)定不同主題數(shù)量的DTM 模型coherence 得分，通過比較分析選取得分高的主題數(shù)，最終設(shè)定模型主題數(shù)為36。

采用設(shè)定模型分析摘要文本，最終構(gòu)建并識別出情報學(xué)領(lǐng)域36 個主題，如表1 所示。這些主題基本覆蓋了該領(lǐng)域的主要研究內(nèi)容及對象，具有較清晰語義與概念邊界。上述主題集合是識別分析目標(biāo)對象，有待于從媒介比較視角揭示其新興特征。

表1 主題及代表性單詞或詞組

將總指標(biāo)（altmetric mentions score） 代入公式(1)，由此計算出36 個主題的相關(guān)指標(biāo)。表2 給出了按年份統(tǒng)計的主題指標(biāo)gap 和rgap 的均值及方差?？梢钥闯觯黝}活躍度的媒介落差隨著年份而逐步增加，2017 年達(dá)到最大均值（10.91），是2013 年的2 倍，之后兩年均值下降與指標(biāo)累積時間短有關(guān)；另外，方差呈現(xiàn)大幅波動，印證了該指標(biāo)時序差異大且不適用于大跨度時域比較的特點。相對指標(biāo)rgap 克服了上述問題，樣本整體分布穩(wěn)定，能夠滿足算法要求。

表2 主題層面指標(biāo)統(tǒng)計概況

5.3 分析結(jié)果

5.3.1 初步分析

采用指標(biāo)rgap 對主題新興特征進行整體初步分析。新興特征可能在不同時間長短下呈現(xiàn)不同涌現(xiàn)規(guī)律，由此選取2019 年、2016—2019 年、2013—2019 年3 個時間段，分別代表短期、中期和長期，開展比較分析，以揭示主題在不同時間跨度下的動態(tài)呈現(xiàn)。分析結(jié)果如圖4 所示，其中2019 年媒介活躍度相對落差值繪于右側(cè)縱坐標(biāo)軸，其余指標(biāo)繪于左側(cè)縱坐標(biāo)軸。從長期看，各主題的rgap 指標(biāo)均值波動不大，以2#（h 指數(shù)及其變種）、9#（各國學(xué)術(shù)影響力評估）、23#（學(xué)術(shù)影響力的學(xué)科比較）、8#（同行評議與計量方法）為代表的主題成為情報學(xué)科領(lǐng)域的穩(wěn)定熱點。這些長期性主題大多屬于情報學(xué)領(lǐng)域的基本方法或核心問題，相對成熟且獲得持續(xù)性創(chuàng)新發(fā)展。從中期看，以19#（Garfield 學(xué)術(shù)回顧）、33#（Wikipedia 知識挖掘）、5#（學(xué)術(shù)不端行為）為代表的主題成為近些年情報學(xué)領(lǐng)域的階段性熱點。從短期看，以19#（Garfield 學(xué)術(shù)回顧）、5#（學(xué)術(shù)不端行為）、4#（性別與學(xué)術(shù)產(chǎn)出）為代表的主題成為2019 年該領(lǐng)域的短期涌現(xiàn)焦點。

可以看出，短期（1 年）及中期（4 年）分析結(jié)果突出了該學(xué)科領(lǐng)域的動態(tài)性傾向，與長期（7 年）分析結(jié)果獲得的穩(wěn)定性主題差別較大。這種差異反映了指標(biāo)rgap 在不同時間粒度下的學(xué)科動態(tài)揭示能力，社交網(wǎng)絡(luò)（altmetrics）與出版媒介（引文）的活躍度差距能夠在中短期被觀察和發(fā)現(xiàn)，是識別新興趨勢的重要窗口期。通過對比分析，初步展示出指標(biāo)rgap 具有較好的學(xué)科動態(tài)即時識別能力，相對于常見的主題模式，對于那些獨特主題的涌現(xiàn)更加敏感。

5.3.2 識別分析

為了進一步揭示主題新興趨勢的動態(tài)特征與演進過程，采用基于突發(fā)性檢測算法的新興主題識別方法，編寫python 程序，開展實證分析。經(jīng)過反復(fù)嘗試，為算法中超參數(shù)選取恰當(dāng)?shù)闹担瑢⒎从硟煞N狀態(tài)期望概率比例的參數(shù)s設(shè)定為2，即要求突發(fā)狀態(tài)期望概率是基準(zhǔn)狀態(tài)的2 倍以上，還將反映向突發(fā)狀態(tài)躍升困難程度的參數(shù)γ設(shè)定為1。圖5 展示了各主題在不同時點的指標(biāo)rgap 突發(fā)特征演化過程，其中橫軸代表年份，縱軸代表主題，橫條代表指標(biāo)的突發(fā)狀態(tài)，顏色越深，反映其突發(fā)強度越高。后續(xù)突發(fā)特征演化圖（圖6～圖10）亦采用相同的圖形設(shè)置。

從圖5 可以看出，以11#（2015）、19#（2019）、2#（2013）、9#（2014）、24#（2014）等為代表的主題呈現(xiàn)出強烈的短期涌現(xiàn)特征，在相應(yīng)年份形成明顯的媒介落差。這些典型新興主題在學(xué)術(shù)社交媒介形成了遠(yuǎn)超過出版媒介的關(guān)注程度，是近幾年應(yīng)當(dāng)重點關(guān)注的新興主題。例如，主題11#（大學(xué)排名）相關(guān)文獻(xiàn)共檢索出33 篇，這些文獻(xiàn)對ARWU （Academic Ranking of World Universities） 軟 科 排 名 、 CWTS（Centrum voor Wetenschap en Technologische Studies）萊登排名等大學(xué)排行榜展開了持續(xù)熱烈討論，從2013 年開始按年度排列的該主題文獻(xiàn)篇數(shù)分別為2、6、7、7、4、4、3。探測算法發(fā)現(xiàn)該主題2015 年呈現(xiàn)突發(fā)狀態(tài)，與文獻(xiàn)分布峰值出現(xiàn)時間亦吻合，該分析結(jié)果對后續(xù)的持續(xù)熱度具有預(yù)示價值。還有，主題19#（Garfield 學(xué)術(shù)回顧）的突發(fā)探測也極具典型性，作為情報學(xué)與科學(xué)計量學(xué)奠基人、引文分析創(chuàng)始人，E.Garfield 于 2017 年逝世，期刊Scientometrics在 2018年出版紀(jì)念?？?，Bornmann、Leydesdorff、McCain、Bar-Ilan、Rousseau、Thelwall、White 等本領(lǐng)域知名權(quán)威學(xué)者紛紛發(fā)表專門論文。探測算法能夠及時發(fā)現(xiàn)此類獨特新興主題，也反映出社交網(wǎng)絡(luò)對于這類高流行潛質(zhì)新興主題的較強感知能力。

在最近的2019 年，識別出7 個具有潛力的新興主題。主題13#（以納米領(lǐng)域為代表的合作網(wǎng)絡(luò)）、26#（不同類型計量學(xué)比較）、29#（期刊影響因子探討）聚集于本領(lǐng)域重要研究方法工具及核心議題。雖然，上述主題基本屬于情報學(xué)領(lǐng)域的傳統(tǒng)主題，但隨著學(xué)科發(fā)展，傳統(tǒng)議題也存在新問題、新技術(shù)、新視角，持續(xù)跟蹤與深入探索這些重要內(nèi)容的新發(fā)展亦十分重要。相比而言，主題12#（替代計量學(xué)）、5#（學(xué)術(shù)不端行為）、4#（性別與學(xué)術(shù)產(chǎn)出）、35#（在線網(wǎng)絡(luò)隱私）更加體現(xiàn)了短期新興趨勢，除替代計量學(xué)為近年普遍關(guān)注的新興熱點之外，其他主題相對獨特或比較小眾?！皩W(xué)術(shù)不端行為”與“在線網(wǎng)絡(luò)隱私”顯然是近兩年剛開始被學(xué)界重視并嘗試系統(tǒng)探討的內(nèi)容，是情報學(xué)對于當(dāng)前社會現(xiàn)實熱點問題的學(xué)科回應(yīng)，雖然并非本學(xué)科研究的主流范式與核心議題，但議題新穎且意義重要，反映了本學(xué)科未來發(fā)展的新興增長點，具有很大發(fā)展?jié)摿εc學(xué)術(shù)探討空間。另外，“性別與學(xué)術(shù)產(chǎn)出”是視角獨特的研究內(nèi)容，反映了學(xué)界對于學(xué)術(shù)績效機制不斷深化的認(rèn)知。不論是剛剛涌現(xiàn)的高學(xué)術(shù)價值新興主題，還是常規(guī)主題的新興動態(tài)，都預(yù)示了學(xué)科發(fā)展的重要方向，基本說明了本文提出方法對于新興主題識別的有效性。

5.3.3 基于不同指標(biāo)的識別方法對比

為了進一步探討本文方法的識別能力及優(yōu)劣勢，表3 給出了基于不同指標(biāo)的探測方法效果比較，包括本文基于媒介相對差距rgap 的方法、基于引文指標(biāo)TLC 的方法、基于社交媒介關(guān)注強度E 的方法。引文指標(biāo)TLC 由公式（2）給定，反映了該主題內(nèi)容受到學(xué)者引用的程度。社交媒介關(guān)注強度E 采用段慶鋒等[28]提出的指標(biāo)定義，即主題關(guān)注熱度TLA 與相關(guān)文獻(xiàn)數(shù)量的比值，反映了主題受到社交媒體關(guān)注的相對程度。類似地，將指標(biāo)TLC 和E分別代入本文構(gòu)建的識別框架及流程，獲得不同指標(biāo)的探測結(jié)果。3 種方法都采用相同的指標(biāo)處理（由公式（4）定義）、突發(fā)性探測算法及相關(guān)參數(shù)設(shè)定，以實現(xiàn)不同指標(biāo)結(jié)果的可比性?；谥笜?biāo)TLC 和E 的方法2 和方法3 采用了單媒介（分別為文獻(xiàn)媒介與社交媒介）的探測思路，而方法1 采用跨媒介（文獻(xiàn)媒介和社交媒介）活躍性比較的探測思路，它們的結(jié)果比較有助于揭示本文所提探測方法的可行性及相對優(yōu)勢。

表3 基于不同指標(biāo)的識別方法結(jié)果比較

從召回能力（包括burst（突發(fā)）次數(shù)和burst 主題數(shù)）和敏感度（包括burst 強度均值和burst 時間均值）兩個方面，比較不同方法識別結(jié)果的差異。①召回能力。burst 次數(shù)和burst 主題數(shù)指標(biāo)反映了盡可能多地對突發(fā)性新興事件加以標(biāo)記的識別能力，數(shù)值越大，意味著遺漏潛在識別目標(biāo)的可能性越低。相同識別框架下，方法1 給出了最多的burst次數(shù)和burst 主題數(shù)，召回識別能力表現(xiàn)最佳。②敏感度。從強度和時間兩個維度體現(xiàn)識別敏感性。burst 強度均值為所有burst 強度的平均值，burst 強度越大，說明識別方法對主題波動的反應(yīng)越強烈，體現(xiàn)了對潛在新興事件的敏感性。burst 時間均值為所有burst 發(fā)生時間的平均值，這里時間取值采用序數(shù)，以2013 年為第0 年，依次賦值，直到2019 年為第6 年。指標(biāo)burst時間均值從時間維度反映了識別敏感度，取值越小，意味著越能夠及時發(fā)現(xiàn)潛在目標(biāo)。新興主題的即時性對于科技戰(zhàn)略決策具有重要價值，不但要求對主題內(nèi)容的敏感性，更強調(diào)時間上的及時性。通過表3 可以看出，方法1 具有最大的burst 強度均值（34.45）和最小的burst 時間均值（3.19），在上述兩個維度表現(xiàn)俱佳?？傊?，不論是召回能力還是敏感度，方法1 都優(yōu)于其他兩種對比方法。

下文從主題個體微觀層面，進一步展開方法對比分析。圖6 和圖7 分別展示了采用方法2 和方法3獲得的主題突發(fā)特征演化時序圖，分別將其與圖5所示方法1 進行比對，可以更加直觀細(xì)致地觀察不同方法的差異，具體如表4 所示。

本文方法1 的識別效果優(yōu)于方法2。①召回能力方面。方法1 比方法2 多識別出1 倍數(shù)量主題，包括3#、4#、5#等共16 個主題，而僅少識別出主題0#。基于引文指標(biāo)的方法2 雖然探測到了以12#（替代計量學(xué)）、19#（Garfield 學(xué)術(shù)回顧）、20#（機器學(xué)習(xí)）等為代表的新興議題，但是顯然召回率不高，而且漏掉了5#（學(xué)術(shù)不端行為）、4#（性別與學(xué)術(shù)產(chǎn)出）、35#（在線網(wǎng)絡(luò)隱私）等獨特新興議題。通過比較可以發(fā)現(xiàn)，本文方法1 的目標(biāo)主題召回能力顯然高于方法2，媒介比較指標(biāo)rgap 充分利用了社交媒介的信息活躍優(yōu)勢，對新興主題具有強敏感性。②及時性方面。表4 給出了主題突發(fā)事件被探測發(fā)現(xiàn)的時間比較。方法1 及時地發(fā)現(xiàn)了5 個主題突發(fā)事件，包括2#、8#、18#、28#、30#，比方法2 給出的時間分別提前了3、2、3、1、1 年。方法1 只有主題9#的發(fā)現(xiàn)時間晚于方法2。整體上，方法1 的探測及時性比方法2 表現(xiàn)更好。

表4 主題突發(fā)事件發(fā)現(xiàn)年份對比

本文方法1 與方法3 的探測結(jié)果幾乎相同，召回能力相當(dāng)，但方法1 仍略呈現(xiàn)時間優(yōu)勢。通過圖5 和圖7 的對比以及表4 內(nèi)容分析，兩種方法探測出幾乎相同數(shù)量的主題突發(fā)事件，而除了主題19#之外，都給出了幾乎相同的突發(fā)事件發(fā)生時間。方法1 和方法3 探測結(jié)果的高度相似在一定程度上與指標(biāo)定義方式有關(guān)，指標(biāo)rgap 與E 都為相對指標(biāo)，反映了信號的相對波動性，而指標(biāo)TLC 是絕對指標(biāo)，反映了信號的絕對波動性。如上文所述，主題19#（Garfield 學(xué)術(shù)回顧）并非學(xué)科常規(guī)議題，2018 年就已涌現(xiàn)多篇相關(guān)文獻(xiàn)，方法3 雖然探測到了2019 年該主題爆發(fā)的強烈信號，但并未及時發(fā)現(xiàn)更早的2018 年波動信號，而方法1 顯然更加敏感地捕捉到了早期新興信號，有助于更好地在新興主題生命周期早期階段給出啟示。

總之，上述比較分析說明跨媒介比較指標(biāo)表現(xiàn)出良好的識別效果。具體地，媒介比較指標(biāo)比引文指標(biāo)的召回能力與及時性明顯占優(yōu)，與社交媒介指標(biāo)相比召回能力相當(dāng)，及時性方面表現(xiàn)略好。本文構(gòu)建的媒介比較指標(biāo)rgap 在利用社交媒介傳播優(yōu)勢基礎(chǔ)上，綜合考慮不同媒介信號的波動時間差，以期進一步提高探測方法對新興信號的及時敏感度。對比試驗也較好地支撐了通過媒介比較探測新興主題的分析思路，基本證明了指標(biāo)構(gòu)建的合理性與識別方法的可行性。

5.3.4 不同類型altmetrics指標(biāo)的適用性

學(xué)術(shù)社交媒介類型多樣，且對于學(xué)科動態(tài)響應(yīng)可能存在較大差異性。上述實證分析使用了altmetrics 總指標(biāo)（公式(1)），有必要進一步考察不同類型altmetrics 指標(biāo)的方法適用性。綜合考慮數(shù)據(jù)可得性與覆蓋率，選取適合于學(xué)科新興主題識別場景的3 個典型指標(biāo)：推特（tweets）、博客（posts）、閱讀（readers）。推特是世界范圍重要的短文本社交網(wǎng)絡(luò)，傳播流行能力強，具有反饋迅速的優(yōu)勢，通過推特中學(xué)科主題的提及（mention）數(shù)量，有助于捕捉學(xué)科新興動態(tài)；altmetric 平臺實時抓取全球15000多博客內(nèi)容，長文本內(nèi)容更有利于全面展示學(xué)術(shù)細(xì)節(jié)與上下文，通過博客對學(xué)科主題的提及情況，可以刻畫網(wǎng)絡(luò)對學(xué)科動態(tài)的深度關(guān)注；聚焦學(xué)科主題的讀者及閱讀數(shù)量更大程度上反映了用戶的學(xué)術(shù)興趣，高閱讀數(shù)量可能意味著以較大概率形成后續(xù)文獻(xiàn)引證[36]。

將上述3 個指標(biāo)分別代入識別算法，開展主題識別分析，結(jié)果如圖8～圖10 所示。通過比較可以發(fā)現(xiàn)，基于推特（圖8）和博客（圖9）指標(biāo)的實例結(jié)果更為相近，而且從識別數(shù)量與突發(fā)演化時間上看都與基于總指標(biāo)的分析結(jié)果（圖5）十分相似。可以看出，上述兩種指標(biāo)（推特和博客）具有很強的探測識別能力，比采用總指標(biāo)實例得到的突發(fā)性主題略多，而且能夠更早地探測出部分主題的新興狀態(tài)，如主題10#、17#、26#。閱讀指標(biāo)與其他類型指標(biāo)相比表現(xiàn)獨特，基于閱讀指標(biāo)的識別結(jié)果（圖10）與其他實例差異較大，探測出的主題突發(fā)狀態(tài)數(shù)量只是其他實例的約2/3，尤其在最近的2019 年只探測出2 個突發(fā)性主題，識別出的主題新興演化過程也差別較大。閱讀指標(biāo)分析的相對低效率很大程度上應(yīng)與數(shù)據(jù)來源有關(guān)，記錄閱讀數(shù)量或者標(biāo)記讀者數(shù)量的網(wǎng)站平臺基本以學(xué)術(shù)社交為專門服務(wù)目的，如Menedely、CiteULike 等，用戶相對小眾而專業(yè)化，其用戶數(shù)與流行能力都無法與面向大眾的通用型社交平臺相比，數(shù)據(jù)覆蓋率的不足很大程度上制約了其對新興動態(tài)的分析能力。

總之，通過不同類型altmetrics 指標(biāo)的比較分析，驗證了該識別方法具有良好的指標(biāo)擴展能力與適用性。除了閱讀指標(biāo)分析能力稍弱，其他指標(biāo)（包括總指標(biāo)、推特、博客）都獲得了基本穩(wěn)定一致的識別結(jié)果。本文的研究說明，推特與博客數(shù)據(jù)更加適合于動態(tài)性強的新興主題識別場景，高覆蓋率與高流行度顯著的altmetrics 指標(biāo)類型更有利于識別方法獲得表現(xiàn)突出的探測結(jié)果。

6 結(jié) 論

及時發(fā)現(xiàn)高價值潛力的學(xué)科新興主題是科技情報領(lǐng)域的重要議題。altmetrics 雖然已成為情報學(xué)領(lǐng)域熱點，但在學(xué)科前沿趨勢探測應(yīng)用方面相對研究深度不足。本文充分發(fā)揮社交網(wǎng)絡(luò)對流行主題的及時敏感反饋優(yōu)勢，提出媒介比較視角的學(xué)科新興主題識別方法，融合altmetrics 和引文數(shù)據(jù)，設(shè)計聚焦于媒介相對落差rgap 的學(xué)科新興主題探測算法，并通過實證分析檢驗方法的有效性與適用性。

本文提出的識別方法基于兩種不同媒介：社交網(wǎng)絡(luò)媒介與學(xué)術(shù)出版媒介。按照生命周期理論，相對高增長是識別主題新興狀態(tài)的重要特征，但在不同媒介的表現(xiàn)呈現(xiàn)差異化。由此，通過altmetrics 指標(biāo)與引文的差距刻畫主題的媒介比較，并采用突發(fā)檢測算法探測媒介落差的突發(fā)性涌現(xiàn)，以揭示學(xué)科新興主題的新興狀態(tài)。該方法融合多源數(shù)據(jù)，將altmetrics 指標(biāo)和文獻(xiàn)計量指標(biāo)相結(jié)合，能夠利用引文指標(biāo)的滯后性，并充分發(fā)揮社交網(wǎng)絡(luò)的流行敏感性優(yōu)勢；該方法融合多元語義，altmetrics 指標(biāo)是不同社交事件的加總刻畫，其豐富語義源于社交網(wǎng)絡(luò)“群體智能”機制，有助于提升學(xué)科新興主題的決策支持能力；該方法是動態(tài)分析，可橫縱比較的主題層面相對指標(biāo)的構(gòu)建與修正，能夠為時序比較提供基準(zhǔn)，而突發(fā)性檢測算法的選用，能夠從時序角度細(xì)粒度地揭示主題的新興演化全局過程。

本文構(gòu)建了面向主題的altmetrics 指標(biāo)，為刻畫主題屬性提供了定量化基礎(chǔ)。該指標(biāo)利用主題模型LDA，依據(jù)文檔-主題概率分布，將針對單篇論文的altmetrics 指標(biāo)映射至相應(yīng)主題層面，構(gòu)成聚焦于主題的學(xué)術(shù)社交事件計量指標(biāo)，拓展了altmetrics 指標(biāo)的應(yīng)用范疇。

實證研究檢驗了本文方法的有效性。實證說明本文方法具有及時發(fā)現(xiàn)短期涌現(xiàn)新興學(xué)科主題的探測能力，以及對于高價值潛力新穎主題的良好敏感性。值得注意的是，比較分析說明基于媒介比較指標(biāo)的識別方法表現(xiàn)良好，比如，媒介比較指標(biāo)比引文指標(biāo)的召回能力與及時性明顯占優(yōu)，與社交媒介指標(biāo)相比召回能力相當(dāng)，及時性方面表現(xiàn)略好。對比試驗也較好地支撐了通過媒介比較探測新興主題的合理性。另外，不同類型altmetrics 指標(biāo)的適用性也得到了驗證，除閱讀指標(biāo)外，采用總指標(biāo)、推特指標(biāo)、博客指標(biāo)的實例都得到良好且基本穩(wěn)定的結(jié)果，說明選擇高覆蓋度與高流行度的altmetrics 指標(biāo)（如推特、博客）更有利于發(fā)揮并體現(xiàn)社交媒介數(shù)據(jù)對于新興主題的分析優(yōu)勢。

本文的實證研究建立在altmetric 網(wǎng)站數(shù)據(jù)基礎(chǔ)之上，后續(xù)研究有待于進一步擴展數(shù)據(jù)來源與類型，檢驗識別方法的數(shù)據(jù)擴展性。雖然altmetric 網(wǎng)站數(shù)據(jù)具有代表性且應(yīng)用廣泛，但相對于成熟、規(guī)范、高覆蓋率的文獻(xiàn)計量數(shù)據(jù)庫，altmetrics 數(shù)據(jù)平臺還處于快速發(fā)展階段，不同平臺的數(shù)據(jù)來源、分布、采集途徑差異較大，而且指標(biāo)類型多樣，甚至有的依賴于特定平臺，平臺數(shù)據(jù)內(nèi)涵與外延的差異化給研究帶來局限。另外，本文只利用了指標(biāo)型數(shù)據(jù)，而學(xué)術(shù)社交網(wǎng)絡(luò)包含了大量語義豐富的文本信息，蘊含了更加細(xì)膩的用戶學(xué)術(shù)觀點及態(tài)度偏好等，這些非結(jié)構(gòu)化數(shù)據(jù)的深度挖掘與融合分析是有待深入開展的重要研究方向。