Bookmetrix指標在學術圖書影響力評價中的應用*

肖敖夏，楊思洛

1 研究背景

學術圖書是學術交流的重要途徑之一，尤其在人文社科和藝術領域[1]。相較于學術期刊，學術圖書的影響力評價并沒有受到學者的重視。一方面，當前缺少一個針對學術圖書的可靠且全面的引文索引系統，使得學術圖書的影響力分析較難適應評價研究的發展[2]；另一方面，不同于期刊論文一經發表便成定稿的特征，學術圖書具有獨特的文件類型屬性，尤其當涉及圖書的版本、翻譯、叢書等情況時，對其進行影響力分析更加復雜[3]。目前使用較為廣泛、基于引文的學術圖書評價工具，主要是Web of Science平臺推出的Book Citation Index(BKCI，圖書引文索引)，能夠分別針對圖書和章節，統計其被其他圖書、期刊或會議論文等引用的情況。BKCI 存在很多問題。比如，BKCI 收錄的圖書以英文為主，其他語種的圖書比例很??；BKCI圖書的出版時間集中在2005年至今，在回溯性上存在不足[4]。

近年來，學術圖書越來越多采用在線出版方式，為圖書提供了廣泛的傳播途徑，也為圖書評價提供了新角度。基于新環境帶來的新需求，在線評價指標Altmetrics 被Jason Priem 等提出[5]。Altmetrics 是一種基于社交網絡的科學評價方法，它通過對科研成果的在線交流數據進行實時追蹤與采集來實現評價。相較于傳統計量方法，Altmetrics 更加全面、精確與多樣[6]，因而被迅速應用于學術成果的評價。隨著Altmetrics的發展，基于在線交流的非引用型度量指標被提出并用于學術圖書的評價。這一度量分為基于使用情況的指標和基于社交媒體的指標兩種，主要包括書籍在相關平臺的下載次數、讀者標記數以及從社交媒體上收集的書籍被提及的頻率等[2]。Bookmetrix 正是順應這一趨勢提出的，它是Springer Nature和Altmetric.com合作開發的圖書評價指標平臺，匯集了一系列性能指標，能夠幫助人們了解相關圖書在全球范圍內的討論、引用和使用情況。Bookmetrix包括CrossRef引用數(Citations)、Altmetric.com 的在線提及數(Online Mentions)、 Mendeley 的 讀 者 標 記 數(Readers)、 Springer 的 評 論 數 (Book Reviews)、Springer 的下載量(Downloads)等 5 個指標[7]。它對傳統的引文指標以及基于在線交流的非引用指標進行收集整合，能夠從多維度對圖書的影響力進行揭示。本研究的主要目的正是利用Bookmetrix 指標對Springer 學術圖書影響力進行評估，并分析Bookmetrix 指標在多大程度上能對學術圖書的價值進行評判。

2 實證分析

2.1 指標說明

利用Bookmetrix 平臺，可以檢索Springer Link數據庫的書籍和書籍章節的各種評價指標，查找特定主題中最受歡迎的書籍和章節，并探索每個度量標準類別的最佳表現者。此外，通過Bookmetrix 還能夠查看圖書的影響、用途和范圍。Bookmetrix 的詳細信息頁面顯示各種書籍及其章節的所有可用數據，為每本書或每章節收到的引用數、讀者標記數、在線提及數、評論數和下載量等5 大指標數據提供全面的概述[8]。Bookmetrix從Springer和CrossRef中檢索書籍和章節元數據，然后從各種數據源聚合相關書籍和章節的度量，各指標說明詳見表1。

表1 Bookmetrix各指標介紹[9]

2.2 數據采集及分類處理

筆者利用爬蟲工具，從Springer Link 數據庫平臺(https://link.springer.com/)爬取各學科類別下學術圖書的Bookmetrix 數據。為便于后續的分學科討論，參考《中國圖書館分類法》五大部類分類思想和《杜威十進制圖書分類法》10個大類的分類準則，將Springer 的24 個學科重新劃分為人文學科、社會科學、自然科學、應用科學4個大類，并設置變量存儲劃分結果。以“1”表示人文學科，“2”表示社會科學，“3”表示自然科學，“4”表示應用科學，見表2。

表2 4個大類變量值及其對應的Springer學科類別

由表3可見，截至2019年3月22日，本研究共爬取Springer Link學科分類體系下的24類學術圖書，并將其歸為4 個學科大類，共得到239，032種圖書。然后，將這些圖書的Citations、Readers、Book Reviews、Downloads 和 Online Mentions 等 5 個 Bookmetrix 指標數據，導入SPSS Statistics軟件，開展后繼分析。

表3 學科數據量統計

2.3 基于因子分析法的綜合得分計算

對數據進行因子分析：提取能充分解釋全部5個指標的因子個數，計算因子得分及其方差貢獻率；利用得到的因子及個案因子得分，對因子賦予因子旋轉后的方差貢獻率作為各自權重，從而得到因子綜合得分。通過計算因子綜合得分，對Springer學術圖書進行直觀便捷的影響力綜合評價，詳見圖1。

圖1 Bookmetrix綜合得分計算流程

(1)KMO樣本測度和巴特利特球度檢驗。對數據進行KMO 樣本測度和巴特利特球度檢驗，以判斷數據是否適合進行因子分析。本研究中的KMO樣本充足度檢驗值為0.601，大于適合因子分析的臨界值0.5，表明變量可以進行因子分析。巴特利特球度檢驗的統計量觀測值為44，794.875，對應的概率P值為0.000，小于顯著性水平α，指標間具有一定的相關性，存在共同因素，與KMO檢驗結果一致。

(2)因子分析與提取。對原始變量進行因子分析的目的并非削減變量個數，而是在于給出一個計算綜合分值的辦法。本文數據僅有5個原始變量，因而考慮提取全部5個因子，以保證對原始變量的解釋程度。由于保留了全部因子，因此5個原始變量的共同度均為“1.00”，此時不存在信息丟失。導出各因子對應的總方差解釋，詳見表4。表4第一組數據描述了因子分析初始解的情況，其中第1 個因子的初始特征值總計為1.527，解釋原有5 個變量總方差的30.544%(即：初始特征值÷5×100%)，累計方差貢獻率為30.544%；其余數據含義類推。第二組數據描述了提取因子的具體情況——由于提取了全部5個因子，因而提取因子的具體情況同因子分析初始解一致。第三組數據展現的是旋轉后的最終因子解，此時得到的因子得分為最終因子得分。因子旋轉后，總的累計方差貢獻率沒有改變，但重新分配了各個因子解釋原有變量的方差，此時的因子方差貢獻率即是對應因子的得分權重。

表4 因子分析總方差解釋

(3)綜合得分計算。將因子分析后所得各種圖書(本研究中稱為“個案”)的因子得分輸入SPSS中，生成對應的SPSS變量，見表5。

表5 各因子對應的SPSS變量及其權重

以旋轉后各因子的方差貢獻率作為其權重，計算最終的綜合評價得分。創建綜合得分變量“score”，使：

(4)歸一化處理和個案排序。為了使綜合得分更加直觀，對綜合得分變量score做歸一化處理，使得到的新數據位于[0，1]之間。設置變量“New_score”，用于存儲標準化后的觀測值。由歸一化公式對數據進行歸一處理，公式如下：

x'=（x-min）/（max-min）

對所得New_score變量進行基本描述統計(保留四位小數)，見表6。

表6 New_score變量的基本描述統計

經過標準化處理后，所有個案Bookmetrix指標綜合得分變量score的最低值轉換為0，最高值轉換為1。將個案按照New_score變量值的降序排列，創建變量“sort”，表示New_score變量值由大到小的排序。設New_score觀測值最大的個案對應的sort變量值為1，得分第二的個案對應的sort變量值為2，以此類推。

3 評價結果分析

3.1 排名靠前的學術圖書特征分析

因子綜合得分排名靠前的學術圖書Bookmetrix各指標觀測值及相關學科分類統計情況見表7，僅列出排名前10的學術圖書信息。由表7可知，綜合得分高的圖書并不是傳統意義上學術價值高的圖書，即被引量高的圖書。實際上，排名首位的圖書被引量僅為1次，排名第二的學術圖書被引量也僅有3 次。得分最高的學術圖書為A Survey of Radial Velocities in the ZodiacalDust Cloud，分值為1.00，作者布萊恩·哈羅德·梅(Brian Harold May)是英國著名搖滾樂隊皇后樂隊的成員，該書是其博士學位論文。該書的在線提及數達2，100 次，是統計中在線提及數指標的最大值，顯然作者的身份使這本著作得到更多關注。排在第二位的是國際天文學聯合會(International Astronomical Union，IAU)的官方參考書，因較高的下載量(306，000次)及在線提及數(2，000次)獲得較高的綜合得分。

表7 綜合得分排名前10的個案及其統計信息

從圖書綜合得分排名前30來看，排名較高的圖書主要有3類：(1)學術價值較高、獲得較多被引量的專著，如排名第3、第9的作品。這類專著主要為專業類學術著作。(2)社會關注度較高、獲得較多在線提及數的圖書，如排名第1、第2 的作品。這類書籍可稱為明星類學術專著。(3)在Mendeley 獲得較高讀者(標記)數，有眾多學者進行標記閱讀的書籍。這類圖書在各個學科內往往是重要的教學或基礎性參考書籍。比如，排名第6位的作品對11種神經系統疾病的臨床試驗設計進行深入描述和討論，是神經科臨床醫學的重要參考讀物；排名第8的作品輯錄了城市生態學領域的重要論文，提供有關城市生態學核心內容的豐富背景，是該學科的重要參考讀物。這類著作主要為基礎參考類學術專著。

3.2 學術圖書綜合得分的馬太效應

以“圖書綜合得分排序”變量為橫軸，“圖書綜合得分”變量為縱軸，繪制簡單散點圖(見圖2)。由圖2可觀測到，圖書綜合得分具有顯著的馬太效應和長尾效應。少數圖書的綜合得分較高(見散點圖左端)，絕大多數圖書的綜合得分較低(見散點圖右端)。少數Bookmetrix綜合得分高的學術圖書獲得較多關注(下載、引用、評論、在線提及和讀者標記)，相關計量指標呈現出更好的觀測值；計量指標數據靚麗又吸引了更多的關注，體現出學術交流過程中的馬太效應。同時，大量學術圖書僅獲得較低的綜合得分，在散點圖中呈現出一條向右延伸的長尾。

圖2 圖書綜合得分簡單散點圖

以綜合得分排名前20%的圖書為一組，以綜合得分排名后80%的圖書為另一組，分別進行計量統計。由表8可見，綜合得分前20%的圖書下載量占68.87%、被引量67.99%、評論數80.55% 、 在 線 提 及 數 77.38% 、 讀 者 數76.11%，呈現“二八分布”規律。Springer 評論數指標、Altmetric 在線提及數指標和Mendeley讀者數指標，相較Springer下載量指標和CrossRef被引量指標，呈現出更顯著的聚集效應。

表8 以綜合得分排名前20%為分界線的圖書分組統計情況

3.3 基于學科分類的綜合得分比較

以4個學科大類作為獨立樣本，檢驗各獨立樣本的綜合得分變量觀測值分布是否一致。由于數據不符合正態分布，須進行非參數檢驗。采用Kruskal-Wallis檢驗，對4個學科大類進行兩兩之間的觀測值分布相似度檢驗，非參數檢驗結果見表9?？梢钥吹?，人文學科和社會科學之間的雙尾顯著性概率為0.066，大于0.05，表明這2個大類具有相似的數據分布情況。除此之外，其余樣本兩兩之間的雙尾顯著性概率為0.000，小于0.05。因此，應拒絕原假設，即綜合得分變量分布在其余學科大類上兩兩間各不相同。

表9 基于學科大類的獨立樣本Kruskal-Wallis檢驗

繪制各學科大類綜合得分均值和中位數的折線圖，見圖3。由圖3可知，各學科大類綜合得分均值具有較大差別。自然科學綜合得分均值最大，為0.0080，社會學科綜合得分均值最小，為0.0054。自然科學和應用科學綜合得分的中位數及平均數均大于人文學科和社會科學，由此可見，自然科學和應用科學的Bookmetrix 綜合得分較人文學科和社會科學高。

圖3 學科圖書綜合得分均值及中位數折線圖

4 研究結論與不足

(1)利用Bookmetrix指標可以對學術圖書進行精確評價，對部分被引量不高但具有社會影響力的學術圖書進行揭示和發現，從多角度對學術圖書價值進行分類評價。利用因子分析法，基于Bookmetrix 指標數據構建每種圖書的因子綜合得分，綜合得分高的圖書不僅僅是高被引圖書，獲得較高社會關注度(Altmetric.com在線提及數指標表現較好)的明星類學術著作，以及讀者量較多(Mendeley讀者標記數及Springer下載量較多)的基礎參考類學術著作在這一評價指標體系中均能被更好地識別出來，使得對學術圖書的評價更加精確。而更加精確的分層分類評價，正是包括Bookmetrix 指標在內的Altmetrics 指標最重要的優勢。這一研究結果也與眾多學者的發現一致。例如，楊思洛等[10]利用Altmetrics 指標對PLOS中社會科學領域2015年發表的論文進行綜合評價，將論文分為名作類、明星類、專業類、明星-專業類和普通類5 個類別進行多維度分析。本研究指出，學術價值高或具有一定明星效應，或具有學科基礎性參考價值的圖書(即專業類、明星類和基礎參考類學術著作)更容易獲得較高的綜合得分。究其原因，主要是學術價值高的專業類圖書往往獲得更高的被引量；明星類學術著作則由于其較高的社會關注度，具有較強的社會影響力；而基礎參考類著作則由于其獨特的學術參考價值，吸引更多的讀者。

(2)Bookmetrix 等指標不能規避學術交流中馬太效應對計量評價的影響，且Altmetrics指標的馬太效應較引文指標更為顯著。傳統基于引文的計量數據中馬太效應屢見不鮮，有學者進行了研究[11-12]。由慶斌等[13]在Altmetrics相關研究中指出基于引文的傳統計量方法所面臨的馬太效應等缺點，希望Altmetrics 發展能彌補這一不足。然而， 本文利用Bookmetrix 指標對Springer 學術圖書影響力進行評價發現，綜合得分排名前20%的圖書占據Springer 總評論數80.55%、Altmetric.com總在線提及數77.38%和Mendeley總讀者數76.11%，但在CrossRef引用量指標上，僅占據總被引量67.99%。Altmetrics相關指標較傳統被引量表現出更強的集中分布規律，該研究結果與邱均平等[14]、余厚強等[15]發現一致。前者指出，學術評價中影響力與知名度往往互相產生馬太效應；后者利用新浪微博數據進行指標分析后發現，5.1%學術論文占據新浪微博關注量50%，呈現出顯著的離散和集中分布特點。利用Altmetrics指標進行學術評價要更加注意區別性分析，單純的頻次統計無法反應真實的影響力和學術成果價值。

(3)基于Bookmetrix指標的學術圖書評價具有較大的學科差異，不適用于跨學科比較。本研究數據顯示，自然科學和應用科學的Bookmetrix指標表現優于人文學科和社會科學。這與匡登輝[16]、Erfanmanesh等[2]的研究結果一致。這是由于Bookmetrix 僅收錄Springer 出版的學術圖書，其中自然科學和應用科學的圖書數量遠多于人文學科和社會科學。Springer以出版科技圖書聞名，吸引了眾多用戶與讀者，從而使其圖書的Bookmetrix指標表現突出。

總體而言，利用Bookmetrix相關指標對(圖書的)學術成果進行評價有其價值——可以對學術成果/價值進行多維度揭示及更精確的分類評價。但相關Altmetrics指標表現出較傳統引文指標更強烈的馬太效應，離散和聚集現象更顯著，需要對數據進行進一步識別與處理。Bookmetrix 指標在學科之間的表現具有較大差異，針對不同學科的評價應該區別考量。為此，學術成果的綜合評價應當以分層分類評價為發展方向，納入更多的指標和數據，開展更全面的分析。

本研究的不足在于數據分析主要基于圖書的現有數據，并未考察數據隨時間推進的發展情況。此外，本文未能對在線提及、評論等數據作更深的文本分析，而僅僅提取統計數據。社交媒體的在線提及與評論原因較為復雜，僅對其進行統計數據分析不能準確揭示著作的價值。