中文人文社会科学科研人员的学术影响力评价研究

郭蕊翾　宋凯　杜保国

摘要：科学评价科研人员学术影响力是展现其专业性与创新性的重要途径。文章在构建科研人员学术影响力评价指数PRCI-G的基础上，结合科研人员研究主题构建学术影响力评价矩阵，并从五大维度构建科研人员学术影响力画像。以图书情报学领域为例对所提方法进行实证研究，该方法能够全景化展示科研人员的学术面貌，为中文人文社会科学领域的其他学科应用提供借鉴，同时为研究者追踪科研人员动态与快速把握学术进展提供决策参考。

关键词：中文人文社会科学；科研人员；学术影响力；图书情报学

中图分类号：G250 文献标识码：A

DOI：10.13897/j.cnki.hbkjty.2023.0063

0 引言

科研人员是学术研究与创新的主體，在推动知识创新与提升学科发展水平方面起着关键作用。科研人员学术影响力是学术水平的反映，代表其学术成果被关注与被认可的程度［1］。科学评价科研人员学术影响力是展现其专业性与创新性的重要途径，对完善学术人才评价体系意义重大。通过评价中文人文社会科学科研人员的学术影响力，帮助相关研究者追踪科研人员的中文成果，能够助力其更加准确且迅速地掌握学科前沿。

目前，常用的科研人员学术影响力评价方法有三种，分别是定性评价方法、定量评价方法和定性与定量相结合的评价方法。（1）定性评价方法。

定性评价是指某专业领域的专家基于自身对本专业的认知、理解、经验以及造诣等对被评价对象给予评判［2］。同行评议是在科研人员评价方法中最具代表性的定性研究方法之一，在满足科研评价实际需求上，同行评议是目前科学界学术交流最可行的质量控制手段，也是评价实践首选的量度工具［3］。（2）定量评价方法。定量评价是指借助能够用来表征学术成果贡献的指标对被评价对象的影响力进行分析。在科研人员学术影响力评价方面的评价指标主要有四种，分别是传统文献计量学评价指标、h指数及其扩展指数、基于复杂网络的评价方法和基于Altmetrics的评价方法［4］。基于传统文献计量学的评价指标主要有论文总数、总被引频次和篇均被引频次等。h指数是最常用于评价科研人员学术影响力的指标之一，但其仅考虑到发文量与被引量，在评价全面性上有所不足。基于复杂网络的评价方法是指通过构建作者合作网络与互引网络来测度科研人员的学术影响力，其中常用评价指标有点度中心度、中介中心度、接近中心度和类Page-Rank方法等。基于Altmetrics的评价指标有微博转发和评论、社交网站评论、社会标签、下载人次、阅读人次等，在提高时效性的同时拓展了影响力测度的广度与深度

［5］，弥补了传统计量评价的缺陷，能更好地评价学者及学术成果的社会影响力［6］。（3）定量评价和定性评价相结合的方法。定性评价与定量评价各有优劣，在科研人员学术影响评价中互为补充，综合应用定性与定量的评价方法是未来评价的发展方向［7］。

本研究提出一种学术影响力评价方法，基于学术产出、学术认可、学术合作以及学术创新四个维度构建学术影响力评价指标，并进一步结合研究主题构建中文人文社会科学科研人员学术影响力评价矩阵，在对科研人员进行影响力类型划分的基础上，从多个维度绘制科研人员学术影响力画像，实现从宏观层面的学术影响力评价到微观层面的个体画像描述的全景化、多维度学术影响力评价。

1 科研人员学术影响力评价模型构建

为了清晰展现科研人员学术影响力评价的构建过程，遵循数据挖掘过程中通用的收集、处理、分析和展示步骤，科研人员学术影响力评价模型的构建包含三个部分，分别为：科研人员学术影响力评价指标分析、科研人员学术影响力类型划分以及科研人员学术影响力画像构建。

1.1 科研人员学术影响力评价指标分析

本文对中文人文社会科学科研人员学术影响力的评价，将综合考虑科研人员的学术产出、学术认可、学术合作以及学术创新。（1）学术产出用科研人员发文数量进行表征。较多的学术论文数量能够体现科研人员学术研究的持续性和深入性。（2）学术认可用科研人员的施引作者数量进行构建。科研人员的施引作者较多意味着其他研究者对其研究水平认可度较高，证实其科研成果的实际价值较高。⑶学术合作用科研人员的合作作者数量进行表示。合作作者较多能代表该科研人员社会合作网络覆盖较广，在研究领域的发展中起到推动作用。⑷篇均被引频次能够体现科研人员的学术创新能力，较高的篇均被引频次可以表示该科研人员学术成果的平均影响力较高。同时，在已有研究中，有学者将被引频次离散度引入评价指标［8-10］，对作者、机构、期刊进行评价并取得了较好的效果。被引频次离散度能够体现文献被引频次之间的差距，均衡篇均被引频次可能受到高被引文献与低被引、零被引文献带来的影响，反映科研人员论文被认可的均衡程度。因此，本文借鉴此方式，将被引离散度与篇均被引频次相结合，以保证学术创新评价结果的合理性。

综合上述内容，本文从学术产出（Academic Publication）、学术认可（Academic Recognition）、学术合作（Academic Cooperation）及学术创新（Academic Innovation）四个维度构建学术影响力评价指标：PRCI-G指数（Publication Recognition Cooperation Innovation-Gini Index），计算公式见公式（1）。其中，

公式（1）中的GC表示基尼系数（Gini Coefficient，简称 GC），是衡量数据离散度的常见指标之一，取值范围在0-1之间，GC值越小则代表科研人员论文之间的被引频次越接近。在篇均被引频次相同的情况下，GC值越小代表科研人员的学术水平越高［11］。具体计算公式见公式（2）。其中，Pi、Pj代表一定时期内第i篇、第j篇文献的被引频次，N表示一定时期内某作者所著文献的总数。

此外，在应用PRCI-G指数对科研人员学术影响力进行评价的基础上，需要对该指标的科学性进行验证。因此，本文将从相关性、稳定性以及区分性三个方面对该指标进行检验。

1.2 科研人员学术影响力类型划分

在应用PRCI-G指数进行科研人员学术影响力计算的基础上，为了能更为细粒度地对科研人员类型进行划分，明晰学科领域内不同科研人员的学术发展态势，本文结合科研人员的研究主题，构建“研究主题-学术影响力”评价矩阵，对科研人员进行类型划分。在对导出的题录数据进行关键词清洗、合并后，应用Donohue［12］提出的高频低频词界分公式进行关键词提取，并使用VOSviewer进行主题聚类划分，以识别每位作者的研究主题数量。使用研究主题数量与 PRCI-G指数绘制科研人员学术影响力评价矩阵，通过阈值设置，将科研人员划分为四种类型。

1.3 科研人员学术影响力画像构建

通过上述过程，能够计算每位科研人员在学科领域的学术影响力并划分影响力类型，实现了从宏观层面对科研人员的学术影响力情况分析。本文整合科研人员的学术微观信息，通过构建科研人员学术影响力画像的方式对科研人员的学术面貌进行全景化结果展示，实现从宏观到微观层面的科研人员学术动态揭示。

综上，本文对科研人员学术影响评价的关键流程进行了描述，并以此形成科研人员学术影响力评价模型，见图1。在模型实证过程中，以中国知网和中国引文数据库为数据来源。

数据具体处理流程如下：首先，在中国知网中对图书情报领域的相关论文进行检索，筛选出科研人员实验列表。第二，在中国引文数据库对相关科研人员的施引作者数量、合作作者数量及篇均被引次数进行检索与统计。为了消除不同指标之间的量纲影响，使预处理的数据稳定性更高，对以上数据进行log对数函数归一化处理。最后，依据科研人员学术影响力评价过程，计算科研人员PRCI-G指数，结合研究主题进行科研人员学术影响力划分，最终绘制完成科研人员学术影响力画像。

2 结果分析

2.1 数据来源与处理

1965年，普赖斯在对引文进行大量的统计分析后提出了“最大引文年限”问题，并指出文章被引用的峰值是该文章发表后的第二年［13］。2011年，黄利平研究发现图书情报学领域的期刊被引最佳年限主要集中在第二年或者第三年

［14］。为消除最大引文年限的影响，本文选取中国知网收录的图书情报领域2009-2018年间发表的CSSCI论文进行研究。为了避免发文量过大或过小造成评价失衡，本文重点对发文量较为接近的科研人员进行研究。因此，将论文数量的阈值设置为85-150篇，在该区间内共有22位科研人员。

在中国引文数据库对22位作者的合作作者、施引作者及篇均被引频次分别进行检索。为了彰显科研人员的较高学术水平并探寻较为稳定的合作关系，对引用次数和合作次数设定阈值，使用引用科研人员论文数量大于5次的作者数量来计算学术认可程度，使用与科研人员合作2次及以上的作者数量来计算学术合作程度。数据统计情况如表1所示。

2.2 科研人员学术影响力计算

2.2.1 科研人员学术影响力评价

对上述数据进行log对数函数归一化处理后，使用熵权法计算各项指标权重，得到学术产出的权重为0.0133，学术认可的权重为0.6060，学术合作的权重为0.0780，学术创新的权重为0.3026。根据PRCI-G指数公式计算22位科研人员的PRCI-G指数，并将其与常用的科研人员学术影响力评价指标h指数、g指数、篇均被引频次及总发文量进行比较，结果见表2。

2.2.2 PRCI-G指数有效性检验

为了验证PRCI-G指数对科研人员学术影响力的评价效果，从相关性、稳定性和区分性角度进行分析。

（1）PRCI-G指数的相关性分析。为分析PRCI-G指数与h指数、g指数、总发文量以及篇均被引频次之间的关系，对上述数据进行Spearman相关性分析，结果如表3所示。

分析表3发现，PRCI-G指数与h指数和g指数中等程度相关，与篇均被引频次强相关，与总发文量极弱相关。PRCI-G指数与h指数、g指数和篇均被引频次的相关度分别为0.446、0.529和0.760，有着较高的一致性，能够证明PRCI-G指数是在已有评价指标上的改进，具有一定说服力。与h指数和g指数相比，PRCI-G指数与篇均被引频次的相关性较高，可能是因为h指数和g指数的评价标准均是高被引文献，未考虑到被引频次较低的文献，而PRCI-G指数则将论文被引频次的均衡性与离散度纳入计算。此外，PRCI-G指数与总发文量的相关系数仅为0.120，相关度极弱，符合破除“唯论文”不良导向的科技评价体系改良趋势［15］，说明PRCI-G指数更注重科研人员学术成果的质量与其在学科领域中的综合影响力与贡献度，而非局限于论文数量。

（2）PRCI-G指数的稳定性分析。将PRCI-G指数与用于评价科研人员学术影响力的其他常见指标，即h指数、g指数与篇均被引频次进行比较，其中排名变化为PRCI-G指数排名，分别减去其他指标排名的差值，得到的结果如表4所示。

分析表4发现，PRCI-G指数排名相较h指数、g指数上升幅度最大的均为兰月新，分别上升11位和12位。根据收集到的数据进行分析可以发现，该科研人员共发表86篇论文（排名第17位），合作作者40位（排名第1位），施引作者67位（排名第4位），篇均被引28.31次（排名第3位）。在統计数据中，该作者的发文量排名虽较靠后，但合作网络较广，多次引用其学术成果的作者较多，因此使用PRCI-G指数进行评估，会使得其排名有较大幅度的提升。

PRCI-G指数效果与h指数和g指数存在类似效果。在与h指数的比较中，有2位科研人员的排名位次未变化。在与篇均被引频次的对比中，有4位科研人员的排名位次未变化。在PRCI-G指数与h指数、g指数排名对比中均有15位科研人员的位次变化小于等于5位，占比68.19%。与篇均被引频次的排名相比，共16位科研人员的位次变化在5位以内，占比72.73%，其中篇均被引频次排名前10的科研人员中仅有1位位次变动超过5位。通过数据分析可以看出，PRCI-G指数评价结果的总体排名变化幅度较低，与其他评价指数相比的结果较为稳定。

（3）PRCI-G指数的区分性分析。从表2可以看出，22位科研人员的PRCI-G指数没有重复，最大值与最小值相差0.75，数值差异虽小但区分度较为明显。观察h指数和g指数，可以看到有5组科研人员具有相同的h指数，涉及13位科研人员，占比59.10%；5组科研人員的g指数相同，涉及10位科研人员，占比45.45%。显然，使用PRCI-G指数来区分科研人员学术影响力的效果更加显著。

进一步绘制22位科研人员PRCI-G指数、h指数和g指数排名情况，横轴表示科研人员，纵轴为影响力指数排名，见图2。可以看出， PRCI-G指数排名的图示是一条直线，表示未出现排名相同的情况，而h指数和g指数的排名情况均出现波动，表示在不同科研人员的评价中存在相同的结果。综上分析，PRCI-G指数涵盖了科研人员的学术产出、学术认可、学术合作及学术创新，能更加综合地对科研人员学术影响力进行区分。

整体来说，在h指数和g指数相同的科研人员中，当PRCI-G指数保留2位小数时能够形成明显差异，可证明PRCI-G指数的区分效果较强。

2.3 科研人员学术影响力类型划分

为了对科研人员学术影响力类型进行更为细粒度的划分，本文在提取科研人员研究关键词的基础上，依托VOSviewer对科研人员研究主题进行识别，为了能够保证主题聚类的语义量，设置聚类包含的最少关键词数量为2。

在确定每位科研人员的研究主题数量后，结合PRCI-G指数构建“研究主题-学术影响力”评价矩阵，其中横轴为主题数量，纵轴为PRCI-G指数，见图3。为了对科研人员影响力类型进行区分，设定研究主题数量和学术影响力阈值分别为5和1.385。其中1.385为22位科研人员PRCI-G指数的中位数。

依据研究主题数量和PRCI-G指数对四个象限中的作者类型进行归纳如下：

学术卓越型：在第一象限中，科研人员的研究主题数量多于5个，同时PRCI-G指数高于1.385。该类科研人员研究范围广泛且研究较为深入，在学科领域内影响力突出，在学术产出和创新水平较高的基础上，合作作者和施引作者较多。对于学术新人来说，通过追踪该类科研人员，可以较快地从多个研究方向了解学科发展，对明晰研究目标具有重要借鉴。

研究聚焦型：第二象限中，科研人员的研究主题小于等于5个且PRCI-G指数高于1.385。这些科研人员的研究内容较为集中，在主要研究方向中产出能力强且学术影响力高。对于研究人员来说，关注这些科研人员的学术动态有助于建立起完整的知识脉络，特别是在某个方向进行深入探索的研究者，可依据自身研究方向有针对性地追踪科研人员动态，以便更加细致全面地把握其中重点知识与新兴热点。

潜力突出型：第三象限中，科研人员的研究主题数量小于等于5个且 PRCI-G指数低于1.385。这类科研人员的研究范围相对聚焦，在学术领域中奠定了坚实的基础，学术潜力突出且学术视野前沿。研究人员通过追踪该类科研人员，能够获得创新性的学术观点，对开辟学术思维有重要的导向意义。对相关方向的研究人员与新进研究人员来说，关注该类科研人员的学术动态有助于扩展学术视野、开辟创新思维。

均衡发展型：在第四象限中，科研人员的研究主题数量大于5个，同时PRCI-G指数低于1.385。该类科研人员的研究主题比较多元，影响力较为均衡，未来有可能发展为学术卓越型。研究人员在追踪学术卓越型科研人员的同时，在相应方向上可同时追踪均衡发展型科研人员。通过此种方式，能够帮助研究人员快速全面把握学科发展态势和研究热点，并据此形成自己的研究思路。

对科研人员学术影响力类型进行划分，一方面可以对科研人员学术影响力进行细粒度描述，更加细致地分析其研究趋势、追踪其学术动态；另一方面能够帮助不同类型的研究人员把握科研人员的学术进展与研究方向，为其跟进学科领域热点研究提供参考，并为其开阔研究思路提供借鉴。

2.4 科研人员学术影响力画像描述

在宏观层面对科研人员学术影响力类型划分完成后，针对不同类型的科研人员，进一步对其学术影响力画像进行描述。学术影响力画像旨在通过对科研人员的基本信息、学术影响力情况、被引情况、合作情况以及研究主题五项内容进行系统刻画，从微观角度较为全面地展现科研人员学术面貌，为研究者快速把握科研人员学术动态提供重要参考，助力其高效开展科研活动。因此，本文以“学术卓越型”中的科研人员为例，选择武汉大学的黄如花教授，对其学术影响力画像进行构建，见图4。

分析图4发现，在合作情况分析中，可发现共有23位作者与黄如花教授的合作次数不少于2次，其中合作最多的作者是武汉大学的李白杨，两人共合著10篇论文，共被引627次。两人合著论文中被引频次最高的是2016年发表于期刊《图书情报知识》上的《数据素养教育：大数据时代信息素养教育的拓展》一文

［16］，共被引248次。科研人员之间的合作关系有助于学科知识的横向扩张与纵深挖掘，了解研究方向中高影响力学者的合作情况有助于研究人员全面构建知识网络，更为深入地学习了解学科领域中的理论知识。

在被引情况分析中，共有91位作者引用黄如花教授的学术成果，次数大于5次，其中中国科学技术信息研究所的温芳芳在9篇文献中引用了48次黄如花教授的学术成果，是施引频次最高的作者。通过分析施引作者及引证文献可以看出，在对政府数据开放共享政策领域的研究中，黄如花教授的学术成果受到了大量研究人员的认可，为相关理论及实践研究提供了思路指引与参考。

在研究主题方面，针对黄如花教授的学术成果共确定了34个可用于分析的关键词，在VOSviewer生成的可视化图谱中共形成6个研究主题，根据关键词分析及文献的二次解读，对6个主题分别命名为信息资源建设与信息服务、政府数据开放共享政策、科研数据资源开放存取、信息素养教育、信息组织与检索、图书馆管理，其中学术成果最多的两个研究主题为“信息资源建设与信息服务”和“政府数据开放共享政策”。

对黄如花教授进行学术影响力画像描述，能够实现从宏观到微观层面的学术面貌揭示。对图书情报学领域的研究人员而言，通过学术画像可以更加细致地把握黄如花教授的研究进展，深入了解相关研究主题的发展态势，补充自身在学科领域中的知识盲点，开拓学科视野并启发研究思维。学术新人通过关注学术影响力画像能够对黄如花教授的学术信息进行比较全面的了解，明晰图书情报学领域内的多个研究方向及热门主题，从而较为系统地把握相关方向发展现状。针对研究主题聚焦在“信息资源建设与信息服务”和“政府数据开放共享政策”等方向的研究者，可以通过追踪黄如花教授及其主要合作者、施引者的最新成果了解学科热点与新兴前沿，从而在增加知识储备的基础上拓展研究思路。

3 结语

本文提出的中文人文社会科学科研人员学术影响力评价方法具有一定创新性，具体表现如下：

（1）过往研究多是从文献计量、替代计量和复杂网络等角度出发，改良或重建科研人员评价标准。本文在创新评价维度的基础上，构建了“研究主题—学术影响力”二维矩阵，对科研人员进行学术类型划分，能够助力相关研究者在宏观层面把握不同科研人员的学术进展，锁定追踪对象，为其跟进学科领域热点与新兴前沿进行助力。

（2）已有研究往往仅对科研人员进行排名，没有对其研究主题、发展态势等进行细粒度分析。本研究结合科研人员学术特征绘制了学术画像，从而更为详尽的对科研人员合作情况、被引情况、学术影响力情况、研究主题等学术信息进行描述，有助于快速全面地了解科研人员学术动态，从多个维度直观审视所属研究方向中高影响力学者的科研进展，为相关研究人员及时跟进学科动态与开拓研究思路提供了全景化、多维度的参考支持。

参考文献

［1］王伟明.考虑共识度的学者学术影响力组合评价研究［J］.情报理论与实践，2023，46（1）：115-123.

［2］许海云，方曙.人文社会科学评价中“质”与“量”相结合的评价框架研究［J］.图书情报工作， 2011，55（10）：60-64.

［3］万昊，谭宗颖，朱相丽.同行评议与文献计量在科研评价中的作用分析比较［J］.图书情报工作，2017，61（1）：134-152.

［4］熊回香，杜瑾，代沁泉，等.基于主题与多维计量指标的学者学术影响力评价研究［J］.情报理论与实践，2021，44（8）：22-27，21.

［5］赵蓉英， 郭凤娇.Altmetrics：学术影响力评价的新视角［J］. 情报科学，2017，35（1）：14-18.

［6］杨思洛，董嘉慧，刘华玮.信息计量与科学评价：新时期、新需求、新发展——青年学者论坛综述［J］.图书馆论坛，2021，41（4）：94-101.

［7］张琳.Gunnar Sivertsen.科学计量与同行评议相结合的科研评价——国际经验与启示［J］.情报学报，2020，39（8）：806-816.

［8］俞立平，刘爱军. 指标数据分布与内部差距对学术期刊评价的影响——以JCR数学期刊为例［J］.图书情报工作，2014，58（21）：105-110.

［9］高丹， 李秀霞， 臧思思.G_m指数：基于论文被引离散度的作者学术影响力评价新指标［J］.情报科学，2020， 38（4）：57-61.

［10］熊回香，王妞妞，沈舒悦，等. h_μ指数——基于h指数的修正研究［J］.情报理论与实践，2022，45（7）：74-80.

［11］高英蓮，李秀霞，刘金星.被引数量、被引质量和被引离散度结合的学术期刊影响力评价研究［J］.信息资源管理学报，2019，9（4）：19-23， 30.

［12］Donohue J C.Understanding Scientific Literatures-A Bibliometric Approach ［M］.Cambridge： The MIT Press，

1973 ：49-50.

［13］邱均平.文献计量学［M］.北京：科学技术出版社，1988：326-327.

［14］黄利平.基于引文分析的文献老化研究——以图书情报和管理学为例［J］.情报杂志，2011，30（10）：30-35.

［15］中华人民共和国科学技术部.科技部印发《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》的通知［EB/OL］.［2023-02-17］.http：//www.most.gov.cn/xxgk/xinxifenlei/fdzdgknr/fgzc/gfxwj/gfxwj

2020/202002/t20200223_151781.html.

［16］黄如花，李白杨.数据素养教育：大数据时代信息素养教育的拓展［J］.图书情报知识，2016（1）：21-29.

作者简介：

郭蕊翾（1998），女，山东师范大学图书馆硕士研究生在读。研究方向：图书馆服务创新。

宋凯（1993），男，山东师范大学图书馆馆员。研究方向：专利计量。

杜保国（1963），男，山东师范大学图书馆副教授、馆长。研究方向：图书馆管理与服务创新。

（收稿日期：2023－02－23 责任编辑：张长安）

Research on the Evaluation of Academic Influence of Chinese Humanities and Social Sciences Researchers

—Taking the Field of Library and Information Science as an Example

Guo Rui－xuan Song  kai Du  Bao－guo

Abstract：The academic influence evaluation of scientific researchers is an important way to show their professionalism and innovation. On the basis of constructing the PRCI-G index for evaluating the academic influence of researchers， the article constructs a matrix for evaluating the academic influence of researchers by combining their research themes， and builds a portrait of the academic influence of researchers from five major dimensions. The empirical study of the proposed method in the field of library andinformation science proves that the method can present the academic profile of researchers in a panoramic way， which provides a reference for other disciplines in the field of Chinese humanities and social sciences to apply， and also provides a reference for researchers to track the dynamics of scientific researchers and quickly grasp the academic progress.

Keywords：Chinese Humanities and Social Sciences; Scientific Researcher; Academic Influence; Library and Information Science