施引側(cè)文獻(xiàn)計(jì)量指標(biāo)的設(shè)置、優(yōu)勢與應(yīng)用研究

FRANCIS Narin　欒春娟　胡志剛

關(guān)鍵詞：文獻(xiàn)計(jì)量指標(biāo)；施引側(cè)；被引側(cè)；引文分析；實(shí)用性；及時(shí)性

中圖分類號：G306；N18 文獻(xiàn)標(biāo)識碼：A DOI：10.3969/j.issn.1003-8256.2023.06.007

0 引言

探索施引側(cè)文獻(xiàn)計(jì)量指標(biāo)的設(shè)置、優(yōu)勢與應(yīng)用，有助于推動文獻(xiàn)計(jì)量學(xué)學(xué)科與時(shí)俱進(jìn)發(fā)展，使其更好地為政策制定和科學(xué)評價(jià)服務(wù)。施引側(cè)文獻(xiàn)計(jì)量指標(biāo)是否更具有優(yōu)勢和應(yīng)用價(jià)值？傳統(tǒng)的文獻(xiàn)計(jì)量指標(biāo)基本上都是從被引側(cè)（cited side）設(shè)置和應(yīng)用的，這根源于其產(chǎn)生的歷史，受制于當(dāng)時(shí)的科學(xué)技術(shù)發(fā)展水平。隨著科學(xué)技術(shù)突飛猛進(jìn)的發(fā)展，尤其是計(jì)算能力的大大提升，我們提出文獻(xiàn)計(jì)量指標(biāo)的設(shè)置和應(yīng)用應(yīng)該由被引側(cè)轉(zhuǎn)向施引側(cè)（citing side）?；诋?dāng)前年份、施引側(cè)的文獻(xiàn)計(jì)量指標(biāo)，不僅能夠給我們帶來更多的科學(xué)洞見，同時(shí)對政府考核與評價(jià)目標(biāo)的實(shí)現(xiàn)、科學(xué)共同體的學(xué)術(shù)研究與學(xué)術(shù)評價(jià)，也具有更重要的理論意義和實(shí)踐意義。

施引側(cè)文獻(xiàn)計(jì)量指標(biāo)強(qiáng)調(diào)當(dāng)前年份，這樣做時(shí)效性更強(qiáng)，與政策問題更相關(guān)。當(dāng)前幾乎所有的文獻(xiàn)計(jì)量研究都是從被引的角度來做分析的。比如，分析師通常會問這樣的問題：2015年發(fā)表的、被引用次數(shù)最多的化學(xué)論文是哪篇？然而，我們認(rèn)為，無論就政策方面還是應(yīng)用方面，一個(gè)更相關(guān)的問題，都應(yīng)該從當(dāng)前年份的、施引側(cè)的角度提出。比如，2021年發(fā)表的論文施引最多的化學(xué)論文是哪篇？類似的，2021年發(fā)表的論文施引最多的作者是哪位？2021年發(fā)表的論文施引文獻(xiàn)的高頻關(guān)鍵詞有哪些？等等。不難發(fā)現(xiàn)，施引側(cè)的文獻(xiàn)計(jì)量指標(biāo)，更有利于科學(xué)評價(jià)和對研究前沿的追蹤。

1 國內(nèi)外研究進(jìn)展述評

1.1 關(guān)于被引側(cè)文獻(xiàn)計(jì)量指標(biāo)的研究

被引側(cè)文獻(xiàn)計(jì)量指標(biāo)的相關(guān)研究成果，主要集中于對以下知識單元的分析：被引文獻(xiàn)（cited references）、被引期刊（cited journal）、被引作者（cited author）、被引機(jī)構(gòu)（cited organization）和被引國家（cited country）等?？茖W(xué)文獻(xiàn)發(fā)表之后，大部分文獻(xiàn)不會得到學(xué)者的引證，只有少數(shù)會被引證，高被引文獻(xiàn)更是鳳毛麟角。在科學(xué)出版物日益增長而科學(xué)家的時(shí)間和精力非常有限的情況下，高被引文獻(xiàn)常常被視為一個(gè)學(xué)科或研究領(lǐng)域的經(jīng)典文獻(xiàn)，進(jìn)而被研究人員更多地閱讀甚至引用［1- 2］。揭示科學(xué)文獻(xiàn)在學(xué)術(shù)期刊集中與離散分布的布拉德福定律（Law of Bradford），早在20世紀(jì)30年代初就已經(jīng)被科學(xué)家確認(rèn)了。該定律將刊載某學(xué)科專業(yè)論文的期刊劃分為核心區(qū)、相關(guān)區(qū)和非相關(guān)區(qū)，各個(gè)區(qū)的文章數(shù)量幾乎相等，此時(shí)核心區(qū)、相關(guān)區(qū)、非相關(guān)區(qū)期刊數(shù)量的比例為1∶n∶n²（n>1）的關(guān)系［3］。學(xué)科專業(yè)論文在學(xué)術(shù)期刊集中-分散分布的規(guī)律，揭示了少量的核心期刊刊載了大量學(xué)科專業(yè)論文的規(guī)律。期刊共被引分析（co-citedjournal analysis，CJA）方法被廣泛應(yīng)用于某一研究領(lǐng)域的核心期刊識別［4- 5］；高被引期刊往往被視為一個(gè)學(xué)科或研究領(lǐng)域的核心期刊。核心期刊的甄別，為科研人員和圖書資料建設(shè)單位節(jié)約時(shí)間、節(jié)省經(jīng)費(fèi)、提高文獻(xiàn)信息服務(wù)質(zhì)量提供了重要的科學(xué)決策支撐。

隨著科學(xué)的發(fā)展，對科學(xué)家評價(jià)的方法與指標(biāo)也在不斷演進(jìn)。早期時(shí)候，科學(xué)家發(fā)表論文的數(shù)量指標(biāo)常常被用來評價(jià)科學(xué)家影響力的大?。?］。但后來，人們逐漸認(rèn)識到，與科學(xué)家發(fā)表論文的數(shù)量指標(biāo)相比較，科學(xué)家被引用的頻次更能夠反映其影響力的大?。?］。于是，對被引作者的檢索和分析開始流行起來，高被引作者常常被視為一個(gè)學(xué)科或研究領(lǐng)域的核心人物［8］。類似地，學(xué)者們也常常采用機(jī)構(gòu)共被引分析方法與國家共被引分析方法，來識別具有較高影響力的高被引機(jī)構(gòu)與高被引國家［6］；也有一些科學(xué)評價(jià)機(jī)構(gòu)直接通過被引側(cè)的被引頻次等檢索結(jié)果，來判別具有較高學(xué)術(shù)影響力的機(jī)構(gòu)或國家［9］。

1.2 關(guān)于施引側(cè)文獻(xiàn)計(jì)量指標(biāo)的研究

施引側(cè)文獻(xiàn)計(jì)量指標(biāo)的研究成果，主要集中于探索研究前沿?zé)狳c(diǎn)主題、高產(chǎn)機(jī)構(gòu)、高產(chǎn)作者、科學(xué)合作等方面，而這些方面的研究又往往基于施引側(cè)文獻(xiàn)中知識單元的共現(xiàn)分析方法。一個(gè)學(xué)科或研究領(lǐng)域的前沿?zé)狳c(diǎn)主題，總是受到研究人員的關(guān)注和追蹤［10-12］。學(xué)者們常常基于CiteSpace、VOSviewer 等可視化分析軟件［13-14］，采用關(guān)鍵詞共現(xiàn)分析［15-16］、專業(yè)術(shù)語的突變分析［11］、主題詞詞頻變動趨勢檢測［17］等方法，進(jìn)行研究前沿或研究熱點(diǎn)主題的探測分析。高產(chǎn)機(jī)構(gòu)常常被認(rèn)為擁有雄厚的研究實(shí)力，并且科研成果產(chǎn)出豐碩；高產(chǎn)機(jī)構(gòu)可以在當(dāng)前幾乎所有數(shù)據(jù)庫中檢索得到［18-19］。高產(chǎn)作者是一段時(shí)期內(nèi)或者長期發(fā)表活躍的作者；在當(dāng)前幾乎所有數(shù)據(jù)庫中，都可以依據(jù)作者排序篩選出高產(chǎn)作者［20-21］。科學(xué)合作逐漸成為科學(xué)研究的主流趨勢。有學(xué)者專門對諾貝爾獎獲得者進(jìn)行過分析，發(fā)現(xiàn)有三分之二的獲獎?wù)呤桥c其他科學(xué)家合作完成的獲獎成果［22］。施引側(cè)的文獻(xiàn)耦合分析方法，針對施引文獻(xiàn)中的作者、機(jī)構(gòu)、國家等不同知識單元，可以進(jìn)行作者合作［23］、機(jī)構(gòu)合作［24］和國家合作［25］的分析研究。

1.3 研究評述

當(dāng)前包括Web of Science在內(nèi)的幾乎所有數(shù)據(jù)庫都是從被引側(cè)設(shè)置的文獻(xiàn)計(jì)量指標(biāo)。學(xué)者們的研究也多數(shù)是基于被引側(cè)進(jìn)行的。雖然也有施引側(cè)的研究成果［26-28］，但我們尚未發(fā)現(xiàn)正式提出文獻(xiàn)計(jì)量由被引側(cè)轉(zhuǎn)向施引側(cè)的學(xué)術(shù)觀點(diǎn)。本研究提出，在當(dāng)前的科學(xué)技術(shù)發(fā)展高度上，是時(shí)候?qū)⑽墨I(xiàn)計(jì)量指標(biāo)由被引側(cè)轉(zhuǎn)向施引側(cè)了；并論證施引側(cè)文獻(xiàn)計(jì)量指標(biāo)設(shè)置的可行性、優(yōu)勢與應(yīng)用。采用施引側(cè)的文獻(xiàn)計(jì)量指標(biāo)更實(shí)用、更及時(shí)，將更有利于實(shí)現(xiàn)其政策制定和科研評價(jià)的宗旨，發(fā)揮其優(yōu)勢，推動科學(xué)技術(shù)的進(jìn)步和發(fā)展，為相關(guān)決策者提供支撐。

2 被引側(cè)文獻(xiàn)計(jì)量指標(biāo)的起源、目的與歷史環(huán)境

2.1 被引側(cè)指標(biāo)的起源

從歷史上看，尤金·加菲爾德（Eugene Garfield）在開發(fā)科學(xué)引文搜索工具時(shí)，是以法律搜索工具謝潑德引文（Shepard's Citations）為模型的。謝潑德引文是一套自1873年在美國出版的、美國最高法院和各州高級法院的案例索引，早期為印刷的法律案例匯編版本［29-30］。該套索引方便查找相關(guān)案例中援引（引用的意思）的案件、法庭判決與法律條款，并追蹤這些援引是否被另一個(gè)法院準(zhǔn)許、辨別、推翻或另作解釋。謝潑德引文是被引側(cè)導(dǎo)向的（a cited side orientation），即以早期被引用的案例為起點(diǎn)。謝潑德引文產(chǎn)生的原因，是因?yàn)槊绹菍?shí)行判例法的國家，“遵循先例”是法官審判案件的基本原則。具體地說，法官審判案件的時(shí)候，需要查看之前美國最高法院和各州高級法院的案例，本著“相同情況相同處理，類似情況類似處理”的原則，即遵循先例的原則，對本案件進(jìn)行審理和判決。判例法制度保證了判決的一致性，具有其自身的特點(diǎn)和長處。類似的，起初印刷版本的科學(xué)引文索引（Science Citation Index，SCI），列出了所有施引某個(gè)特定被引論文的論文［31］，從而能夠讓我們基于某個(gè)特定的被引論文追蹤科學(xué)大廈的興起與發(fā)展軌跡。

2.2 被引側(cè)指標(biāo)的目的

需要指出的是，文獻(xiàn)計(jì)量學(xué)指標(biāo)包括引文分析指標(biāo)，最初是為政策目的而提出的。第一套重要的指標(biāo)出現(xiàn)在1972 年提交給美國總統(tǒng)的《科學(xué)指標(biāo)》（Science Indicators 1972）報(bào)告中：“這項(xiàng)工作的最終目標(biāo)是建立一套指標(biāo)，這些指標(biāo)將根據(jù)企業(yè)為國家目標(biāo)做出貢獻(xiàn)的能力和表現(xiàn)，揭示美國科學(xué)和技術(shù)的優(yōu)勢和劣勢”［32-33］。由此可見，提出文獻(xiàn)計(jì)量指標(biāo)的目的，是為了查清對國家發(fā)展目標(biāo)來說科學(xué)的貢獻(xiàn)有多大。文獻(xiàn)計(jì)量指標(biāo)是具有實(shí)踐意義的，因此，任何使之更容易實(shí)現(xiàn)其目的的公式或算法改進(jìn)等，肯定是受歡迎的。

2.3 被引側(cè)指標(biāo)產(chǎn)生的歷史條件與發(fā)展

傳統(tǒng)的文獻(xiàn)計(jì)量指標(biāo)大多數(shù)之所以基于被引側(cè)的視角，這既源于它們的歷史起源，也歸因于20世紀(jì)60—70年代科學(xué)技術(shù)的發(fā)展水平，尤其是當(dāng)時(shí)計(jì)算能力的限制，當(dāng)時(shí)正式的文獻(xiàn)計(jì)量學(xué)剛剛出現(xiàn)，尚處于萌芽階段。

在計(jì)算方面，謝潑德引文的開發(fā)早在計(jì)算機(jī)發(fā)明之前，而最初的SCI是在1955年提出的［34］，早在計(jì)算機(jī)被廣泛使用或非常強(qiáng)大之前。事實(shí)上，1972 年由CHI研究公司（Computer Horizons，Inc.）為《科學(xué)指標(biāo)》開發(fā)的第一套文獻(xiàn)計(jì)量指標(biāo)，并不是基于對單個(gè)論文的精確引用匹配，而是基于對期刊間引用的分析，從SCI中提取期刊引用索引。直到后來的《科學(xué)指標(biāo)》報(bào)告，CHI才有可能通過計(jì)算來處理現(xiàn)在已被計(jì)算機(jī)化的SCI磁帶，并根據(jù)論文引用的精確匹配和被引用作者所在國家和機(jī)構(gòu)的精確識別，開發(fā)出國家績效統(tǒng)計(jì)數(shù)據(jù)。所有后來的《科學(xué)指標(biāo)》報(bào)告（現(xiàn)在稱為《科學(xué)與工程指標(biāo)》）中使用的文獻(xiàn)計(jì)量指標(biāo)直到今天仍然很大程度上基于被引年份（cited year）。

3 施引側(cè)文獻(xiàn)計(jì)量指標(biāo)的設(shè)置、優(yōu)勢與應(yīng)用

3.1 施引側(cè)指標(biāo)設(shè)置的可行性及優(yōu)勢

基于當(dāng)前年份的、施引側(cè)的文獻(xiàn)計(jì)量指標(biāo)有兩個(gè)重要屬性：穩(wěn)定性（stability）和及時(shí)性（timeliness）。轉(zhuǎn)換為施引側(cè)指標(biāo)后，相關(guān)數(shù)據(jù)庫，比如Scopus 和Web ofScience這樣的主要數(shù)據(jù)庫，將在它們的算法中添加施引年搜索（citing year search）。添加之后，他們將最近年份，比如2021年，發(fā)表的論文添加到數(shù)據(jù)庫中。然后根據(jù)2021年發(fā)表論文的引證數(shù)據(jù)，就可以確定2021年發(fā)表的論文引用最多的是哪些國家/地區(qū)、哪些機(jī)構(gòu)、哪些作者、哪些論文、哪些學(xué)科、哪些主題詞，等等。即添加了施引年搜索后，就能夠檢索出施引側(cè)相關(guān)的排序結(jié)果；這些施引側(cè)的檢索結(jié)果是最終的、確定的結(jié)果?；玖鞒倘鐖D1所示。

圖1中，選擇檢索字段“施引年”，可以在檢索框中輸入最近的年份，比如2021年，而后得到檢索結(jié)果。檢索結(jié)果可以有多種排序方式：國家/地區(qū)、機(jī)構(gòu)、作者、文獻(xiàn)、學(xué)科、主題詞等等。檢索結(jié)果可以進(jìn)一步精煉，比如，如果想了解物理學(xué)科的情況，就可以將其精煉，進(jìn)一步了解2021 年物理學(xué)科施引論文主要來自于哪些國家、機(jī)構(gòu)等。

3.2 施引側(cè)指標(biāo)的應(yīng)用場景與先例

轉(zhuǎn)換為施引側(cè)的、施引年搜索，能帶來一系列積極的效果。比如，2021年人工智能領(lǐng)域施引的全部文獻(xiàn)的國家排序、機(jī)構(gòu)排序、作者排序、文獻(xiàn)排序等；或者表現(xiàn)突出的前百分之十的國家和機(jī)構(gòu)等。這些結(jié)果都是最新的、并且只需要為每個(gè)施引年計(jì)算一次的結(jié)果。它們的時(shí)效性將使它們對政策目的更有用，因?yàn)樗鼈冊谛问缴蠈㈩愃朴诖蠖鄶?shù)決策者和政治家所熟悉的普通經(jīng)濟(jì)指標(biāo)。

轉(zhuǎn)換到施引側(cè)的文獻(xiàn)計(jì)量指標(biāo)，將帶來許多新的洞見，而且具有較強(qiáng)時(shí)效性。比如，一個(gè)施引年（citingyear）的H指數(shù)——一位科學(xué)家H篇論文被任何施引年份發(fā)表的論文引用至少H次的數(shù)值。這樣計(jì)算的結(jié)果，將提供一個(gè)精確的時(shí)間序列，清楚地顯示該科學(xué)家對當(dāng)代科學(xué)影響的出現(xiàn)、上升、高峰和衰退。另一個(gè)新的指標(biāo)是“科學(xué)周期時(shí)間（science cycle time）”，即被任一施引年所引用論文的中位數(shù)年齡，用來衡量一個(gè)機(jī)構(gòu)或科學(xué)家論文的影響力的時(shí)效性。

施引側(cè)指標(biāo)是有應(yīng)用先例的，它們在CHI的專利引用活動研究中曾經(jīng)被采用，例如技術(shù)時(shí)間線圖譜（techlineprofile）［35］和技術(shù)周期時(shí)間（technology cycle time）。技術(shù)時(shí)間線圖譜是被CHI公司采用的、描述公司專利組合特征的當(dāng)前影響指數(shù)（current impact index），該指數(shù)是指一個(gè)公司最近五年的專利在本年度被引用的標(biāo)準(zhǔn)化比率。技術(shù)周期時(shí)間即被該公司當(dāng)前專利施引的專利年齡的中位數(shù)。如果是基于之前的3～5年被引側(cè)數(shù)據(jù)，CHI將很難向其企業(yè)客戶提供其競爭對手的資料。在CHI的財(cái)務(wù)模型中，這些當(dāng)前的、施引年份指標(biāo)的時(shí)效性更為重要，它們對股票績效的預(yù)測相當(dāng)成功，因?yàn)檫@些模型可以識別出股價(jià)似乎低于其技術(shù)價(jià)值的公司［36］。顯然，在預(yù)測股票市值時(shí)，時(shí)效性是至關(guān)重要的。

3.3 施引側(cè)指標(biāo)的應(yīng)用實(shí)例

為了更清晰地展示施引側(cè)指標(biāo)的應(yīng)用，我們選擇全新大型文獻(xiàn)索引系統(tǒng)OpenAlex，根據(jù)《自然》新聞報(bào)道，OpenAlex 是一個(gè)包含2 億余份科學(xué)文獻(xiàn)的索引平臺，該索引的目標(biāo)是建立一個(gè)文獻(xiàn)之間相互關(guān)聯(lián)的全球研究系統(tǒng)數(shù)據(jù)庫?；贠penAlex數(shù)據(jù)集，分別查詢發(fā)表于2013年、2015年、2017年、2019年和2021年五年的文獻(xiàn)計(jì)量學(xué)（bibliometrics）領(lǐng)域文獻(xiàn)并進(jìn)行施引側(cè)的引文分析，得到各年的施引文獻(xiàn)及被引文獻(xiàn)的情況如表1所示。以2021年為例，這一年共發(fā)表文獻(xiàn)計(jì)量學(xué)論文2 580篇，此為發(fā)文數(shù)量，也是施引文獻(xiàn)數(shù)量；它們累計(jì)施引了69 952篇文獻(xiàn)，去重后共54 920篇；這些被引文獻(xiàn)的平均發(fā)表年份為2012.41年；H 指數(shù)為32，即有32篇被引文獻(xiàn)、其中每一篇的被引次數(shù)都在32 次以上。從各年的比較來看，被引文獻(xiàn)與施引文獻(xiàn)的比值并不一致。例如，2013年施引文獻(xiàn)有1 332篇，而被引文獻(xiàn)有13 740篇，去重后僅10 207篇；去重前后被引文獻(xiàn)數(shù)量分別為施引文獻(xiàn)數(shù)量的10.3倍和7.7倍；而2021年這兩個(gè)比例分別為27.1 倍和21.3 倍。這說明2013—2021年，施引文獻(xiàn)在引用數(shù)量上有了大幅上升。

表2進(jìn)一步展現(xiàn)了各個(gè)施引年度的被引文獻(xiàn)分布的主要期刊、作者和學(xué)科情況。五個(gè)施引年份中，被引最多的期刊始終都是Scientometrics；排名第二的高被引期刊在2013、2015和2017年為Journal of the Associationfor Information Science and Technology，在2019年和2021年為Journal of Informetrics。除上面三本期刊之外，Science、Nature、Research Policy 和PLOS ONE 也經(jīng)常位列前五的高被引期刊之中。此外，在2021年還出現(xiàn)了新的高被引期刊Journal of Cleaner Production，表明清潔生產(chǎn)（cleaner production）相關(guān)主題研究在2021 年受到學(xué)者們廣泛關(guān)注。

從高被引作者來看，2013—2021 年的被引次數(shù)最高的作者依次是LoetLeydesdorff（2013）、WolfgangGl?nzel（2015）、Lutz Bornmann（2017）、Ludo Waltman（2019和2021），體現(xiàn)了文獻(xiàn)計(jì)量學(xué)領(lǐng)域高影響力學(xué)者的代際更替。其他高被引學(xué)者還包括Eugene Garfield（2013 年位列第三，2015 年位列第二，2017 年位列第四）、Henk F. Moed（2013 年位列第四，2015 年位列第三）、Nees Jan van Eck（2019 和2021 年均位列第二）、José M. Merigó（2019 年位列第四、2021 年第三）、ChenChaomei（2021年位列第四）等。

從高被引領(lǐng)域主題來看，基于OpenAlex 中的領(lǐng)域主題劃分，在選定的五個(gè)施引年份，引用最多的領(lǐng)域主題都是Computer science，不過其在各年的占比不盡相同。在2013年，有5 314篇被引文獻(xiàn)來自該主題，占總被引文獻(xiàn)數(shù)量的38.7%；而在2021年，來自該主題的被引文獻(xiàn)有18 643篇，占總數(shù)量的26.7%，下降了12個(gè)百分點(diǎn)。這表明了引用的主題集中度降低，而主題多樣化程度提高。Citation 是被引文獻(xiàn)中的另一個(gè)高頻主題，尤其在2017 年之前，Citation 主題的被引文獻(xiàn)量都高居第二，是熱門主題。但是在2021 年，Citation 主題的占比已經(jīng)跌出前五的行列，表明該主題的影響力在下降。Data science 在2013 年至今也一直位列熱門主題詞的前五之列，表明數(shù)據(jù)科學(xué)是文獻(xiàn)計(jì)量學(xué)的重要研究基礎(chǔ)。此外，前五的高頻主題中還有Medicine、Business、Psychology、Political science 等表示具體應(yīng)用領(lǐng)域的主題，并且其占比逐年上升，這表明文獻(xiàn)計(jì)量學(xué)正經(jīng)歷著從學(xué)科的自身建設(shè)轉(zhuǎn)向面向具體領(lǐng)域應(yīng)用研究的趨勢。

4 結(jié)論與討論

本研究中，在梳理文獻(xiàn)計(jì)量被引側(cè)指標(biāo)起源、目的、歷史條件和后續(xù)發(fā)展的基礎(chǔ)上，探討了文獻(xiàn)計(jì)量由被引側(cè)轉(zhuǎn)向施引側(cè)的歷史時(shí)機(jī)、施引側(cè)指標(biāo)在數(shù)據(jù)庫中設(shè)置的可行性、施引側(cè)指標(biāo)的優(yōu)勢，和施引側(cè)指標(biāo)的應(yīng)用場景、應(yīng)用先例與應(yīng)用實(shí)例。我們認(rèn)為，無論就政策方面還是應(yīng)用方面，文獻(xiàn)計(jì)量指標(biāo)都應(yīng)該從當(dāng)前年份的、施引側(cè)的角度設(shè)置和應(yīng)用。因此，建議文獻(xiàn)計(jì)量指標(biāo)由被引側(cè)轉(zhuǎn)換到施引側(cè)，這將大大提高文獻(xiàn)計(jì)量指標(biāo)的實(shí)用性、及時(shí)性和對用戶群體的影響。

隨著科學(xué)技術(shù)日新月異的發(fā)展，尤其是計(jì)算能力的空前提升，文獻(xiàn)計(jì)量指標(biāo)理應(yīng)與時(shí)俱進(jìn)。文獻(xiàn)計(jì)量指標(biāo)由被引側(cè)向施引側(cè)轉(zhuǎn)換，在理論層面具有合理性；在設(shè)置層面具有可行性；在實(shí)踐層面，具有更強(qiáng)的時(shí)效性和應(yīng)用性。概括之，與被引側(cè)文獻(xiàn)計(jì)量指標(biāo)相比較，施引側(cè)文獻(xiàn)計(jì)量指標(biāo)具有其優(yōu)勢和應(yīng)用價(jià)值。被引側(cè)的文獻(xiàn)計(jì)量指標(biāo)仍然有其生存和發(fā)展的空間，有其存在的必要性和價(jià)值性。應(yīng)該說，在某些方面、某些具體事項(xiàng)上，施引側(cè)的文獻(xiàn)計(jì)量指標(biāo)更具優(yōu)勢和應(yīng)用價(jià)值。