基于引文分析工具的学科发展态势研究

穆亚凤+都平平+齐近图+邓志文

〔摘要〕以Web of Science数据库为文献来源，应用Web of Science平台自带的分析工具和Histcite引文网络分析工具，通过文献检索、结果分析等方式，得出“雾霾”这一研究课题的发展脉络及发展态势，并通过两种引文分析工具之间不同的计量指标所展现的学科发展现象和统计结果的差异，进而得出在进行学科发展态势研究时，应该将这两个引文分析工具进行有机的结合，使得这两者互为补充，充分发挥各自的作用，更好地研究和分析学科引文脉络，使得统计结果更为全面、准确，为学科领域发展态势的研究提供有力的支撑。

〔关键词〕引文分析；Web of Science平台；Histcite；文献计量；计量指标；学科发展态势

DOI：10.3969/j.issn.1008-0821.2017.03.023

〔中图分类号〕G250252〔文献标识码〕A〔文章编号〕1008-0821（2017）03-0126-06

〔Abstract〕Using the Web of Science database as the source of the literature，this paper used the analysis tool of Web of Science platform and the analysis tools of Histcite.By means of literature retrieval and analysis of results，the paper obtained the development trend and development trend of“haze”.By using two kinds of citation analysis tools，and through the different measurement indicators between the two citation analysis of the development of disciplines and statistical results of the difference between the results obtained in the development of disciplines research situation，the two citation analysis Tools，so that the two complement each other，gave full play to their respective roles，conducted a better research and analysis of subject citation，making the results more comprehensive and accurate，for the development of disciplines in the field of research to provide strong support.

〔Key words〕citation analysis；Web of Science；Histcite；bibliometrics；measurement index；trend of displine development

科學研究的世界呈现出蔓延生长，不断演化的景象。无论是从事科学研究的研究人员还是管理人员都需要掌握科研的进展和动态，对于他们而言，洞察科研动向，尤其是跟踪新兴专业领域讲对其科研和实际工作产生重大的意义[1]。对已有文献之间的发展脉络的研究，是对一个学科的发展态势研究的重要组成部分，是我们分析引文之间的施引关系并深入地探究某一学科领域的发展脉络与方向以及重要成果。本文以Web of Science数据库为文献来源，应用Web of Science平台自带的分析工具和Histcite引文分析工具，通过文献检索、结果分析等引文分析方式，以探索“雾霾”这一研究课题的当前的研究态势为例，得出“雾霾”这一研究课题的发展脉络及发展态势，并通过两种引文分析工具之间不同的计量指标所展现的学科发展现象和统计结果的差异，进而得出在进行学科发展态势研究时，应该将这两个引文分析工具进行有机的结合，使得这两者互为补充，充分发挥各自的作用，更好地研究和分析学科引文脉络，使得统计结果更为全面、准确，为学科领域发展态势的研究提供有力的支撑。

1引文工具介绍

11Web of Science平台引文分析工具简介

Web of Science平台引文分析是Web of Science平台自带的一个引文分析功能，研究者可以通过从各个字段中提取数据值，进而对结果集中的记录进行分组和排序，并借助此功能，研究者可以基于检索式找出在特定的研究领域中最受欢迎的作者，或者生成一个按记录数排序的机构列表[2]。Web of Science平台引文分析主要是对检索结果中的作者、国家/地区、文献类型、基金资助机构、机构扩展、出版年、研究方向、来源出版物、Web of Science类别等多个分析指标进行统计分析。

12Histcite引文网络分析工具简介

Histcite是一款免费的引文图谱分析软件，其用图示的方式展示某一领域不同文献之间的关系，可以快速帮助我们绘制出一个领域的发展历史，定位出该领域的重要文献，以及最新的重要文献。其主要功能是对文献搜索的结果进行分析和组构，从而了解各个学科发展的峰谷趋势，历史重大事件，以及各大学、研究所及作者的科研文章的产出数量等。并根据结果进一步做出其所需拓扑图表等[3]。

HistCite引文分析指标有作者、出版年、机构、出版来源、国家等基本指标，这些与Web of Science平台检索结果的基本文献计量分析指标相同，除此之外，还包含有几个其特有的指标：Recs（在本文献集中的记录数）、LCS（本地被引次数）、GCS（总被引次数）、LCR（本地引文数量）和CR（总引文数量）等多个计量指标。其中GCS和CR是Web of Science平台提供的数据，LCR和LCR则是Histcite特有的。LCS是对某次检索结果之间的引证关系数量的考量[4-5]。Web of Science平台检索结果页面显示的引证次数是GCS，而LCS则是检索结果列表文献对该文献的引证次数，GCS包含了LCS。LCS可用于评价检索结果文献之间的关联强度。

2数据来源与研究方法

21数据来源

以Web of Science中的SCI数据库作为样本数据的来源，以保证参与统计的数据的质量与权威，并将检索主题限定在“雾霾”、“PM25”、“可见度”、“气溶胶”以及“空气污染”等与“雾霾”相关的检索词，检索策略为“ts=（Fog or（Fog and haze）or haze or PM25 or Visibility or Aerosol or Air Pollution）”，包括所有年份，检索日期为2016-09-12，最后获得数据148 977条，鉴于数据量过于庞大，也考虑到文献信息的时效性，我们以这些数据中的ESI高水平论文（核心论文）作为本文的样本文献。所谓的ESI高水平论文指的是以Web of Science平台中的SCI数据库数据为数据源，其所包含的是近十年以内的来自于ESI数据库中的高被引论文（High Cited Papers）及近两年内的热点论文（Hot Papers），即在同学科同年度中根据被引频次排在前1%或01%的论文，核心论文具有较强的创新性，往往发挥着非同一般的引领作用，为所有检索文献中最为重要、最为核心的一批文献。通过对这些高水平论文之间的发展脉络的分析，可以发现某学科的最新发展及发展趋势。

根据ESI数据库对于数据时限的规定，本次所选取的样本数据所包含年限为ESI数据库中年限范围，即为2006-2016年，通过对检索结果进行精炼，本次检索共检索到的关于“雾霾”文献中所包含的ESI高水平论文1 307篇，在这一样本文献中包含有2种文献类型，分别为期刊论文（Article）1 018篇，综述性论文（Review）289篇。檢索到的文献均为英文文献。

把检索到的1 307篇文献按照被引频次降序排列，以全纪录格式将检索结果保存为纯文本文件，在检索页面中选择“保存为其他文件格式”，因Web of Science平台每次最多输出500条记录，因此导出引文数量选择1～500，并分3次进行导出，记录内容选择“全记录”，文件格式选择“纯文本”。这就获得了我们进行引文分析所需的原始数据。

22研究方法

本文使用文献计量学方法，分别利用Web of Science平台引文分析工具和Histcite引文图谱分析工具定量统计以上检索结果，并根据不同的引文分析工具对各基本指标以及特有指标进行引文分析，然后根据两种分析工具所得出的分析结果的异同及对于学科发展态势的研究的优势，最后选取对于研究学科发展态势最为合适的引文分析方法。具体的操作流程见图1。

3研究结果与分析

31Web of Science平台引文分析结果

利用Web of Science平台在进行引文分析时，我们分别选择以下几个指标来进行分析：

311Web of Science类别

选择Web of Science类别进行分析，在以上检索结果主要分布在115个Web of Science类别中，其中最主要的学科领域研究最多的是气象学大气科学（METEOROLOGY ATMOSPHERIC SCIENCES）和环境科学（ENVIRONMENTAL SCIENCES），这两个研究领域所占份额总和超过检索总数的50%，分别有417篇文献和263篇文献，其次是公共环境职业健康、地质、多学科、工程环境、毒理学、能源燃料、化学物理以及化学等研究领域。可以初步看出，对“雾霾”的研究关注度最高的研究领域为气象学大气科学以及环境科学。

312研究方向

选择研究方向进行分析可以看出，主要研究方向集中在气象学与大气科学（METEOROLOGY ATMOSPHERIC SCIENCES）、环境科学与生态学（ENVIRONMENTAL SCIENCES ECOLOGY）、公共环境职业健康（PUBLIC ENVIRONMENTAL OCCUPATIONAL HEALTH）等研究方向上，其中研究方向排在前10位的统计情况见表1。由此可见，对“雾霾”现象全球研究者研究最多的方向为气象学与大气科学、环境科学与生态学以及公共环境职业健康，这就说明“雾霾”对于大气、环境、生态以及公共健康的影响是较为重大的，是被人们普遍重视和需要深入研究的。

313出版年

选择出版年进行分析，为了能更直观的表达随着时间的推移研究者对于“雾霾”的研究的发展变化趋势，按照Web of Science平台分析结果给出的数据给出了“雾霾”研究2006-2016年发展趋势图（见图2）。

从图1中可以看出，对于“雾霾”的研究，从2006-2014年之间都是出于一个较为平稳上升过程，在2015年出现一个剧增的峰值180篇，占总记录数的1377%，也是所有年份中记录数最多的一年，这里的记录数不能将其作为简单的文献数来看待，由于这里选取的文献均为ESI高水平论文，所有在2015年的高被引论文的突增，而引用其文献的主要是该文献发表之后的文献，因此可以看出在2015年之后研究者对于雾霾的重视程度是非常高的，而在2014-2015年这一年也正是世界上“雾霾”影响最为严重的阶段，“雾霾”使得大气质量、环境以及身体健康受到了很大的威胁，因此对于“雾霾”的研究也是急需解决的问题。

314国家/地区

选择国家/地区指标进行分析，可以看出，对于“雾霾”的研究，美国的最多，共801篇，占总数的612%，处于绝对的领先地位。其次是英国，德国、中国以及法国等国家。而英国、德国以及法国都是工业强国，他们或多或少都受过环境污染对于环境气候的影响，因此他们对于“雾霾”的重视也是必然的结果。而对于中国这个发展中国家而言，在2006-2010年的论文数为33篇，2011-2016年总的论文数143篇，从数据上看，为中国在2010年以前对于“雾霾”的研究处于低谷，而2011年之后的记录数的大幅增长可以看出，中国对于影响环境气候“雾霾”的研究可谓是取得了突飞猛进，这也足以说明中国社会对于“雾霾”所带来的对环境的影响有了足够的重视。

综上所述，利用Web of Science平台自带的引文分析工具对其中的Web of Science类别、研究方向、出版年以及国家/地区等4项指标的分析，可以得出以下结论，即：

1）从Web of Science类别来看：对于“雾霾”的研究，包含了多个学科领域，如：气象学大气科学、环境科学、公共环境职业健康、地质、多学科、工程环境、毒理学、能源燃料、化学物理以及化学等研究领域。可以看出，“雾霾”这一现象对于社会多个行业都有影响，因此受到了很多广泛的关注。

2）从研究方向来看：气象学与大气科学、环境科学与生态学以及公共环境职业健康这3个研究方向对于“雾霾”研究最多，这就说明“雾霾”对于大气、环境、生态以及公共健康的影响较为重大。

3）从出版时间来看：随着时间的推移，从2006-2014年之间都是出于一个较为平稳上升过程，在2015年出现一个剧增，因此可以看出在2014年之后研究者对于雾霾的重视程度普遍提高。

4）从国家/地区来看：不仅发达国家对于“雾霾”的非常重视，发展中国也逐渐意识到“雾霾”的危害，对“雾霾”的研究也给予了高度的重视。

32HistCite引文网络分析

HistCite引文网络分析可将导入的文献按照作者、时间、期刊名称、机构、关键词以及国家等顺序生成本地列表进行分析，也可利用HistCite引文工具特有的指标TGCS和TLCS来进行综合评价。

将之前下载的数据导入HistCite。根据HistCite引文工具，将对作者、关键词以及引用关系图表等几个指标利用HistCite引文工具特有的指標TGCS和TLCS来进行综合评价。由于根据检索结果的出版时间所得分析结果与Web of Science平台自带的引文分析工具中出版年的分析结果一致，因此HistCite分析就不在进行此项指标的分析。

321作者

根据导入的结果，可以看出所有文献涉及的作者共8 277位，这些作者可按照指标GCS（总被引次数）和LCS（本地被引次数）进行排序，可以看出分别按照这两者进行排序其所代表的含义是不同的，GCS（总被引次数）指的是在Web of Science平台上的引用数据，而LCS（本地被引次数）指的是在本次检索结果中的引用数据，即某文献在当前数据集中被引用的次数，根据LCS的排序，可以快速定位该领域的重要文献或者作者，从而得知谁是该领域的引领人物[5]。

根据作者指标中LCS（本地被引次数）排序结果可以看出对于“雾霾”研究处于引领地位的学者，根据表2可以看出作者Jimenez JL、Worsnop DR、以及DeCarlo PF等人皆为当前研究“雾霾”最为权威的学者。

322关键词

关键词是表述文献主题、内容、思路以及研究方法的关键性词汇，是文献计量研究的重要指标，关键词词频越高，说明这一主题词受关注度越高，可代表此领域的研究热点[6]。根据导入的结果，可以看出所有文献涉及的关键词（Word）共3 082个，其中记录数超过100的关键词共有6个，分别为AEROSOL、AIR、POLLUTION、ORGANIC、REVIEW以及GLOBAL，这几个关键词说明“雾霾”研究主要集中在雾霾的主要组成的气溶胶的相关资料的研究、空气状况、环境污染以及形成雾霾的有机碳氢化合物粒子、“雾霾”研究的综述以及全球对于“雾霾”的研究情况等。如关于气溶胶（AEROSOL）文献190篇，关于空气（AIR）文献166篇，关于污染（POLLUTION）文献141篇，关于有机（ORGANIC）文献107篇，关于“雾霾”研究综述（REVIEW）文献103篇，关于全球（GLOBAL）文献101篇，此外，关于大气（ATMOSPHERIC）、气候（CLIMATE）以及曝光（EXPOSURE）也是“雾霾”研究的重点。

323可视化分析

根据以往的经验，仅仅按照被引频次排序并不足以了解“雾霾”研究文献中最重要的文献及文献之间的关系，为了更详细的了解重点文献间的发展传承关系，采用HistCite引文工具来进行可视化分析。引文关系时序图是HistCite引文工具最重要、最有特色的可视化功能，其可根据自动生成某次检索结果做出文章之间的引用关系图表这些拓扑图表，也称为历史图，它显示了某个专业领域内的关键事件，以及它们之间的年代顺序及相互影响，从中让读者对某个主题的历史发展有个快速、深刻的了解，并对写某个主题历史的作者有很大的帮助。用户可以选择结点的数量，一般为30或50个结点，并选择以GCS或LCS值作为排序得出相应的引文关系时序图（见图3）。

图3中的数据是根据导入HistCite里的检索结果，选择其中权威的30篇文献绘图，并本局LCS排序得到的相应引文关系时序图。在可视化图形中，圆形的大小代表被引频次，也可以理解为文献的重要程度，箭头的方向表示文献之间的引用关系（箭头指向的文献即是被引用文献）。因此，通过图3可以很直观地看出各文献之间的引用关系，找出其中关键的一些文献，并从中寻找2006-2016年这个时间段内“雾霾”整个领域的发展程度及这个领域历史上的重大发现或研究[4，7]。在图3中，结点的大小与其LCS值相对应，LCS越高，结点越大，该文献被同主题其他文献引用的次数越高，该论文就越重要，价值越高，其中结点对应的文献信息见表3。所有该引文关系时序图展示的是重要文献之间的引用网络关系，进一步可以根据主路径相关算法识别关键结点和关系[8]。

从图3可以看出，检索出的文献集合主要分为4个部分。其中有3个部分不同虽然文献集中但彼此之间却有关联，这说明了对于“雾霾”研究主要涉及了3个学科领域，且这3个学科领域相互关联，第四部分为独立的部分。

最左边第一部分虽然只有1篇文献，为研究“由异戊二烯光氧化二次有机气溶胶的形成”，属于工程、环境科学领域，但是却被第三部分中的3篇文献引用，文献序号分别为437、323、318，而这3篇文献在第三部分中属于较为重要的几篇文献。这就说明第一部分为第三部分研究的基础文献之一。

第二部分与第一部分相比较属于较为独立的一部分，这一部分主要有8篇文献，根据引用关系可以看出较为重要的文献为文献序号为47、46的文献，其主要研究的是“全球模型的气溶胶组成模块光学特性”以、“气溶胶的生命周期多样性的量化”，这些研究都属于气象学和大气科学研究领域。

第三部分的研究主题较为集中，可以看出其中影响较大的几篇文献，分别为：65、93、96、133、260、314、318、425、437以及50等。其中除文献编号为50的文献研究的是空气污染对健康的影响外，其他重要文献包括文献的研究都是围绕“有机气溶胶”测量及其演变，例如对气溶胶质谱仪的相关研究、二次有机气溶胶的性能及其形成、大气有机气溶胶的演变等。65和93是2篇发表时间较早，有比较有开创性的文献，尤其是93，从图3中可以看出，几乎这一区域中的许多文献都引用了93这篇文章，对整个领域的影响较大，从LCS值可以看出，93这篇文章为49次，说明93这篇文章在“雾霾”研究中具有重要地位，该文在此领域堪称经典之作，值得阅读和参考[6，9]。图中显示2006-2009年是这一领域重要文献的高产期。许多被引频次高的文献都出自这一段时间，如96、136、260、318以及425等。表明“有机气溶胶”这一研究领域在这4年中对“雾霾”的研究和发现都很多，值得我们现在去研究和借鉴。

第四部分只有2篇文献，且与其他部分都没有互相引用的关系，因此其为一个独立的研究方向，其中文献编号为317和442，其中以317为基础，主要研究人为的空气污染及其相关问题，相对独立，与其他部分的文献没有互引关系。但是涉及空气污染的相关问题，也是与“雾霾”研究有一定的联系的。

33对比分析结果

根据以上两种引文分析工具所得出的分析结果，可以看出，这两种分析工具所拥有的各项分析指标有相同的地方，也有各自独特的指标，这对我们分析数据提供了不同的分析视角和分析结果，使得我们可以根据这些分析指标得出更为全面的学科发展信息，为我们展示出了更为全面的学科发展脉络及发展方向。具体指标对比如下：

331基础指标

两者共有的基础指标包括作者、期刊、出版年、国家/地区、机构等指标。通过这些基础指标两者皆可通过这几个指标来统计检索结果文献中的文献分布情况，但是两者所表现出来的文献之间的关系是不一样的。一方面，从引文角度我们可以看到，Histcite引文分析工具的统计结果更为能说明能通过检索结果去研究文献之间的引用关系，易于读者确定引用最多的文章、作者、单位及全球分布规律，从而得知谁是该领域的引领人物，是什么研究结果影响着这个领域的发展走向等，而Web of Science平台自带的分析工具仅仅能看到表面的情况，却不能从引文的角度去发现文献之间的关系，从而对学科的发展态势进行更为贴切的表现；另一方面，对于Web of Science平台自带的分析工具来说，其所处的系统环境是Web of Science平台自身，在进行检索结果文献之间的统计是可以直接进行统计，不需要进行系统的转换而减少了统计带来的误差，而Histcite引文分析工具虽然与Web of Science平台数据之间实现了数据转换，但是在数据转换过程中出现数据丢失现象或者是转换的数据出现少许偏差都会导致相应的误差，因此是Histcite引文分析工具所不能比拟的，因此我们在进行检索结果文献分析时应该避免出现类似现象以保证统计结果的准确性。

332特有指标

特有指标指的就是参与分析的两个引文分析工具其所特有的指标参数。从Web of Science平台自带的分析工具方面来说，其相对于Histcite引文分析工具所特有的指标包括Web of Science分类、研究方向、基金资助机构等指标；从Histcite引文分析工具方面來说，其相对于Web of Science平台自带的分析工具所特有的指标包括LCS（本地被引次数）、GCS（总被引次数）、LCR（本地引文数量）和CR（总引文数量）、关键词等计量指标。从这两者特有的计量指标中可以看到这些指标所展现的文献关系是不能互相替代的。首先，Histcite引文分析工具也可根据可视化图例反映一定研究分类，但是其并不能很准确地给出相应的Web of Science分类和研究方向，仅仅只是通过人的主观因素给其进行分类，因此相对来说Web of Science平台自带的分析工具所给出的Web of Science分类和研究方向相对来说还是比较精确的；其次对于Histcite引文分析工具所给出的LCS（本地被引次数）、GCS（总被引次数）、LCR（本地引文数量）和CR（总引文数量）、关键词等计量指标是Web of Science平台自带的分析工具所不能给出的，而这些指标恰恰可以从不同的角度来展现某个专业领域内的关键事件，以及它们之间的年代顺序及相互影响，从而让读者对某个主题的历史发展有个快速、深刻的了解，并对写某个学科发展的研究很大的帮助。

4结语

本文以Web of Science数据库为文献〔摘要〕微博作为Web20的典型代表，已引起旅游管理部门的广泛关注。本文以大陆31家省级旅游局官方微博2015年全年的博文数据为研究样本，采用内容分析法对其进行分析和挖掘，归纳出概况类、特色类、服务类、生活类4个大类，并形成了目的地概况、新闻资讯等14个具体类目。在此基础上展开分析，发现粉丝对不同类目的微博反馈有所不同，且不同旅游局官方微博在信息内容选择上也存在差异。因此，本文提出旅游局在开展微博应用时应制定微博管理制度，加强微博形象建设，宣传特色旅游，强化粉丝服务能力。

〔关键词〕旅游局；微博；内容分析；粉丝反馈；信息选择

DOI：10.3969/j.issn.1008-0821.2017.03.025

〔中图分类号〕G202〔文献标识码〕A〔文章编号〕1008-0821（2017）03-0141-07

〔Abstract〕As the typical representative of Web20 services，micro-blog has caused wide public concern of tourist boards.This study use the data of all the provincial travel administrations micro-blog accounts in 2015，applying content analysis method to conclude all the blogs into four categories，like overview category，professional category，funny category and living category.Furthermore，we develop them into specific 14 categories.On the basis of the above，we found that the fans behave differently in response to different categories and the official Weibo are different in the selection of the information.Therefore，we propose that the administrations should formulate operation management instructions，reinforce images building，propagandize characteristic tourism and enhance ability for fans service.

〔Key words〕travel boards；micro-blog；content analysis；fans feedback；information selection

旅游业是电子商务应用得最早、最好的行业之一。随着电子商务与旅游业的结合日趋紧密，微博成为旅游机构传播旅游信息和游客发表旅游体验的重要平台，也引起了旅游管理部门的广泛关注。新浪微博数据中心发布的《2015年微博年度旅游报告》显示，截止到2015年12月，已有2 371家旅游机构开通了微博官方认证账户，其中旅游局帐号近600家[1]。利用微博平台推广本地旅游产业，为游客提供实用、方便的旅游服务信息，已成为旅游局的共识。

当前，国内学者对旅游微博的应用研究主要集中在如下方面：

1）旅游微博的营销策略研究。如金晓春和金永成针对旅游微博信息碎片化、覆盖面狭窄等问题，提出应整合旅游行业、传统媒体和微博新媒体，创新微博内容发布和管理，重视营销的精确度[2]。王朝晖和周霞分析了微博营销相对传统营销所具有的全方位、广泛、长期有效的优势，并提出微博营销可以借鉴传统营销的一些做法以弥补微博的不足之处[3]。谢礼珊和曹汝娇则采用内容分析法研究了微博营销在经济型酒店连锁集团中的应用现状，并探讨了未来微博营销的管理对策[4]。侯振兴和袁勤俭分析了国内8家在线旅游企业的微博形象及负面形象产生原因，提出在线旅游企业可以从增强核心业务服务能力、提高员工服务水平、维护客户隐私安全等方面提升企业的微博形象[5]。郭珊珊使用LDA算法对30家旅游企业发布的微博内容进行主题挖掘，研究发现活动促销、旅游信息和粉丝互动3类微博对旅游企业营销最为有效[6]。

2）旅游微博对游客的影响研究。如吕本富、万红杰、刘超群等分析了微博情感对第九届北京园博會游客流量的影响，发现正面倾向微博能够引起当期或未来客流量正向变化，提出旅游官方微博应充分发挥正面微博的影响力，增强游客的旅游意愿[7]。谢丽琼利用结构方程模型等方法研究了旅游目的地官方微博对游客行为意愿的影响，发现感知有用性、感知易用性、交互性、感知娱乐性与游客行为意愿正相关，提出旅游微博运营者应依据影响因素不同依赖程度对微博进行针对性建设，如定向推送信息、建立情感互联、重视口碑传播等[8]。

由上述可知，当前关于旅游微博应用的研究成果已经比较丰富，为后续研究奠定了坚实的基础。然而，这些研究大多是从定性的理论分析角度对提升微博应用提出建议，仅有少数研究基于微博客观内容对旅游微博的应用个例展开分析，未发现有学者从客观内容层面对旅游局官方微博的整体应用现状展开研究。为此，本文拟通过内容分析的方法研究我国大陆地区省级旅游局官方微博发布的微博内容，在从整体上把握旅游局微博应用现状的同时，具体分析微博应用过程中的亮点和不足，探索“智慧旅游”背景下旅游局官方微博的运营策略，提出相应的管理措施和建议。

1数据来源与研究设计

11数据来源

中国互联网络信息中心CNNIC报告显示，截止到2015年上半年，新浪微博市场份额达694%[9]，已成为目前国内影响力最大、活跃度最高、用户最多的微博平台，几乎所有旅游机构都首选在新浪微博平台开通官方账户。因此本文以新浪微博平台上的旅游局官方微博为研究对象。

111研究具体样本的选取

省级旅游局官方微博是旅游微博的重要组成部分，相比于市级旅游局微博，具有信息内容丰富、更新频率快、关注程度高等特点[10]。因此本文以大陆地区31家省级旅游局的官方微博为研究样本，展开相关研究。

112研究样本量的选取

笔者利用网络爬虫软件，抓取了上述31家旅游局官方微博2015年全年（2015年1月1日至2015年12月31日）发布的全部微博，共计70 994条，其中原创微博57 537条，本文的内容分析即基于这57 537条原创微博。

12研究设计

本研究采用内容分析法对微博材料进行编码和分析。内容分析法是通过对研究对象的内容进行深入分析之后，系统、客观和量化的描述结果的一种研究方法[11]。利用该方法可以将媒介上的文字、非量化的有交流价值的信息转化为定量的数据，建立有意义的类目分解交流内容，并以此来分析信息的某些特征，得出有价值的结论。

在本研究中，爬虫抓取到的微博由笔者按省份保存在Excel文件中，再由编码员分别进行人工编码。针对收集到的材料，将旅游局微博发布的每一条微博作为内容分析的一个编码单位，对其内容构建编码类目。具体类目如表1所示：

本研究由3位受过规则培训的编码员进行编码，采用内部一致性系数对编码结果进行信度检验，在完善分析类目后，随机抽取500条微博进行信度检验，结果显示信度超过85%，说明内容分析的结果是可靠的。同时，通过对内容分析的结果进行多重证据来源的三角验证和证据链检验，确保内容分析表面效度和内容效度的合理性。

2数据分析与结果讨论

21官方微博帐号分析

微博总数和日均发博数可以体现微博的活跃情况，微博原创率则在一定程度上反映了官方微博的信息服务情况。笔者在研究中发现：①2015年各省级旅游局发布微博总数的中位数是1 801条，保持了较高了活跃度，排名第一的山东旅游局官方微博日均发博数更是达2096条/天。②从总体来看东部旅游局的微博活跃度明显高于西部旅游局，南方旅游局的微博活跃度明显高于北方旅游局，部分旅游热门地区如云南、西藏、青海等地省旅游局微博的活跃度依然有待提高。③各省级旅游局官方微博原创率总体较高，但也有7家旅游局官方微博的原创率不足70%。

22微博时间分布分析

据新浪微博官方统计，截止到2015年9月，微博的日活跃用户已达1亿，较往年同期保持增长态势[12]，即使按照活跃用户每日发布一条微博进行估计，新浪微博平台每日也将产生庞大的微博信息。有学者研究显示，非热门微博一般在发布4小时后信息就会迅速老化，被粉丝注意到的概率也会极大降低[13]。因此，如果想使自身影响力达到最大，选择用户活跃度最高的时间段发布微博显得尤为重要。

通过对爬取的全部样本微博按周和时间汇总，笔者制成了图1和图2。由图1可以发现，各大旅游局官方微博周一发布的微博数相对较多，与之相对应的是粉丝较低的转发数和评论数，到了周三、周四两天是旅游局微博粉丝反馈有所提升，周末一般是微博用户的活跃期，此时旅游局微博的转发量也达到了一周最高，而评论数则相对大为降低，说明在周末的整块闲暇时间中，对于自己感兴趣的内容用户更愿意进行转发而非评论。

由图2可知，由于旅游局官方微博主要由工作人员在工作时间进行管理，因此9∶00～11∶00和14∶00～18∶00是微博发布的两个高峰期，而粉丝在这两个时间段的参与并不多。午休时间段（11∶00～14∶00）粉丝的活跃度相对提高了很多。晚间18∶00～24∶00是粉丝活跃度较高的一段时期，而这段时间旅游局的微博数却在持续下滑，该时间段因此也成为旅游局可以进一步开发利用的时间段。此外，经过对发布在每日0∶00～6∶00时间段的1 129条微博进行分析，笔者发现该时间段的微博主要由励志感悟和生活小贴士类微博构成，在深夜时间段很容易引发少数粉丝的共情心理，从而获得可观的转发量和评论量，因此这一时间段也是官方微博与粉丝进行情感交流的黄金时间段。

23微博内容分析

231微博话题内容分析

通过发布不同类型的微博内容，各大官方微博不仅可以向粉丝传递各种旅游信息，而且可以塑造自身的微博形象和本省的旅游形象，进而促进本地旅游产业发展。各省旅游局发布微博类目的具体比例见表2。

1）概况类微博分析

当前，信息提供依然是旅游局微博内容的重点。在大多数旅游局官方微博中概况类信息的比重都超过了40%，说明他们都将信息发布视为旅游局官方微博的一个主要功能。从表2可以看出，江苏、浙江、上海、湖南等地旅游局发布的新闻资讯类微博较多，反映出这些地区较高的旅游政务信息公开水平。此外，游记攻略类微博的作用同样值得重视。André P等学者的研究显示，在用户认为值得去读的微博中，49%的微博是有一定信息价值的[14]。而游记攻略类微博则往往被粉丝认为是实用的信息予以收藏、赞赏、转发和评论，对于宣传旅游目的地能够起到积极作用。

2）特色类微博分析

相较概况类微博，特色类微博往往深入介绍旅游目的地的某一方面内容，信息层次更深，信息量更大，更加符合某些特定用户的需求，更容易成为微博热点话题的引爆点。如安徽省旅游局在2015年8月发布的以“发现别样安徽”为话题的系列微博，从美食、建筑、民俗等角度对省内40多个景区进行介绍，引发了粉丝的互动高潮，该系列微博平均获得了71212个赞、43871条转发和10085条评论。

由表2可以看出，美食特产类所占比例最高，表明旅游局官方微博对该类信息的重视。这也在一定程度上契合了Kivela J和Crotts J C的研究成果，即饮食可以满足旅游者旅游过程中对物质、文化、社交和声誉等方面的多重需求，进而影响旅游者的旅游体验、对旅行的满意度和对旅游目的地的印象[15]。而特色建筑类微博尽管所占比重较少，但其作用不容忽视。Hall C M和Zeppel H的研究即指出，城市建筑可以体现所在城市的传统风貌和鲜明个性，民族地区的传统建筑则富集自然景观和历史人文景观[16]。上海旅游局官方微博的微博中即经常介绍当地的弄堂及西洋近代建筑，引发粉丝的热烈回应。民俗具有非常丰富的内涵，口头文学、民间歌舞、民族节日、婚丧嫁娶等都可以列入民俗的范围[17]，而旅游业作为一项文化性的经济产业[18]，只有着眼于文化创新，突出旅游产品的文化特色，才能打造出富有文化个性的旅游精品，占得市场先机。然而目前旅游局微博普遍对此不够重视，发布的相关微博大多仅以图片形式展现老艺人的工作场景，引发粉丝对旧时光的憧憬与缅怀，并不能充分体现当地的歷史文化背景与韵味。

3）服务类微博分析

服务类微博充分表现了旅游局官方微博通过提供信息服务以影响粉丝旅游决策的微博应用目的。有奖转发是微博推广最常见也是最有效的策略之一，包括关注、转发、@好友和评论4种方式。节事活动类微博一般是线下活动在线上的拓展，可以利用旅游局官方微博的影响力建立稳定的用户群，扩大线下的影响力。旅游交通是旅游业发展必不可少的先决条件和依附基础，因此出行交通类微博数在服务类微博的比重也相对较高。酒店住宿类信息本就是潜在游客亟待掌握的信息，往往能够获得相当积极的反馈，对于引导粉丝的出游意愿和出游决策具有正面影响。

4）生活类微博分析

生活类微博在当前微博平台比较盛行，也广受各旅游局官方微博青睐，大抵因为这类微博时效性较低，可以定时发布，同时也可以增强官方微博的活跃度。其中励志感悟类微博一般会在睡前和清晨发布，加上“晚安”或“早安”标签，内容多是与人生、奋斗、成长有关的心灵鸡汤，表达出积极向上的人生态度。而生活小贴士类微博大多是饮食、健康、家居等方面的小窍门，偶见与旅游相关的旅游信息提醒类小贴士。而美图欣赏大多是不知名风景区的摄影图片，趣闻轶事则是一些小故事或者笑话。从总体上看生活类微博与旅游并没有多大关联，其数量之多不仅有损旅游局官方微博的专业形象，同时在一定程度上也影响了其他与旅游相关微博的影响力，反映出当前旅游局官方微博片面追求微博活跃度、忽视自身品牌与专业形象塑造的现状。

232微博反馈情况分析

旅游局的微博是否具有一定的吸引力和沟通效果，可以由微博的赞数、转发数和评论数来衡量。一般而言，点赞数反映了用户对微博的认同程度，转发数和评论数反映了微博的影响力，表3即展示了旅游局微博的点赞、转发与评论情况。

经过分析笔者发现，平均赞数与平均转发数具有较高的一致性，“游记攻略”、“美食特产”、“励志感悟”这3类微博平均赞数和转发数都较高。“励志感悟”类微博一般鼓励用户坚持梦想、热爱生活，富有正能量，往往能够获得较高的赞数和转发数。成功的“趣闻轶事”类微博常因能够引起读者的“会心一笑”而获得由衷的点赞。这在一定程度上与孙会等学者的研究结论相一致，即情感需要动机是微博转发者普遍存在的心理驱动力，符合用户认知需求同样容易引起大量转发[19]。用户对“美食特产“类微博的认同则反映出在当今物质条件较为丰裕的年代人民对于美食的热爱与追求，同时此类微博一般所配的让人食指大动、口中生津的美食图片更是诱导用户按下点赞按钮的重要影响因素。“游记攻略”、“生活小贴士”类微博则因为切实满足了用户的信息需求，得到了相应的认同。

3结论与启示

本文利用内容分析法对大陆地区31家省级旅游局官方微博于2015年全年发布的微博内容进行分析，探索旅游局微博的内容属性特征，并对其信息属性进行解读，从旅游局微博帐号概况、微博发布时间特征、信息所属类目等方面对国内旅游局微博应用现状进行研究，实证探究了旅游局微博的内容特点，获得如下结论：

1）就各地旅游局官方微博发展程度来看，国内各地区省级旅游局官方微博发展程度还存在一定差异。华东地区旅游局官方微博总体活跃度最高，发布的微博内容也最为丰富。华中和华南地区旅游局表现次之，华北和东北地区旅游局则大致属于第三梯队，微博活跃度明显不如前述各省旅游局。而第四梯队的西北及西南地区旅游局对于官方微博的重视程度明显不够，大部分微博微博内容仍停留在政务信息通报及目的地概况介绍层面，不能深入充分发掘介绍本地旅游资源。

基于此，笔者认为各旅游局应制定微博管理制度，规范信息发布方式。微博已经成为重要的营销工具，在产品开发、征询意见、活动促销等方面都具有重要作用，应由专人负责管理，对微博的服务对象、拟实现的功能、内容和结构、质量要求、更新频率、发布人员和管理人员等以制度的形式加以规定。以发布微博为例，应制定相对规范的发布标准，对微博内容的形式、风格加以规范约束，如采用“文本+图片”形式，同时加上#话题形式的旅游口号，以形成自身特色。

2）就微博发布时间特点来看，国内旅游局微博多集中在工作日、上班时间发布，周一到周五微博发布量显著高于周末，上午9～11点、下午2～3点各旅游局官方微博发布量也相对集中，而此时粉丝多忙于学习工作，参与度并不高。说明旅游局工作人员没有完全适应微博的传播规律，与微博用户的活跃时间并不相吻合。

基于此，笔者认为各旅游局官方微博应重视微博发布时间的管理，重要的信息应选择在流量高峰期发布，通过吸引用户的转发与评论，扩大旅游局官方微博的影响力。在其他时间段可以适当发布一些不太重要的信息，以提高微博的活跃度。尤需注意的是，旅游局官方微博应加强对潜在黄金时间段的重视，在午休、晚饭、18点到23点等用户活跃的时间段加强互动与沟通，如转评粉丝微博、对粉丝提出的问题进行答疑解惑，以保持粉丝的忠诚度与长期影响力。

3）就旅游局官方微博内容发布偏好来看，我国旅游局官方微博当前发布的微博信息仍以概况类信息为主，生活类信息次之，特色类及服务类信息相对较少。这说明当前各旅游局官方微博以信息提供为主，通过介绍旅游目的地的相关新闻、资讯和攻略吸引粉丝关注。但也有不少发展较好的旅游局官方微博尝试去发布专业类和服务类信息，在丰富自身微博形象的同时，努力引导粉丝的出游意愿与出游决策，以促进本地旅游产业发展。

基于此，笔者认为各旅游局应重视特色类微博信息的发布，深入发掘当地资源，宣传特色旅游文化。Read、Hall等学者认为，特殊兴趣是特殊兴趣旅游的核心，决定了旅游者出游的动机和对旅游目的地的选择[20]。例如，在发布美食特产类微博时，在介绍饮食产品的同时，对当地饮食文化、当地居民的饮食生活以及饮食文化的交流和共享也应给与充分的重视与关注。同时，笔者还建议旅游局官方微博建立场景化营销的概念，以“实时实地实情实景”的形式对目的地的风土人情进行宣传，同时通过利用流行语言、动图等形式拉近粉丝距离，引发粉丝的“口口传播”，切實强化自身的影响力。

4）就旅游局官方微博反馈情况来看，各旅游局官方微博发布的不同类型的微博反馈也有所不同。从整体上“游记攻略”、“美食特产”、“励志感悟”获得的平均赞数和转发数都比较高，生活类微博相较其他大类微博因为满足了用户的情感需求获得了较高的平均赞数和平均转发数也都比较多，但平均数相对较低，微博内容质量相对其他大类微博也有待加强。

基于此，笔者认为，旅游局官方微博应塑造自身专业形象，加强发布内容与旅游信息的联系。对于粉丝反馈较积极的生活类微博，应注重其内容与旅游目的地、旅游活动的有机联系。例如，旅游局官方微博可以每天定期发布一则与本省旅游目的地有关的趣闻轶事，在潜移默化中对本省的旅游目的进行宣传推介。同时，笔者还建议，旅游局官方微博可以充分发挥微博的互动功能，利用微博建立粉丝建议或评论的及时反馈机制，开展有针对性的调查和服务，统计问题及意见的提出频率，总结经验教训，改进服务，从而提升粉丝的满意度，以期达到完善服务、维系粉丝、拓展潜在游客的目的。

参考文献

[1]新浪微博数据中心.2015年微博旅游发展报告[EB/OL].http：∥www.useit.com.cn/forum.php？mod=viewthread&tid=10923，2016-05-20.

[2]金晓春，金永成.微博与旅游营销策略[J].新闻界，2012，（21）：59-62.

[3]王朝晖，周霞.旅游企业微博营销效应分析[J].商业研究，2013，（11）：69-73.

[4]谢礼珊，曹汝娇.经济型酒店连锁集团微博营销内容研究[J].旅游科学，2014，28（3）：63-75.

[5]侯振兴，袁勤俭.在线旅游企业微博形象及提升策略研究[J].现代情报，2016，36（3）：42-47.

[6]郭珊珊.基于LDA算法的旅游企业微博营销研究[D].哈尔滨：哈尔滨工业大学，2013.

[7]吕本富，万红杰，刘超群，等.微博情感能影响旅游客流量？——基于新浪微博和园博会的实证研究[J].管理现代化，2015，（3）：93-95.

[8]谢丽琼.旅游目的地官方微博对游客行为意愿的影响研究[D].杭州：浙江大学，2014.

[9]中国互联网络信息中心（CNNIC）.第36次中国互联网络发展状况统计报告[EB/OL].http：∥www.ce.cn/xwzx/gnsz/gdxw/201507/23/t2015072360228433.shtml，2016-05-20.

[10]新浪微博数据中心.2015年微博旅游发展报告[EB/OL].http：∥www.useit.com.cn/forum.php？mod=viewthread&tid=10923，2016-05-20.

[11]范龙.内容分析法在网络传播研究中的应用[J].情报科学，2010，28（5）：919-922.

[12]新浪微博数据中心.2015年度微博用户发展报告[EB/OL].http：∥www.useit.com.cn/thread-10921-1-1.html，2016-05-20.

[13]江燕青，许鑫.半衰期视角的微博信息老化研究——以高校官方微博为例[J].图书情报知识，2016，（2）：92-100.

[14]André P，Bernstein M，Luther K.Who Gives a Tweet？：Evaluating Microblog Content Value[C].Proceedings of the ACM 2012 Conference on Computer Supported Cooperative Work.ACM，2012：471-474.

[15]Kivela J，Crotts J C.Tourism and gastronomy：Gastronomys influence on how tourists experience a destination[J].Journal of Hospitality & Tourism Research，2006，30（3）：354-377.

[16]Hall C M，Zeppel H.History，architecture，environment：Cultural heritage and tourism[J].Journal of Travel Research，1990，29（2）：54-55.

[17]钟敬文.民俗学概论（第2版）[M].北京：高等教育出版社，2010：11-12.

[18]Greenwood D J，Smith V L.Culture by the pound：an anthropological perspective on tourism as cultural commoditization[J].Hosts and guests：The anthropology of tourism，1989，（2）：171-185.

[19]孙会，李丽娜.高频次转发微博的特征及用户转发动机探析——基于新浪微博“当日转发排行榜”的内容分析[J].中国传媒大学学报，2012，（6）：137-138.

[20]Read S E，Hawkins D E，Shafer E L，et al.A prime force in the expansion of tourism in the next decade：special interest travel[J].Tourism marketing and management issues.，1980，（4）：193-202.

（本文責任编辑：孙国雷）