1 引 言
随着信息时代的快速发展，社交网络逐渐成为人们获取信息资讯最为便捷的方式之一。因此，学术评价的计量方式也逐步多元化，从单纯地依靠传统文献计量学的被引频次、期刊影响因子等评价指标，逐步融合基于网络信息的社交平台数据，使得学术评估方式更加丰富和灵活。
Altmetrics作为一种替代性指标，对学术评价体系的改变有着重要的影响力，其通常是基于社交网络中的数据，如社交媒体平台Facebook、Twitter以及文献管理平台Mendeley、citeulike数据等。而传统文献计量学的引文分析数据来源多数是通过数据商平台获得，如科睿唯安Web of Science（WoS）、爱思唯尔Scopus等。因此，两种学术评价指标之间的相互关系是文献计量界亟待解决的问题。目前，国内外很多学者尝试将Altmetrics指标与citation指标进行对比分析，如对Blog、Twitter、Facebook等社交媒体指标与被引次数相关性进行分
析[1,2,3,4] 。Shema等[5] 将Blog数据融入引文计量分析中，创新性地提出博客引文可以作为学术评估的一种依据；Costas等[6] 提出Altmetrics和引文有正相关性，但是相对较弱，对于不同领域的学科具有不同表现；Haustein等[7] 提出了一个基于文章覆盖率和推特提及与引用之间相关性的框架，认为Twitter和引用之间的相关性很低；Waltman等[8] 通过学术期刊的文章收录情况，对比F1000推荐和引用的关系，认为F1000与引文之间存在明显的相关性，但是弱于期刊影响和引用之间的相关性；Mike等[9] 也尝试将Altmetrics多指标与citation进行对比，认为其对发现高被引期刊有一定的指导作用。国内学者也逐渐开始关注Altmetrics指标与引用指标之间的关系[10,11,12,13,14] 。郝若扬[15] 挑选2014—2016年Altmetric Top 100论文为样本，得出高Altmetrics指标论文的Altmetric分数与其被引频次存在一定正相关的结论；刘艳民[16] 通过Altmetric.com下载相关数据，分析发现Altmetrics指标与被引次数、期刊影响因子之间的相关关系为正相关但较弱；王睿等[17] 以高Altmetrics指标论文作为样本，选取与样本论文发表在同一期刊同一期上前后两篇论文作为参照，认为Altmetrics和引文数两种指标反映出读者对文献的不同关注方向；余厚强[18] 选取Altmetric.com数据，着重研究数值类型、指标种类和用户类别对相关性的影响，认为学科呈现显著不同的替代计量指标活跃度。虽然国内学者做了些引文分析与替代计量学的对比分析研究，但是选取的数据多数来源于高Altmetrics，并没有针对某一学科的对比分析。事实上，替代计量学针对学科的影响有很大的差异性，因此，本文希望通过某一研究领域对比Altmetrics和引文计量找到两者之间的相关性，更全面客观地评估学术水平。2 数据来源
相较于理工类学科，人文社科领域学术成果的评估并没有一个公认的计量方
式[19] ，且传统的引文计量对于该领域有一定的局限性[20] ，因此，本文尝试将人文社科领域高被引论文作为研究对象，通过Altmetrics评价指标，找出引文计量与Altmetrics之间的关系，评估替代计量指标作为传统引文计量的补充性指标的可行性。本文选取WoS数据库（世界最权威的引文索引类数据库之一）2006—2016年核心合集SSCI收录的文章，筛选出Information Science & Library Science领域中文献10203篇，其中被ESI收录高被引文章442篇。数据采集日期为2017年3月。ESI数据库（Essential Science Indicators）是由世界著名的学术信息出版机构美国科学信息研究所（Institute for Scientific Information，ISI）于2001年推出的用于评价高校、学术机构、国家/地区国际学术水平及影响力的重要评价指标工具，因此本文选取该数据库文献作为学术评估的引文依据具有代表性。
选取Scopus数据库（目前全球规模最大的文摘和引文数据库）提供引文数据，并且2010年开始，Elsevier公司由英格兰高等教育拨款委员会（EFCE）牵头，联合多所知名高校开启雪球指标计划，逐步将Altmetrics的指标融入Scopus数据库论文度量指标。主要包括四个方面：学术活动、社交活动、学术评论及大众媒体，具体如表1所示。Scopus数据库涵盖范围广，ESI收录的文章在该数据库中都有数据，并且将Altmetrics提供的指标皆计入计量中，因此本文选取该数据库作为Altmetrics计量分析的来源具有代表性。
表1 Scopus数据库提供的基于Altmetrics的指标
名称 定义 指标内容 学术活动 提供了文献在文献管理软件平台上使用情况的直观人口统计信息 Mendeley、CiteULike 社交活动 由出版物引发的一般公众在社交媒体平台上发帖的次数，特征是参与速度快、内容简短 Twitter、Facebook、Google+、Reddit、Pinterest 学术评论 数据由Altmetric.com提供，指示一篇论文所引发的专家和学者的在线的评论文献、论文以及博文的次数 博客、出版后的同行评议网站（Pubpeer、Publons 和图像 F1000Prime）、维基百科、问答网站（Stack Exchange） 大众媒体 数据由 altmetric.com提供，显示论文在大众媒体平台中引发的公共讨论次数 3 数据分析
3.1 引文分析
引文分析（citation analysis）是利用数学及统计学的方法和比较、归纳、抽象、概括等逻辑方法，对科学期刊、论文、著者等各种分析对象的引证与被引证现象进行分析，进而揭示其中的数量特征和内在规律的一种文献计量分析方
法[21] 。本文针对引文本身进行分析，选取ESI收录Information Science & Library Science高被引文章442篇，具体引用情况如表2所示。可见人文社科专业的引用情况与科技类文献的引用情况并不相同，其引用次数基本为逐年上升，并未出现文献老化引起的引文下降趋势。因此，单纯地运用引文量来评估学术水平并不确切。表2 2006—2016年收录文章引用情况
3.2 Altmetrics指标
本文从ESI收录Information Science & Library Science领域高被引文章中，筛选出Library and Information Science相关文献220篇，通过检索得到论文主要分布在以下8种图书情报专业期刊中，具体情况如表3所示。
表3 ESI收录文章来源期刊
期刊 收录数 ESI引用次数 Journal of the Association for Information Science and Technology 25 450 Scientometrics 39 4126 Journal of Informetrics 25 2642 International Journal of Information Management 12 329 MIS Quarterly 24 5017 Journal of Computer-Mediated Communication 15 3573 Information Systems Research 17 1748 Journal of the American Society for Information Science and Technology 31 4790 将筛选出的220篇文献在Scopus数据库进行Title检索，得到相应的Altmetrics指标如表4所示。可见不同的指标来源数值差距比较大。学术性活动方面，文献参考软件Mendeley拥有200多万用户，作为Altmetrics数据的主要来源活跃程度最高，这也表征文献在学术平台上使用情况的人数较多；社交活动方面，Twitter作为Altmetrics研究的主要指标数值较高，有研究人员认为Twitter的活跃度在人文社科领域比较明显，多数学者通过Twitter进行学术交
流[22,23] 。4 引文量与Altmetrics相关性分析
本文选取2006—2016年ESI收录Library and Information Science专业高被引相关文献220篇作为数据来源，通过Scopus数据库获取Scopus引用及Altmetrics数据指标“学术活动”、“学术评论”、“社交活动”、“大众传媒”数据，通过Altmetric.com网站的书签获取Altmetric.com的分值，运用SPSS 20.0软件，对引文量和Altmetrics多指标进行相关性分析，具体结果如表5所示。
表5 引用与Altmetrics指标相关性
ESI被引频次 Scopus引用 Altmetrics分值 学术活动 学术评论 社交活动 ESI被引频次 Pearson 相关性 1 0.03 0.068 0.67 9** 0.23 0** 0.044 显著性（双侧） 0.655 0.436 0.000 0.001 0.519 Scopus引用 Pearson 相关性 0.03 1 0.30 9** 0.005 0.048 0.24 9** 显著性（双侧） 0.655 0.000 0.941 0.478 0.000 Altmetrics分值 Pearson 相关性 0.068 0.30 9** 1 0.131 0.154 0.82 2** 显著性（双侧） 0.436 0.000 0.131 0.076 0.000 学术活动 Pearson 相关性 0.67 9** 0.005 0.131 1 0.39 1** 0.114 显著性（双侧） 0.000 0.941 0.131 0.000 0.092 学术评论 Pearson 相关性 0.23 0** 0.048 0.154 0.39 1** 1 0.18 0** 显著性（双侧） 0.001 0.478 0.076 0.000 0.008 社交活动 Pearson 相关性 0.044 0.24 9** 0.82 2** 0.114 0.18 0** 1 显著性（双侧） 0.519 0.000 0.000 0.092 0.008 注：**表示在0.01水平（双侧）上显著相关。
4.1 引文量与各指标相关性分析
由表5可见，ESI被引频次与学术活动、学术评论的相关系数分别为0.679和0.230，在0.01的水平上显著相关，说明通过文献管理软件对文献引用有一定的影响，数据主要来源于Mendeley，该软件用户量庞大，主要用户为高校及研究所的科研人员，因此科研人员的行为对引用量有正相关性。ESI被引频次与Altmetrics分值的相关系数为0.068，显著性水平为0.436，说明ESI高被引论文与Altmetrics高分值没有必然相关性。ESI处理的数据仅限于ISI收录的期刊论文（科技论文、评述论文、会议论文以及研究报告）。编辑信件、更正通知、摘要、图书、图书的章节以及未被ISI索引的期刊论文均不被考虑在
内[24] 。而Altmetrics指标则是基于社会网络的学术评价方法，其底层数据源并不支持WoS数据库。通过利用Altmetrics工具收割社交网络工具以及文献管理系统中涉及某一研究成果的相关信息（下载量、引用次数、浏览次数、评论、转发等），通过对这些数据进行聚类分析和统计计算，测量该研究成果的Altmetrics指标[25] 。由此可见，两者之间的数据来源范围和数据计算方法均没有共通性，相关性也相对较弱。Scopus被引频次与Altmetrics分值、社交活动的相关系数分别为0.309和0.249，在0.01的水平上显著相关。主要因为越来越多的学术出版社利用Altmetric.com工具在其出版的论文页面上整合Altmetrics计量指标，而Scopus数据库又将Altmetrics计量指标整合到该平台，用来测度社交网络对出版论文的关注程度。因此，Scopus引用次数与Altmetrics分值有一定的正相关性。
4.2 Altmetrics分值与各指标相关性分析
Altmetrics分值与社交活动的相关系数为0.822，在0.01的水平上显著相关。根据计入Altmetrics计算的指标来看，包括了文献管理软件（Mendeley、citeulike等）、社交活动（Twitter、Facebook、Google+等）、同行评议网站（F1000Prime等）、维基百科、问答网站以及主流媒体引发的公共讨论次数（如路透社和全国公共广播电台）等。虽然文献管理软件的数据量最大，但是其对于Altmetrics分值的影响并不明显，而由于人文学科的特殊性，相应的学术讨论的比例也较低。因此，Twitter等社交软件成为影响人文学科Altmetrics分值的主要来源，其对人文社科领域的推广响应更快。
学术活动与学术评论的相关系数为0.391，在0.01的水平上显著相关；学术评论与社交活动相关系数为0.180，在0.01的水平上显著相关。通过数据可见，Altmetrics的指标间都有一定的相关性，虽然相关系数并不大，但是文献管理软件、Twitter和社交媒体的相互作用对学术文献的推广有一定的积极意义。
4.3 综合指标分析
本文运用SPSS软件对ESI引文数、Scopus引文数、“学术活动”、“学术评论”、“社交活动”和Altmetric.com的分值进行因子分析（表6，表7）。通过表7可见，KMO数值为0.772，其值大于0.7，证明所选样本可以使用因子分析法；Bartlett球形检验的值为305.137（自由度为15），伴随概率值为0.000<0.01，达到了显著性水平，说明拒绝零假设而接受备择假设，即相关矩阵不是单位矩阵，适合进行因子分析。由图1可见，其中两个因子数值大于1，且累计方差率也达到了较高的比例，用其反映学术水平所损失的信息量不多，所以本文认为这两个公因子能够反映学术水平。
表6 相关矩阵
学术性活动 学术性评论 社交活动 WoS引用 Altmetrics分值 引文 相关 学术性活动 1.000 0.401 0.103 0.755 0.130 -0.001 学术性评论 0.401 1.000 0.180 0.306 0.153 -0.031 社交活动 0.103 0.180 1.000 -0.017 0.822 0.334 WoS引用 0.755 0.306 -0.017 1.000 0.067 -0.069 Altmetrics分值 0.130 0.153 0.822 0.067 1.000 0.308 Scopus引文 -0.001 -0.031 0.334 -0.069 0.308 1.000 Sig.（单侧） 学术性活动 0.000 0.118 0.000 0.068 0.495 学术性评论 0.000 0.019 0.000 0.039 0.360 社交活动 0.118 0.019 0.424 0.000 0.000 WoS引用 0.000 0.000 0.424 0.223 0.214 Altmetrics分值 0.068 0.039 0.000 0.223 0.000 Scopus引文 0.495 0.360 0.000 0.214 0.000 如图2所示，旋转后的因子负载矩阵可以明显看出两个主因子的分布。第一主因子主要包括WoS引用、学术活动及学术评价，可见学术活动与学术评价对WoS引用的作用比较明显，而这两种指标虽然为Altmetrics计数指标，但是对于Altmetrics数值的影响相对较弱。第二主因子主要包括Scopus引用、社交活动以及Altmetrics数值。社交活动对于人文社科领域的Altmetrics数值有较大的影响力，而Scopus的引用受到雪球计划的影响，其引用次数也对社交活动有一定的响应。
综上所述，ESI高被引论文的引文量与Altmetrics数值没有显著相关性，分别代表了不同角度评估学术水平的方法，因此，将两种指标相结合作为综合评估学术水平的方法具有可行性。
5 结论与展望
本文筛选WoS数据库ESI图情专业高被引论文作为数据源，结合Altmetric.com数值及Altmetrics指标，探求引文量与Altmetrics相关性，以此来验证Altmetrics是否能作为传统引文计量学的补充指标，弥补引文分析存在的滞后性、偏倚性等弊端。通过研究得到以下结论：
（1）ESI高被引论文与学术活动、学术评价有一定的相关性，说明研究人员的推广对文章的引用起到的作用较大。
（2）Altmetrics指标中虽然学术活动数值量较大，但对Altmetric.com数值的影响较小，社交活动对Altmetric.com的数值影响明显，说明Altmetric.com数值主要侧重于社交媒体。
（3）Scopus引文量与ESI引文量没有相关性，对Altmetric.com数值有一定的影响力。主要由于Scopus数据库为荷兰Elsevier（全球最大的科学文献出版发行商）发布的文摘数据库，且雪球计划的推出使得Altmetrics指标已经成为Scopus数据库评价学术水平的一部分。
（4）ESI高被引论文引文量与Altmetric.com数值没有明显的相关性，高被引论文并不一定有较高的Altmetric.com数值，且通过SPSS分析可见，两者具有明显的侧重性，因此引文量与Altmetric.com数值具有相互独立性，将两者结合评估学术水平将更全面客观。
因此，本文认为针对文科领域的学科特点，Altmetric.com数值具有及时性、便捷性的特点，有效地填补了传统引文分析的弊端，能够作为补充性指标对该领域的学术水平进行综合评价。
但是，本文仍存在一定的不足，主要在两个方面：第一，样本的选择相对较少，虽然考虑到引文周期的因素，时间跨度为10年以上，但是由于学科的特殊性，使得数据量不够充分；第二，Altmetric.com数值与引文量在学术文献评价中所占比重并没有一个确切的数据支持，这一方面将在后续的研究中进一步探索和讨论。
本文希望通过探求Altmetrics与引文量之间的关系，找到综合评价学术水平的合理方式，丰富学术评价体系，更全面地提供学术评价的方法，为进一步提高科研水平提供理论支持。
参考文献
- 1
Ortega J L. Relationship between Altmetric and bibliometric indicators across academic social sites: The case of CSIC’s members[J]. Journal of Informetrics, 2015, 9(1): 39-49.
- 2
Sotudeh H, Mazarei Z, Mirzabeigi M. CiteULike bookmarks are correlated to citation at journal and author levels in library and information science[J]. Scientometrics, 2015, 105(3): 2237-2248.
- 3
Costas R, Zahedi Z, Wouters P. The thematic orientation of publications mentioned on social media: Large-scale disciplinary comparison of social media metrics with citations[J]. Aslib Journal of Information Management, 2015, 67(3): 260-288.
- 4
Hassan S U, Imran M, Gillani U, et al. Measuring social media activity of scientific literature: An exhaustive comparison of scopus and novel Altmetrics big data[J]. Scientometrics, 2017, 113(2): 1037-1057.
- 5
Shema H, Bar-Ilan J, Thelwall M. Do blog citations correlate with a higher number of future citations? Research blogs as a potential source for alternative metrics[J]. Journal of the Association for Information Science and Technology, 2014, 65(5): 1018-1027.
- 6
Costas R, Zahedi Z, Wouters P. Do “altmetrics” correlate with citations? Extensive comparison of altmetric indicators with citations from a multidisciplinary perspective[J]. Journal of the Association for Information Science and Technology, 2015, 66(10): 2003-2019.
- 7
Haustein S, Peters I, Sugimoto C R, et al. Tweeting biomedicine: An analysis of tweets and citations in the biomedical literature[J]. Journal of the American Society for Information Science and Technology, 2014, 65(4): 656-669.
- 8
Waltman L, Costas R. F1000 recommendations as a potential new data source for research evaluation: A comparison with citations[J]. Journal of the Association for Information Science and Technology, 2014, 65(3): 433-445.
- 9
Mike T, Stefanie H, Vincent L, et al. Do Altmetrics work? Twitter and ten other social web services[J]. PLoS ONE, 2013, 8(5): e64841.
- 10
刘晓娟, 周建华, 尤斌. 基于Mendeley与WoS的选择性计量指标与传统科学计量指标相关性研究[J]. 图书情报工作, 2015, 59(3): 112-118.
- 11
由庆斌, 汤珊红. 不同类型论文层面计量指标间的相关性研究[J]. 图书情报工作, 2014, 58(8): 79-84.
- 12
刘晓娟, 宰冰欣. 图书情报领域文献的Altmetrics指标分析[J]. 图书情报工作, 2015, 59(18): 108-116.
- 13
由庆斌, 韦博, 汤珊红. 基于补充计量学的论文影响力评价模型构建[J]. 图书情报工作, 2014, 58(22): 5-11.
- 14
刘晓娟, 宋婉姿. 基于PLOS ALM的Altmetrics指标可用性分析[J]. 图书情报工作, 2016, 60(4): 93-101.
- 15
郝若扬. 高Altmetrics指标论文的特征分析及影响力分析[J]. 图书情报工作, 2018, 62(8): 107-114.
- 16
刘艳民. Altmetrics指标与传统文献计量指标相关性研究[J]. 情报杂志, 2017(9): 75-81.
- 17
王睿, 胡文静, 郭玮. 高Altmetrics指标科技论文学术影响力研究[J]. 图书情报工作, 2014, 58(21): 92-98.
- 18
余厚强. 替代计量指标与引文量相关性的大规模跨学科研究——数值类型、指标种类与用户类别的影响[J]. 情报学报, 2017, 36(6): 74-85.
- 19
Trowler P R. Academic tribes and territories[M]. McGraw-Hill Education (UK), 2001.
- 20
Nederhof A J. Bibliometric monitoring of research performance in the social sciences and the humanities: A review[J]. Scientometrics, 2006, 66(1): 81-100.
- 21
邱均平, 王曰芬. 文献计量内容分析法[M]. 北京: 书目文献出版社, 2008.
- 22
Holmberg K, Thelwall M. Disciplinary differences in Twitter scholarly communication[J]. Scientometrics, 2014, 101(2): 1027-1042.
- 23
Hellqvist B. Referencing in the humanities and its implications for citation analysis[J]. Journal of the American Society for Information Science and Technology, 2010, 61(2): 310-318.
- 24
王颖鑫, 黄德龙, 刘德洪. ESI 指标原理及计算[J]. 图书情报工作, 2006, 50(9): 73-75.
- 25
Piwowar H. Introduction altmetrics: what, why and where?[J]. Bulletin of the American Society for Information Science and Technology, 2013, 39(4): 8-9.
基本信息
DOI:10.3772/j.issn.1000-0135.2019.04.005
引用信息
稿件历史
纸刊出版 : 2019-04-25
收稿日期 : 2018-09-03
修回日期 : 2019-02-28- 秦奋
作者简介：秦奋，女，1985年生，硕士，馆员，E-mail:qinfen@dlut.edu.cn，主要研究领域为文献计量学
- 高健
作者简介：高健，男，1969年生，本科，馆员，主要研究领域为学科服务、情报分析。
- 马 兰
角 色：责任编辑
Role：Executive editor
名称 定义 指标内容 学术活动 提供了文献在文献管理软件平台上使用情况的直观人口统计信息 Mendeley、CiteULike 社交活动 由出版物引发的一般公众在社交媒体平台上发帖的次数，特征是参与速度快、内容简短 Twitter、Facebook、Google+、Reddit、Pinterest 学术评论 数据由Altmetric.com提供，指示一篇论文所引发的专家和学者的在线的评论文献、论文以及博文的次数 博客、出版后的同行评议网站（Pubpeer、Publons 和图像 F1000Prime）、维基百科、问答网站（Stack Exchange） 大众媒体 数据由 altmetric.com提供，显示论文在大众媒体平台中引发的公共讨论次数 期刊 收录数 ESI引用次数 Journal of the Association for Information Science and Technology 25 450 Scientometrics 39 4126 Journal of Informetrics 25 2642 International Journal of Information Management 12 329 MIS Quarterly 24 5017 Journal of Computer-Mediated Communication 15 3573 Information Systems Research 17 1748 Journal of the American Society for Information Science and Technology 31 4790 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 学术性活动 Mendeley 2381 19819 4175 3543 3433 2614 5600 3959 4162 4274 1793 citeulike 7 85 73 22 13 24 14 20 34 48 60 学术评论 博客 2 9 3 10 13 4 27 8 56 27 14 问答网站 0 1 2 1 2 1 0 0 3 1 2 维基百科 8 8 8 2 3 1 4 1 6 6 5 社交活动 Twitter 3 81 13 55 31 30 611 152 584 294 777 Facebook 2 9 2 4 9 0 17 0 34 87 9 Google+ 2 2 1 1 0 0 7 1 19 9 3 大众传媒 3 2 4 3 5 0 8 4 2 1 2 ESI被引频次 Scopus引用 Altmetrics分值 学术活动 学术评论 社交活动 ESI被引频次 Pearson 相关性 1 0.03 0.068 0.67 9** 0.23 0** 0.044 显著性（双侧） 0.655 0.436 0.000 0.001 0.519 Scopus引用 Pearson 相关性 0.03 1 0.30 9** 0.005 0.048 0.24 9** 显著性（双侧） 0.655 0.000 0.941 0.478 0.000 Altmetrics分值 Pearson 相关性 0.068 0.30 9** 1 0.131 0.154 0.82 2** 显著性（双侧） 0.436 0.000 0.131 0.076 0.000 学术活动 Pearson 相关性 0.67 9** 0.005 0.131 1 0.39 1** 0.114 显著性（双侧） 0.000 0.941 0.131 0.000 0.092 学术评论 Pearson 相关性 0.23 0** 0.048 0.154 0.39 1** 1 0.18 0** 显著性（双侧） 0.001 0.478 0.076 0.000 0.008 社交活动 Pearson 相关性 0.044 0.24 9** 0.82 2** 0.114 0.18 0** 1 显著性（双侧） 0.519 0.000 0.000 0.092 0.008 学术性活动 学术性评论 社交活动 WoS引用 Altmetrics分值 引文 相关 学术性活动 1.000 0.401 0.103 0.755 0.130 -0.001 学术性评论 0.401 1.000 0.180 0.306 0.153 -0.031 社交活动 0.103 0.180 1.000 -0.017 0.822 0.334 WoS引用 0.755 0.306 -0.017 1.000 0.067 -0.069 Altmetrics分值 0.130 0.153 0.822 0.067 1.000 0.308 Scopus引文 -0.001 -0.031 0.334 -0.069 0.308 1.000 Sig.（单侧） 学术性活动 0.000 0.118 0.000 0.068 0.495 学术性评论 0.000 0.019 0.000 0.039 0.360 社交活动 0.118 0.019 0.424 0.000 0.000 WoS引用 0.000 0.000 0.424 0.223 0.214 Altmetrics分值 0.068 0.039 0.000 0.223 0.000 Scopus引文 0.495 0.360 0.000 0.214 0.000 取样足够度的 Kaiser-Meyer-Olkin 度量 0.772 Bartlett 的球形度检验 近似卡方 305.137 df 15 Sig. 0.000 表1 Scopus数据库提供的基于Altmetrics的指标
表3 ESI收录文章来源期刊
表4 Altmetrics指标
表5 引用与Altmetrics指标相关性
图1 碎石图
表6 相关矩阵
表7 KMO和Bartlett的检验
图2 成分图
image /
无注解
无注解
无注解
**表示在0.01水平（双侧）上显著相关。
无注解
无注解
无注解
无注解
参考文献
- 1
Ortega J L. Relationship between Altmetric and bibliometric indicators across academic social sites: The case of CSIC’s members[J]. Journal of Informetrics, 2015, 9(1): 39-49.
- 2
Sotudeh H, Mazarei Z, Mirzabeigi M. CiteULike bookmarks are correlated to citation at journal and author levels in library and information science[J]. Scientometrics, 2015, 105(3): 2237-2248.
- 3
Costas R, Zahedi Z, Wouters P. The thematic orientation of publications mentioned on social media: Large-scale disciplinary comparison of social media metrics with citations[J]. Aslib Journal of Information Management, 2015, 67(3): 260-288.
- 4
Hassan S U, Imran M, Gillani U, et al. Measuring social media activity of scientific literature: An exhaustive comparison of scopus and novel Altmetrics big data[J]. Scientometrics, 2017, 113(2): 1037-1057.
- 5
Shema H, Bar-Ilan J, Thelwall M. Do blog citations correlate with a higher number of future citations? Research blogs as a potential source for alternative metrics[J]. Journal of the Association for Information Science and Technology, 2014, 65(5): 1018-1027.
- 6
Costas R, Zahedi Z, Wouters P. Do “altmetrics” correlate with citations? Extensive comparison of altmetric indicators with citations from a multidisciplinary perspective[J]. Journal of the Association for Information Science and Technology, 2015, 66(10): 2003-2019.
- 7
Haustein S, Peters I, Sugimoto C R, et al. Tweeting biomedicine: An analysis of tweets and citations in the biomedical literature[J]. Journal of the American Society for Information Science and Technology, 2014, 65(4): 656-669.
- 8
Waltman L, Costas R. F1000 recommendations as a potential new data source for research evaluation: A comparison with citations[J]. Journal of the Association for Information Science and Technology, 2014, 65(3): 433-445.
- 9
Mike T, Stefanie H, Vincent L, et al. Do Altmetrics work? Twitter and ten other social web services[J]. PLoS ONE, 2013, 8(5): e64841.
- 10
刘晓娟, 周建华, 尤斌. 基于Mendeley与WoS的选择性计量指标与传统科学计量指标相关性研究[J]. 图书情报工作, 2015, 59(3): 112-118.
- 11
由庆斌, 汤珊红. 不同类型论文层面计量指标间的相关性研究[J]. 图书情报工作, 2014, 58(8): 79-84.
- 12
刘晓娟, 宰冰欣. 图书情报领域文献的Altmetrics指标分析[J]. 图书情报工作, 2015, 59(18): 108-116.
- 13
由庆斌, 韦博, 汤珊红. 基于补充计量学的论文影响力评价模型构建[J]. 图书情报工作, 2014, 58(22): 5-11.
- 14
刘晓娟, 宋婉姿. 基于PLOS ALM的Altmetrics指标可用性分析[J]. 图书情报工作, 2016, 60(4): 93-101.
- 15
郝若扬. 高Altmetrics指标论文的特征分析及影响力分析[J]. 图书情报工作, 2018, 62(8): 107-114.
- 16
刘艳民. Altmetrics指标与传统文献计量指标相关性研究[J]. 情报杂志, 2017(9): 75-81.
- 17
王睿, 胡文静, 郭玮. 高Altmetrics指标科技论文学术影响力研究[J]. 图书情报工作, 2014, 58(21): 92-98.
- 18
余厚强. 替代计量指标与引文量相关性的大规模跨学科研究——数值类型、指标种类与用户类别的影响[J]. 情报学报, 2017, 36(6): 74-85.
- 19
Trowler P R. Academic tribes and territories[M]. McGraw-Hill Education (UK), 2001.
- 20
Nederhof A J. Bibliometric monitoring of research performance in the social sciences and the humanities: A review[J]. Scientometrics, 2006, 66(1): 81-100.
- 21
邱均平, 王曰芬. 文献计量内容分析法[M]. 北京: 书目文献出版社, 2008.
- 22
Holmberg K, Thelwall M. Disciplinary differences in Twitter scholarly communication[J]. Scientometrics, 2014, 101(2): 1027-1042.
- 23
Hellqvist B. Referencing in the humanities and its implications for citation analysis[J]. Journal of the American Society for Information Science and Technology, 2010, 61(2): 310-318.
- 24
王颖鑫, 黄德龙, 刘德洪. ESI 指标原理及计算[J]. 图书情报工作, 2006, 50(9): 73-75.
- 25
Piwowar H. Introduction altmetrics: what, why and where?[J]. Bulletin of the American Society for Information Science and Technology, 2013, 39(4): 8-9.
摘要
本文选取ESI图情领域高被引论文作为数据源，通过运用SPSS软件，对比分析Altmetric.com数值、ESI引用量及Scopus数据库提供的Altmetrics指标，以期得到指标之间的相关性和差异性。分析结果表明，Altmetrics和引用量并无显著相关性，各自研究角度也不同，因此，将两者相结合作为学术评价的方法具有合理性。
Abstract
This paper uses SPSS software to acquire data from the Essential Science Indicators (ESI) of highly cited Library and Information Science (LIS) papers, in order to obtain the correlation and difference between the data collected from the indexes of Altmetric.com, citation from the ESI database, and the Altmetrics index from the Scopus database. The results of the analysis show that there is no significant correlation between Altmetrics and citation for which angles differ. Therefore, it is reasonable to combine Altmetrics and citation as an academic evaluation method.
