余波 趙蓉英

摘 要：[目的/意義]研究Altmetrics Top100論文指標(biāo)的主要特征及其與傳統(tǒng)文獻(xiàn)計(jì)量指標(biāo)的相關(guān)性，以及它們的演化情況;同時(shí)，結(jié)合Altmetrics指標(biāo)和傳統(tǒng)文獻(xiàn)計(jì)量指標(biāo)全面評(píng)價(jià)Altmetrics Top100論文的影響因素，對(duì)于發(fā)展和完善Altmetrics計(jì)量體系至關(guān)重要。[方法/過程]本研究以2016-2018年Altmetric Top100論文為樣本，對(duì)近3年的高Altmetrics指標(biāo)論文的來(lái)源期刊、學(xué)科分布進(jìn)行統(tǒng)計(jì)分析，并討論這些特征的動(dòng)態(tài)演化情況。采用描述性統(tǒng)計(jì)、相關(guān)性分析以及回歸分析等方法綜合探討Altmetric Top100論文的影響因素。[結(jié)果/結(jié)論]研究結(jié)果表明，高Altmetrics指標(biāo)論文主要來(lái)源于高影響因子期刊，其學(xué)科主要集中于醫(yī)療健康與生物科學(xué);News、Blog、Tweets、Facebook、Mendeley是高Altmetrics分?jǐn)?shù)論文的顯著影響因素，而WOS中的文獻(xiàn)使用指標(biāo)與Altmetrics的主要指標(biāo)呈顯著負(fù)相關(guān)。最后，分析這些高Altmetrics論文影響因素的原因并提出了建議。

關(guān)鍵詞：Altmetrics;特征分析;傳統(tǒng)指標(biāo);影響因素分析

DOI：10.3969/j.issn.1008-0821.2020.07.014

〔中圖分類號(hào)〕G250.252 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2020）07-0134-10

Analysis of Evolution Characteristics and Influencing

Factors of Altmetrics Top100 Papers

Yu Bo1，2，3 Zhao Rongying1，2，3

（1.Research Center for Chinese Science Evaluation，Wuhan University，Wuhan 430072，China;

2.Center for Studies of Information Resources，Wuhan University，Wuhan 430072，China;

3.School of Information Management，Wuhan University，Wuhan 430072，China）

Abstract：[Objective/Meaning]This paper studies the main characteristics of Altmetrics Top100 paper indicators and their correlation with traditional literature measurement indicators，and their evolution;At the same time，the comprehensive evaluation of the influencing factors of the Altmetrics Top100 paper in combination with Altmetrics indicators and traditional bibliometric indicators is essential for the development and improvement of the Altmetrics measurement system.[Method/Process]This study used the 2016-2018 Altmetric Top100 paper as a sample to analyze the source journals and subject distribution of the high Altmetrics index papers for the past 3 years;and discussed the dynamic evolution of these features.Descriptive statistics，correlation analysis and regression analysis were used to explore the influencing factors of the Altmetric Top100 paper.[Results/Conclusions]The results of the study indicated that the high Altmetrics index papers were mainly from high impact factor journals.The subjects were mainly focused on medical health and biological sciences;news，blogs，tweets，facebook，and mendeley were significant factors in the high Altmetrics score papers，while the literature usage indicators in WOS were significantly negatively correlated with the main indicators of Altmetrics.Finally，this paper analyzed the reasons for the influencing factors of these high Altmetrics papers and made recommendations.

Key words：Altmetrics;characteristics analysis;traditional indicators;influencing factors

近年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，在Web2.0技術(shù)環(huán)境.，社交網(wǎng)絡(luò)平臺(tái)得到了廣泛的應(yīng)用，在這種環(huán)境.信息共享和傳播的能力普遍提升，一種新的計(jì)量指標(biāo)Altmetrics應(yīng)運(yùn)而生[1]。Altmetrics是一種基于Web2.0環(huán)境.的科學(xué)計(jì)量學(xué)，利用互聯(lián)網(wǎng)大數(shù)據(jù)計(jì)量論文的影響力。Altmetrics通過在線社交網(wǎng)絡(luò)平臺(tái)對(duì)學(xué)術(shù)論文的提及、分享、收藏等行為來(lái)體現(xiàn)學(xué)術(shù)論文的社會(huì)影響力和學(xué)術(shù)影響力。Priem等介紹了Altmetrics基于在線工具和環(huán)境來(lái)研究學(xué)術(shù)影響力[2]。從文獻(xiàn)計(jì)量學(xué)到Altmetrics的發(fā)展中，Altmetrics指標(biāo)得到了廣泛的關(guān)注和應(yīng)用。例如：利用網(wǎng)絡(luò)在線自動(dòng)分析評(píng)價(jià)科學(xué)研究對(duì)教學(xué)的影響[3]。隨后開始使用Altmetrics和社交媒體指標(biāo)來(lái)分析文章的學(xué)術(shù)和社會(huì)影響[4]。Patel分析了文獻(xiàn)計(jì)量學(xué)、社交媒體、Altmetrics和BJGP對(duì)論文的影響[5]。

傳統(tǒng)上通常是基于文獻(xiàn)的引用指標(biāo)來(lái)衡量科學(xué)研究的質(zhì)量和影響。然而，隨著互聯(lián)網(wǎng)和社交媒體革命的到來(lái)，產(chǎn)生了一種快速用于量化科學(xué)工作并體現(xiàn)社交媒體關(guān)注度的Altmetrics分?jǐn)?shù)。Altmetrics指標(biāo)是對(duì)傳統(tǒng)計(jì)量指標(biāo)的補(bǔ)充，在實(shí)現(xiàn)評(píng)估研究影響方面具有較大的潛力。目前已在不同的領(lǐng)域得到了廣泛的應(yīng)用。在醫(yī)學(xué)等領(lǐng)域，使用Altmetrics對(duì)衛(wèi)生專業(yè)教育研究的影響進(jìn)行實(shí)時(shí)分析[6]。在出版物領(lǐng)域，使用Altmetrics指標(biāo)來(lái)測(cè)量出版物影響[7]。在研究學(xué)科領(lǐng)域影響力方面，利用Altmetrics指標(biāo)比較學(xué)科領(lǐng)域研究成果在國(guó)際期刊上的影響[8]。在政府?dāng)?shù)據(jù)管理方面，通過Altmetrics指標(biāo)探討了聯(lián)邦統(tǒng)計(jì)數(shù)據(jù)應(yīng)用于學(xué)術(shù)研究[9]。

1 相關(guān)研究

Altmetrics的優(yōu)點(diǎn)是及時(shí)地提供了一篇文章的在線關(guān)注及其產(chǎn)生爭(zhēng)論方面的影響，為作者在理解文章的影響提供了有效的途徑。另外，Altmetrics對(duì)期刊、出版商和學(xué)術(shù)機(jī)構(gòu)也有很大的潛在用途。學(xué)界使用社交媒體和Altmetrics的最新技術(shù)，討論了Altmetrics的各種解釋、數(shù)據(jù)收集和方法限制以及平臺(tái)的差異[10]。Altmetrics使用來(lái)自社交媒體平臺(tái)的數(shù)據(jù)來(lái)衡量出版物和其他學(xué)術(shù)成果的影響。Altmetrics為研究人員和學(xué)者提供了跟蹤各種媒體和平臺(tái)影響力的新方法。

1.1 Altmetrics指標(biāo)與傳統(tǒng)指標(biāo)

1955年，Eugene Garfield博士發(fā)表了一篇革命性的科學(xué)文章，改變了衡量科學(xué)文章影響的方式。同行評(píng)審和文獻(xiàn)計(jì)量學(xué)是衡量學(xué)術(shù)研究對(duì)科學(xué)影響的標(biāo)準(zhǔn)方法，自2011年以來(lái)，隨著Altmetrics研究的穩(wěn)步增長(zhǎng)，Altmetrics展開了相關(guān)術(shù)語(yǔ)的探討，比較了工具的功能以及對(duì)Altmetrics文獻(xiàn)進(jìn)行了系統(tǒng)評(píng)價(jià)[11]。近年來(lái)，Altmetrics在不同領(lǐng)域的應(yīng)用進(jìn)行了廣泛的研究，對(duì)圖書館界也產(chǎn)生了影響[12]。Altmetrics被認(rèn)為是評(píng)估社會(huì)影響的重要指標(biāo)[13]。Altmetrics與傳統(tǒng)指標(biāo)有一定的關(guān)聯(lián)，但Altmetrics可能對(duì)學(xué)術(shù)工作的衡量方式產(chǎn)生影響[14]。計(jì)算和分析微博、推特、在線參考管理（Mendeley和CiteULike）和博客與傳統(tǒng)引文計(jì)數(shù)的相關(guān)性也是研究的熱點(diǎn)之一[15]。另外，通過學(xué)術(shù)論文的Altmetrics指標(biāo)和文獻(xiàn)計(jì)量指標(biāo)的影響來(lái)體現(xiàn)國(guó)家間的學(xué)術(shù)影響力[16]。Altmetric評(píng)分以及Altmetrics在衡量研究影響方面的作用也在日益增長(zhǎng)[17]。同時(shí)，Altmetrics可以捕捉社會(huì)和學(xué)術(shù)影響，超越使用文獻(xiàn)計(jì)量學(xué)和科學(xué)計(jì)量指標(biāo)的測(cè)量，來(lái)測(cè)量社交媒體中Altmetrics所提供的社會(huì)影響、特征和潛力[18]。

1.2 Altmetrics指標(biāo)與被引頻次

隨著Altmetrics指標(biāo)的不斷發(fā)展，學(xué)術(shù)界和社會(huì)各界對(duì)Altmetric.com在科學(xué)領(lǐng)域提供的不同altmetrics指標(biāo)進(jìn)行了廣泛的分析和探討，特別關(guān)注了Altmetrics指標(biāo)與引用次數(shù)的關(guān)系。在論文評(píng)價(jià)中，有學(xué)者認(rèn)為Mendeley的讀者人數(shù)指標(biāo)與Google Scholar的被引次數(shù)指標(biāo)的相關(guān)程度相對(duì)較高[19];Mendeley讀者群中Altmetrics與所有醫(yī)學(xué)領(lǐng)域的引用計(jì)數(shù)的相關(guān)程度[20]。引用計(jì)數(shù)是衡量研究成果的重要指標(biāo)，如從多學(xué)科角度對(duì)Altmetrics指標(biāo)與引文進(jìn)行廣泛比較[21];從Altmetrics指標(biāo)和引用論文的角度研究影響引用計(jì)數(shù)的因素[22]。也有學(xué)者通過Scopus和Altmetrics數(shù)據(jù)的比較來(lái)分析科學(xué)文獻(xiàn)的社交媒體活動(dòng)，發(fā)現(xiàn)Altmetrics可用于區(qū)分高度引用的出版物[23]。推文和引文有些相關(guān)，它們主要衡量不同類型的影響。Facebook和Twitter用戶類型的出版年份分析推文和引文之間的相關(guān)性，以探索影響相關(guān)性的因素[24]。另外，對(duì)Altmetrics指標(biāo)的質(zhì)疑也展開了相關(guān)的探討，在引文的指標(biāo)、讀者數(shù)量與推文質(zhì)量顯著相關(guān)的基礎(chǔ)上，質(zhì)疑Twitter計(jì)數(shù)用于研究評(píng)估目的;另一方面驗(yàn)證Mendeley讀者計(jì)數(shù)的潛在用途[25]。

1.3 Altmetrics與底層指標(biāo)

Altmetrics Score由不同的社交媒體指標(biāo)、文獻(xiàn)管理指標(biāo)、新聞指標(biāo)等組成。有學(xué)者研究了這些指標(biāo)和Altmetrics指標(biāo)之間的關(guān)系。如Twitter和其他十大社交網(wǎng)絡(luò)的相關(guān)性來(lái)驗(yàn)證Altmetrics分?jǐn)?shù)[26]。使用Mendeley、F1000和Google Scholar這3種學(xué)術(shù)社交網(wǎng)絡(luò)工具中不同類型的Altmetrics計(jì)量方法評(píng)價(jià)同一組論文的社會(huì)影響力[27]。另外，有學(xué)者使用Altmetrics底層指標(biāo)比較評(píng)估國(guó)家間的學(xué)術(shù)論文影響力[28];基于大規(guī)模F1000數(shù)據(jù)研究Altmetrics與論文質(zhì)量的關(guān)聯(lián)。Altmetrics應(yīng)用于讀者網(wǎng)絡(luò)，Mendeley讀者數(shù)據(jù)可繪制Altmetrics讀者網(wǎng)絡(luò)[29]。也有學(xué)者利用發(fā)布、訪問、瀏覽分析Altmetrics在社會(huì)性標(biāo)簽系統(tǒng)BibSonomy的作用[30]。隨著Altmetrics指標(biāo)的發(fā)展，Mendeley用戶類別的日益增多，在Mendeley注冊(cè)的人員的數(shù)據(jù)可用于探討學(xué)術(shù)界內(nèi)外臨床醫(yī)學(xué)、工程與技術(shù)、社會(huì)科學(xué)、物理學(xué)和化學(xué)領(lǐng)域文章的不同類型用戶[31]。

1.4 Altmetrics應(yīng)用于評(píng)估

學(xué)術(shù)出版物的社交網(wǎng)絡(luò)指標(biāo)。從理論上講，這些新指標(biāo)可用于評(píng)估，以便對(duì)出版物的影響進(jìn)行早期估算或估算非傳統(tǒng)指標(biāo)的影響。它們還可以用作尋求信息的輔助工具，利于數(shù)字圖書館用戶關(guān)注社交網(wǎng)絡(luò)提及的論文。Altmetrics也可衡量研究量化在社交網(wǎng)絡(luò)中的影響。它用于評(píng)估科學(xué)可以補(bǔ)充引文的分析。借鑒之前的引文分析辯論和網(wǎng)絡(luò)引文分析研究，討論了評(píng)估策略，包括相關(guān)性測(cè)試、內(nèi)容分析、訪談和語(yǔ)用分析等[32]。Altmetrics指標(biāo)是目前科學(xué)計(jì)量研究中最受歡迎的研究之一。Altmetrics是否可用于評(píng)估研究質(zhì)量？隨著Altmetrics研究的廣泛應(yīng)用，Altmetrics已應(yīng)用于評(píng)估研究?；贛endeley數(shù)據(jù)的Altmetrics研究衡量論文對(duì)特定社會(huì)群體的影響[33]。Altmetrics越來(lái)越受到科學(xué)計(jì)量學(xué)界的關(guān)注，因?yàn)樗鼈兛梢垣@取研究工作在線接收的數(shù)量和質(zhì)量，分析Altmetrics評(píng)估研究質(zhì)量是否有效[34]。另外，對(duì)研究評(píng)估的Altmetrics和信息需求分析也受到了關(guān)注，Altmetrics在文章級(jí)別提供使用數(shù)據(jù)，來(lái)分析有關(guān)研究人員的習(xí)慣和信息需求的信息來(lái)源[35]。我們認(rèn)為對(duì)Altmetrics的理解和使用仍然是一個(gè)不斷發(fā)展的領(lǐng)域。

以上所有研究主要基于某個(gè)引文數(shù)據(jù)庫(kù)文獻(xiàn)指標(biāo)或單個(gè)社交媒體數(shù)據(jù)指標(biāo)對(duì)論文的影響力或相關(guān)性進(jìn)行一定的探索，缺乏對(duì)論文影響因素的研究?；诖耍狙芯恳越?年Altmetrics Top100論文為數(shù)據(jù)樣本，將這些論文的WOS數(shù)據(jù)庫(kù)文獻(xiàn)指標(biāo)和社交媒體在線指標(biāo)相結(jié)合來(lái)綜合研究和分析Altmetrics Top100論文的特征、演化情況以及影響因素。在本研究中，我們主要通過WOS數(shù)據(jù)庫(kù)的文獻(xiàn)數(shù)據(jù)和Altmetrics在線數(shù)據(jù)來(lái)探討論文影響特征和因素等，主要回答以.問題：

1）近3年Altmetrics Top100論文的特征和演化情況？

2）近3年Altmetrics Top100論文的傳統(tǒng)文獻(xiàn)指標(biāo)與Altmetrics指標(biāo)是否有一定的相關(guān)性？

3）哪些指標(biāo)對(duì)Altmetrics Top100論文產(chǎn)生重要影響？

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

Altmetric.com作為一款分析評(píng)估單篇論文Altmetrics指標(biāo)的工具，是目前較成熟的Altmetrics分析工具之一。從2014年起，Altmetric.com每年在其網(wǎng)站公布上一年度Altmetric分?jǐn)?shù)最高的前100篇學(xué)術(shù)論文—Altmetric Top100[36]。公布的信息包含這些學(xué)術(shù)論文的Altmetrics分?jǐn)?shù)、來(lái)源期刊、學(xué)科分布、作者列表、獲取方式以及Altmetric分?jǐn)?shù)的不同媒體關(guān)注程度（如評(píng)論、推送、分享和轉(zhuǎn)載的次數(shù)）。本文將選取2016-2018年公布的100篇高Altmetrics指標(biāo)論文為數(shù)據(jù)樣本。同時(shí)，利用這些論文的DOI在WOS數(shù)據(jù)庫(kù).載相應(yīng)的文獻(xiàn)數(shù)據(jù)。這些數(shù)據(jù)的采集時(shí)間為2019年1月31日。

2.2 研究方法

首先，分析了近3年Altmetric Top100論文的特征，由于Altmetric.com底層數(shù)據(jù)源不支持SCI、Scopus等任何學(xué)術(shù)引文類數(shù)據(jù)庫(kù)，因此，采用它提供的Altmetrics指標(biāo)與WOS數(shù)據(jù)文獻(xiàn)的使用指標(biāo);然后，利用Stata軟件對(duì)Altmetrics指標(biāo)和文獻(xiàn)數(shù)據(jù)指標(biāo)進(jìn)行描述統(tǒng)計(jì)、相關(guān)性分析以及多元回歸分析等方法來(lái)測(cè)度這些論文的Altmetric分?jǐn)?shù)與其WOS數(shù)據(jù)庫(kù)中文獻(xiàn)使用指標(biāo)之間的關(guān)系以及高影響力論文的影響因素，使得分析結(jié)果更加客觀準(zhǔn)確。

2.3 被解釋變量

通過文獻(xiàn)分析發(fā)現(xiàn)，被引頻次（Times Cited）、使用次數(shù)（U1）、（U2）和Attention Score（As）是在一定程度上反映了論文影響的文獻(xiàn)指標(biāo)，因此，本文選用了這4個(gè)文獻(xiàn)指標(biāo)作為被解釋變量。

被引頻次（Times Cited）。被引頻次是指學(xué)術(shù)論文發(fā)表后被引用的次數(shù)，可客觀地說(shuō)明該學(xué)術(shù)論文被使用和重視的程度，以及其在學(xué)術(shù)交流中的作用和地位。在Web of Science核心合集中，其字段用Tc表示。

使用次數(shù)（U1）、（U2）。在WOS核心數(shù)據(jù)集中的使用次數(shù)（Usage Count）。最近180天的使用次數(shù)用字段U1表示，2013年至今的使用次數(shù)用字段U2表示。近年來(lái)越來(lái)越關(guān)注對(duì)使用次數(shù)的度量和概念的討論，社交媒體多傾向于考慮使用指標(biāo)來(lái)研究學(xué)術(shù)論文的影響力[37]。

Altmetric Attention Score（As）。Altmetric Attention Score是對(duì)科研論文發(fā)表后的國(guó)際關(guān)注監(jiān)測(cè)分析的結(jié)果?？蒲腥藛T可密切關(guān)注、及時(shí)跟蹤自己專業(yè)的學(xué)術(shù)論文、科研成果動(dòng)態(tài)和進(jìn)展。

2.4 解釋變量

本文選取了2016-2018年公布的100篇高Altmetrics指標(biāo)論文以及這些論文的DOI對(duì)應(yīng)的WOS數(shù)據(jù)中的文獻(xiàn)數(shù)據(jù)為指標(biāo)數(shù)據(jù)。在前人研究的基礎(chǔ)上[37]，經(jīng)過挑選，最終確定News、Blog、Tweets、Facebook、Google+、Mendeley為解釋變量。具體變量及度量標(biāo)準(zhǔn)如表1所示。

2.5 回歸模型設(shè)計(jì)

回歸分析是討論客觀事物之間的聯(lián)系，代表變量之間的統(tǒng)計(jì)關(guān)系。在回歸分析之前，所有變量之間的相關(guān)性需要進(jìn)行分析。使用回歸分析的好處良多，具體如.：它表明自變量和因變量之間的顯著關(guān)系以及多個(gè)自變量對(duì)一個(gè)因變量的影響強(qiáng)度?；貧w分析更好的比較和衡量不同尺度變量之間的相互影響，如Altmetrics分?jǐn)?shù)與被引頻次數(shù)量之間聯(lián)系。這些有利于幫助研究人員、數(shù)據(jù)分析人員以及數(shù)據(jù)科學(xué)家排除并估計(jì)出一組較佳的變量，用來(lái)構(gòu)建預(yù)測(cè)模型。

因本文選用的所有變量都服從正態(tài)分布，因此回歸模型選擇多元線性回歸模型。另外，目前相關(guān)研究的文獻(xiàn)多是基于同一指標(biāo)層次或不同指標(biāo)層次與被引頻次或熱點(diǎn)主題的相關(guān)性分析[38]。但論文的影響因素是多方面的，文獻(xiàn)的單個(gè)指標(biāo)對(duì)被引頻次的影響難免真實(shí)準(zhǔn)確，只有結(jié)合對(duì)有代表性的文獻(xiàn)指標(biāo)和Altmetrics指標(biāo)，控制其他影響因素不變時(shí)的邊際作用做多元線性回歸分析來(lái)探測(cè)指標(biāo)的真實(shí)影響作用。因此，本文擬運(yùn)用多元線性回歸模型來(lái)測(cè)度2016-2018年Altmetric Top100論文的WOS數(shù)據(jù)和Altmetrics指標(biāo)對(duì)Tc、U1、U2、As的影響因素，具體模型如.：

Tc=β0+β1News+β2Blog+β3Tweets+β4Facebook+β5Google+β6Mendeley+ε

U1=β0+β1News+β2Blog+β3Tweets+β4Facebook+β5Google+β6Mendeley+ε

U2=β0+β1News+β2Blog+β3Tweets+β4Facebook+β5Google+β6Mendeley+ε

As=β0+β1News+β2Blog+β3Tweets+β4Facebook+β5Google+β6Mendeley+ε

3 結(jié)果分析

2016年，Altmetric已經(jīng)跟蹤了超過1 700萬(wàn)次提到的270萬(wàn)種不同的研究成果。2017年，Altmetric跟蹤了超過1 850萬(wàn)次提到的220萬(wàn)種不同的研究成果。2018年，Altmetric跟蹤了超過2 500萬(wàn)次提到的280萬(wàn)份研究成果。并重點(diǎn)介紹了2016-2018年每年發(fā)表的前100篇最著名的學(xué)術(shù)文章，這些文字真正吸引了公眾的廣泛關(guān)注和探討。

3.1 期刊特征分布

圖1列出了2016-2018年Altmetrics Top100論文≥2篇論文的來(lái)源期刊分布情況。從圖1可以看出，3年中Altmetrics Top100論文源于Nature、Science的比例約超過25%，并且Nature在近3年中逐年.降，從2016年的18篇降到了2018年的9篇;而Science的變化是一種倒三角的趨勢(shì)，從2016年的9篇增長(zhǎng)到2018年的11篇，但2017年.降到5篇。近3年約10%的論文源自美國(guó)醫(yī)學(xué)會(huì)期刊，即美國(guó)醫(yī)學(xué)會(huì)權(quán)威期刊（JAMA）、新英格蘭醫(yī)學(xué)期刊（NewEngland Journal of Medicine）和柳葉刀（The Lancet）。2016年排名前3的來(lái)源期刊分別為Nature（18篇）、Science（9篇）、New England Journal of Medicine（7篇）和PNAS（7篇）。2017年排名前3的來(lái)源期刊分別為Nature（16篇）、The Lancet（11篇）、British Medical Journal（6篇）。2018年排名前3的來(lái)源期刊分別為Science（11篇）、Nature（9篇）和Proceedings of the National Academy of Sciences of the United States of America（9篇）。

Nature、Science、PNAS和PLOS ONE均屬于自然科學(xué)類的綜合期刊，而JAMA、New England Journal of Medicine和The Lancet屬于醫(yī)學(xué)、生命科學(xué)類期刊。近3年來(lái)源于Nature的Altmetric Top100論文總數(shù)最多，3年共有43篇論文，這較好的說(shuō)明在Nature期刊上發(fā)表的學(xué)術(shù)論文的質(zhì)量和影響力是最為顯著的。同時(shí)這也與Nature期刊獨(dú)特的新聞發(fā)布服務(wù)有密切的關(guān)系。每期論文在線發(fā)表后，Nature期刊會(huì)及時(shí)通知論文相關(guān)單位進(jìn)行新聞報(bào)道，對(duì)部分成果在網(wǎng)站的“新聞與觀點(diǎn)”欄目進(jìn)行突出介紹，并對(duì)相關(guān)熱點(diǎn)問題進(jìn)行討論。這些新聞發(fā)布服務(wù)引起了全球媒體對(duì)相關(guān)研究成果的廣泛關(guān)注。其次是Science和The Lancet，3年發(fā)文分別為25篇和22篇。值得注意的是，這些期刊均為自然科學(xué)領(lǐng)域的權(quán)威期刊，均具有較高的期刊影響因子。這在一定程度上說(shuō)明論文的高Altmetric分?jǐn)?shù)與其來(lái)源期刊的高影響力是較為一致的。

3.2 學(xué)科特征分布

圖2統(tǒng)計(jì)了2016-2018年Altmetric Top100論文的學(xué)科分布情況。從圖2中的數(shù)據(jù)可以看出，關(guān)于醫(yī)療與健康領(lǐng)域的學(xué)術(shù)論文在Altmetric Top100論文中占的比重最大，幾乎每年都在50%左右，生物科學(xué)領(lǐng)域的論文緊隨其后，約占6%～20%;然后是人類社會(huì)研究、物理科學(xué)所占比重約為12%，心理學(xué)與可重復(fù)性研究、地球與環(huán)境科學(xué)、歷史與考古學(xué)等領(lǐng)域的論文占的比重都在10%以.，而信息與計(jì)算機(jī)科學(xué)和材料科學(xué)領(lǐng)域的論文比重最低，僅有1%～2%。這些數(shù)據(jù)較好的說(shuō)明了高Altmetric指標(biāo)論文主要集中在醫(yī)療和健康、生物科學(xué)領(lǐng)域，充分顯示了隨著人們生活水平的日益提高，大眾對(duì)醫(yī)療、健康和生物研究的關(guān)注度普遍較高。同時(shí)，從社交媒體關(guān)注熱度論文的角度而言，Altmetric分?jǐn)?shù)高的論文說(shuō)明各社交媒體對(duì)其高分論文的廣泛傳播，產(chǎn)生了較強(qiáng)的社會(huì)影響力;通過社交媒體的廣泛傳播，這些學(xué)術(shù)論文促成其他研究者對(duì)論文引用的可能，進(jìn)而也提升了論文的學(xué)術(shù)影響力的可能。

從Altmetric Top100論文的研究主題來(lái)看，大眾主要關(guān)注與生活密切相關(guān)的研究成果或重大的科學(xué)研究發(fā)現(xiàn)，甚至包含一些有趣的研究前沿。如2018年關(guān)于Mortality in Puerto Rico After Hurricane Maria的論文居當(dāng)年Altmetric Top100論文的第一位，2017年關(guān)于Associations of Fats and Carbohydrate Intake with Cardiovascular Disease and Mortality in 18 Countries from Five Continents（PURE）：A Prospective Cohort Study的論文居第一位，而居2016年Altmetric Top100論文首位的是美國(guó)前任總統(tǒng)Barack Obama關(guān)于United States Health Care Reform：Progress to Date and Next Steps的文章。同時(shí)也發(fā)現(xiàn)，這些研究主題隨著時(shí)間的變化，其主題也在不斷的演化。

通過對(duì)學(xué)科統(tǒng)計(jì)分析發(fā)現(xiàn)，關(guān)于醫(yī)療與健康領(lǐng)域的學(xué)術(shù)論文在AltmetricTop100論文中占了較大的比重，幾乎每年都在50%左右，生物科學(xué)領(lǐng)域的論文緊隨其后，約占6%～20%，人類社會(huì)研究、物理科學(xué)所占比重約為12%。并且研究主題最多的是醫(yī)療健康領(lǐng)域，隨著社交媒體的發(fā)展，人們也較多的關(guān)注環(huán)境和科技前沿感興趣的話題。

通過多元線性回歸模型分析發(fā)現(xiàn)，上述因素對(duì)論文被引頻次、使用次數(shù)U1、使用次數(shù)U2、Altmetric Attention Score（As）均有影響，對(duì)Altmetrics Top100論文影響的因素主要有News、Blog、Tweets、Facebook、Google、Mendeley對(duì)As的影響顯著;這可能與Altmetrics總分是通過各指標(biāo)的加權(quán)得分有關(guān)，從一定程度上反映了這些指標(biāo)因素對(duì)Altmetrics高影響力論文的影響較大。這與Shufei的研究結(jié)果一致[39]。Altmetrics分?jǐn)?shù)能夠定量地反映學(xué)術(shù)論文在社交和新聞媒體上被公眾關(guān)注的程度，從而在一定程度上體現(xiàn)出學(xué)術(shù)論文的社會(huì)影響力;高Altmetrics指標(biāo)論文的主要Altmetrics指標(biāo)與使用指標(biāo)存在一定正相關(guān)，表明高Altmetrics指標(biāo)論文同時(shí)具有較高的學(xué)術(shù)影響力。

然而我們發(fā)現(xiàn)WOS中的文獻(xiàn)使用指標(biāo)與Altmetrics的主要指標(biāo)呈顯著負(fù)相關(guān)。如News、Tweets和Mendeley對(duì)Tc呈顯著負(fù)相關(guān)，這較好的表明了News、Tweets和Mendeley的數(shù)量越大，對(duì)被引次數(shù)的影響就越小。另外，News和Tweets對(duì)U2的影響也呈顯著負(fù)相關(guān)，這也說(shuō)明了U2對(duì)News和Tweets的影響也是相反的。值得注意的是這些所選的文獻(xiàn)影響因素對(duì)U1的影響幾乎較小，通過多元回歸模型分析所體現(xiàn)的影響均不顯著。各種研究發(fā)現(xiàn)，文章的Altmetric評(píng)分與傳統(tǒng)的引文計(jì)數(shù)之間的相關(guān)性較弱且可變[40]。

本研究結(jié)論在理論和實(shí)踐方面均有一定的創(chuàng)新價(jià)值。在理論上，傳統(tǒng)的文獻(xiàn)指標(biāo)與Altmetrics指標(biāo)結(jié)合進(jìn)行論文影響因素研究，發(fā)現(xiàn)Altmetrics分?jǐn)?shù)與對(duì)社交媒體的主要指標(biāo)有較顯著影響，而相對(duì)應(yīng)文獻(xiàn)的WOS文獻(xiàn)指標(biāo)與社交媒體的主要指標(biāo)呈現(xiàn)顯著的負(fù)向關(guān)系，在實(shí)踐上，本文的結(jié)論也否定了近年學(xué)術(shù)界在國(guó)際上發(fā)表學(xué)術(shù)論文過于強(qiáng)調(diào)某一方面的因素來(lái)提高論文的影響力的現(xiàn)象，如被引頻次、期刊影響因子等[41]。

當(dāng)然，由于研究數(shù)據(jù)和方法的局限，本文也存在一些不足，需要在未來(lái)的研究中進(jìn)行一些探索。隨著大數(shù)據(jù)技術(shù)、人工智能、互聯(lián)網(wǎng)的蓬勃發(fā)展，社交媒體日益普及，科學(xué)知識(shí)的傳播和科技創(chuàng)新正受到更多方面的影響。因此，Altmetrics Top100論文的特征和影響因素將變得越來(lái)越復(fù)雜、多樣化、動(dòng)態(tài)特征，論文影響因素的研究還需要進(jìn)一步完善。這項(xiàng)研究我們只選擇了2016-2018年Altmetrics Top100論文進(jìn)行研究，且僅選用了（2016-2018）WOS的文獻(xiàn)使用數(shù)據(jù)和Altmetrics的主要指標(biāo);論文數(shù)據(jù)有限，為了得出更可信的結(jié)論，后期我們將使用更大的樣本數(shù)據(jù)集，并且擴(kuò)大論文的相關(guān)數(shù)據(jù)指標(biāo)以及Altmetrics的相關(guān)數(shù)據(jù)指標(biāo)，進(jìn)一步研究這些論文的學(xué)術(shù)影響力和社會(huì)影響力的因素以及演化情況以得出更有價(jià)值的研究結(jié)果。

參考文獻(xiàn)

[1]Bornmann L.Do Altmetrics Point to the Broader Impact of Research？An Overview of Benefits and Disadvantages of Altmetrics[J].Journal of Informetrics，2014，8（4）：895-903.

[2]Bornmann L.Validity of Altmetrics Data for Measuring Societal Impact：A Study Using Data from Altmetric and F1000 Prime[J].Journal of Informetrics，2014，8（4）：935-950.

[3]Baheti A D，Bhargava P.Altmetrics：A Measure of Social Attention Toward Scientific Research[J].Current Problems in Diagnostic Radiology，2018，46（6）：391-392.

[4]Bornmann L.Alternative Metrics in Scientometrics：A Meta-analysis of Research Into Three Altmetrics[J].Scientometrics，2014，103（3）：1123-1144.

[5]Bornmann L，Haunschild R.Measuring Field-normalized Impact of Papers on Specific Societal Groups：An Altmetrics Study Based on Mendeley Data[J].Research Evaluation，2017，26（3）：230-241.

[6]Bornmann L，Haunschild R.Do Altmetrics Correlate with the Quality of Papers？A Large-scale Empirical Study Based on F1000 Prime Data[J].Plos One，2018，13（5）：e0197133.

[7]Bornmann L，Haunschild R.Overlay Maps Based on Mendeley Data：The Use of Altmetrics for Readership Networks[J].Journal of The Association for Information Science and Technology，2016，67（12）：3064-3072.

[8]Borrego A.Altmetrics for the Research Evaluation and the Analysis of the Needs of Information[J].Profesional Dela Informacion，2014，23（4）：352-357.

[9]Cho J.A Comparative Study of the Impact of Korean Research Articles in Four Academic Fields Using Altmetrics[J].Performance Measurement and Metrics，2017，18（1）：38-51.

[10]Cress P E.Using Altmetrics and Social Media to Supplement Impact Factor：Maximizing Your Articles Academic and Societal Impact[J].Aesthetic Surgery Journal，2014，34（7）：1123-1126.

[11]Costas R，Zahedi Z，Wouters P.Do“Altmetrics”Correlate with Citations？Extensive Comparison of Altmetric Indicators with Citations from a Multidisciplinary Perspective[J].Journal of the Association for Information Science and Technology，2015，66（10）：2003-2019.

[12]Cress P E.Using Altmetrics and Social Media to Supplement Impact Factor：Maximizing Your Articles Academic and Societal Impact[J].Aesthetic Surgery Journal，2014，34（7）：1123-1126.

[13]Das T.Measuring Scholarly Use of Government Information：An Altmetrics Analysis of Federal Statistics[J].Government Information Quarterly，2015，32（3）：246-252.

[14]Dhiman A K.Bibliometrics to Altmetrics：Changing Trends in Assessing Research Impact[J].Desidoc Journal of Library & Information Technology，2015，35（4）：310-315.

[15]Erdt M，Nagarajan A，Sin S C.Altmetrics：An Analysis of the State-of-the-Art in Measuring Research Impact on Social Media[J].Scientometrics，2016，106（2）：1117-1166.

[16]Finbar Galligan，Sharon Dyas-Correia.Altmetrics：Rethinking the Way We Measure[J].Serials Review，2013，39（1）：56-61.

[17]Hauscild R，Bornmannl.How Many Scientific Papers are Mentioned in Policy Related Documents？An Empirical Investigation Using Web of Science and Altmetric Dat[J].Scientometrics，2017，110（3）：1209-1216.

[18]Huang T，Davies J，Weatherall K.Measuring Publication Impact Using Article-level Metrics（Altmetrics）[J].Current Medical Research and Opinion，2014，（30）：S16-S16.

[19]Kousha K，Thelwall.Assessing the Impact of Disciplinary Research on Teaching：An Automatic Analysis of Online Syllabuses[J].Journal of The American Society for Information Science and Technology，2008，59（13）：2060-2069.

[20]Luo F H，Sun A X，Erdt M.Exploring Prestigious Citations Sourced from Top Universities in Bibliometrics and Altmetrics：A Case Study in the Computer Science Discipline[J].Scientometrics，2018，114（1）：1-17.

[21]劉春麗，何欽成.不同類型選擇性計(jì)量指標(biāo)評(píng)價(jià)論文相關(guān)性研究——基于 Mendeley、F1000和Google Scholar 3種學(xué)術(shù)社交網(wǎng)絡(luò)工具[J].情報(bào)學(xué)報(bào)，2013，32（2）：206-212.

[22]劉艷民.Altmetrics指標(biāo)與傳統(tǒng)文獻(xiàn)計(jì)量指標(biāo)相關(guān)性研究[J].情報(bào)雜志，2017，36（9）：71-77.

[23]Maggio L A，Meyer H S，Artino A R.Beyond Citation Rates：A Real-Time Impact Analysis of Health Professions Education Research Using Altmetrics[J].Academic Medicine，2017，92（10）：1449-1455.

[24]Maricato J D，Vilan J L.The Potential for Altmetrics to Measure Other Types of Impact in Scientific Production：Academic and Social Impact Dynamics in Social Media and Networks[J].Information Research-An International Electronic Journal，2018，23（1）：780.

[25]Mohammadi E，Thelwall M，Haustein S.Who Reads Research Articles？An Altmetrics Analysis of Mendeley User Categories[J].Journal of the Association for Information Science and Technology，2015，66（9）：1832-1846.

[26]Nuzzolese A G，Ciancarini P，et al.Do Altmetrics Work for Assessing Research Quality？[J].Scientometrics，2018，118（2）：539-562.

[27]Ortega J L.The Life Cycle of Altmetric Impact：A Longitudinal Study of Six Metrics from PlumX[J].Journal of Informetrics，2018，12（3）：579-589.

[28]Priem J，Groth P，Taraborelli D，et al.Altmetrics：A Manifesto[EB /OL].http：//Altmetrics.org/manifesto/，2010.

[29]Priem J，Taraborelli D，Groth P，et al.Altmetrics：A Manifesto[EB].http：//Altmetrics.org/manifesto/，2015.

[30]Priem J，Groth P，Taraborelli D.The Altmetrics Collection[J].Plos One，2012，7（11）：e48753.

[31]Patel A，Chavda J.Measuring Research Impact：Bibliometrics，Social Media，Altmetrics，and the BJGP[J].British Journal of General Practice，2016，66（642）：E59-E61.

[32]Park H，Park H W.Research Evaluation of Asian Countries Using Altmetrics：Comparing South Korea，Japan，Taiwan，Singapore，and China[J].Scientometrics，2018，117（2）：771-788.

[33]Rodriguez C T，de Araujo R F.Altmetrics and Citation Indicators Applied to Scientific Production in Science Open：Descriptive Analysis for Brazil，Spain and Portugal[J].Bibliotecas-Anales De Investigacion，2018，14（2）：124-137.

[34]Sugimoto C R，Work S，Lariviere V.Scholarly Use of Social Media and Altmetrics：A Review of the Literature[J].Journal of The Association for Information Science and Technology，2017，68（9）：2037-2062.

[35]Saeed-Ul Hassan，Imran M，Gillani U.Measuring Social Media Activity of Scientific Literature：An Exhaustive Comparison of Scopus and Novel Altmetrics Big Data[J].Scientometrics，2017，113（2）：1037-1057.

[36]Thelwall M，Haustein S，Larivière V，et al.Do Altmetrics Work？Twitter and Ten Other Social Web Services[J].Plos One，2013，8（5）：e64841.

[37]Thelwall M，Wilson P.Mendeley Readership Altmetrics for Medical Articles：An Analysis of 45 Fields[J].Journal of The Association for Information Science and Technology，2016，67（8）：1962-1972.

[38]Sud P，Thelwall M.Evaluating Altmetrics[J].Scientometrics，2014，98（2）：1131-1143.

[39]Shu F，Lou W，Haustein S.Can Twitter Increase the Visibility of Chinese Publications？[J].Scientometrics，2018，116（1）：505-519.

[40]Xia F，Su X，Wang W，et al.Bibliographic Analysis of Nature Based on Twitter and Facebook Altmetrics Data[J].Plos One，2016，11（12）：e0165997.

[41]Zoller D，Doerfel S，Jaschke R.Posted，Visited，Exported：Altmetrics in the Social Tagging System Bib Sonomy[J].Journal of Informetrics，2016，10（3）：732-749.

（責(zé)任編輯：陳 媛）