周春雷 張雨新 薛寧

摘? 要：基于學術授信理論，本文提出一種運用數(shù)據(jù)可視化大屏快速實現(xiàn)學術畫像和多維學術評價的具體方法，能夠幫助用戶全面了解評價對象的學術成就與學術影響力，然后以2021年普賴斯獎得主Ludo Waltman為例展示并解讀學術畫像結果。本研究表明，這種新方法繪制出的畫像非常接近專業(yè)人士在對比文獻中展示的結果，而且可拓展性強，具有一定的實用價值。

關鍵詞：學術畫像；數(shù)據(jù)可視化；學術評價；學術授信；Ludo Waltman；普賴斯獎

Abstract： Based on the Academic Credit Theory， this paper proposes a specific method to quickly realize academic portrait and multidimensional academic evaluation by using the data visualization screen， which can help users fully understand the academic achievements and academic influence of the evaluation objects. In this paper， Ludo Waltman， winner of the Derek de Solla Price Award in 2021， is taken as an example to display and interpret the results of the academic portrait. This study shows that the portrait drawn by this new method is very close to the results presented by professional in the comparative paper. It is extensible and has certain practical value.

Keywords： Academic portrait; Data visualization screen; Academic evaluation; Academic credit; Ludo Waltman

1 引言

用戶畫像是指以數(shù)據(jù)的形式來描述某一用戶群體的特征，形成能夠識別這一群體的畫像結果。[1]該技術進入學術評價研究者的視野后，部分學者嘗試將其應用于學術畫像研究，即以數(shù)字化方式對學術評價對象進行形象化描述并形成具體化的表達。[2]本文將學術畫像的對象聚焦于科學家群體，認為學術畫像是一種借助可視化圖表等工具多維度展示學者的研究成果及其影響的學術評價方法。

目前，研究學術畫像的主體包括學術平臺和研究者兩大類。主流學術平臺通常會提供學者的研究領域、發(fā)表文獻情況、合作者等基本信息，操作簡單，使用便捷，但對更深層次的學術影響力、研究主題方面的分析揭示力度不夠且需付費使用，免費用戶所能獲取的畫像通常較為粗淺。研究者們關于學術畫像的研究則較為深入，探討了多種方法在學術畫像中的應用。例如，李杰[3，4]運用科學計量學和知識圖譜的分析方法對科研機構和科研人員進行畫像；于海泉[5]研究了利用深度神經(jīng)網(wǎng)絡建立學術畫像的方法。畫像的內容通常圍繞學者的基本信息、學術產(chǎn)出、學術影響力、研究興趣、合作關系和代表性學術成就等角度展開，常見的學術畫像方法通常較為繁雜，會采用科學計量學方法進行統(tǒng)計描述，同時用CiteSpace或VOSviewer等知識圖譜軟件展開分析。由于知識圖譜軟件的操作界面通常較為復雜，需要較多手動操作與調整才能達到較好效果，且針對不同的評價需求，需要用戶組合使用多種軟件來構建畫像，對新手和非專業(yè)用戶不夠友好?？偟膩碚f，學術畫像技術能夠將抽象的信息可視化，幫助用戶深入認識研究對象。但現(xiàn)有方法一方面缺乏理論指導，對方法和工具缺少整合，在研究維度方面缺乏統(tǒng)一標準，對研究對象的刻畫不夠深入，不夠系統(tǒng)；另一方面，這些方法在實際操作過程中對研究者的個人能力要求較高。因此，適用于學術畫像的技術和方法在操作難易程度、畫像維度、刻畫深度等方面還有很大的提升空間。

鑒于上述問題，本文提出一種基于數(shù)據(jù)可視化大屏的學術畫像方法。這是一種將可視化結果分區(qū)展示在同一界面的技術，當加載真實數(shù)據(jù)后可生成關于特定學者的多維畫像。該技術能系統(tǒng)、全面地展示學者的學術成就，并以生動形象的方式描繪其學術關系網(wǎng)絡，幫助研究者形成清晰而完整的認識。本文將選取典型學者，從學術產(chǎn)出特征、學者合作特征、論文被引特征等多個角度揭示其學術成就與學術影響力，展示數(shù)據(jù)可視化大屏的建立與運行方法，并將畫像結果與國內知名科學計量研究者李杰[6]的研究結果進行對比，以檢驗本文所提方法的可行性與有效性。

2 基于數(shù)據(jù)可視化大屏的學術畫像方法

為深入揭示畫像對象的學術影響力，本文根據(jù)學術授信評價理論來設計學術畫像的維度。學術授信是指學術共同體成員用自身學術聲譽、學識判斷為保證向其他成員推介某學術成果或成員的行為。[7]一般來說，學術聲望較高的推介者所認可的評價對象通常具有較高的學術造詣和學術影響力。

基于這種認識，本文將與特定學者相關的學術關系網(wǎng)絡進行可視化，將學者間的合作與引用、期刊收錄情況等各種能夠證明學者研究水平或影響的信息都納入分析視野，確定畫像維度并加以解讀。這種方法嘗試客觀反映研究對象在同行中所產(chǎn)生的學術影響，進而從同行視角揭示研究對象的學術聲望，從而提升畫像的認知深度和質量。研究者還可根據(jù)研究需求將其精細化，可規(guī)定合作網(wǎng)絡中學者們的h指數(shù)門檻，或分析主流學術群體對研究對象的施引主題集合，通過學術群體的篩選來反映研究對象在不同層級同行中所產(chǎn)生的影響。在學術授信評價理論的指引下，本文所構建的方法首先描繪研究對象的論文產(chǎn)出時間、研究主題、來源期刊及所屬機構等基本信息的分布情況畫像，其次分析研究對象的合作情況并繪制合作網(wǎng)絡，在此基礎上深入揭示其產(chǎn)出影響，包括論文被引頻次、擴散國家、國內外主題傳播情況、h指數(shù)及學術認同與支持群體等角度，以更加全面地繪制學術畫像、開展學術評價。

基于數(shù)據(jù)可視化大屏的學術畫像方法流程如圖1所示，可分為采集數(shù)據(jù)、繪制大屏、解讀畫像3個步驟，在此步驟下實現(xiàn)“人—數(shù)據(jù)—畫像—認識”的全過程。

（1）采集數(shù)據(jù)。根據(jù)研究目標選擇評價對象，然后在Web of Science、CNKI等學術平臺上檢索被畫像者的學術研究情況，包括學者相關的發(fā)文數(shù)據(jù)和被引數(shù)據(jù)，以供后續(xù)了解學者的科學成就和學術影響力。該步驟需要研究人員具備基礎的信息檢索能力，以獲取有效可靠的數(shù)據(jù)集。

（2）繪制大屏。這一步主要是構建基于PyEcharts的學術畫像模塊。首先初始化程序運行環(huán)境；其次，進行數(shù)據(jù)準備，統(tǒng)一清洗與處理采集到的數(shù)據(jù)，使之與程序運行要求相匹配；最后將學術畫像按維度劃分為不同模塊，利用PyEcharts庫內置的方法構建圖譜框架，分別運行每一模塊的程序繪制圖譜，并將圖譜畫像追加顯示在同一網(wǎng)頁。這一步將生成學術畫像內容的過程進行了封裝，研究人員可直接導入可用數(shù)據(jù)并執(zhí)行程序，即可自動生成數(shù)據(jù)可視化大屏。

（3）解讀畫像。結合學術授信評價理論[8，9]對繪制的學術畫像進行解讀。分別從產(chǎn)出基本情況、合作情況、影響力情況三個角度展開分析，了解學者發(fā)表論文的基本信息，認識學者的主要合作者及其學術地位，揭示學者的影響力，進一步挖掘數(shù)據(jù)的隱含意義，對該學者形成全面認知。

3 實證研究

本文以2021年普賴斯獎得主Ludo Waltman（下文簡稱Ludo）為例，采用數(shù)據(jù)可視化大屏方法對其進行學術畫像，并根據(jù)學術授信評價理論[10，11]解讀畫像結果，同時與李杰在《普賴斯獎獲得者盧多·瓦特曼的學術畫像》[12]一文中得到的結果進行細粒度對比，檢驗本文所提方法的效果。李杰近年來深耕于學術畫像、學術評價、數(shù)據(jù)可視化分析等領域，出版了多本知識圖譜方面的著作，在學術影響力評價與展示方面有豐富經(jīng)驗。鑒于李杰的畫像結果專業(yè)、可信，將實驗結果與其進行比較，可以檢驗本文方法的科學性與有效性。

3.1 數(shù)據(jù)來源。2023年2月13日，在Web of Science中以Ludo的Research ID：B-5561-2008[13]進行數(shù)據(jù)檢索，共檢索出Ludo發(fā)表的95篇論文及10697篇施引文獻。這95篇論文主要來自SSCI和SCI-E數(shù)據(jù)庫，以期刊論文和會議論文為主，其中Ludo作為第一作者的論文有43篇，占比 45.74%。Ludo所發(fā)表論文的總被引次數(shù)達到了15394 次，去除自引后總計15180次，篇均被引頻次為162.04次。在CNKI中以“Ludo Waltman”為參考文獻檢索詞進行檢索，共檢索出1529篇中文施引文獻，以期刊論文和學位論文為主。

3.2 學術畫像結果。具體畫像內容分為3個部分：（1）對Ludo的學術產(chǎn)出基本情況進行統(tǒng)計分析，主要涉及論文產(chǎn)出時間、研究方向及主題、來源期刊以及所屬機構的分布特征。（2）對Ludo發(fā)表論文的合作情況進行分析，繪制合作網(wǎng)絡圖，提煉并標記合作頻率、學術地位較高的作者。（3）對Ludo所發(fā)表論文的被引情況進行分析，發(fā)掘被引頻次最高的論文，分析其論文在地域與主題上的擴散情況，對比近幾屆普賴斯獎得主的h指數(shù)，并探究國內外引用及認同情況。

3.3 學術畫像結果檢驗

3.3.1 產(chǎn)出基本情況。（1）論文產(chǎn)出的時間分布特征?？蒲猩a(chǎn)率是衡量科學產(chǎn)出能力的一個重要定量指標，考慮到科學論文的發(fā)表數(shù)量能夠衡量科研生產(chǎn)率的高低，數(shù)據(jù)可視化大屏將學者的論文產(chǎn)出量及時間分布作為學術畫像的一部分。圖2（a）顯示了2005—2023年Ludo的年發(fā)文數(shù)量以及被引頻次，可以看出他的科學產(chǎn)出生涯大致以2011年為界分為兩個階段：2005—2011年期間發(fā)文數(shù)量持續(xù)增加，2011年后發(fā)文數(shù)量整體上波動性減少。自2005年發(fā)表了《Maximum likelihood parameter estimation in probabilistic fuzzy classifiers（概率模糊分類器中的最大似然參數(shù)估計）》[14]一文后，Ludo的發(fā)文數(shù)量持續(xù)增長，在2011年發(fā)表論文數(shù)量達到頂峰，為11篇。2011年后，其發(fā)文數(shù)量整體減少，最多為9篇，2020和2021年減少到1篇，而2022和2023年則未發(fā)表文章。但從平均看來，Ludo仍然保持著年均5.5篇的學術產(chǎn)出。畫像結果與圖2（b）中李杰的結果一致程度較高。

根據(jù)圖2（a）中的被引頻次曲線可以發(fā)現(xiàn)，Ludo論文的被引頻次呈現(xiàn)出先升高再降低的趨勢。2005—2022年，其論文的被引頻次持續(xù)上升，在2022年達到了近4000次，尤其是在2018—2022年期間被引頻次增長迅速，體現(xiàn)了較高的學術影響力與傳播力。

（2）論文研究方向及主題分布特征。論文研究方向及主題分布特征能清晰揭示學者關注的領域，進而加深研究者對該學者的認識。Ludo的論文研究方向及主題分布情況分別如圖3（a）、圖3（b）所示。

由圖3（a）可見，他的研究內容集中在計算機科學、圖書館學情報學領域，還涉及科學技術、數(shù)學計算生物學、商業(yè)經(jīng)濟學等方向。具體而言，Ludo研究論文所涉及的高頻關鍵詞包括citation analysis（引文分析）、bibliometric indicators（文獻計量指標）、field normalization（領域標準化）、normalization（標準化）、citation impact（引文影響力）等，如圖3（b）所示?？梢钥闯觯琇udo發(fā)表的論文主要集中在信息科學領域，圍繞科學計量、科學評價及相關主題開展研究。這與李杰描述的“論文主要發(fā)表在信息科學與圖書館學、計算機科學與跨學科應用以及計算機科學與信息系統(tǒng)等領域，圍繞引文分析（citation analysis）開展了大量科技評價的研究工作”[16]一致。

（3）來源期刊分布特征。

圖4顯示了Ludo的主要發(fā)文期刊分布情況。本文剔除了21篇會議論文，提取了剩余74篇期刊論文中發(fā)文數(shù)量占比最多的5本期刊Journal of Informetrics、Journal of the American Society for Information Science and Technology、Scientometrics、Nature和Plos One。發(fā)文期刊分布情況再次說明Ludo所做的研究主要集中在信息計量學、科學計量學領域。且在國際頂尖學術期刊Nature和計量學領域核心期刊Journal of Informetrics等權威期刊的多次發(fā)文，進一步證明Ludo研究成果的學術價值受到了廣泛認可。李杰認為Ludo主要在科學計量相關的三大期刊——Journal of Informetrics、JASIST、Scientometrics[17]上發(fā)表文章，與本文結果基本一致。

（4）所屬機構分布特征。圖5顯示了Ludo發(fā)表論文數(shù)量最多的5個機構，分別為Leiden University（79篇）、Erasmus University（23篇）、Scitech Strategies Inc（7篇）、Ecole Polytechnique Federale de Lausanne（6篇）、Indiana University（4篇）。據(jù)李杰[18]研究，Ludo于2005年在荷蘭Erasmus University獲得碩士學位后留校深造，并于2011年獲得博士學位。從2009年開始，他開始參與Leiden University科學技術研究中心的科研工作，并在2018年被任命為Leiden University的教授，這些學術研究經(jīng)歷與畫像結果中發(fā)文機構的變化一致。

3.3.2 合作情況分析?？茖W合作是科學生產(chǎn)力發(fā)展的必然現(xiàn)象，也是現(xiàn)代科學進步的重要原因。[19]普賴斯于1963年最早提出了“無形學院”的科學合作問題，[20]自此科學活動中的合著現(xiàn)象和作者規(guī)律一直都是科學計量學的重要研究主題。[21]本文采用氣泡圖和網(wǎng)絡圖共同描述學者合作情況。

Ludo的論文合作情況如圖6（a）、圖6（b）所示。2005—2023年，Ludo只有7篇獨立完成的學術作品，論文合著率達到了92.55%，高頻的合作表示了他與同行相互認可的程度。在所有合作者中，Van Eck，NJ是和他合作次數(shù)最多的學者，兩人在2005—2020年間共合作了64篇論文，占Ludo發(fā)文總數(shù)的68.09%。在這64篇論文中，Ludo作為第一作者的有28篇，占比43.75%。兩人的合作研究集中在科學計量學領域，得益于Van Eck，NJ豐富的知識圖譜相關研究經(jīng)驗，兩人于2009年在萊頓大學科學技術研究中心共同開發(fā)了VOSviewer，為科學知識圖譜領域提供了一款非常受歡迎的研究工具。此外，他還和普賴斯獎得主Van Raan AFJ、萊頓大學科學技術研究中心的研究員Visser MS、Traag VA、埃因霍溫理工大學教授Kaymak U等也都有近10次的合作。

圖6（b）以顏色深淺標識了合作者的h指數(shù)大小，顏色深度與h指數(shù)大小呈正相關關系。可以看出Ludo不僅本身h指數(shù)較高，而且與科學計量學界很多高h指數(shù)的知名學者都有過合作，并已與部分學者形成固定的合作關系和學術社區(qū)。h指數(shù)作為科學評價的指標，對于表征學術影響力具有一定參考價值?；趯W術授信理念，眾多高影響力學者和Ludo的合作表明了對其科學研究能力的認可，進而反映出其較高的學術地位和學術聲望?？梢灶A測，在獲得普賴斯獎后，Ludo的合作關系網(wǎng)絡將進一步擴大，跨學科的趨勢也將更加凸顯，其合作論文數(shù)量和學術影響范圍都將得到增加。

3.3.3 產(chǎn)出影響分析。文獻間的引用與被引用關系體現(xiàn)了知識的傳播和利用，表現(xiàn)出學者之間的相互認同與關注，進而可以表征文獻的學術價值和學術影響力。數(shù)據(jù)可視化大屏可以將這些復雜的關系清晰地揭示出來。

（1）被引頻次分布。通過整合Ludo參與完成的被引頻次排名前十論文的基本信息，被引頻次最高的是Van Eck，NJ和他于2010年共同發(fā)表的論文《Software survey： VOSviewer，a computer program for bibliometric mapping（軟件調查：VOS viewer 一個用戶文獻圖譜的軟件）》[23]總被引頻次為5020次。該文章是對二人開發(fā)的共現(xiàn)網(wǎng)絡分析與可視化工具VOSviewer的介紹與說明，極高的被引頻次表明VOSviewer軟件在知識圖譜構建研究中得到了廣泛的應用。而Ludo作為第一作者被引頻次最高的是2010年發(fā)表在Journal of Informetrics上的《A unified approach to mapping and clustering of bibliometric networks（文獻計量網(wǎng)絡圖譜映射與聚類的一體化）》，[24]這篇文章從數(shù)理的角度介紹了文獻網(wǎng)絡映射和聚類的方法，證明他在共現(xiàn)網(wǎng)絡建構上能夠得到其他學者的認同。數(shù)據(jù)可視化大屏被引頻次Top10統(tǒng)計結果與李杰[25]的統(tǒng)計內容大致相符。

（2）論文擴散國家分布。Ludo的論文傳播廣泛，其影響力輻射眾多國家和地區(qū)。2005年—2023年，共有近150個不同國家或地區(qū)引用了Ludo的論文，其中Ludo的施引文獻數(shù)量最多的10個國家分別是中國、美國、西班牙、英國、意大利、德國、荷蘭、巴西、澳大利亞、印度，見圖7（a）。

可以看出中國和美國學者對科學計量學領域和Ludo的研究成果表現(xiàn)出了極大的興趣，均有超2000篇的文獻對其進行了引用參考，遠遠超過其他國家和地區(qū)。從地理位置和發(fā)達程度的角度來看，引用Ludo的學者主要來自歐洲和其他經(jīng)濟發(fā)達地區(qū)，可以用地圖形式展示Ludo的施引文獻數(shù)量最多的50個國家的分布情況，與圖7（b）李杰的結果相似度高。

（3）研究主題差異分布。本文展示了Ludo所著原文及其中外文施引文獻在研究方向間的分布差異，如圖8（a）和主題傳播情況，如圖8（b）。在計算機科學、圖書館學情報學兩個領域的研究中，三者研究方向具有較高的相似度，說明Ludo的作品在本領域內得到了廣泛的傳播與運用。除了計算機科學、信息科學領域外，在中外文施引文獻中，還有學者將其研究成果擴展到了醫(yī)療服務、工程、環(huán)境科學生態(tài)學、科學研究管理、宏觀經(jīng)濟管理等領域，這肯定了其學術成果在跨學科領域的影響力和應用價值，也印證了本領域的知識將逐步擴大影響范圍、在不同學科間被廣泛交叉?zhèn)鞑サ膽B(tài)勢。

圖8（b）顯示，外文施引文獻主題集中在bibliometrics、scientometrics、VOSviewer、citation analysis、science mapping等方面，中文施引文獻集中在可視化分析、知識圖譜、文獻計量、VOSviewer等方面?？芍?，Ludo對國內外學者的影響均主要在文獻計量學、知識圖譜及VOSviewer，表明了他在計量學理論發(fā)展及知識圖譜工具開發(fā)上取得了令人矚目的成就和廣泛的認可。

（4）h指數(shù)評價。h指數(shù)將學者的發(fā)文數(shù)量與被引頻次有機結合起來，是評價學者學術成就與學術價值的重要指標。[27]本文在數(shù)據(jù)大屏上添加了h指數(shù)評價維度，數(shù)據(jù)來源于Web of Science，可得到近十屆普賴斯獎得主h指數(shù)分布情況。從中可以看出，普賴斯獎獲得者h指數(shù)普遍較高，Ludo的h指數(shù)為42，在近十屆12位普賴斯獎獲得者中排名第五，處在中等水平，而其在發(fā)文年份較少的情況下能取得高達42的h指數(shù)，也證明了他具備很高的學術影響力和科研潛力。但h指數(shù)的評價具有一定局限性，不能在領域、主題層面不同的情況下比較不同學者的影響力，后續(xù)可以結合學術授信評價理論中的Dh指數(shù)進一步認識學者在細分領域內的影響力差異。[28]

（5）國內外學者引用與認同情況。利用檢索出的Ludo論文的中外文施引文獻，對作者進行統(tǒng)計，得出引用其論文頻次最高的作者。如圖9所示，在所有外文施引文獻中，引用頻次最高的十位學者依次是Bornmann L、Wang Y、Leydesdorff L、Zhang Y、Kumar S、Li J、Thelwall M、Merigo JM、Zhang L、Wang J；在中文施引文獻中，引用頻次最高的前十位學者依次是邱均平、丁潔蘭、胡志剛、陳仕吉、趙蓉英、劉細文、陳云偉、伊惠芳、龍藝璇、侯海燕。不難發(fā)現(xiàn)，其中不乏情報科學、信息計量領域的知名學者，如Bornmann L（即Lutz Bornmann）是2019年普賴斯獎得主，邱均平是國內信息計量、科學評價的先鋒人物。根據(jù)學術授信評價理論，領域內高影響力人群的引用說明學界對其科研成果具有較高的認同和肯定。從時間上來看，國內外均在2022年引用最多，這可能與Ludo得獎有一定關聯(lián)性。而從整體來看，近70%的外文施引文獻及近80%的中文施引文獻發(fā)表在2022年以前，說明Ludo獲獎前就已經(jīng)具有較高的學術影響力。事實上，周春雷[29]等早在2018年就利用國際科學計量學界在專業(yè)期刊Scientometrics和Journal of Informetrics提供的參考文獻數(shù)據(jù)，根據(jù)學術授信分析理論預測了Ludo有望獲得普賴斯獎，這一系列信息表明他當年即已深孚眾望。

4 結果與討論

本文提出了一種利用數(shù)據(jù)可視化大屏為學者繪制學術畫像的方法，而在此之前，李杰已基于傳統(tǒng)方法對Ludo進行了學術畫像。將本文的畫像結果與其對比可以發(fā)現(xiàn)，兩者具有很高的相似度，尤其是在論文產(chǎn)出情況及合作情況方面，本文的結果并不遜于專業(yè)人士利用知識圖譜軟件精心繪制出的成果，這說明本文提出的數(shù)據(jù)可視化大屏在學術畫像的過程中具有合理性、科學性、可行性和有效性。

相較于已有的學術畫像方法，數(shù)據(jù)可視化大屏具有多方面的優(yōu)勢，具體歸納如下。

（1）數(shù)據(jù)可視化大屏是一種簡單靈活的學術畫像方法。①能為用戶提供一個標準操作框架，使用簡單方便。數(shù)據(jù)可視化大屏給出了一個幾乎適用于所有學者的學術畫像操作框架，可靈活替換評價數(shù)據(jù)并生成對應的畫像結果，對研究者素養(yǎng)要求較低。任何人只需要具備基礎的數(shù)據(jù)處理能力，依照給定的標準化操作流程繪制學術畫像，就能夠掌握這一方法，自動獲得畫像結果。而反觀傳統(tǒng)的CiteSpace等方法，則需要研究人員本身具有豐富的可視化經(jīng)驗和手工調制共現(xiàn)圖譜的能力，門檻較高。②統(tǒng)一展示多維畫像。多樣的圖表類型為多維學術畫像的繪制提供了基礎，且不同維度或不同形式的學術畫像都能夠在同一個頁面上完成并展示，無需切換平臺，提高了繪制畫像的便捷程度。③用戶界面友好。數(shù)據(jù)可視化大屏提供個性化布局，支持研究人員自行設計大屏顯示的內容及形式，可以根據(jù)個人喜好自主調整格式和布局，充分展示自己想要表達的內容。且數(shù)據(jù)可視化大屏中的組件動態(tài)可交互，用戶僅需將鼠標移至圖表上，即可加載數(shù)據(jù)，實現(xiàn)動態(tài)交互。④支持自行拓展。數(shù)據(jù)可視化大屏能夠揭示的信息并不局限于此，其數(shù)據(jù)和畫像維度均存在很大的拓展空間。本文僅提供了這一方法的構想和基礎性的應用方式，研究人員可通過此框架加深對于學術畫像的理解和認識，從中獲得思考和啟發(fā)，從而在未來進一步擴展畫像的維度，探索更多的可能性，逐步完善這一方法。

（2）數(shù)據(jù)可視化大屏是一種有效且實用的學術價值揭示工具。①提供可信評價結果。本文在設計畫像維度與解讀畫像結果時結合了學術授信評價理論，將學術共同體的意見作為重要評價標準，從同行的角度評估其學術影響，為學術價值的揭示提供了可信的依據(jù)。②充分展示評價信息。數(shù)據(jù)可視化大屏能夠基本囊括學術評價需要的所有圖表類型，表現(xiàn)形式豐富，能比傳統(tǒng)的靜態(tài)圖表展示更多信息，滿足不同維度、不同指標的顯示需求，實現(xiàn)多元評價。研究人員也可根據(jù)自身需求劃定合理的畫像維度，并將學術畫像結果集中到同一個網(wǎng)頁上全面展示。③清晰表示復雜關系。數(shù)據(jù)可視化大屏將所有信息可視化，通過構建學者的合作網(wǎng)絡、引文網(wǎng)絡等圖譜幫助研究者快速梳理不同研究主題、學者、機構、期刊之間的復雜關系。還支持研究者進一步擴展應用，將不同學者的數(shù)據(jù)大屏內容進行對比，以發(fā)現(xiàn)優(yōu)秀學者，抑或是使用結構更加復雜、內涵更加深刻的數(shù)據(jù)集，如增強型引文數(shù)據(jù)集，開展更加深入的探究等。總之，數(shù)據(jù)可視化大屏這一學術畫像新方法在未來科學計量、學術評價、可視化分析、大數(shù)據(jù)分析等領域都能表現(xiàn)出較高的應用價值和拓展?jié)摿Α?/p>

本文圍繞現(xiàn)實問題分析了新畫像方法的產(chǎn)生背景，在方法設計中闡述了建構面向學術評價的數(shù)據(jù)可視化大屏的理論支撐和實現(xiàn)技術，根據(jù)畫像結果論證了該方法的科學性和應用價值。值得指出的是，目前數(shù)據(jù)可視化大屏方法尚不能像專業(yè)知識圖譜工具那樣繪制復雜網(wǎng)絡、實現(xiàn)聚類分析。在后續(xù)研究中，筆者將繼續(xù)深入探索數(shù)據(jù)可視化大屏的功能，以實現(xiàn)更加深入的數(shù)據(jù)分析、學術畫像和學術評價研究。

*本文系國家社會科學基金項目“學術圖書價值揭示方法研究”（項目編號：21BTQ067）研究成果之一。

參考文獻：

[1]XIONG R，DONATH J.PeopleGarden：creating data portraits for users[C].Proceedings of the 12th annual ACM symposium on User interface software and technology.1999：37-44.

[2]王雅嬌，路佳，柯曉靜.學術畫像在科技期刊中的應用研究[J].中國編輯，2021，136（04）：45-49.

[3][6][12][13][15][16][17][18][22][25][26]李杰.普賴斯獎獲得者盧多·瓦特曼的學術畫像[J].科學觀察，2022，17（05）：45-58.

[4]李杰，甘強，錢金鑫.中科大火災科學國家重點實驗室的學術畫像[J/OL].安全與環(huán)境學報：1-15[2023-02-28].https：//doi.org/10.13637/j.issn.1009-6094.2022.2062.

[5]于海泉.基于深度神經(jīng)網(wǎng)絡的學術畫像預測和監(jiān)控[J].科學與信息化，2019（36）：44-45.

[7][8][10]周春雷.學術授信評價及其應用[M].北京：科學出版社，2016.

[9]周春雷.基于h指數(shù)的學術授信評價研究[D].武漢大學，2010.

[11][14]WALTMAN L，KAYMAK U，VAN DEN BERG J.Maximum likelihood parameter estimation in probabilistic fuzzy classifiers[C].The 14th IEEE International Conference on Fuzzy Systems，2005.FUZZ' 05.IEEE，2005：1098-1103.

[19][21]潘有能，譚健.普賴斯獎得主的科學合作網(wǎng)絡研究[J].圖書情報工作，2012，56（16）：80-84.

[10]PRICE D S.Big science，little science[J].Columbia University，New York，1963，119：119.

[11]VAN ECK N J，WALTMAN L.VOS：A new method for visualizing similarities between objects;proceedings of the 30th Annual Conference of the German-Classification-Society，F(xiàn)reie Univ Berlin，Berlin，Germany，F(xiàn) Mar 08-10，2006[C].SpringerVerlag Berlin：Berlin，2007.

[12]WALTMAN L，VAN ECK N J，NOYONS E C M.A unified approach to mapping and clustering of bibliometric networks[J].Journal of Informetrics，2010，4（04）：629-635.

[13]HIRSCH J E.An index to quantify an individuals scientific research output[J].Proceedings of the National Academy of Sciences of the United States of America，2005，102（46）：16569-16572.

[14]周春雷.領域內h指數(shù)及其應用研究[J].圖書情報工作，2012，56（10）：45-49.

[15]ZHOU CHUNLEI，KONG XIANGYI，LIN ZHIPENG.Research on Derek John de Solla Price Medal Prediction Based on Academic Credit Analysis[J].Scientometrics，2019，118（01）：159-175.

（作者單位：鄭州大學信息管理學院 周春雷，博士，教授，博士生導師；張雨新，碩士研究生；薛寧，碩士研究生來稿日期：2023-04-18）