基于合贡献者网络的学者学术影响力评估研究

doi:10.3772/j.issn.1000-0135.2025.11.007

情报学报

2025, Vol. 44

Issue (11): 1444-1457 DOI: 10.3772/j.issn.1000-0135.2025.11.007

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

基于合贡献者网络的学者学术影响力评估研究

卢超, 李梦婷, 周宸宇

河海大学商学院，南京 211100

Assessment of the Academic Impact of Scholars Based on the Co-contributorship Network

Lu Chao, Li Mengting, Zhou Chenyu

Business School, Hohai University, Nanjing 211100

摘要
图/表
参考文献
相关文章 (10)

全文: PDF (3323 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要建立更加科学、公正、全面的人才评价体系有利于激发创新活力、推动科技进步与经济发展。科学评估学者学术影响力作为新型人才评价体系构建的重要环节，对人才选拔、资源配置等工作具有重要意义。然而，现有研究注重个人评价，忽视了合作团队内全体成员的个人贡献，不利于学者学术影响力整体评估。为此，本研究结合作者贡献构建合贡献者网络，以合著者网络为基准，分别从文献计量指标、网络计量指标、贡献实绩指标以及学者合作特征四项指标入手，探究其在学者影响力评估任务上的应用价值。基于本研究数据可以发现：①合贡献者网络与合著者网络在Top 1000高影响力作者排名上有一定相似性；②合贡献者网络识别的Top 1000作者的文献计量评估指标低于合著者网络识别的Top 1000作者，但在网络计量评估指标方面，二者不具备显著性差异；③在贡献实绩评估指标方面，合贡献者网络能帮助识别团队中显著承担更多任务的高影响力作者；在合作特征评估指标方面，合贡献者网络有利于显著识别通信作者比例更高、署名次序更靠前、更年轻的高影响力学者。以上发现表明，合贡献者网络在识别顶尖学术影响力学者的效果上稍逊于合著者网络，但所识别的高学术影响力学者更可能是贡献实绩显著、具备团队领导力的青年人才，这与新时代选人用人的要求相符。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	卢超
	李梦婷
	周宸宇

关键词 ：合著者网络, 作者贡献声明, 合贡献者网络, 学术影响力

收稿日期: 2024-09-04

基金资助:国家社会科学基金一般项目“有组织跨学科合作中的分工模式与互动机制演化研究”（25BTQ057）。

作者简介: 卢超，1991年生，博士，副教授，硕士生导师，研究方向为科学学、科学合作；李梦婷，通信作者，2000年生，硕士研究生，研究方向为学术文本挖掘，E-mail：221613100016@hhu.edu.cn；周宸宇，1995年生，硕士研究生，研究方向为科研劳动分工；

引用本文:

卢超, 李梦婷, 周宸宇. 基于合贡献者网络的学者学术影响力评估研究[J]. 情报学报, 2025, 44(11): 1444-1457.
Lu Chao, Li Mengting, Zhou Chenyu. Assessment of the Academic Impact of Scholars Based on the Co-contributorship Network. 情报学报, 2025, 44(11): 1444-1457.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.11.007 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I11/1444

1 中共中央办公厅国务院办公厅印发《关于分类推进人才评价机制改革的指导意见》[EB/OL]. (2018-02-26) [2021-03-29]. http://www.gov.cn/zhengce/2018-02/26/content_5268965.htm.
2 中共中央办公厅国务院办公厅印发《关于深化项目评审、人才评价、机构评估改革的意见》[EB/OL]. (2018-07-03) [2021-03-29]. http://www.gov.cn/zhengce/2018-07/03/content_5303251.htm.
3 郑佳之, 张杰. 一种个人学术影响力的评价方法[J]. 中国科技期刊研究, 2007, 18(6): 957-960.
4 宋丽萍, 王建芳, 王树义. 科学评价视角下F1000、Mendeley与传统文献计量指标的比较[J]. 中国图书馆学报, 2014, 40(4): 48-54.
5 高志, 张志强. 个人学术影响力定量评价方法研究综述[J]. 情报理论与实践, 2016, 39(1): 133-138.
6 Yan E J, Ding Y. Discovering author impact: a PageRank perspective[J]. Information Processing & Management, 2011, 47(1): 125-134.
7 Lu C, Zhang Y Y, Ahn Y Y, et al. Co-contributorship network and division of labor in individual scientific collaborations[J]. Journal of the Association for Information Science and Technology, 2020, 71(10): 1162-1178.
8 Lu C, Zhang C W, Xiao C R, et al. Contributorship in scientific collaborations: The perspective of contribution-based byline orders[J]. Information Processing & Management, 2022, 59(3): 102944.
9 卢超, 李梦婷, 陈秀娟, 等. 合贡献者网络的结构特征及其合作群体识别应用研究[J]. 情报学报, 2024, 43(7): 773-788.
10 丁敬达, 王新明. 基于作者贡献声明的合著者贡献率测度方法[J]. 图书情报工作, 2019, 63(16): 95-102.
11 Sonnenwald D H. Scientific collaboration[J]. Annual Review of Information Science and Technology, 2007, 41(1): 643-681.
12 Newman M E J. Scientific collaboration networks. I. Network construction and fundamental results[J]. Physical Review E, 2001, 64: 016131.
13 化柏林, 武夷山. 网络社会需要网络分析[J]. 情报学报, 2013, 32(8): 785.
14 曾德明, 张志东, 赵胜超. 科学合作网络、伙伴动态性与企业创新绩效[J]. 科学学研究, 2022, 40(5): 906-914.
15 王曰芬, 李冬琼, 余厚强. 生命周期阶段中的科学合作网络演化及高影响力学者成长特征研究[J]. 情报学报, 2018, 37(2): 121-131.
16 董彦邦, 刘莉. 我国高校高水平论文的机构合作网络演化分析——以1978—2017年的Nature和Science合作论文为例[J]. 情报杂志, 2019, 38(11): 138-144, 157.
17 滕立. 基于超网络的作者-机构-国家混合共现网络研究[J]. 情报学报, 2015, 34(1): 28-36.
18 雷雪, 王立学, 曾建勋. 作者合著有向网络构建与分析[J]. 图书情报工作, 2015, 59(5): 94-99.
19 李欣哲, 鲁晓. 国内外科技人才研究领域合作网络及主题分析[J]. 科学学研究, 2023, 41(9): 1570-1580, 1728.
20 盛小平, 孙倩倩. 国内科学数据开放共享主题的作者合作关系与合作研究内容分析[J]. 图书情报工作, 2021, 65(23): 13-21.
21 Yu S, Alqahtani F, Tolba A, et al. Collaborative team recognition: a core plus extension structure[J]. Journal of Informetrics, 2022, 16(4): 101346.
22 Ma G S, Qian Y H, Zhang Y Y, et al. The recognition of kernel research team[J]. Journal of Informetrics, 2022, 16(4): 101339.
23 Li E Y, Liao C H, Yen H R. Co-authorship networks and research impact: a social capital perspective[J]. Research Policy, 2013, 42(9): 1515-1530.
24 Chuan P M, Son L H, Ali M, et al. Link prediction in co-authorship networks based on hybrid content similarity metric[J]. Applied Intelligence, 2018, 48(8): 2470-2486.
25 Orzechowski K P, Mrowinski M J, Fronczak A, et al. Asymmetry of social interactions and its role in link predictability: The case of coauthorship networks[J]. Journal of Informetrics, 2023, 17(2): 101405.
26 檀旦. F1000与传统文献计量学指标的相关性研究[J]. 中国科技期刊研究, 2016, 27(1): 111-115.
27 Prathap G. The 100 most prolific economists using the p-index[J]. Scientometrics, 2010, 84(1): 167-172.
28 Bertoli-Barsotti L, Lando T. On a formula for the h-index[J]. Journal of Informetrics, 2015, 9(4): 762-776.
29 Allen L, Scott J, Brand A, et al. Publishing: credit where credit is due[J]. Nature, 2014, 508(7496): 312-313.
30 Larivière V, Pontille D, Sugimoto C R. Investigating the division of scientific labor using the Contributor Roles Taxonomy (CRediT)[J]. Quantitative Science Studies, 2021, 2(1): 111-128.
31 Corrêa E A, Silva F N, da F Costa L, et al. Patterns of authors contribution in scientific manuscripts[J]. Journal of Informetrics, 2017, 11(2): 498-510.
32 Kr?mer T, Momeni F, Mayr P. Coverage of author identifiers in Web of Science and Scopus[OL]. (2017-03-03). https://arxiv.org/pdf/1703.01319.
33 Blondel V D, Guillaume J L, Lambiotte R, et al. Fast unfolding of communities in large networks[J]. Journal of Statistical Mechanics: Theory and Experiment, 2008, 2008(10): P10008.
34 Brin S, Page L. The anatomy of a large-scale hypertextual web search engine[J]. Computer Networks and ISDN Systems, 1998, 30(1-7): 107-117.
35 Gao L Y, Liu X Y, Liu C, et al. Key nodes identification in complex networks based on subnetwork feature extraction[J]. Journal of King Saud University-Computer and Information Sciences, 2023, 35(7): 101631.