3種引文規范化指標RCR、CNCI和JNCI的相關性研究

郝若揚

關鍵詞： 引文規范化評價指標； 相對引用率； 學科規范引文影響力； 期刊規范引文影響力； 論文影響力評價

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．１２．０１２

〔中圖分類號〕Ｇ２５０.２５２ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） １２－０１３３－１０

近年來， 伴隨著科學技術的迅猛發展， 學科領域的劃分越來越精細， 不同學科之間的交叉、滲透和融合也越來越深入。在這樣的大背景之下， 如何對科研成果（特別是學術論文） 進行科學、公正、客觀地評價， 已經成為文獻計量領域面臨的一個亟待解決的關鍵問題。特別是隨著一些新興的交叉學科領域的出現， 如何對這些交叉領域的成果進行跨學科評價， 也成為了文獻計量領域的關鍵問題之一。早先的文獻計量方法主要通過分析論文的被引頻次及其所在期刊的影響因子等較為簡單指標對論文的影響力進行評價， 這在很大程度上導致了期刊影響因子等計量指標被錯誤使用或被異化的問題［１－２］ 。此外， 早先的文獻計量指標由于沒有充分考慮學科領域、文獻類型、引用環境、文獻出版時間等因素的影響， 很難對不同學科領域的論文（特別是跨學科領域的論文）進行客觀、公正的評價， 而且這些指標在對跨學科領域論文的影響力評價時展示出較大的局限性［３］ 。

為了解決以上問題， 實現對不同學科領域論文的合理評價， 文獻計量研究人員提出了引文規范化指標， 也被稱為“相對指標”。這類指標充分考慮了學科領域、文獻類型、引用環境、文獻出版時間等對論文引用的影響， 主要采用歸一化算法對相關引文指標進行了規范化處理， 使得不同學科領域、不同發表時間、不同文獻類型的論文的引文指標具有一定的可比性［３］ 。１９８３ 年， Ｓｃｈｕｂｅｒｔ Ａ 等［４］ 提出了第一個相對計量指標（即相對引文率）來測度期刊論文的影響力。相對引文率被定義為平均引文率與平均影響因子的比值。２０１０ 年， 荷蘭萊頓大學Ｗａｌｔｍａｎ Ｌ 等［５］ 基于所有論文在指標計算中應具有相對權重（即規范化）的思想， 提出了“平均規范化引文分數” （Ｍｅａｎ Ｎｏｒｍａｌｉｚｅｄ Ｃｉｔａｔｉｏｎ Ｓｃｏｒｅ， ＭＮＣＳ）。ＭＮＣＳ 指標被定義為每篇論文的被引頻次除以其學科平均引文率所得比率的算術平均值。通過一系列實證分析， Ｗａｌｔｍａｎ Ｌ 等［５］ 發現， 在期刊出版年份標準化的情況下， ＭＮＣＳ 指標很大程度上會受到最近出版期刊和被引頻次較高的單一文獻的影響。２０１０ 年， Ｍｏｅｄ Ｈ Ｆ［６］ 進一步發展了Ｅｕｇｅｎｅ Ｇａｒｆｉｅｌｄ定義的學科領域“引用潛力” 的概念， 提出了單篇文獻的“數據源歸一化影響力指數” （Ｓｏｕｒｃｅ Ｎｏｒ?ｍａｌｉｚｅｄ Ｉｍｐａｃｔ ｐｅｒ Ｐａｐｅｒ， ＳＮＩＰ）。ＳＮＩＰ 指標被定義為某期刊每篇論文的被引用次數與該期刊的被引用潛力的比率。ＳＮＩＰ 指標反映了期刊的上下文對引用的影響， 充分考慮了學科主題領域的特征， 特別是引用成熟度和用于評估的數據庫涵蓋該領域文獻的程度［６］ 。ＳＮＩＰ 指標基于引文規范化處理， 使得不同學科領域的期刊可以公平地進行比較， 而不受到學科領域引文行為的影響。同樣基于規范化的思想， 近年來科睿唯安（Ｃｌａｒｉｖａｔｅ Ａｎａｌｙｔｉｃｓ）在其開發的ＩｎＣｉｔｅｓ 平臺上推出兩個重要的規范化指標， 即“學科規范引文影響力” （Ｃａｔｅｇｏｒｙ Ｎｏｒｍａｌｉｚｅｄ Ｃｉｔａ?ｔｉｏｎ Ｉｍｐａｃｔ， ＣＮＣＩ） 和“ 期刊規范引文影響力”（Ｊｏｕｒｎａｌ Ｎｏｒｍａｌｉｚｅｄ Ｃｉｔａｔｉｏｎ Ｉｍｐａｃｔ， ＪＮＣＩ）［７］ 。ＣＮＣＩ指標被定義為論文的實際被引頻次除以具有相同文獻類型、出版年份和主題學科領域的論文的預期被引頻次， 而ＪＮＣＩ 指標被定義為論文的實際被引頻次除以同一期刊中論文的平均被引頻次。從這兩指標的定義來看， ＣＮＣＩ 指標是對論文所屬學科領域進行規范化， 可用于對比不同學科領域的論文影響力； 而ＪＮＣＩ 指標對發表論文的期刊進行規范化，可用于對比同一期刊上不同論文的學術影響力。基于ＣＮＣＩ 和ＪＮＣＩ 指標的計算， 可以在一定程度上消除不同學科領域或不同期刊之間引文模式和引用行為的差異， 使得不同學科領域或不同期刊之間的論文可以進行較為直接的比較。

２０１５ 年， 美國國立衛生研究院（Ｎａｔｉｏｎａｌ Ｉｎｓｔｉ?ｔｕｔｅｓ ｏｆ Ｈｅａｌｔｈ， ＮＩＨ）在對論文共引網絡（Ｃｏ－ｃｉｔａ?ｔｉｏｎ Ｎｅｔｗｏｒｋ）計算和分析的基礎上， 提出了一種新的規范化指標， 被稱為“相對引用率” （ＲｅｌａｔｉｖｅＣｉｔａｔｉｏｎ Ｒａｔｉｏ， ＲＣＲ）［８］ 。ＲＣＲ 指標被定義為論文的實際引用頻次除以基于共引網絡分析獲得的期望引用次數。ＲＣＲ 指標是以ＮＩＨ 的Ｒ０１ 項目資助的論文為基準， 其中Ｒ０１ 項目為“Ｒ０１ Ｒｅｓｅａｒｃｈ Ｐｒｏ?ｊｅｃｔ Ｇｒａｎｔ”， 它代表了ＮＩＨ 的原始資助項目， 主要鼓勵跨學科和多學科研究。ＲＣＲ 指標是基于論文共引網絡來確定論文所屬的學科領域， 而不是基于論文發表的期刊所屬學科進行歸一化的， 因此， ＲＣＲ指標相對于早先的規范化指標具有較為突出的創新性， 同時其算法也得到了顯著的改進［９］ 。為了計算論文的ＲＣＲ 指標， ＮＩＨ 開發了一個Ｗｅｂ 應用程序， 即ｉＣｉｔｅ［８］ 。該程序可以根據相關的算法為具有ＰｕｂＭｅｄ ＩＤ 的論文計算ＲＣＲ 指標。關于ＲＣＲ 指標的優點和具體計算方法將在下一小節進行介紹。

上述介紹的指標（包括ＭＮＣＳ、ＳＮＩＰ、ＣＮＣＩ、ＪＮＣＩ、ＲＣＲ）都是基于引文規范化思想設計的評價指標。相對于早先基于絕對引文數據進行計量的指標而言， 引文規范化指標考慮了學科領域、出版時間、文獻類型等因素對指標的影響， 并采用特定算法對論文的引文數據在學科領域和發表時間內進行了歸一化處理， 因此， 這些引文規范化指標在對跨學科領域的論文影響力評價方面體現出了極大的優越性。一些引文規范化指標已經被出版商、科研資助機構、學術研究機構等應用到學術成果評價和研究績效考核中。

近些年， 由于引文規范化指標充分考慮了學科領域和文獻類型對引文的影響， 具有一定的先進性，所以規范化指標得到了較多的關注和研究。特別是ＲＣＲ 指標由于其具有獨特的創新性和改進的算法，得到了國內外研究人員的關注。Ｈｕｔｃｈｉｎｓ Ｂ Ｉ 等［９］計算并分析了ＮＩＨ 獲獎者在２００３—２０１０ 年發表的８８ ８３５篇論文的ＲＣＲ 指標發現， 這些論文具有較高的ＲＣＲ 值， 與學科領域專家對這些論文的評價相一致。同時， Ｈｕｔｃｈｉｎｓ Ｂ Ｉ 等［９］ 將ＲＣＲ 指標與其他規范化指標（包括ＭＮＣＳ、ＳＮＩＰ 等）進行了對比研究， 研究結果表明， ＲＣＲ 指標是基于論文共引網絡進行學科分類的， 不同于早先的規范化指標是基于期刊的學科屬性或預設的分類進行學科分類的。因此， 早先的規范化指標通常是一種先驗定義學科分類， 而ＲＣＲ 指標是一種后驗定義學科分類的方法［９］ 。這是ＲＣＲ 指標與早先規范化指標最根本的區別之一。Ｂｏｒｎｍａｎｎ Ｌ 等［１０］ 研究了Ｆ１０００ 數據庫中１６ ５５７篇關于生物醫學論文的ＲＣＲ 指標及與其對應的ＭＮＣＳ 指標、Ｆ１０００ 分數之間的相關性，結果表明， 這些論文的ＲＣＲ 指標與ＭＮＣＳ 指標具有較高的相關性（相關系數達到０.８８）， 且與Ｆ１０００ 分數相關性較低（相關系數僅有０.２３ ～０.３１）。陳斯斯等［１１］ 在ＩｎＣｉｔｅｓ 數據庫中選取了２０１６ 年２２ 個ＥＳＩ 學科期刊文獻、８ 種交叉學科期刊文獻和ＥＳＩ的８ 個不同學科領域中被引頻次最高的單學科期刊文獻， 分別計算這些文獻的ＲＣＲ 與ＣＮＣＩ 數值，并進行了相關性檢驗。結果表明， 對于不同學科期刊文獻、交叉學科文獻及單學科期刊文獻， ＲＣＲ指標與ＣＮＣＩ 指標均展示了顯著的正相關性， 交叉學科文獻的相關系數低于單學科文獻［１１］ 。陳斯斯等［１２］ 利用ＲＣＲ 指標與ＣＮＣＩ 指標對２００９—２０１８ 年ＰＬｏＳ Ｏｎｅ 期刊所發表論文的學術影響力進行了定量評價發現， ＲＣＲ 指標與ＣＮＣＩ 指標具有一定的相關性， 但是ＲＣＲ 指標對于非生物醫學領域論文的學術影響力評價具有一定的局限性。宋麗萍等［１３］選取了Ｆ１０００ 和ＩｎＣｉｔｅｓ 數據庫中的２９ ８５０篇細胞生物學論文和３０ ３２６篇生物技術論文， 對這些論文的ＣＮＣＩ 指標與被引頻次進行了相關性分析和研究，結果表明ＣＮＣＩ 指標與被引頻次呈現高度正相關，并且ＣＮＣＩ 在跨學科比較方面具有一定的優越性，可以代償執行引用統計的信息過濾與學術影響力歸譽的功能。陳斯斯等［１４］ 還選取干細胞領域的學術論文作為研究樣本， 對這些論文的ＲＣＲ 指標、Ｓｃｏｐｕｓ 數據庫的ＦＷＣＩ 指標（Ｆｉｅｌｄ Ｗｅｉｇｈｔｅｄ ＣｉｔａｔｉｏｎＩｍｐａｃｔ） 和Ｆ１０００ 分數進行了相關性分析和研究。研究結果表明， ＲＣＲ 指標與ＦＷＣＩ 指標具有較強的相關性， 而ＲＣＲ 指標與Ｆ１０００ 分數之間相關性較低［１４］。

由 于引文規范化指標采用了歸一化算法， 其計算方法和計算過程相比早先常用的引文指標（如被引頻次等）復雜很多， 導致規范化指標的推廣過程相對緩慢， 加之引文規范化指標（如ＲＣＲ、ＪＮＣＩ 和ＣＮＣＩ 指標等）大都是近年來提出的新穎的引文指標。從目前的研究現狀來看， 國內外學者對于規范化指標（特別是ＲＣＲ 指標）的研究處于初期階段，因此關于ＲＣＲ 指標的研究相對較少。目前已有的研究主要采用實證分析的方法， 研究某單一科學領域中論文的ＲＣＲ 指標與其他規范化指標（包括ＭＮＣＳ、ＳＮＩＰ 等指標）或早先傳統引文指標之間的相關性。值得注意的是， 論文的學科領域主要局限在生物學和醫學領域， 對于非生物學和醫學領域的論文并沒有進行較為深入的研究。這可能與ＲＣＲ指標早期主要是起源于ｉＣｉｔｅ 平臺中的生物類和醫學類論文有關。近年來， 隨著學科交叉的不斷發展，ｉＣｉｔｅ 平臺中也囊括了部分非生物學、醫學領域的論文， 使得ＲＣＲ 指標可以推廣到生物學、醫學領域以外的領域。因此， 本文將選取２０１８—２０２２ 年在ＩｎＣｉｔｅｓ 數據庫中的１０ 種不同學科領域內的論文作為研究樣本， 對這１０ 種科學領域（包括多個自然科學和社會科學領域）論文的ＲＣＲ 指標、ＣＮＣＩ 指標和ＪＮＣＩ 指標進行相關性分析， 并選取３ 個具有代表性的學科領域中的論文進行深入分析， 計算并分析論文發表國家和研究機構的平均ＲＣＲ 指標和ＣＮＣＩ 指標。通過這些研究， 揭示不同學科領域ＲＣＲ指標、ＣＮＣＩ 指標和ＪＮＣＩ 指標評價論文學術影響力的差異和關聯性， 為深入理解引文規范化評價指標、建立科學評價體系提供一定的指導。

１ ３種引文規范化評價指標的對比

１.１相對引用率（ＲＣＲ）

通過分析不同學科領域論文的共引網絡， 計算論文引文率（Ａｒｔｉｃｌｅ Ｃｉｔａｔｉｏｎ Ｒａｔｅ， ＡＣＲ）與預期引文率（Ｅｘｐｅｃｔｅｄ Ｃｉｔａｔｉｏｎ Ｒａｔｅ， ＥＣＲ）， 然后將這兩者（ＡＣＲ 與ＥＣＲ）相除即可獲得論文的ＲＣＲ 指標。其中， 論文的ＡＣＲ 代表論文的年平均被引頻次，而ＥＣＲ 的計算過程則較為復雜， 其大致流程為：首先將目標論文共引網絡中每一篇論文的期刊引文率（Ｊｏｕｒｎａｌ Ｃｉｔａｔｉｏｎ Ｒａｔｅ， ＪＣＲ）的年平均值作為該篇論文的領域引文率（Ｆｉｅｌｄ Ｃｉｔａｔｉｏｎ Ｒａｔｅ， ＦＣＲ）， 然后選取ＮＩＨ 的Ｒ０１ 項目資助的論文為基準， 調整ＡＣＲ 與ＦＣＲ 的比值， 通過ＡＣＲ 與ＦＣＲ 線性擬合，計算其回歸系數即可獲得ＥＣＲ。在ＲＣＲ 的計算過程中， 生成論文的共引網絡是非常重要的環節。圖１展示了一篇論文的引用網絡示意圖。圖中紅色點代表了目標論文， 橙色點代表了引用目標論文的相關文獻， 綠色點則代表橙色點所引用的相關文獻， 紫色點代表了目標論文所引用的相關文獻。在圖１ 中，橙色點所代表的論文集合構成了目標論文的引文網絡， 綠色點所代表的論文集合構成了目標論文的共引網絡， 紫色點所代表的論文集合構成了目標論文的被引用網絡。ＲＣＲ 指標的計算主要是基于對論文的共引網絡分析而獲得的。隨著論文出版年限的增長， 論文的引用次數會逐漸增多， 使得論文的共引用網絡發生動態的變化， 進而使得論文的ＲＣＲ 數值同時也發生變化。在ＮＩＨ 建立ｉＣｉｔｅ 平臺的早期，平臺中數據主要是關于醫學、生物學等領域的論文，因此， 早期ＲＣＲ 指標僅適用于醫學、生物學等領域的論文評價。近年來， 隨著ｉＣｉｔｅ 平臺囊括了更多學科領域的論文數據， 使得ＲＣＲ 指標逐漸拓展到其他學科領域， 特別是交叉學科領域。

１.２學科規范化引文影響力（ＣＮＣＩ）

ＣＮＣＩ 指標是通過將論文的被引頻次除以同出版年、同學科領域、同文獻類型論文的平均被引頻次而獲得的。與ＲＣＲ 指標不同， ＣＮＣＩ 指標主要是基于期刊的學科分類體系對論文進行分類和統計分析。科睿唯安根據期刊的學科分類對期刊發表的所有論文進行學科分類。當一篇論文被劃歸到單個學科領域時， 其ＣＮＣＩ 指標的計算公式如式（１） 所示：

其中，ｆ代表學科領域，ｔ代表出版年，ｄ代表文獻類型，ｐ為劃歸的該學科領域的論文數量。根據ＣＮＣＩ 的計算公式， 不難看出ＣＮＣＩ 指標是一種基于期刊級別的先驗定義學科分類的相對指標。自從科睿唯安提出ＣＮＣＩ 指標以來， 由于其消除了出版年、學科領域和文獻類型對論文被引頻次的影響，可以對不同出版年、學科、文獻類型的論文的影響力進行較好的評價， 因此ＣＮＣＩ指標得到較為廣泛的認可。但是， 在使用ＣＮＣＩ 指標時， 科睿唯安指出了３點需要注意的事項： ①當待評價的樣本量較小時， 一篇高被引論文的被引頻次將會對ＣＮＣＩ 的數值帶來較為顯著的影響； ②ＣＮＣＩ 指標是一種基于平均值的度量， 因此， 即使待評價的樣本量足夠大， 少數高被引論文也可能對ＣＮＣＩ 的數值產生較大的影響； ③由于論文出版當年的基準值通常很低，因此， 出版當年的ＣＮＣＩ 數值可能高于預期的波動。

１.３期刊規范化引文影響力（ＪＮＣＩ）

ＪＮＣＩ 指標與ＣＮＣＩ 指標較為類似， 其主要區別在于ＣＮＣＩ 指標是基于學科領域進行規范化， 而ＪＮＣＩ 指標是基于論文所發表的期刊進行規范化。ＪＮＣＩ 指標被定義為論文的實際被引頻次與該發表期刊同出版年、同文獻類型論文的平均被引頻次的比值。對于出版社或期刊編輯部來說， ＪＮＣＩ 指標是一種重要的評估工具， 可以幫助他們判斷所發表的論文對學術界的影響力水平， 揭示那些超越平均水平并顯著提高了期刊被引頻次的研究工作。表１展示了科睿唯安提供的ＣＮＣＩ 和ＪＮＣＩ 指標在作者層面的一個應用示例。科研工作者Ｄ 和Ｅ 的總論文數量和總被引頻次都非常接近， 他們的引文影響力幾乎相同， ｈ 指數也相同。僅用表１ 中的前４ 個計量指標， 無法區分兩位研究人員的學術影響力。然而， 這兩位研究人員實際上是在不同的學科領域進行研究， 并且有不同的論文發表歷史。使用ＣＮＣＩ和ＪＮＣＩ 指標可以更好地區分和評價他們各自在主題、文獻類型和出版時間方面相對于同行的表現。從表１ 可以看出， 科研工作者Ｄ 的ＣＮＣＩ（１.３２）和ＪＮＣＩ（１.８６）的數值都超過了平均值１， 而科研工作者Ｅ 的ＣＮＣＩ（０.４５）和ＪＮＣＩ（０.７２）的數值都低于平均值１。這表明科研工作者Ｄ 發表論文的學術影響力高于全球平均水平， 并高于其工作領域期刊論文的平均水平； 而科研工作者Ｅ 發表論文的學術影響力低于全球平均水平， 且低于其工作領域期刊論文的平均水平。

１.４ ３種指標的總體對比

盡管ＲＣＲ、ＣＮＣＩ 和ＪＮＣＩ 指標都是基于規范化的思想提出的， 但是由于它們的定義不同， 導致這３ 種指標在數據覆蓋范圍、學科領域分類、文獻類型、指標算法及指標意義等方面存在一定的差異。從數據庫覆蓋范圍來看， ＲＣＲ 指標來源于ｉＣｉｔｅ 平臺， 絕大多數論文是與生物學和醫學領域相關的；而ＣＮＣＩ 和ＪＮＣＩ 指標數據來源于包含Ｗｅｂ ｏｆ Ｓｃｉ?ｅｎｃｅ（ＷｏＳ） 數據庫， 學科領域覆蓋面更廣、更全面。從學科領域分類來看， ＲＣＲ 指標是根據論文的共引網路分析進行學科分類的， 每篇論文的共引用網絡會隨著論文被引頻次的增加而動態變化， 因此每篇論文的學科領域也是不斷變化的； 而ＣＮＣＩ和ＪＮＣＩ 指標是基于ＷｏＳ 數據庫中期刊的學科屬性進行學科領域劃分的， 因此每篇論文的學科領域是相對固定的， 不過考慮到學科交叉， 一篇論文也可以被分配到１ 個或多個學科領域。從文獻類型來看， ＲＣＲ 指標將文獻類型劃分為Ａｒｔｉｃｌｅ 或非Ａｒｔｉ?ｃｌｅ 兩種， 而ＣＮＣＩ 和ＪＮＣＩ 指標則將文獻類型劃分為Ａｒｔｉｃｌｅ、Ｒｅｖｉｅｗ、Ｐｒｏｃｅｅｄｉｎｇ Ｐａｐｅｒｓ 和Ｂｏｏｋｓ 等２００ 多種。從指標算法來看， 由于ＲＣＲ 指標計算涉及論文共引網絡的形成和分析， 所以ＲＣＲ 指標的算法比ＣＮＣＩ 和ＪＮＣＩ 指標的算法更為復雜。從指標意義來看， ＲＣＲ 指標是以ＮＩＨ 的Ｒ０１ 項目資助的論文為基準， 當ＲＣＲ 指標大于１ 時， 說明論文的影響力高于ＮＩＨＲ０１ 項目資助論文的影響力平均水平； 而ＣＮＣＩ 指標反映了論文在同一學科領域的實際被引頻次與期望被引頻次比值的平均值， 當ＣＮＣＩ 指標等于１ 時， 說明論文在該學科領域的學術影響力與全球平均水平相當； 當ＣＮＣＩ 指標大于１ 時， 說明論文的學術影響力高于全球平均水平；當ＣＮＣＩ 指標小于１ 時， 說明論文的學術影響力低于全球平均水平。ＪＮＣＩ 指標主要反映了發表在同一期刊中論文的學術影響力， 因此， 當ＪＮＣＩ 指標等于１ 時， 說明論文的學術影響力與該期刊論文的平均水平相當； 當ＪＮＣＩ 指標大于１ 時， 說明論文的學術影響力高于該期刊論文的平均水平； 當ＪＮ?ＣＩ 指標小于１ 時， 說明論文的學術影響力低于該期刊論文的平均水平。

２ 近５年不同學科領域文獻的規范化指標相關性研究

為了研究在不同學科領域中規范化指標的相關性， 本文從科睿唯安ＩｎＣｉｔｅｓ 數據庫平臺下載了２０１８—２０２２ 年ＷｏＳ 在１０ 個不同學科領域中收錄的所有論文的相關信息（ 包括ＷｏＳ 編號、ＤＯＩ、Ｐｕｂｍｅｄ ＩＤ、論文題目、作者、出版期刊、學科領域、文獻類型、出版年、被引頻次、發表研究機構、發表國家、ＣＮＣＩ、ＪＮＣＩ 等）。從這些論文中選出有Ｐｕｂｍｅｄ ＩＤ 的論文， 然后利用Ｐｕｂｍｅｄ ＩＤ 通過ｉＣｉｔｅ 平臺計算獲得論文的ＲＣＲ 指標。隨后進一步對具有Ｐｕｂｍｅｄ ＩＤ 的論文的ＣＮＣＩ、ＪＮＣＩ 和ＲＣＲ 指標進行統計分析。在本文數據收集和研究中， 所涉及的１０ 個學科領域涵蓋了自然科學和社會科學的多個分支， 包括信息與圖書情報、經濟學、生物學、遺傳學、內科醫學、細胞生物學、凝聚態物理、有機化學、機器人技術和交叉科學。需要指出的是， 數據中論文所對應的學科領域、發表國家和發表研究機構的界定都是科睿唯安ＩｎＣｉｔｅｓ 數據庫直接給出的。對于給定的一個學科領域， 在ＩｎＣｉｔｅｓ數據庫中使用“分析” 模塊， 在其中選擇“國家”或“研究機構” 就可以對這個學科領域的論文進行相應的統計分析。

表２列出了２０１８—２０２２ 年研究的１０ 個學科領域中論文的數量和所有具有Ｐｕｂｍｅｄ ＩＤ 論文的ＲＣＲ、ＣＮＣＩ 和ＪＮＣＩ 指標的平均值， 其中３ 種指標的平均值是將所有具有Ｐｕｂｍｅｄ ＩＤ 論文的ＲＣＲ、ＣＮＣＩ 和ＪＮＣＩ 指標進行相加求和然后除以ＰｕｂｍｅｄＩＤ 論文總數獲得的。從表２ 中的數據可以看出，對于生物學、醫學等領域， ｉＣｉｔｅ 數據庫平臺涵蓋了８５％以上的ＷｏＳ 論文； 對于社會科學領域（如信息與圖書情報、經濟學等）、物理學、化學、工程技術科學、交叉科學等， ｉＣｉｔｅ 平臺收錄的論文數量低于ＷｏＳ 論文數量的５０％。這是由于ｉＣｉｔｅ 平臺本身主要是針對生物學、醫學領域的論文評價而建立。近年來， 隨著交叉學科的發展和ＲＣＲ 指標的廣泛應用， ｉＣｉｔｅ 平臺逐漸擴展到了生物學和醫學領域之外的學科方向， 并收錄了很多相關學科領域的論文。對比表２ 中不同學科領域中論文的ＲＣＲ和ＣＮＣＩ 指標的平均值發現， 遺傳學、內科醫學、細胞生物學、經濟學、凝聚態物理等領域中論文的ＲＣＲ 和ＣＮＣＩ 指標的平均值較高， 這說明從平均意義上而言， 這些領域中的論文相比其他領域的論文具有更高的學術影響力。

對上述１０ 種學科領域中具有Ｐｕｂｍｅｄ ＩＤ 論文的ＲＣＲ、ＣＮＣＩ 和ＪＮＣＩ 指標進行Ｐｅａｒｓｏｎ 相關性分析， 所獲得的相關系數在表２ 中列出。從表２ 中相關系數的數值來看， 對于這１０ 種學科領域， 論文的ＲＣＲ 指標與ＣＮＣＩ、ＪＮＣＩ 指標呈現正相關， 且ＣＮＣＩ 指標與ＪＮＣＩ 指標也保持正相關。對于其中大多數學科領域而言， ＲＣＲ 與ＣＮＣＩ 指標之間以及ＣＮＣＩ 與ＪＮＣＩ 指標之間的相關系數均較大， 而ＲＣＲ與ＪＮＣＩ 指標之間的相關系數相對較小， 表明這些學科領域論文的ＲＣＲ 與ＣＮＣＩ 指標之間以及ＣＮＣＩ與ＪＮＣＩ 指標之間保持高度的正相關， 而ＲＣＲ 與ＪＮＣＩ 指標的相關度較低。值得注意的是， 遺傳學論文的ＲＣＲ 指標與ＣＮＣＩ、ＪＮＣＩ 指標之間的正相關系數僅有０.２１～０.２２， 展示了低度的正相關。這表明ＲＣＲ 指標與ＣＮＣＩ、ＪＮＣＩ 指標在論文評價方面出現了不一致， 這可能與３ 種指標的來源數據庫覆蓋的引文范圍差異有關， ＲＣＲ 指標來自于ＮＩＨ 建立的ｉＣｉｔｅ 數據平臺， 而ＣＮＣＩ 和ＪＮＣＩ 指標來源于科睿唯安的ＩｎＣｉｔｅｓ 數據庫。

近年來， 規范化指標不僅被用于評價學術成果的影響力， 而且也被應用于評價個人、研究機構以及期刊的學術水平和學術影響力［１１，１５］ 。在隨后的小節中， 本文從１０ 種學科領域選擇了３ 個具有代表性的學科領域（包括信息與圖書情報、遺傳學和交叉科學）， 對這３ 種學科領域中論文的發表國家和研究機構的平均ＲＣＲ 指標和ＣＮＣＩ 指標進行分析， 進而研究不同學科領域中論文的發表國家和研究機構的學術水平。３ 個代表性學科領域中， 信息與圖書情報作為社會科學類的代表領域， 遺傳學則是近年來生物醫學類自然科學領域中較為積極活躍的學科領域之一， 而交叉科學則反映了多個自然科學領域的融合。

２.１信息與圖書情報領域論文的發表國家和研究機構的規范化指標

表３和表４ 分別給出了２０１８—２０２２年信息與圖書情報領域論文發表國家和研究機構情況及其對應的傳統引文指標（論文總數和總被引頻次）和規范化指標的平均值。這兩個表格中的數據都是根據總被引頻次進行排名的， 分別給出領域中排名前十位的國家和研究機構的情況。這兩個表格中的ＲＣＲ和ＣＮＣＩ 指標的平均值是將對應國家或研究機構在領域內發表的所有具有Ｐｕｂｍｅｄ ＩＤ 論文的ＲＣＲ 和ＣＮＣＩ 指標進行統計平均而獲得的。從表３ 和表４的數據可以看出， 盡管一些國家（如美國、西班牙、德國等）或研究機構（如美國加州大學、美國賓夕法尼亞聯邦高等教育系統）的論文總數和總被引頻次較高， 但是它們所對應的ＲＣＲ 和ＣＮＣＩ 平均值卻相對較低。這說明盡管這些國家或研究機構所發表的論文數目較多， 但是其高被引論文的數目相對較少， 或其論文的學術影響力相對較低。同時也進一步表明了國家或研究機構所對應的ＲＣＲ 和ＣＮＣＩ平均值與總被引頻次呈現較弱的相關性。圖２（ａ）和２（ｂ）分別展示了表３ 和表４ 中排名前十的國家和研究機構對應的ＲＣＲ 平均值與ＣＮＣＩ 平均值之間的線性相關性。從圖中可以看出， 這些國家和研究機構所對應的ＲＣＲ 平均值與ＣＮＣＩ 平均值具有顯著的線性相關性。根據規范化指標的定義和內涵， ＲＣＲ 和ＣＮＣＩ 平均值越高的國家和研究機構，其發表論文的學術水平越高， 學術影響力越大。結合表３ 的數據可以看出， 在信息與圖書情報領域，相比其他國家， 我國發表論文的ＲＣＲ 和ＣＮＣＩ 平均值較高， 說明近些年我國在該領域具有較高的學術影響力。結合表４ 的數據可以看出， 在信息與圖書情報領域， 中國科學院和武漢大學在國際上具有較高的學術水平。值得注意的是， 在表４ 中， 英國斯旺西大學的論文總數僅有７４， 但其論文的總被引頻次高達５ ４７８， 其原因是７４ 篇論文中有１０ 余篇論文是高被引論文。這些高被引論文使得英國斯旺西大學論文的ＲＣＲ 和ＣＮＣＩ 平均值高于其他９ 所研究機構。這反映出規范化指標的一個局限性： 當待評價的樣本量較小時， 少數高被引論文的被引頻次將會對規范化指標帶來較為顯著的影響。

２.２遺傳學領域論文的發表國家和研究機構的規范化指標

表５ 和表６ 分別給出了２０１８—２０２２ 年遺傳學領域論文發表國家和研究機構情況及其對應的引文指標和規范化指標。從表５ 和表６ 的數據可以看出：被引頻次排名前十的國家或研究機構所對應的ＲＣＲ和ＣＮＣＩ 平均值與總被引頻次保持較弱的相關性。對表５ 和表６ 中的ＲＣＲ 平均值與ＣＮＣＩ 平均值進行相關分析發現， 不同國家對應的相關系數僅有０.２４８，而不同研究機構對應的相關系數高達０.９５１。不同國家所對應的相關系數較低是由于在遺傳學領域不同國家發表論文的ＲＣＲ 平均值非常接近造成的。從表５ 的數據中可以看出， 在遺傳學領域， 盡管我國發表的論文總數和總被引頻次均居世界第二位，但是其ＲＣＲ 和ＣＮＣＩ 平均值與其他國家相比較低，說明我國在遺傳學領域的高被引論文相對較少， 學術影響力與其他９ 個國家有一定差距。結合表６ 的數據可以看出， 在遺傳學領域， 位于世界前十的研究機構均為歐美發達國家， 并且都是世界知名的研究機構， 而我國未有研究機構進入世界排名前十的位置。

２.３交叉科學領域論文的發表國家和研究機構的規范化指標

表７ 和表８ 分別給出了２０１８—２０２２ 年交叉科學領域論文發表國家和研究機構情況及其對應的引文指標和規范化指標。從表７ 和表８ 的數據可以看出， 被引頻次排名前十的國家或研究機構對應的ＲＣＲ 和ＣＮＣＩ 平均值與總被引頻次呈現低度的相關性。對表７ 和表８ 中的ＲＣＲ 平均值與ＣＮＣＩ 平均值進行相關分析發現， 不同國家和研究機構對應的相關系數分別高達０.９７５ 和０.９９１。這表明在交叉科學領域， 排名前十的國家和研究機構對應的ＲＣＲ平均值與ＣＮＣＩ 平均值呈現高度的相關性。從表７的數據不難看出， 在新興的交叉科學領域， 盡管我國發表的論文總數與總被引頻次居于世界第二位，但其ＲＣＲ 和ＣＮＣＩ 平均值相比表７ 中的多數國家偏低， 這說明我國在交叉科學領域論文的學術影響力有待進一步提高。結合表８ 的數據可以看出， 在交叉科學領域， 中國科學院的論文總數與總被引頻次居于世界第三位， 其ＲＣＲ 和ＣＮＣＩ 平均值也處于表８ 中的中上水平， 這說明中國科學院在交叉科學領域中具有較多的高被引論文， 其學術水平相對較高。

３結論

本文選取ＩｎＣｉｔｅｓ 數據庫中２０１８—２０２２ 年１０種不同學科領域的論文作為研究對象， 對這些論文的ＲＣＲ、ＣＮＣＩ 和ＪＮＣＩ 指標進行了相關性分析。研究結果表明， 在１０ 種學科領域中， 論文的３ 種規范指標之間均保持正相關； 對于其中大多數學科領域， ＲＣＲ 與ＣＮＣＩ 指標之間以及ＣＮＣＩ 與ＪＮＣＩ 指標之間相關程度均較高， 而ＲＣＲ 與ＪＮＣＩ 指標之間的相關程度相對較低。同時， 本文也選取了３ 個具有代表性的學科領域， 對其中的論文發表國家和研究機構的規范化指標進行較為深入的分析。分析結果表明， 在不同學科領域中， 被引頻次排名前十的國家或研究機構所對應的ＲＣＲ 均值和ＣＮＣＩ 均值具有較高程度的相關性， 且對應的ＲＣＲ 和ＣＮＣＩ 均值能夠反映其在學科領域中的學術水平和學術影響力。目前， 本文的研究仍存在一定的不足之處， 如在研究中沒有分析規范化指標隨時間的演化、研究中選取的學科領域仍較少等。在今后的研究中， 將深入分析規范化指標隨時間的演化， 并關注規范化指標在不同學科領域中評價論文學術影響力的差異， 同時將持續挖掘規范化指標的特點， 驗證規范化指標評價學術影響力的一致性和有效性， 并考慮將規范化指標與其他引文指標相結合， 從而建立多元化、多維度的科學評價體系。