多维信息计量视角下学术期刊影响力评价研究——以国际LIS期刊为例

■赵蓉英 王 旭

1)武汉大学中国科学评价研究中心，湖北省武汉市武昌区八一路299号 4300722)武汉大学信息资源研究中心，湖北省武汉市武昌区八一路299号 4300723)武汉大学信息管理学院，湖北省武汉市武昌区八一路299号 430072

学术期刊是一个学科发展到一定阶段的必然产物，其作为学术传播与学术交流的载体和阵地，在传播科学知识、启迪研究思路、培育和发现人才、抢占科学发现制高点等方面起着重要作用。作为科学评价和科技管理的重要手段和工具，学术期刊影响力评价的研究议题由来已久，且一直以来都备受包括政府管理部门、学术界等在内的社会各界的广泛重视。例如，2015年和2018年分别发布了《关于准确把握科技期刊在学术评价中作用的若干意见》和《关于深化改革培育世界一流科技期刊的意见》。

目前，学术界围绕期刊评价问题做了大量研究，在期刊评价理论、方法和实践等方面的研究中取得了丰硕成果。张洋等[1]发现《期刊引证报告》(JournalCitationReports，JCR)反映的是期刊在学界的影响力，而谷歌学术(Google Scholar)搜索扩大了期刊信息的传播范围，Altmetric.com将期刊评价延伸到传播、获取和利用的全过程。李勇等[2]采用Altmetrics新范式构建期刊多维度测评指标模型，并对期刊多维度评价问题进行探索性研究。盛丽娜[3]分析CiteScore、CiteScore百分位与常用期刊评价指标的相关性,发现CiteScore可以和影响因子等文献计量学指标一样用于学术期刊评价,CiteScore百分位也适用于期刊跨学科评价。邹晓菁等[4]以期刊学术评价指标为基础,增加期刊网络社交媒体指标和引文网络指标,构建期刊结构方程模型,并探索期刊评价指标间内在联系。徐新华等[5]探讨了学术期刊评价中不同指标之间互补问题。张慧玲等[6]综述了学术期刊影响力评价方法，并提出未来应重视深度融合评价指标，社交媒体期刊评价方法规范化以及跨领域期刊评价方法体系化。近年来，社会媒体已成为学术期刊传播和评价研究成果的一种潜在途径，学术期刊已经开始通过社交媒体平台向广大读者推广其刊发的文章。Zahedi等[7]利用Impact Story平台，研究了期刊Altmetrics指标特征，发现Mendeley读者数量与被引数量之间呈正相关。Costas等[8]分析了Altmetric.com提供的跨学科期刊的Altmetrics指标和引文指标，指出Altmetrics在期刊评价中具有潜在的价值。Cardona-Grau等[9]介绍和评价了一种衡量期刊在社会媒体领域学术影响力的新方法——Twitter影响因子，并以JCR收录的33种泌尿学期刊为样本，研究发现随着个人和学术期刊越来越多地使用社交媒体，Twitter影响因子可以成为衡量学术期刊在Twitter上影响力的有用工具。Zheng等[10]从Web of Science(WoS)中提取期刊，并在Facebook和Twitter上搜索这些期刊的Altmetrics指标数据，发现各学科学术期刊在社交媒体上的普及程度有所差异，分布在7.1%到14.2%之间，并且在过去10年中实现稳定增长。Altmetrics指标关注者数量和学科数对期刊影响因子有显著影响。

综上所述，在新媒体时代背景下，学术期刊评价经历了一个由简单指标到复合指标、由单一视角到多维视角、由单一方法到单一方法与组合评价共存的动态发展过程[11]。目前学术期刊正处于从传统模式向现代传播模式转变的阶段，同样期刊评价也应根据现阶段所处环境适时做出一定改变，多维度、多指标融合来综合评价学术期刊影响力具有重要的实践意义。目前关于学术期刊评价研究主要存在以下不足：对学术期刊传统引文指标研究较多，且关于指标体系与结构、指标权重等的研究较为独立和分散；缺少一套完善的针对不同数据源进行多维信息计量与测度的评价指标体系；仍较缺乏将传统的期刊学术影响力指标、网络社媒社会影响力指标和期刊共被引网络影响力指标相结合进行综合评价的研究；也缺乏将指标与方法同时综合进行评价的研究；单一数据库或多种数据库中的各指标间关联程度或内在关系仍需进一步解析。

在笔者前期研究基础上[12]，本研究从多维信息计量视角出发对学术期刊影响力展开综合评价，试图进一步探究以下问题：(1)既然单一指标评价学术期刊影响力有失偏颇，那么引入Altmetrics指标并结合传统引文指标和期刊共被引网络指标来综合评价期刊影响力是否可行？(2)期刊学术影响力各评价指标间、社会影响力各评价指标间、共被引网络影响力指标以及三个维度的评价结果得分间是否存在某种关系？(3)共被引期刊网络影响力有哪些类型？(4)如何通过二维坐标四象限来评价期刊学术影响力和社会影响力？(5)如何通过三维空间坐标系来综合评价期刊影响力？希望通过对上述问题的探究，为学术期刊影响力评价指标遴选和模型优化提供借鉴，也为改善学术期刊影响力评价现状提供新思路。

1 期刊影响力综合评价框架构建

基于笔者前期的研究[13]，本研究进一步将期刊影响力细分为学术影响力、社会影响力和共被引网络影响力三个维度，并通过这三个维度来选取指标，试图对学术期刊进行全面评价研究。采用多指标融合的方法构建学术期刊影响力评价框架(图1)，分别以JCR和Altmetric.com为数据来源进行学术影响力和社会影响力方面的评价。在共被引网络影响力方面，首先以WoS核心合集为数据来源，抽取引文期刊形成共被引网络，分析整体网络特征并选取三种中心性指标进行共被引期刊网络影响力维度评价；其次对上述指标数据进行归一化处理，使用相关性分析、信度分析、社会网络分析、效度分析、因子分析和主成分分析进行期刊影响力三个维度评价；然后对期刊影响力三个维度评价得分进行相关性分析，将期刊学术影响力维度和社会影响力维度的评价得分映射到二维坐标四象限上进行评价，并对样本期刊级别进行划分；最后将期刊学术影响力维度、社会影响力维度、共被引网络影响力维度三者评价得分投影到三维空间坐标系中进行综合评价，并对样本期刊级别进行划分。

2 期刊影响力多维评价实证分析

2.1 数据来源与处理

在JCR(2017版)的图书情报学(Information Science & Library Science, LIS)综合类目中，该类目共收录88种国际LIS期刊。考虑在Altmetric.com也能获取到该样本数据，本研究最终选择了64种国际LIS期刊。JCR中由于部分期刊的引用半衰期、被引半衰期缺失，因此剔除掉这三项指标，最终选择8个指标(图1)。

在Altmetric.com的Altmetrics Explorer平台中，以JCR(2017版)中64种国际LIS期刊的ISSN为检索和过滤项，Type of Output选择“Articles”，Publication Date选择“2015-01-01至2016-12-31”，检索时间为2018年11月11日，获取Altmetrics相关指标共10个(图1)，最终检索得到40617条Altmetrics指标数据。

在WoS核心合集中，采用高级检索方式，并在检索框中输入“WC=Information Science & Library Science”，同时选择语种：English，文献类型： Article，出版时间：2015—2016，来源数据库：SCI-Expanded、SSCI，检索时间为2018年11月15日，共检索得到7762篇论文的88235种期刊被引数据，从中抽取64种国际LIS期刊被引频次数据并形成64×64的期刊共被引矩阵。

图1 学术期刊影响力多维评价框架构建过程

2.2 学术影响力评价

2.2.1 相关性、信度及效度分析

首先，由相关性分析可知(表1)，各指标间呈高度正相关(r取值范围为0.624～0.978)，整体上具有较为显著的一致性。其次，由信度分析可知，Cronbach′s Alpha系数为0.946，各项与总项的相关系数的取值范围为0.643～0.898，每个指标均与总指标呈高度相关，各指标内部具有极为显著的一致性。再次，由效度分析可知，KMO-Bartlett球度检验得到KMO值为0.801，显著性值σ<0.01，各变量间显著相关，进行因子分析时效度较高。然后，利用主成分分析法提取因子，由分析结果可知，各指标提取的公因子方差介于0.802和0.954之间，且所丢失的信息较少，因此本次因子提取的总体效果极理想，能够反映指标的原始信息。

表1 各指标间的相关性分析

注：N=64；**表示在P<0.01水平(双侧)上显著相关。

2.2.2 因子分析

由各指标揭示总方差表可知，成分1的特征值为5.992，解释原有8个变量总方差的74.898%；成分2的特征值为1.094，解释原有8个变量总方差的13.674%，前2个公共因子解释的累积方差贡献率达88.572%，而后面的公共因子特征值较小，对解释原有变量的贡献越来越小，因此提取前两个公共因子是合适的，即将8个原始指标划分至两个主成分中。通过分析得到各成分得分系数矩阵，由此可得最终的因子得分公式：

F1=-0.161C+0.356IIF+0.320IIF-NSC+0.222IIF5+

0.385A-0.176B+0.101D-0.196E

(1)

F2=0.371C-0.150IIF-0.110IIF-NSC-

0.006IIF5-0.227A+0.386B+0.110D+0.405E

(2)

式中：F1和F2分别为成分1和成分2的得分；C为被引频次；IIF为影响因子；IIF-NSC为不包含自引频次的影响因子；IIF5为5年影响因子；A为即年指数；B为特征因子分值；D为论文影响力分值；E为标准化特征因子。

表2 国际LIS期刊学术影响力评价结果(Top20)

2.3 社会影响力评价

2.3.1 相关性、信度及效度分析

对上述获取的国际LIS期刊10个指标变量进行相关性分析、信度分析和效度分析，结果如表3所示。可以看出，各指标间呈不同程度的正相关，整体上与内部间都具有较为显著的一致性，进行因子分析时效度较高，且利用主成分分析法提取因子的总体效果极理想，能够反映指标的原始信息。

表3 各指标间的相关性分析

注：N=64;**表示在P<0.01水平(双侧)上显著相关。

2.3.2 因子分析

由因子分析可知，前2个公共因子解释的累积方差贡献率达82.055%，将10个原始指标划分至两个主成分中，并通过各成分得分系数矩阵，最终得到的因子得分公式为

F3=-0.053W+0.111G+0.229H+0.043J-0.242K+

0.099L+0.229Q-0.117S+0.211T+0.254U

(3)

F4=0.288W+0.094G-0.208H+0.156J+0.438K+

0.108L-0.085Q+0.320S-0.074T-0.160U

(4)

式中：W为发文数；G为发文的总被提及数；H为News 提及数；J为Blog提及数；K为Policy提及数；L为Twitter提及数；Q为Facebook提及数；S为Wikipedia 提及数；T为Google+提及数；U为Reddit提及数。

表4 国际LIS期刊社会影响力评价结果(Top20)

图2 国际LIS期刊共被引网络(被引频次≥143)

2.4 共被引网络影响力评价

在共被引网络中，如果节点在网络中占据较好位置，那么它在知识交流、传播与扩散等方面将占据很大优势。期刊在网络中扮演的角色和所处位置，即通过期刊的外部感知，从一定程度上反映了其在共被引网络中的影响力。

2.4.1 相关性分析

通过社会网络分析法计算得到各期刊3种中心性值，对其进行相关性分析发现(表5)，三个中心性指标均两两相关，而且接近中心性与点度中心性高度相关，点度中心性与中间中心性，中间中心性与接近中心性都呈现强相关关系。因此，期刊共被引整体网络和期刊中心性测度可用于分析期刊在共被引网络中的影响力类型与特征。

表5 3种中心性指标的相关性分析

注：N=64;**表示在P<0.01水平(双侧)上显著相关。

2.4.2 共被引整体网络分析

根据期刊共被引矩阵绘制国际LIS期刊的共被引网络(图2)。由图2可知，代表MisQuart、Scientometrics、InformSystRes、JManageInformSyst和JInformetr的节点最大、连线最粗，在整体共被引网络中处于最核心位置，表明它们与其他期刊的共被引频次最高，知识交流与知识扩散频繁，在网络中具有较高的贡献力、主导力和影响力。代表EurJInformSyst、JDoc、JStrategicInfSyst、InformSystJ、InformProcessManag、JAcadLibr、IntJInformManage、JAssocInfSciTech等的节点次之，连线较为稀疏，表明它们是网络中的次级核心，共被引频次稍低，其贡献力、研究活性影响力以及知识交流与知识扩散力较强，在网络中具有一定的影响力。剩余节点处于网络中的边缘区域，关联性较弱，其贡献力、知识交流与知识扩散力较弱，在网络中的影响力相对较低。

2.4.3 共被引期刊影响力分析

选择点度中心性、中间中心性和接近中心性3种常用指标，通过计算各期刊3种相对中心性数值来分析期刊在共被引网络中的影响力。基于计算并进行归一化处理后的3种中心性数值，本研究根据网络中各节点的3种中心性数值大小将其投影在三维空间坐标系中，试图探究各节点的位置特征和影响力类型。图3为共被引期刊网络影响力特征三维分析图，其中中间中心性数值表示影响力度，点度中心性数值表示直接影响范围；接近中心性数值表示影响传播速度。同时，结合期刊共被引网络(图2)并计算3种中心性的各自平均值，大于均值表示为H，反之为L。本研究将共被引期刊影响力类型划分为主导共被引型(HHH)、跨子群共被引型(HLH)、快速依附共被引型(LLH)和子群内共被引型(LLL)。

图3 共被引期刊网络影响力特征三维分析

(1) 主导共被引型(HHH)。该类型节点具有较多的直接共被引对象，而且与网络中其他节点也建立了紧密的间接共被引关系，同时由于与部分边缘节点(共被引关系较少行动者)拥有稀缺的共被引关系而在一定程度上控制了整个网络信息资源或知识的交流与扩散，因此该期刊影响力类型可称为“主导共被引型”。经分析得到，该类型共包含MisQuart、JManageInformSyst、JDoc等15种国际LIS期刊。总体而言，“主导共被引型”节点的共同特征是影响力度强，直接影响范围较大，且影响的传播速度较快。

(2) 跨子群共被引型(HLH)。该类型节点与其他子群的许多节点有直接的共被引关系，但其所处子群内的节点之间拥有直接或间接连接，导致共被引产生冗余关系，使得该类型节点在子群内的直接影响范围或程度较窄。同时，它们与网络中大多数节点的距离都很近且能有效地控制网络中知识交流与知识扩散。经分析得到，该类型共包含JInformetr、InformRes、JInfSci等13种国际LIS期刊。总体来说，该类型节点具有跨子群产生共被引关系的优势，它们在跨子群交流层面影响力度大，且影响(信息)传播的速度较快，但在子群内交流层面直接影响范围或程度较弱。

(3) 快速依附共被引型(LLH)。该类型节点与网络内其他节点直接产生共被引关系的机会较少，且其在内外子群的直接影响范围或程度、影响力度都相对较弱，即控制知识交流与扩散的能力也相对较弱，但其容易受其他节点的影响，对其他节点的依附性较强，从而使得该类型节点对共被引关系强的节点的依赖性变强，在一定程度上加快了其知识交流与知识扩散的依附速度。经分析得到，该类型共包含JLibrTrends、JLibrInfSci、InformTechnol等11种国际LIS期刊。总体来说，“快速依附共被引型”节点的共同特征是直接影响范围或程度较窄，影响力度或控制能力较弱，但依附能力较强。

(4) 子群内共被引型(LLL)。该类型节点与子群外节点直接产生共被引关系的机会较少，在所属子群内部一般为影响范围或影响程度较低，且在共被引网络中被视为冗余类的节点，与网络中节点的平均距离较远，传播速度较慢，通常为边缘型节点。该类型共包括剩余样本中的25种国际LIS期刊，如Portal-LibrAcad、KnowlManResPract等。总体来说，“子群内共被引型”节点影响力度也较弱、直接影响的范围较窄，且影响(信息)传播的速度较慢。

3 期刊影响力多维评价的结果分析

3.1 三种评价结果的相关性分析

对64种国际LIS期刊的学术影响力维度评价得分值FAI、社会影响力维度评价得分值FSI和共被引网络影响力维度评价得分FCO(FCO值是由三种中心性测度值经归一化处理后求和得到)进行Spearman相关性分析(表6)。由表6可知，FAI与FSI和FCO存在较强正相关关系(rAI-SI=0.568;rAI-CO=0.532)，而FSI与FCO存在低度正相关关系(r=0.328)，说明基于Altmetrics指标的期刊社会影响力评价和基于期刊共被引影响力评价对基于传统引文的学术期刊影响力评价具有较好的补充。然而，三种评价维度仍存在一定差异，并不可完全替代，这也说明多维度信息计量视角下进行学术期刊影响力的综合评价具有一定的全面性、系统性和实践价值。

表6 FAI、FSI与FCO相关系数

注：N=64;**表示在P<0.01水平(双侧)上显著相关。

3.2 二维评价分析

选择国际LIS期刊学术影响力评价得分FAI和社会影响力评价得分FSI两个维度来综合反映评价对象在LIS领域期刊中所处水平与状态。将FAI和FSI映射到二维坐标四象限中，期刊在这两个维度上的活跃度，可以被用来判断其科研角色、测度学术贡献以及同行学者、社会大众对其刊发成果的认同度。因此，经计算两个维度评价得分的几何平均值坐标点为(0.17,0.07)，根据该坐标点确定高低标准分界线，划分之后得到四个象限期刊的角色定义：名望期刊、明星期刊、普通期刊、专家期刊(图4)。

(1)名望期刊：分布于第一象限，学术影响力和社会影响力都很高，既享有较高的学术威望，又具有较高的知名度和关注度。这一区域共有9种期刊，占比14.06%。(2)明星期刊：分布于第二象限，具有高社会影响力、低学术影响力，Altmetrics得分较高而被引得分较低，这部分期刊虽然具有较高的社会关注度和知名度，但其学术质量不如第一象限的期刊。这一区域共有6种期刊，占比9.38%。(3)普通期刊：分布于第三象限，学术影响力和社会影响力均低于平均水平，无论在社会关注度还是学术贡献方面均表现平平，属于默默无闻地坚守在学术阵营的大多数普通期刊。这一区域共有34种期刊，占比53.12%。(4)专家期刊：分布于第四象限，具有高学术影响力、低社会影响力，被引得分较高而Altmetrics 得分较低。这类期刊所刊载的论文作者具有卓越的研究能力，成果也有代表性。这一区域共有15种期刊，占比23.44%。以MisQuart为例，学术影响力得分居于榜首，但其社会影响力得分位于末位。究其原因可能是因为该刊为季刊，刊载的文献数量较少，从而导致期刊在社交媒体的被提及次数较少，社会影响力评分较低。以上分析说明期刊社会影响力受限于客观数据的采集，单纯通过社会影响力评价学术期刊存在一定局限性，因此将其作为学术期刊影响力评价辅助参考，与学术影响力结合进行综合评价具有实际意义。

图4 国际LIS期刊影响力二维评价

3.3 三维评价分析

通过3.1节的分析得到FAI与FSI和FCO呈较强正相关，此时将该三个维度学术期刊影响力分值分别投射到三维空间坐标系中，就可以形成学术期刊影响力三维评价结果，从而揭示其在三个维度上的不同组合情况，直观反映期刊影响力及其所属类型。正如前文所述，FAI主要衡量的是期刊刊载论文对后续科研活动或者学科发展贡献的程度，反映了同行对该期刊刊载论文较高的认同度，是期刊质量高或者专业性强等的一种体现；FSI是期刊刊载论文进入网络环境后，在社会中引起的反响，体现的是期刊获得社会关注程度以及知名度的高低；而FCO是从知识输出的角度来研究期刊间的关系，通过期刊外部感知来探究共被引期刊的影响力特征、知识传播、交流及扩散的能力。因此，根据期刊的FAI、FSI、FCO，将样本期刊投影到三维坐标系中，得到如图5所示的期刊影响力评价结果。同时以各维度样本值的几何平均值作为影响力的判断标准，将学术期刊划分为“普通”类、“专业”类、“专家”类、“明星”类、“名望”类、“名家”类、“专家-专业”类和“明星-专业”类。

图5 国际LIS期刊影响力三维评价

由图5可知，大多数样本期刊处于三维坐标轴原点附近，只有少数期刊位于三维空间的中游或上游位置。特别是期刊MisQuart、InformSystRes、Scientometrics、JManageInformSyst、InformProcessManag、IntJInformManage、JAssocInfSciTech、JInfSci和JAmMedInformAssn。与其他期刊相比，他们处于整个三维空间的最靠上的位置，其FAI、FSI或FCO都较高，其他期刊与他们存在明显差距，进一步说明了这些学术期刊的高质量与权威性。同时，在64种LIS样本期刊中，“名望”类期刊共有17种，占比26.56%，符合期刊中普遍存在的“二八定律”；“名家”类期刊共有7种，占比10.94%；“专家”类期刊共有2种，占比3.13%；“明星”类期刊共有7种，占比10.94%；“专业”类期刊共有5种，占比7.81%；“专家-专业”类共有4种，占比6.25%；“明星-专业”类为7种，占比10.94%；“普通”类期刊共有15种，占比23.44%。

4 结论与启示

本研究以国际LIS期刊为例，采用多指标融合的方式，从学术影响力、社会影响力和共被引网络影响力三个维度选取指标来构建学术期刊影响力评价模型。研究发现：(1)8个传统引文指标间呈高度正相关，10个Altmetrics 指标间呈不同程度正相关，且两个维度的指标在整体上与内部间都呈较为显著一致性;(2)共被引网络中节点的3种中心性指标均呈现不同程度正相关关系;(3)共被引期刊影响力可分为主导、跨子群、快速依附和子群内共被引四种类型;(4)FAI与FSI和FCO呈较强正相关关系，而FSI与FCO呈低度正相关关系;(5)FAI与FCO对FSI具有较好补充，但三种评价维度仍存在一定差异，并不可完全替代;(6)采用二维坐标四象限和三维空间坐标系进行多维信息计量，并综合评价学术期刊的影响力具有一定的可操作性与实践价值。

传统引文评价和期刊共被引评价方法测度的是对科学研究的贡献，引用或共被引形式的知识交流、传播与扩散也只存在于科学共同体范围之内，是学术交流产生的学术影响力。而科学的社会功能决定了科学必须走出象牙塔，进入社会大众的视野，社交网络平台的交流行为直接将学术期刊刊载论文向社会大众传播，使得科学家与社会大众之间直接建立起联系[14]。Altmetrics指标测度的重心是科学在社会传播中产生的社会影响力，是对社会大众在科普和科教方面的贡献，弥补了传统文献计量指标在科学传播方面无法进行测量的不足，从多元角度反映学术成果的影响力[15]。同时，也正由于社交网络平台交流的科学传播倾向，所以Altmetrics指标并不能完整地测度在科学研究方面的贡献，可作为测度科研成果社会影响力的有力工具，但是目前尚不能替代传统的文献计量指标。因此，只有通过引入多元化的指标，构建整合通用的评价模型，才能更加准确、全面地综合评价学术期刊的影响力和创新力，促进高水平科研成果的交流、传播与转化。