高被引科學家在社交媒體網絡中的影響力研究

蔣易 侯海燕 黃福 胡志剛

摘要：近年來，隨著科學家們對社交媒體的廣泛使用，這一群體逐漸在社交媒體網絡中形成了一定的社會影響力。本文從科學家層面出發，對高被引科學家在社交媒體網絡中的影響力開展研究。基于科睿唯安2019年發布的高被引科學家名單，對環境科學與生態學領域的美國高被引科學家在推特中粉絲量進行統計分析，分別比較了他們在發文量、高被引論文量和被引頻次三種指標下粉絲量的分布情況。研究結果表明，高被引論文量較高的科學家更有可能在社交媒體網絡中擁有較高的影響力；學術成就可能是影響科學家在社交媒體網絡中影響力的重要因素，但科學家在社交媒體網絡中的影響力仍是一個綜合性的體現。

關鍵詞：高被引科學家；社交媒體網絡；社會影響力；Altmetrics

中圖分類號：G206；G353.1文獻標識碼： ADOI：10.3969/j.issn.1003-8256.2020.03.004

開放科學（資源服務）標識碼（OSID）：

基金項目：中央高校基本科研業務費專項資金項目“大數據背景下科研智能系統的開發和應用”（DUT19JC50）

0引言

在“互聯網+”的時代下，隨著移動智能終端的迅速普及，社交媒體憑借著即時性、交互性和共享性等特點，在以用戶為結點的社交媒體網絡中，成為信息傳播的重要媒介。社交媒體的興起，使得越來越多的科學家紛紛入駐社交媒體網絡，徹底改變了科學家之間的學術交流方式。科學家們通過社交媒體對科研成果進行即時交流、討論、傳播以及共享[1]，逐漸在社交媒體網絡中形成了一定的社會影響力。這一現象被Jason Priem等[2]注意到，隨之“Altmetrics”一詞問世[3]，成為了科學計量學在大數據時代的延伸和新發展[4]。

Altmetrics，詞源“Article-Level Metrics”，全稱“Alternative Metrics”，可譯為補充計量學，是對傳統科學計量學指標的補充[5]。Altmetrics概念的提出，掀起了國內外學者基于社交媒體網絡的研究熱潮，成為近10年來科學計量學中最熱門的領域之一[6]。國內學者王賢文等人從成本機制、宣傳機制、內容機制三方面分析了科學論文在社交媒體網絡中的傳播機理，并通過案例研究具體分析了社交媒體網絡中科學論文的傳播機制，發現論文本身的內容機制和傳播過程中的名人效應對促進科學論文的傳播非常重要[7]。陳悅等[8]以科學網的活躍博主武夷山為例，通過對其“好友關系”以及“二級好友關系”的數據挖掘，發現“學術博客”作為社交媒體網絡中的非正式學術交流工具，改變了知識的存儲與管理，不受學科、地域等方面的限制，知識由無序、零散的擴散轉向有序、定向的傳播。余厚強等[9]則通過對新浪微博的Altmetrics指標進行統計分析，發現新浪微博在主要關注最新論文的同時，也會關注經典論文，新浪微博發布者傾向于宣傳、推介和評論貼近生活、趣味性強、實用性高、涉及生命健康的學術論文，在社交媒體網絡中傳遞出傳統引文所無法體現的社會價值和學術價值。國外學者Haustein[10]基于在2010—2012年期間PubMed和Web of Science（WoS）數據庫收錄的140萬篇論文，分析了它們在社交媒體網絡中推薦和學術網絡中引文（Citations）的相關性，發現在推特（Twitter）平臺上推薦它們的推文量（Tweets）與它們在WoS中的被引頻次成弱相關性。Holmberg Thelwall[11]對來自十個不同學科科學家的推特進行統計和定性分析，發現對比早期研究中的普通推特用戶，研究人員傾向于共享更多鏈接和轉發更多推文，并且在推特的使用方面存在明顯的學科差異。Alhoori & Furuta[12]通過在論文層面和期刊層面的測度研究，發現期刊層面的測度之間具有很強的相關性，并且Mendeley和推特上學術活動的使用率最高、范圍最廣。

雖然國內外學者對Altmetrics的研究蜂擁而至，但目前主要研究方向仍停留在社交媒體網絡中的文獻交流計量Altmetrics和傳統文獻計量指標Citations各個層面的比較研究上，至于Altmetrics指標是否能用于科研評價乃至社會影響力的評價仍存爭議[13]。而國內學者張立偉和陳悅的研究表明，在社交媒體網絡中高影響力的轉載人對學術文獻的總轉載、社會公眾轉載以及科學家轉載都存在顯著影響[14]。為此，本文將從科學家層面出發，對高被引科學家在社交媒體網絡中的影響力開展研究。

1數據與方法

本文以環境科學與生態學（Environment and Ecology）領域的美國高被引科學家在推特上的影響力為例。其中，本文所指的高被引科學家來自于科睿唯安（Clarivate Analytics）在2019年發布的高被引科學家名單[15]。環境科學與生態學是由ESI（Essential Science Indicators）劃分的22個大類學科之一，其研究領域比較廣泛，不僅涉及物理學、化學、生物學、地理學、地質學和土壤學等自然科學，也涉及經濟學、政治學、人口統計學和倫理學等社會科學。近年來，隨著人類對能源的過度開采和使用，生態環境持續遭到破壞，高溫等極端天氣頻發，2019年6月成為了全球記錄中最熱的6月[16]。早在2016年，我國國務院就下達了關于印發“十三五”生態環境保護規劃的通知，將生態文明建設上升為國家戰略[17]。另一方面，環境科學與生態學是當前國際學術界研究的熱點領域之一，與此同時，該領域的文章也受到了社會公眾的廣泛關注[18]。

推特，世界聞名且廣受歡迎的社交媒體平臺及微博客服務網站，目前被評為全球領先的社交媒體之一，是全球主流的社交媒體平臺。作為目前全球互聯網上訪問量最大的門戶網站之一，推特為世界各地的用戶提供了一個快速、簡捷的信息實時傳播和交流平臺。同時，推特更具有互動性，《自然》對科學家的調查結果表明，有過半數的推特達人表示他們使用推特來跟蹤與研究相關的議題討論，還有40%的用戶表示推特是評論與自己研究領域相關研究的媒介[19]。而美國，則以五千九百多萬的活躍用戶成為了當今世界推特用戶最多的國家[20]。結合上述情況，本文選取環境科學與生態學領域美國高被引科學家在推特上的用戶數據為研究對象。數據收集平臺為WoS核心合集數據庫和推特平臺。數據收集主要分為兩部分，高被引科學家的推特用戶數據收集及其文獻數據收集。

其中，高被引論文量最高的科學家處于雙高模式，其粉絲量也最高，高被引論文量前五的科學家中僅有一人粉絲量低于平均水平；從粉絲量來看，粉絲量第二高和第三高的科學家高被引論文量在平均水平附近，且略高于平均水平。

對比這34名高被引科學家的被引頻次與粉絲量，如圖3所示，將高于平均水平的被引頻次稱為高被引頻次，低于平均水平的被引頻次稱為低被引頻次。從四種模式下的分布情況來看，雙高模式下的科學家最少，僅4人，占總人數的11.8%，且分布較為離散，說明高被引頻次且在社交媒體網絡中高影響力的科學家最少，且差異最大；高-低模式下的科學家共8人，占23.5%，且在被引頻次上分布離散，說明該模式下的科學家在被引頻次上差異較大；低-高模式下的科學家共10人，占29.4%，分布較為密集，存在一個極高粉絲量的科學家，被引頻次略低于平均水平，其他科學家粉絲量靠近平均水平，說明低被引頻次的科學家大多數在社交媒體網絡中的影響力接近平均水平，僅有一名科學家影響力極高水平；雙低模式下的科學家仍然最多，共12人，占35.3%，且分布最為密集，說明低被引頻次且在社交媒體網絡中低影響力的科學家仍占多數，差異相對最小。

其中，被引頻次最高的科學家處于高-低模式，其粉絲量低于平均水平，而粉絲量最高的科學家處于雙高模式，其被引頻次位居第四；在被引頻次前五和粉絲量前五的科學家中，其粉絲量和被引頻次水平均存在高低交錯的情況。

對比發文量、高被引論文量和被引頻次下高被引科學家粉絲量的分布情況，發現雙低模式下的科學家均人數最多且分布最密集，說明多數的科學家們仍處于雙低模式，且差異較小。在雙高模式下，科學家的分布均最離散，說明在雙高模式下的科學家差異都比較大；在人數上，發文量和被引頻次與粉絲分布中的科學家均最少，但在高被引論文量與粉絲量分布中較多，說明在高高被引論文量的科學家中，多數的科學家在社交媒體網絡中有著高影響力。

高-低模式和低-高模式下，發文量和被引頻次與粉絲量分布的科學家較多，且高-低模式下的科學家分布相對橫向較散，說明高發文量或者高被引頻次但在社交媒體網絡中低影響力以及低發文量或者低被引頻次但在社交媒體網絡中高影響力的高被引科學家人數較多，并且有個別發文量或者被引頻次在極高水平的科學家在社交媒體網絡中的影響力低于平均水平；高被引論文量與粉絲量分布中的科學家最少，而處于雙高或者雙低模式下的科學家占多數，說明在高（低）高被引論文量的高被引科學家中，多數的科學家在社交媒體網絡中同樣有著高（低）影響力。

3結論

本文在發文量、高被引論文量和被引頻次這三個指標下，通過對這34名高被引科學家粉絲量分布模式的比較分析，發現這34名科學家在社交媒體網絡中有著不同層次的影響力，而且差異顯著，半數以上的科學家影響力低于整體平均水平。

在低發文量、低高被引論文量或者低被引頻次的高被引科學家中，多數科學家在社交媒體網絡中的影響力較低，其中有個別被引頻次略低于平均水平的科學家在社交媒體網絡中擁有著極高的影響力；在高發文量或者高被引頻次的高被引科學家中，少數科學家在社交媒體網絡中的影響力較高，在影響力較低的科學家中，有一些科學家有著極高的發文量和被引頻次；在高被引論文量較高的科學家中，較多數的科學家在社交媒體網絡中的影響力較高，在高被引論文量較高但社交媒體網絡中影響力較低的科學家中，除了一名科學家有著極高的高被引論文量外，高被引論文量都接近平均水平。

綜上所述，從這34名高被引科學家在推特上的粉絲量來看，在發文量、高被引論文量和被引頻次中，高被引論文量較高的科學家更有可能在社交媒體網絡中擁有較高的影響力。也從側面說明，學術成就可能是影響科學家在社交媒體網絡中影響力的重要因素，但科學家在社交媒體網絡中的影響力仍是一個綜合性的體現，包括他們在社交媒體網絡中的活躍度、發布內容以及社會人氣等等，有待在今后的工作中做更深一步的探索。

參考文獻：

[1]Maron N L， Smith K K. Current models of digital scholarly communication： Results of an investigation conducted by Ithaka for the association of research libraries[J].Association of Research Libraries， 2008.

[2]Priem J， Taraborelli D， Groth P， et al. altmetrics： a manifesto[EB/OL].（2010-10-26） [2020-02-29].http：//altmetrics. org/ mainfesto/.

[3]Priem J， Hemminger B H. Scientometrics 2.0： New metrics of scholarly impact on the social Web [J]. First monday， 2010， 15（7）.

[4]王賢文.科學計量大數據及其應用[M].北京：科學出版社， 2016.

[5]胡志剛，劉則淵.全文引文分析，邁向引文分析的4. 0時代（序） [M].北京：科學出版社， 2016.

[6]王賢文. Altmetrics：大數據時代的科學計量學[J].圖書情報知識， 2019（2）： 4.

[7]王賢文，張春博，毛文莉，等.科學論文在社交網絡中的傳播機制研究[J].科學學研究， 2013， 31（9）： 1287-1295.

[8]陳悅，張立偉，楊陽，等. SNS環境下無形學院的結構與特點透視——以科學網武夷山博客為例[J].圖書情報工作， 2015， 59（9）： 80-87.

[9]余厚強， Hemminger Bradley M.，肖婷婷，等.新浪微博替代計量指標特征分析[J].中國圖書館學報， 2016， 42（4）： 20-36.

[10] 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 Association for Information Science and Technology， 2014， 65（4）： 656-669.

[11] Holmberg K， Thelwall M. Disciplinary differences in Twitter scholarly communication [J]. Scientometrics， 2014， 101（2）： 1027-1042.

[12] Alhoori H， Furuta R. Do altmetrics follow the crowd or does the crowd follow altmetrics？ 2014 [C]. IEEE， 2014.

[13]張立偉. SNS平臺學術文獻交流特征及影響因素分析[D].大連理工大學， 2019.

[14]張立偉，陳悅.再議科學在社會傳播過程中產生的Altmetrics指標[J].科學學研究， 2018， 36（12）： 2160-2169.

[15] Analytics C. Highly Cited Researchers 2019 [R].2019.

[16] NOAA. June 2019 was hottest on record for the globe[EB/OL].（2019-07-18） [2019-12-06].https：//www. noaa. gov/news/june-2019-was-hottest-on-record-for-globe.

[17]國務院.國務院關于印發"十三五"生態環境保護規劃的通知[EB/OL]. （2016-12-05）[2019-12-07]. http：//www.gov.cn/zhengce/ content/2016-12/05/content_5143290.htm.

[18] Bornmann， Lutz. Validity of altmetrics data for measuring societal impact： A study using data from Altmetric and F1000Prime [J]. Journal of Informetrics， 8（4）： 935-950.

[19] Noorden R V. Online collaboration： Scientists and the social network [J]. Nature， 2014， 512（7513）： 126-129.

[20] Statista. Leading countries based on number of Twitter users as of January 2020[EB/OL]. （2020-02-14） [2020-02-15]. https：//www. statista.com/statistics/242606/number-of-active-twitter-users-inselected-countries/.

Study on the Impact of Highly Cited Researchers in Social Media Network

JIANG Yi1，2，HOU Haiyan1，2，HUANG Fu1，2，HU Zhigang1，2（1. Institute of Science and Technology Management， Dalian University of Technology， Dalian 116024， China； 2. WISE Lab， Dalian University of Technology， Dalian 116024， China）

Abstract： In recent years， with social media widely used by scientists， it has gradually formed a social impact in social media network. On the scientist level， this article studies the impact of highly cited researchers on social media network. Based on the Highly Cited Researchers 2019 released by Clarivate， a statistical analysis of the Followers of American highly cited researchers in the field of Environment and Ecology on Twitter was conducted， and the number of Followers under the three indicators including the number of papers published， highly cited papers and citations was compared. The results show that the scientists with a high number of highly cited papers are more likely to have higher impact in social media network； academic achievement may be an important factor of scientists impact in social media network， but scientists impact in social media network is still comprehensive.

Keywords： highly cited researcher； social media network； social impact； Altmetrics