劉麗敏+王晴

〔摘 要〕 為揭示研究動態(tài)和啟迪創(chuàng)新，將信息計量學研究引向深入。以《Journal of Informetrics》為樣本，運用文獻計量、內(nèi)容分析等方法，從研究足跡和知識結(jié)構(gòu)兩個維度透視國際信息計量學近十年的發(fā)展脈絡(luò)。研究表明：中、美、歐在科研產(chǎn)出上呈“三足鼎立”之勢，其中，比利時的天主教魯汶大學和安特衛(wèi)普大學以及中國的國立臺灣大學的發(fā)文量排名前三；德國馬普學會的博恩曼是發(fā)文最多的頂級專家，且在合作網(wǎng)絡(luò)中居中心地位；知識基礎(chǔ)由h-指數(shù)及改進指標、引用測量及優(yōu)化機制、科學學與科學管理等3個知識集群構(gòu)成；研究熱點包括引文分析、h-指數(shù)、影響因子、研究評價（績效評估）等四大領(lǐng)域。

〔關(guān)鍵詞〕信息計量學；引文分析；h-指數(shù)；科學計量學；altmetrics；知識圖譜

DOI：10.3969/j.issn.1008-0821.2017.08.022

〔中圖分類號〕 G250.252 〔文獻標識碼〕A 〔文章編號〕1008-0821（2017）08-0154-07

〔Abstract〕The purpose of this paper was to reveal the dynamic state and inspire innovation，promote the sustainable development of informetrics. Taking the“Journal of Informetrics”as sample，the author analyzed the research footprint and knowledge structure of informetrics in the past decade，using the methods of bibliometrics and content analysis. The study showed that the output of China，USA and Europe like “a situation of tripartite confrontation”，the three institutions with the largest output were Catholic University of Louvain，University of Antwerp of Belgium and National Taiwan University of China. Lutz Bornmann from Max Planck Gesell was the top expert who had published maximum papers，and he was occupying a central position in a cooperative network. The Basic knowledge was composed of three clusters that were h-index and improved indexes，citation measurement and optimization mechanism，science of science and science management. Research hotspots included citation analysis，h-index，impact factor，and research evaluation.

〔Key words〕 informetrics；citation analysis；h-index；scientometrics；altmetrics；knowledge map

1979年，西德學者奧托·納克 （Otto Nacke）首次提出“Informetrie”術(shù)語，翌年，與之相對應(yīng)的英文名稱“Informetrics”（信息計量學）便出現(xiàn)在當年的美國國家科學基金會（NSF）課題指南中。廣義的信息計量學以信息論為理論基礎(chǔ)，探討廣義信息的計量問題，而目前信息計量學更側(cè)重狹義層面，即應(yīng)用定量方法來分析和研究文獻信息特征及規(guī)律[1]。從理論與方法的角度來看，信息計量學是應(yīng)用數(shù)學方法研究信息對象的專業(yè)領(lǐng)域，核心特征是涵蓋所有類型的信息；而科學計量學的特點是將科學發(fā)展作為信息過程，主要聚焦于科學研究的探索與評價[2]。從學科發(fā)展的角度講，信息計量學是信息科學與科學計量學融合發(fā)展的結(jié)果，是一門不斷發(fā)展的交叉學科，已被廣泛應(yīng)用于各種與信息相關(guān)的活動[3]。

20世紀80年代初至今，信息計量學相繼獲得國際文獻聯(lián)合會（FID）、國際科學計量學與信息計量學協(xié)會（ISSI）等國際學術(shù)組織的認可和支持，也受到相關(guān)領(lǐng)域國際知名學者和專家的關(guān)注和推動，并在新環(huán)境下衍生出新的概念體系（如Webometrics），拓展了信息計量學的發(fā)展空間[4]。2007年，《Journal of Informetrics》（簡稱JOI）的創(chuàng)刊標志著信息計量學的發(fā)展邁上新臺階，為信息計量學的國際化和專業(yè)化發(fā)展以及學術(shù)研究與交流提供共享平臺。作為一個持續(xù)發(fā)展的學術(shù)領(lǐng)域，信息計量學理論和方法已經(jīng)在傳承和創(chuàng)新過程中取得長足進步，相關(guān)研究和學術(shù)交流活動也更趨繁榮。

上世紀90年代初，信息計量學開始被引入國內(nèi)，現(xiàn)已發(fā)展成為經(jīng)久不衰的學術(shù)熱點，相關(guān)理論和方法已經(jīng)滲透到更多的應(yīng)用領(lǐng)域。國內(nèi)學者已從不同的視角對國際信息計量學的發(fā)展態(tài)勢進行解讀，就研究創(chuàng)新而言，相關(guān)研究仍有值得改進之處：過于強調(diào)量化結(jié)果的表層特征、缺乏內(nèi)容的挖掘與解析，本文在此基礎(chǔ)之上，選取國際公認的信息計量學權(quán)威期刊JOI作為數(shù)據(jù)源，注重定性與定量分析的融合，從研究足跡和知識結(jié)構(gòu)兩個維度深度解讀國際信息計量學的發(fā)展格局。

1 數(shù)據(jù)來源與研究方法

本研究以Web of ScienceTM（WoS）為檢索來源，檢索式為：出版物名稱=journal of informetrics，時間跨度=所有年份，索引=SCI-EXPANDED，SSCI，CPCI-S，CPCI-SSH，檢索到698項結(jié)果，以文獻類型ARTICLE、REVIEW和PROCEEDINGS PAPER作為精煉條件，剔除社論材料、校正和信報后，共獲得632條題錄。JOI每年出版4期（季刊），每年的載文量均不相等，總體上呈先增后減的態(tài)勢，具體而言，JOI在創(chuàng)刊初期（2007-2009年）年均載文量為33篇，發(fā)展中期（2010-2012）年均載文量為65篇，2013年達到頂峰，近三年趨于穩(wěn)定，年均發(fā)文量為81篇。

本研究將綜合運用文獻計量和內(nèi)容分析等方法，以文獻耦合、知識網(wǎng)絡(luò)、共現(xiàn)分析、共被引分析等理論為基礎(chǔ)，從不同維度挖掘并揭示國際信息計量學研究足跡和知識結(jié)構(gòu)。研究中主要借助于“文獻題錄信息統(tǒng)計分析工具”（SATI）提取、轉(zhuǎn)換和處理過程性數(shù)據(jù)[5]，并利用主流的可視化圖譜繪制工具展示知識網(wǎng)絡(luò)結(jié)構(gòu)。VOSviewer是荷蘭萊頓（Leiden）大學N. J. Eck和L. Waltman共同研發(fā)的知識圖譜構(gòu)建與分析程序，該軟件提供3種共被引和4種耦合分析功能，在聚類和圖形化展示方面具有獨特優(yōu)勢[6]。在知識網(wǎng)絡(luò)視圖中，項目在網(wǎng)絡(luò)中的節(jié)點大小與其重要性成正相關(guān)。相比其他同類軟件，VOSviewer的特色是采用特殊算法設(shè)計程序，有效克服了知識網(wǎng)絡(luò)中標簽重疊的缺陷，研究者可以通過調(diào)節(jié)參數(shù)和定向操作來獲取宏觀概要、節(jié)點信息和內(nèi)部結(jié)構(gòu)特征[7]。

2 國家與機構(gòu)分布

2.1 國際研究機構(gòu)

632篇文獻涉及到48個國家（地區(qū)）的447個研究機構(gòu)，其中，發(fā)文量僅為1篇的邊緣性科研機構(gòu)有268個，約占總數(shù)的59.96%，發(fā)文量高于10篇的科研機構(gòu)有25個，主要的研究機構(gòu)及其所屬國家（地區(qū)）信息見表1所示。

從表1可知，中國（包括臺灣地區(qū)）是國際信息計量學領(lǐng)域發(fā)文量最大的國家，也是發(fā)文量唯一超過100篇的國家。美國的發(fā)文量雖居第二，但僅有1個機構(gòu)入圍前25強。發(fā)文量排在3～8名的國家均來自歐洲，其中，在所有的發(fā)文機構(gòu)中，比利時天主教魯汶大學（47，篇數(shù)，下同）和安特衛(wèi)普大學（39）分別位居冠亞軍，中國國立臺灣大學居第三，美國印第安納大學和意大利羅馬第二大學（29）并列第四，荷蘭萊頓大學（28）和阿姆斯特丹大學（25）以及英國胡佛漢頓大學（23）緊隨其后。除了表中所列機構(gòu)外，瑞士蘇黎世聯(lián)邦理工學院（ETH，14）和蘇黎世大學（Univ Zurich，12）、波蘭盧布林工業(yè)大學（Lublin Univ Technol，13）、匈牙利科學院（Hungarian Acad Sci，11）、韓國延世大學（Yonsei Univ，11）等世界一流大學及科研院所也有較好的學術(shù)表現(xiàn)?？傮w上看，國際信息計量學的科研重鎮(zhèn)主要集中在以比利時、荷蘭為代表的歐洲發(fā)達國家，中美實力相當，美國的機構(gòu)分布更趨集中。

2.2 中國機構(gòu)分布

在447個研究機構(gòu)中，發(fā)文量大于3篇的中國機構(gòu)共有10個。在JOI期刊上發(fā)文的中國機構(gòu)中，排名第一的是國立臺灣大學（33），臺大已發(fā)展成為國際信息計量學領(lǐng)域最活躍的研究機構(gòu)之一，中國大陸地區(qū)的大連理工大學（19）和浙江大學（17）分列第二、三名。此外，清華大學、北京理工大學、同濟大學、中國科學技術(shù)大學、北京航空航天大學、臺灣元智大學和國立臺灣科技大學也有一定的學術(shù)活躍度。

3 作者合作網(wǎng)絡(luò)及其結(jié)構(gòu)

經(jīng)統(tǒng)計可知，632篇文獻涉及883位署名作者，其中，僅發(fā)表1篇論文的作者共有663位，亦即邊緣作者占總數(shù)的比例超過3/4。

從作者合作網(wǎng)絡(luò)（見圖1所示）可知，38位核心作者形成6個主要的聚類簇（亦即為共現(xiàn)網(wǎng)絡(luò)中的子群）。發(fā)表論文最多（40篇）的是瑞士蘇黎世聯(lián)邦理工學院（2010年及以前）和德國馬普學會（2011年及以后）的博恩曼（L. Bornmann），他目前的研究興趣主要集中于科研評價、同行評議、文獻計量和Altmetrics等領(lǐng)域，他還是JOI、JASIST、《Scientometrics》以及PLOS ONE等期刊的編委會成員。與博恩曼具有合作關(guān)系的學者主要有蘇黎世聯(lián)邦理工學院社會心理學和高等教育專業(yè)的丹尼爾（H. Daniel）教授和穆茨（R. Mutz）教授以及阿姆斯特丹大學科學交流與創(chuàng)新研究領(lǐng)域的雷德斯道夫（L. Leydesdorff）教授等。在核心作者合作網(wǎng)絡(luò)中，還有一個子群在整體網(wǎng)絡(luò)中比較突出，羅馬第二大學的阿布拉莫（G. Abramo）、丹吉洛（C. A. DAngelo）和西塞羅（T. Cicero）等組成的科研團隊實力非凡，在科研績效評估、大學產(chǎn)出與評價等領(lǐng)域深耕已久，頗具學術(shù)影響力。

相較而言，發(fā)文量排名第二的魯索（R. Rousseau）更為國內(nèi)同行熟知。魯索是當今活躍于國際學界的最知名科學計量學家之一，2001年榮獲科學計量學領(lǐng)域最高獎——普賴斯獎，現(xiàn)為比利時天主教魯汶大學和安特衛(wèi)普大學副教授，擔任JOI、JASIST等國際頂級期刊編委，曾任國際科學計量學與信息計量學學會（ISSI）主席。與魯索存在合作關(guān)系的一端是安特衛(wèi)普大學的甘斯（R. Guns）博士，另一端是南京大學的葉鷹教授與國立臺灣大學的黃慕萱教授、陳達仁博士形成的合作子群。另外，胡佛漢頓大學數(shù)學與計算學院的情報學教授塞沃爾（M. Thelwall）、萊頓大學的沃爾特曼（L. Waltman）教授和?？耍∟. J. Eck）教授、比利時哈塞爾特大學的埃格赫（L. Egghe）教授等計量研究專家也有較高的學術(shù)產(chǎn)出。

4 知識基礎(chǔ)

為挖掘國際信息計量學的基礎(chǔ)性知識來源，可利用最小生成樹算法和靜態(tài)修飾技術(shù)，將源數(shù)據(jù)導入CiteSpace，勾選對應(yīng)的時間切片和節(jié)點類型，經(jīng)預測試，閾值（c，cc，ccv）的3個子項可設(shè)定為（5，2，10），生成高影響力被引文獻的聚類網(wǎng)絡(luò)如圖2所示。

圖2 高影響力被引文獻知識網(wǎng)絡(luò)

經(jīng)內(nèi)容分析可知，近十年國際信息計量學的知識基礎(chǔ)由三大文獻集群組成。第一大文獻集群的研究主題是h-指數(shù)及改進指標。最具影響力的文獻是美國加州大學圣地亞哥分校（UCSD）物理學教授赫希（J. E. Hirsch）2005年發(fā)表在《美國科學院院刊》（PNAS）上的開創(chuàng)性論文《量化個人科研產(chǎn)出的指標》。赫希在文中提出了一種旨在評估科學家累積研究貢獻的重要性和廣泛影響力的“簡易”指標，為不同個人的資源競爭和科研績效提供公正的比較與評價標準[8]，該指標即為學界熟知的h-指數(shù)。其后，針對h-指數(shù)的優(yōu)缺點，一些學者提出了衍生指標。代表性成果包括兩篇：一是比利時哈塞爾特大學（UHasselt）科學計量學家埃格赫（L. Egghe）2006年發(fā)表在《Scientometrics》上的《G-指數(shù)理論與實踐》。埃格赫提出的g-指數(shù)是用來測量一組論文整體性被引表現(xiàn)力的指標，是對h-指數(shù)的補充和提高。從定義可知，在一般情況下，g≥h，指數(shù)的分值越高，表示被測對象的影響力和成就越大，這與h-指數(shù)的評價邏輯是一致的[9]。二是中國科學院文獻情報中心研究員金碧輝等中國學者與魯索等國外專家2007年合作發(fā)表在《科學通報》上的《R-與AR-指數(shù)：H-指數(shù)的補充》，該文的學術(shù)貢獻是在克服h-指數(shù)某些不足的基礎(chǔ)上，引入R-和AR-兩種新的評價指標，其中，R-用于測量h-核心引用強度，AR則將出版物的年齡也考慮在內(nèi)[10]。

第二大文獻集群的研究主題是引用測度及優(yōu)化機制。其中，最經(jīng)典的文章是“SCI之父”加菲爾德（E. Garfield）的《引文分析作為期刊評價的工具》，該文發(fā)表45年以來的被引量經(jīng)久不衰。該文的貢獻在于首次提出基于引用頻次進行期刊排名，引文分析結(jié)果可為期刊采訪和館藏決策提供量化參考，而最重要的應(yīng)用在于科學政策研究和研究評價[11]。在改進方案中，有3項成果備受關(guān)注，其一是意大利科學交流基金會研究科學家（現(xiàn)為美國印第安納大學助理教授）拉迪基（F. Radicchi）2008年在PNAS上發(fā)表的《引文分布的普遍性：對科學影響的客觀測量》。該文的貢獻是提出Cf指標，通過該指標可以探測到跨學科和年份的引文分布呈現(xiàn)為一個基本一致的曲線（累積軌跡）[12]。其二是沃爾特曼（L. Waltman）等2011年發(fā)表在JOI上的《邁向一個新的皇冠指標：理論考量》?；使谥笜耸怯珊商m萊頓大學科學技術(shù)研究中心（CWTS）開發(fā)的文獻計量指標，但沃爾特曼等研究發(fā)現(xiàn)，皇冠指標的致命缺陷是缺乏相容性機制，因此需要構(gòu)建一種新的替代性的規(guī)范化機制[13]。其三是萊頓大學莫德（H. F. Moed）博士2010發(fā)表的《測量科學期刊的語境引用影響》，該文提出一種新的稱為“論文源歸一化影響”（SNIP）指標，增加學科領(lǐng)域要素，用以測量不同學科領(lǐng)域之間科技期刊影響力，以確保不同領(lǐng)域論文影響力評估的公平性[14]。

第三大文獻集群的研究主題是科學學與科學管理。代表性的高被引文獻有3篇，均發(fā)表在頂級期刊《Science》上。一是美國哥倫比亞（Columbia）大學社會學教授莫頓（R. K. Merton）1968年發(fā)表的《科學中的馬太效應(yīng)》，該文的貢獻在于揭示并解釋了科學研究中的馬太效應(yīng)，分析了科學交流系統(tǒng)和科研獎勵體系中的馬太效應(yīng)，以及馬太效應(yīng)與科技資源配置的關(guān)系等重要論斷，社會選擇（如科技資源和人才的集中趨勢）過程中也顯見地存在著馬太效應(yīng)[15]。二是美國耶魯（Yale）大學科學史教授普賴斯（D. J. D. Price）1965年發(fā)表的《科學論文網(wǎng)絡(luò)》，該文描述了科學論文的知識網(wǎng)絡(luò)，并期刊引證分析方法測試和解析這種“特殊關(guān)系”，在此基礎(chǔ)上提出了“文獻著錄模式反映了科研前沿的本質(zhì)”這一重要觀點[16]。三是加菲爾德（E. Garfield）1955年發(fā)表的《科學引文索引》，加菲爾德在該文中提出排除了非批判性數(shù)據(jù)的科學文獻書目系統(tǒng)，這是一種“前人栽樹，后人乘涼”式的科學貢獻，能夠有效節(jié)約研究人員查找相關(guān)文獻的時間和精力，能夠起到這種作用的書目系統(tǒng)就是著名的“科學引文索引”（SCI）。同時，加菲爾德也強調(diào)，這種新的書目工具僅僅是文獻研究的一個起點，它可能發(fā)揮很多作用，但不能期望用它解決所有問題[17]。

5 研究熱點

提取關(guān)鍵詞和主題詞并按其出現(xiàn)的頻次高低排序，共獲取到1846個關(guān)鍵詞和990個主題詞，僅出現(xiàn)一次的關(guān)鍵詞有1454個，約占總數(shù)的78.77%，僅出現(xiàn)一次的主題詞有595個，約占總數(shù)的60.10%。為了揭示詞共現(xiàn)的網(wǎng)絡(luò)結(jié)構(gòu)特征，采用分式算法和“關(guān)鍵詞+”技術(shù)，將出現(xiàn)頻次≥20的關(guān)鍵詞和主題詞生成熱點知識網(wǎng)絡(luò)，見圖3所示。從聚類結(jié)果來看，研究熱點可劃分為4個版塊，分別是：引文分析、H-指數(shù)、影響因子、研究（績效）評價。

5.1 引文分析

引文分析是利用數(shù)學及統(tǒng)計方法揭示科學知識結(jié)構(gòu)及規(guī)律的一種計量方法，是國際信息計量學領(lǐng)域最重要的研究領(lǐng)域之一。從主題來看，近十年的引文分析研究更偏向于模型優(yōu)化、方法創(chuàng)新和應(yīng)用實踐，主要內(nèi)容至少涉及以下方面：從時間序列的角度描述引文的動態(tài)演化趨勢、商業(yè)數(shù)據(jù)庫與開放存?。∣A）數(shù)據(jù)庫引文結(jié)構(gòu)的跨學科比較、全作者與第一作者共被引的比較、不同學科或不同數(shù)據(jù)源的引用差異、學者引用的區(qū)域分布、科學引文網(wǎng)絡(luò)的時空分布與評價、不同算法下的引文結(jié)果對比、引用計數(shù)方法比較、引用行為與動機分析。引文分析涉及的一個基礎(chǔ)性問題是預測近期出版物的長期被引趨勢，部分學者嘗試著提出更加精準而有效的適用模型和方法以增強預測結(jié)果的可信度，如文獻[18]提出一種基于兩項預測指標的分析模型，旨在預測某一出版物未來被引數(shù)量的可能性分布情況。

引文分析涉及的另一個熱點問題是共被引分析（ACA），ACA常被作為一種識別某個研究領(lǐng)域的知識結(jié)構(gòu)的有效方法，共被引分析的計算邏輯主要是基于簡單的被引量統(tǒng)計，針對這樣一種長期以來形成的路徑依賴，有很多學者從不同的視角和維度提出了創(chuàng)新性的探索方法和實現(xiàn)路徑。如文獻[19]從作者引用的內(nèi)容角度，提出計算引用語句之間相似性距離的方法，并將計算結(jié)果與傳統(tǒng)的ACA方法進行比較。文獻[20]提出基于內(nèi)容和鄰近度（接近性）相融合的方法，用以從全文本中提取引用語句，可以識別出學科中作者的相關(guān)性和差異度。總體來看，引文分析的數(shù)據(jù)來源更加廣泛和多樣化，計量方法和分析模型也在不斷創(chuàng)新和發(fā)展，引文分析對象已經(jīng)從傳統(tǒng)的形式特征拓展到引用行為、質(zhì)量等內(nèi)容特征。

5.2 H-指數(shù)

Hirsch指數(shù)（簡稱h-指數(shù)）最初是由美國加州大學圣地亞哥分校的赫希（Jorge E. Hirsch）教授提出的學術(shù)與科研績效評價指標，自2005年誕生以來，概念清晰且易于計算的h-指數(shù)頗受學界關(guān)注并迅速贏得廣泛認同，同時也遭受一些批評和質(zhì)疑。后又衍生出許多變異指數(shù)，如g-指數(shù)、r-指數(shù)、a-指數(shù)等。有研究指出，h-指數(shù)的變異指標多達37種，經(jīng)過3個不同層級的跨類混合影響分析可知，這些變異指標與h-指數(shù)之間具有統(tǒng)計學意義上的高度相關(guān)性，但也有極少數(shù)變異指標（如m-指數(shù)）對h-指數(shù)的改進貢獻不大[21]。

H-指數(shù)的研究主題從早期（2008年之前）的屬性、特征、優(yōu)缺點及其對科研評價與管理的影響分析，發(fā)展到h-指數(shù)的有效性實證分析、應(yīng)用拓展、理論分析、新指標構(gòu)建以及文獻綜述[22]。從主題的角度看，h-指數(shù)的研究內(nèi)容至少包括以下方面：h-指數(shù)一般性規(guī)律的探討、基于不同數(shù)據(jù)源的h-指數(shù)評價結(jié)果比較、面向不同評價對象的跨學科（領(lǐng)域）分析、h-指數(shù)與“軟評議”方法（如同行評審）的效果對比、專利h-指數(shù)、基于h-指數(shù)及混合指標的出版物評價與排名。其中，h-指數(shù)的應(yīng)用實例解析及其指標改進是研究的一大熱點。如文獻[23]研究認為學者h-指數(shù)的高低不僅與其出版物和被引率有關(guān)，還與職業(yè)生涯的長度相關(guān)；文獻[24]以意大利1400名物理學家為研究對象，分析進一步證實了科學家h-指數(shù)的高低與其科研年限的長短具有顯著的內(nèi)在關(guān)聯(lián)性。從現(xiàn)狀論及趨勢，算法優(yōu)化、實證檢驗及應(yīng)用探索仍將是h-指數(shù)研究的主要方向。

5.3 影響因子

影響因子（IF）是SCI之父加菲爾德1955年提出的用于評估期刊影響力或表現(xiàn)力的量化指標，在期刊評價、館藏規(guī)劃、科學產(chǎn)出評估、信息分析等領(lǐng)域具有重要的實用價值。在大多數(shù)的學術(shù)語境下，IF與期刊影響因子（JIF）研究指向的對象及內(nèi)容是相通的。JIF的研究內(nèi)容主要包括4個方面：一是探討不同類型JIF的應(yīng)用差異；二是基于數(shù)學建?；?qū)嵶C方法，分析不同領(lǐng)域或數(shù)據(jù)源的JIF的分布特征；三是利用隨機計算、數(shù)學推導等方法，對JIF與其他排名方法在不同學科的實際效果進行比較；四是JIF的變異或衍生指標及其應(yīng)用效果評估，但這些“新指標”的穩(wěn)健性和可信度檢驗仍是一個難點。

提煉研究主題的分布特點可知，JIF研究中始終貫穿著這樣兩條相互交織的線索：一方面，部分學者對JIF用于期刊質(zhì)量評價的可靠性或有效性提出質(zhì)疑，并試圖通過融入某種分析模型、數(shù)學定理或統(tǒng)計規(guī)律來構(gòu)建更具說服力的新指標，如文獻[25]認為JIF僅考慮被引數(shù)量，而忽略了引證期刊的質(zhì)量及權(quán)威性等因素，提出加權(quán)影響因子（WIF）計算規(guī)則，誠然，這種新的評價方案也存在一定的局限性。另一方面，部分學者從新的視角檢驗JIF的有效性，如文獻[26]以100本經(jīng)濟學期刊為樣本，重新計算其影響因子，證實2年期和5年期的JIF都是相對穩(wěn)健的；文獻[27]采用自主抽樣法評估不同測試條件下JIF的變異性，提出JIF的點估計與區(qū)間估計建議?？傊琂IF和其他變異指標的主要區(qū)別在于算法的不同，期刊排名的量化指標與軟評價方法各有千秋，兩者的關(guān)系仍需更全面的檢驗。

5.4 研究（績效）評價

研究（績效）評價是反映組織或個人科研競爭力的常態(tài)化方式，在基金申請與資助評審、科研業(yè)績考核、機構(gòu)排名以及科研管理等方面發(fā)揮著重要作用。在過去的10余年里，研究評價的話語權(quán)已經(jīng)從軟評議（如同行評審）方法向文獻計量指標開放，在開展跨學科研究評價時，引文數(shù)據(jù)必須經(jīng)過標準化處理。從個人層面上評價科研績效是形成管理決策的重要基石，但現(xiàn)實問題是不同領(lǐng)域的研究績效如何比較？這就像評價蘋果與桔子一樣，不同的定標因素產(chǎn)生不一樣的效果[28]。一般來說，研究機構(gòu)的績效評估一般有兩種路徑：單個科學家的表現(xiàn)（個人層面）和機構(gòu)內(nèi)學科領(lǐng)域的整體性表現(xiàn)，而絕大部分的評估對象又都具有多學科特點，不同的評價指標一般會產(chǎn)生差異化的排名結(jié)果，因此，不同領(lǐng)域的科學家研究績效評價方法的有效整合是一個難點，需要特別注意方法論的選擇問題[29]。

研究評價的切入點主要有：研究績效的影響因素、個案研究、基于不同數(shù)據(jù)源的研究績效比較、評價指標的改進及其效果驗證。研究方法包括引文分析、聚類分析、數(shù)據(jù)包絡(luò)分析（DEA）模型、高被引論文（HCAs）、H-指數(shù)及其變異指標、專家小組、被引頻次標準化以及分式引用計數(shù)等，其中，討論的熱點是計數(shù)指標的歸一化。但也有學者提出質(zhì)疑，如文獻[30]研究表明：平均歸一化引用計數(shù)（MNCS）以及其他的與大小無關(guān)的指標不是評估研究績效的最佳選擇，科學社區(qū)的排名要注重研究效率。在效率指標（投入產(chǎn)出）的方法選擇上常遇到的問題是找不到有效測量投入數(shù)據(jù)的指標，文獻[31]提出“分式科學實力”（FSS）指標，并通過大學排名的實證研究很好地佐證了該指標的有效性。研究評價未來應(yīng)聚焦于探索更加精準的方法，有效整合質(zhì)性和定量方法，從實證、案例和實踐應(yīng)用中反思和改進評價指標的適用性和可信度。

6 結(jié)論與討論

以10年作為一個分期，通過對國際信息計量學的研究足跡與知識結(jié)構(gòu)進行分析，可以得出以下主要結(jié)論：首先，從發(fā)文總量上看，主要的研究機構(gòu)分布呈中、美、歐“三足鼎立”之態(tài)勢。美國機構(gòu)分布較廣，但入選核心機構(gòu)的數(shù)量最少；歐洲是信息計量學研究機構(gòu)最集中的地區(qū)，以比利時、荷蘭為主要代表；在入選核心機構(gòu)的中國機構(gòu)中，國立臺灣大學獨占鰲頭，穩(wěn)居國際前三甲。其次，從核心作者及合作情況來看，德國馬普學會的博恩曼是發(fā)文最多的頂級專家，比利時天主教魯汶大學的魯索緊隨其后；在合作網(wǎng)絡(luò)中，主要有兩個最為突出的“子群”，一是以羅馬第二大學的阿布拉莫和丹吉洛為核心的專家小組，二是以博恩曼和阿姆斯特丹大學的雷德斯道夫為中心的科研團隊。再次，從知識基礎(chǔ)來看，有3個知識集群對國際信息計量學產(chǎn)生較大影響，涉及的主題分別是h-指數(shù)及改進指標、引用測量及優(yōu)化機制、科學學與科學管理，其中，h-指數(shù)的提出者赫希發(fā)表的《量化個人科研產(chǎn)出的指標》一文最具影響力。最后，從研究的內(nèi)容來看，引文分析、H-指數(shù)、影響因子、研究評價（績效評估）等4大領(lǐng)域已成為國際信息計量學人最關(guān)注的學術(shù)熱點。

JOI是國際信息計量學界公認的權(quán)威期刊，它的發(fā)展足跡和主題結(jié)構(gòu)在很大程度上反映了國際信息計量學發(fā)展的整體走向和未來趨勢。限于篇幅，本文未能完全地描述、揭示和解釋全部的宏觀動態(tài)與中微觀信息，但從主要的信息點和知識鏈來看，國際信息計量學研究的“內(nèi)核”是指數(shù)（指標），而研究的“外延”邊界始終圍繞該主線在拓展。應(yīng)用是目的，指數(shù)的價值是通過科研評價體現(xiàn)出來的，正如本文所揭示的研究熱點那樣，前三個研究熱點（引文分析、h-指數(shù)、影響因子）是第四個研究熱點（研究評價）的理論基礎(chǔ)，也是方法論之源。同時，應(yīng)當看到的是，信息計量學的發(fā)展也是深受科研環(huán)境影響的，研究方法和工具也在持續(xù)創(chuàng)新。在E-science時代，在線社交媒體的興起，也在一定程度上改變著科學研究與學術(shù)交流模式，新的學術(shù)生態(tài)系統(tǒng)需要新的評價工具，Altmetrics的誕生為科研評價提供了新的視角，但也存在著諸多爭議。此處仍以前文中已引述的加菲爾德的觀點作為結(jié)束語：新的計量工具，只是文獻研究的另一個起點而已，不能指望它解決所有的問題。

參 考 文 獻

[ 1 ]吳愛芝.信息技術(shù)進步與文獻計量學發(fā)展[J].現(xiàn)代情報，2016，36（2）：32-37.

[ 2 ] John Mingers，Loet Leydesdorff. A Review of Theory and Practice in Scientometrics[J]. European Journal of Operational Research，2015，246（1）：1-19.

[ 3 ]周?；?，華薇娜.從世界頂級計量學期刊看信息計量學和科學計量學的現(xiàn)狀及發(fā)展——Journal of Informetrics和Scientometrics發(fā)文分析[J].現(xiàn)代情報，2014，34（2）：115-120.

[ 4 ]趙丹群.新世紀信息計量學研究進展評述[J].圖書情報工作，2009，53（2）：14-18，82.

[ 5 ]劉啟元，葉鷹.文獻題錄信息挖掘技術(shù)方法及其軟件SATI的實現(xiàn)——以中外圖書情報學為例[J].信息資源管理學報，2012，（1）：50-58.

[ 6 ] Nees Jan van Eck，Ludo Waltman. Software Survey：VOSviewer，A Computer Program for Bibliometric Mapping[J]. Scientometrics，2010，84（2）：523-538.

[ 7 ]陳超美.CiteSpaceⅡ：科學文獻中新趨勢與新動態(tài)的識別與可視化[J].情報學報，2009，28（3）：401-421.

[ 8 ] J. E. Hirsch. An Index to Quantify an Individuals Scientific Research Output[J]. Proceedings of the National Academy of Sciences，2005，102（46）：16569-16572.

[ 9 ] Leo Egghe. Theory and Practise of the g-index[J]. Scientometrics，2006，69（1）：131-152.

[ 10 ] Jin BiHui，Liang LiMing，Ronald Rousseau，et al. The R-and AR-indices：Complementing the H-index[J]. Chinese Science Bulletin，2007，52（6）：855-863.

[ 11 ] Eugene Garfield. Citation analysis as a Tool in Journal Evaluation[J]. Science，1972，178（4060）：471-479.

[ 12 ] Radicchia Filippo，F(xiàn)ortunatoa Santo，Castellanob Claudio. Universality of Citation Distributions：Toward an Objective Measure of Scientific Impact[J]. Proceedings of the National Academy of Sciences，2008，105（45）：17268-17272.

[ 13 ] Ludo Waltman，Nees Jan van Eck，Thed N. van Leeuwen，et al. Towards a New Crown Indicator：Some Theoretical Considerations[J]. Journal of Informetrics，2011，5（1）：37-47.

[ 14 ] Henk F. Moed. Measuring Contextual Citation Impact of Scientific Journals[J]. Journal of Informetrics，2010，4（3）：265-277.

[ 15 ] Robert K. Merton. The Matthew Effect in Science[J]. Science，1968，159（3810）：56-63.

[ 16 ] Derek J. De Solla Price. Networks of Scientific Papers[J]. Science，1965，149（3683）：510-515.

[ 17 ] Eugene Garfield. Citation Indexes for Science[J]. Science，1955，122（3159）：108-111.

[ 18 ] Clara Stegehuis，Nelly Litvak，Ludo Waltman. Predicting the Long-term Citation Impact of Recent Publications[J]. Journal of Informetrics，2015，9（3）：642-657.

[ 19 ] Yoo Kyung Jeong，Min Song，Ying Ding. Content-based Author Co-citation Analysis[J]. Journal of Informetrics，2014，8（1）：197-211.

[ 20 ] Ha Jin Kim，Yoo Kyung Jeong，Min Song. Content-and Proximity-based Author Co-citation Analysis Using Citation Sentences[J]. Journal of Informetrics，2016，10（4）：954-966.

[ 21 ] Lutz Bornmann，Ruediger Mutz，Sven E. Hug，et al. A Multilevel Meta-analysis of Studies Reporting Correlations Between the h Index and 37 Different h Index Variants[J]. Journal of Informetrics，2011，5（3）：346-359.

[ 22 ] Lutz Bornmann，Werner Marx. Hist Cite Analysis of Papers Constituting the h Index Research Front[J]. Journal of Informetrics，2012，6（2）：285-288.

[ 23 ] Quentin L. Burrell. The h-index：A case of the Tail Wagging the Dog？[J]. Journal of Informetrics，2013，7（4）：774-783.

[ 24 ] Riccardo Mannella，Paolo Rossi. On the Time Dependence of the H-index[J]. Journal of Informetrics，2013，7（1）：176-182.

[ 25 ] Farrokh Habibzadeh，Mahboobeh Yadollahie. Journal Weighted Impact Factor：A Proposal[J]. Journal of Informetrics，2008，2（2）：164-172.

[ 26 ] Christian Seiler，Klaus Wohlrabe. How Robust are Journal Rankings Based on the Impact Factor？ Evidence from the Economic Sciences[J]. Journal of Informetrics，2014，8（4）：904-911.

[ 27 ] Kuan-Ming Chen，Tsung-Hau Jen，Margaret Wu. Estimating the Accuracies of Journal Impact Factor Through Bootstrap[J]. Journal of Informetrics，2014，8（1）：181-196.

[ 28 ] Giovanni Abramo，Tindaro Cicero，Ciriaco Andrea DAngelo. Individual Research Performance：A Proposal for Comparing Apples to Oranges[J]. Journal of Informetrics，2013，7（2）：528-539.

[ 29 ]Giovanni Abramo，Ciriaco Andrea DAngelo. Evaluating University Research：Same Performance Indicator，Different Rankings[J]. Journal of Informetrics，2015，9（3）：514-525.

[ 30 ] Giovanni Abramo，Ciriaco Andrea DAngelo. A Farewell to the MNCS and Like Size-independent Indicators[J]. Journal of Informetrics，2016，10（2）：646-651.

[ 31 ] Giovanni Abramo，Ciriaco Andrea DAngelo. A Comparison of University Performance Scores and Ranks by MNCS and FSS[J]. Journal of Informetrics，2016，10（4）：889-901.

（本文責任編輯：孫國雷）