轉設期間獨立學院高校門戶網站網絡影響力研究

文｜武雪亮

首先，全球知名的大學排名，比如英國泰晤士高等教育世界大學排名、英國Quacquarelli Symonds世界大學排名，這兩個高等院校實力排名系統都沒有將大學的網絡存在視為排名因素，而現有的幾項研究表明，根據大學的網絡存在對大學進行排名是有用的，大學門戶網站網絡的影響力是不容忽視的。其次，獨立學院屬于高等高校，目的在于向學生、教師、社會提供服務和教學，同時它也是重要的教育網絡信息資源，在搜索引擎上會得到不同權重算法的“特別照顧”，尤其是在獨立學院轉設期間，搜索引擎對網站的權重重新計算，對搜索結果出現重要影響。因此，運用網絡信息計量學的原理和方法，探究轉設期間獨立學院門戶網站網絡影響力有著重要意義。

一、理論基礎

網絡計量學（webometrics）是一個新興的學科，主要運用與數學、統計學和計算機科學等相關的量化研究技術、工具與方法，對基于Web技術的網站信息的發布、相互引證、存儲組織和傳播交流等現象進行定量的分析和描述，以及可視化，以探索其蘊含的數量與結構分布特征和內在規律。Tomas和Peter提出了一種對 web網站進行一般信息計量分析的可行方法，該方法主要借鑒了傳統的文獻計量法和引文分析法，以web網絡引文分析替代傳統引文分析，開辟了網絡計量學研究的先河。

網絡計量學在教育部門的運用并不罕見。Ranking Web of Universities涵蓋全球31000 多所高等教育機構，該排名目的是打算激勵機構和學者擁有準確反映其活動的網絡存在。如果一所高等教育機構的網絡表現低于其學術影響力的預期位置，大學當局應重新考慮其網絡、開放獲取和透明度政策，促進其電子出版物的數量和質量大幅提高。

二、研究方法

本研究以國內轉設期間獨立學院網站為研究對象，運用網絡信息計量學研究方法，基于網絡鏈接和網絡流量分析，建立轉設期間獨立學院網站影響力評價的指標體系，對轉設期間獨立學院門戶網站網絡影響力情況進行探究。

根據相關理論，轉設期間獨立學院門戶網站網絡影響力評價依據主要包含兩個方面：鏈接特征分析和網站流量分析。網絡鏈接特征分析主要通過網站的網絡鏈接結構特征來評價網站在網絡資源分布中的影響力，以體現其重要性和權威性。網站流量分析用以評價網站在用戶層面上的應用水平和輻射能力。

首先，利用網絡搜索引擎工具和網絡流量分析工具來獲得轉設期間獨立學院網站鏈接和網絡流量的原始數據，并對這些數據進行加工處理與分析，探究各指標之間、以及與高校綜合排名之間是否存在相關性。然后，采用主成分分析方法建立轉設期間獨立學院網站影響力評價模型，了解我國轉設期間的獨立學院網站資源的利用情況。

三、指標體系構建

（一）鏈接指標

首先，R. Rousseau和J. Bar-Ilan、P. Ingwersen、S. Brin和L. Page等學者總結出了一批網絡鏈接特征分析術語，包括出鏈 (Outlink)、鏈出 (Linking) 、入鏈(InLink)、 鏈入、自鏈(Self-link)、網站鏈接分析 (Sitation analysis)、網絡影響因子 (Web Impact factor)等12項。

在之前研究人員的基礎上，考慮到顯示條件的約束，其中包括谷歌服務中國無法使用、百度搜索提供的命令檢索的功能有限，最后決定選取總頁面數、內鏈接數、外鏈接數、內部網絡影響因子和外部網絡影響因子，五個指標作為基礎研究指標。有研究者指出，對于一些網絡鏈接特征指標，會因為搜索引擎性能不同而產生差異，例如，被搜索引擎索引到的頁面總數往往不等于理論上某網站所包含的所有頁面數量，還有，理論上的總鏈接數也不等于外鏈接數和內鏈接數之和。在一些研究中使用專業爬蟲工具獲取的某網站網頁會更為精確。

（二）流量指標

參考相關已有研究，應用到本研究中的流量指標有用戶量占比、頁面數訪問量和頁面訪問時間三個基礎指標。影響力評價指標體系見表1。

表1 基于鏈接特征和流量的網絡影響力指標體系

四、數據獲取與相關分析

本文選取橫向跨越不同省份、縱向貫穿不同級別的43所院校進行分析。以下是鏈接特征分析指標數據和流量指標數據的采集介紹。

鏈接特征指標的采集采用百度搜索引擎，特別是其高級檢索功能。其檢索命令如表2所示。

表2 指標與檢索命令

流量指標的采集。可從Alexa中文官方網站查詢到，Alexa還提供網站的一個鏈接特征指標，即“反向鏈接”，即“被鏈接網站數”。在國內，得助于站長之家這一類有豐富工具的網站，數據也相對權威，我們也可以從中獲取到反向鏈接的數據。獨立學院高校網站排名數據獲取，武書連中國高校排名版數據公開的，我們在官網下載排名版數據，其中報考民辦高校的“總得分”“人才培養得分”“科學研究得分”“省份”“是否轉設”等指標數據。

對搜集到的五個指標數據進行加權平均，指標數據方差越大，權重越高，三個流量指標數據也進行同樣的加權平均，再進行相關分析發現，結果見表3。

表3 網站影響力和院校排名之間關系

從上表可以看出，獨立院校門戶網站網絡影響力的兩個方面之間存在高度相關性，獨立院校門戶網站網絡影響力和高校排名之間存在中度相關性，這一方面說明提升獨立學院門戶網站網絡影響力可以提升高校知名度和綜合影響力，重視獨立學院門戶網站網絡建設與宣傳有重要意義；另一方面，獨立院校排名和轉設期間門戶網站網絡影響力之間存在表現不匹配，轉設期間網絡網站的鏈接重要性和輻射能力有所增強，因此會出現轉設期間網站網絡流量指標和鏈接特征指標數值高于其他院校，但是排名卻在其后的現象。

五、轉設期間獨立學院網站影響力變化分析

利用主成分分析獨立學院轉設期間門戶網站影響力。

統計檢驗。檢驗方法KMO(Kaiser— Meyer—Olkin—Measure of Sampling Adequacy)被用于檢驗數據是否適合進行主成分分析，KMO檢驗是通過比較原始變量之間的簡單相關系數和偏相關系數的相對大小來進行檢驗的，其值越接近1，說明變量更適合進行主成分分析。原始數據采用0-1標準化法。確定主成分個數。根據主成分方差累計貢獻率超過80%或特征值大于1的原則確定主成分個數。主成分綜合得分：主成分綜合評價根據如下公式計算。

表4 比較網站網絡影響力排名和武書連民辦大學排名

從上述分析可以得到，首先，流量數據相較于鏈接特征對門戶網站有更大的影響力，其次，在轉設期間的獨立院校高校門戶網站的影響力排名有所提高，高于武書連民辦院校排名名次，這說明轉設進一步提升了獨立院校的知名度和影響力。

六、結論

本文首先使用網絡計量工具對轉設期間獨立學院門戶網站進行網絡影響力分析。通過對網絡計量工具的借鑒和移植，對網站的網絡影響力及其演化規律的分析視角更加多元，分析層面更廣；借助統計學的理論視角，進行學科知識的網絡計量，為網絡影響力的實踐運用提供理論和實證支持。其次使用鏈接指標和流量指標形成網絡影響力評價體系。

立足于網絡影響力評價體系的概念和屬性，提出從門戶網站的鏈接指標和流量指標角度進行網絡影響力評價體系的橫向和縱向發展分析，以實證分析的方式提出在評價體系里計量過程中呈現網站運營狀態與信息傳播模式，并最終通過計量工具將連接數據和流量數據聯系起來，以可視化形式完整呈現評價體系系統。