基于定性比較分析的科技論文標(biāo)題黏性策略

羅巍

摘 要：標(biāo)題是科技論文知識(shí)檢索及發(fā)揮影響的首要渠道，圍繞“如何讓科技論文標(biāo)題有黏性”，參考SUCCESs模型，對(duì)科技論文標(biāo)題黏性進(jìn)行定性比較分析。研究發(fā)現(xiàn)單一條件變量并不形成黏性，通過(guò)多因素組合分析，總結(jié)標(biāo)題黏性5種實(shí)現(xiàn)路徑。進(jìn)而，從選題、擬題、定題方面提出建議。

關(guān)鍵詞：科技論文;標(biāo)題;黏性;定性比較分析;布爾數(shù)學(xué)

中圖分類(lèi)號(hào)：G20? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1671-0037（2019）8-87-6

DOI：10.19345/j.cxkj.1671-0037.2019.08.013

1 引言

科技論文作為科研成果的體現(xiàn)，是學(xué)術(shù)交流、知識(shí)傳播、創(chuàng)新擴(kuò)散重要的表達(dá)載體。過(guò)去幾十年，科研成果以9年翻1倍的速度增長(zhǎng)，每20秒就有1篇學(xué)術(shù)論文發(fā)表[1]。如何在海量論文中提升影響力一直是科研工作者所追求的。

學(xué)者們使用知識(shí)圖譜、學(xué)術(shù)跡、Altmetrics評(píng)分、F1000 評(píng)分、Comment等方法[2-4]，對(duì)高影響力論文的文獻(xiàn)類(lèi)型、單位機(jī)構(gòu)、地區(qū)分布、年代跨度、主題分布、期刊來(lái)源等進(jìn)行描述統(tǒng)計(jì)，并從國(guó)別遷移、跨學(xué)科特征、群體屬性、媒介偏好等視角[5-9]，對(duì)其影響力來(lái)源進(jìn)行分析[10]，以期發(fā)現(xiàn)學(xué)科理論開(kāi)發(fā)與理論探索的規(guī)律路徑[11]。

Mabe針對(duì)5000多名科技論文讀者調(diào)研發(fā)現(xiàn)：人們年平均閱讀97篇論文、204篇摘要和1142個(gè)標(biāo)題[12]。作為論文的重要信息凝練，標(biāo)題既是網(wǎng)絡(luò)時(shí)代知識(shí)檢索的首要目標(biāo)，又是論文發(fā)揮影響力的首要渠道[13]。讀題風(fēng)尚盛行的速讀時(shí)代，如何抓住讀者眼球并快速形成印象值得思考。

Heath認(rèn)為如果改變信息表達(dá)結(jié)構(gòu)使之對(duì)接受者產(chǎn)生印象，就會(huì)帶來(lái)意外結(jié)果，并將這“令思想難忘的藝術(shù)”（Art of Making Ideas Unforgettable）稱為“黏性”（Stickiness），進(jìn)而提出黏性的“SUCCESs”分析框架：簡(jiǎn)單性（Simplicity）、意外性（Unexpectedness）、具體性（Concreteness）、可信性（Credibility）、情感性（Emotions）、故事性（Stories）[14]。黏性反映了信息對(duì)接受者產(chǎn)生的影響力，Szulanski認(rèn)為黏性與信息特質(zhì)、發(fā)送方、受眾、轉(zhuǎn)移環(huán)境有關(guān)[15]，Simonin認(rèn)為信息的內(nèi)隱性、復(fù)雜性、受眾經(jīng)驗(yàn)、轉(zhuǎn)移各方文化距離也會(huì)影響?zhàn)ば訹16]。學(xué)者們?yōu)轲ば蕴峁┐笾路治隹蚣?，但缺少?duì)各要素內(nèi)在關(guān)系表述及各自貢獻(xiàn)程度的考量。

傳統(tǒng)定量研究是“確定因變量和自變量，進(jìn)而驗(yàn)證自變量對(duì)因變量顯著性”，而傳統(tǒng)定性研究是“對(duì)案例描述進(jìn)而形成規(guī)律總結(jié)”。與傳統(tǒng)以自變量及其影響為導(dǎo)向的回歸分析不同，定性比較分析（Qualitative Comparative Analysis，簡(jiǎn)稱QCA）融合定性和定量研究各自優(yōu)勢(shì)，以條件組合為分析對(duì)象，基于布爾數(shù)學(xué)原理，通過(guò)集合間隸屬關(guān)系分析，挖掘多案例普遍特征[17-18]，關(guān)注結(jié)果變量和條件變量間非對(duì)稱關(guān)系，認(rèn)為結(jié)果有多條原因路徑[19]。

為此，本文圍繞“如何讓科技論文標(biāo)題有黏性”這一主題，使用定性比較分析方法（QCA），挖掘論文標(biāo)題黏性的影響因素，探索提升科技論文標(biāo)題黏性的多重策略組合。

2 研究設(shè)計(jì)

2.1 分析策略——清晰集定性比較分析（CS-QCA）

QCA應(yīng)用時(shí)有清晰集（Crisp Set）、模糊集（Fuzzy Set）和多值集（Multi Value Set）3種操作：清晰集定性分析比較（CS-QCA）主要處理二分變量;模糊集定性比較（FS-QCA）使用0～1之間模糊集得分，對(duì)結(jié)果和條件發(fā)生可能性進(jìn)行解釋;多值集定性比較（MV-QCA）則在二分法基礎(chǔ)上，對(duì)變量多分并增加其他變量信息。本研究所涉及變量都有明確賦值標(biāo)準(zhǔn)，可進(jìn)行二分變量處理，故此，選擇清晰集定性比較分析（CS-QCA）作為分析策略。

2.2 樣本來(lái)源

QCA選擇樣本并不遵循隨機(jī)抽樣原則，但須盡可能保持樣本同質(zhì)性，以增加信度和效度。鑒于學(xué)術(shù)期刊專(zhuān)業(yè)性，為形成研究聚焦及控制，選擇研究團(tuán)隊(duì)所熟知的管理學(xué)領(lǐng)域國(guó)內(nèi)頂級(jí)期刊《管理世界》作為樣本集來(lái)源。

考慮同一文章發(fā)表越久，累計(jì)下載量及引用率越大，為剔除時(shí)間影響，兼顧廣泛性、代表性及時(shí)效性，選取該期刊2018年1～3期共40篇論文（不包括短論）為樣本來(lái)源。

2.3 變量解釋

2.3.1 結(jié)果變量：黏性強(qiáng)度。自Garfield開(kāi)創(chuàng)引文索引理論以來(lái)[21]，被引率常被作為學(xué)術(shù)影響力重要評(píng)價(jià)指標(biāo)。然而，論文從發(fā)表到被引存在時(shí)滯（尤其高質(zhì)量期刊發(fā)表周期更長(zhǎng)），弱化了被引率對(duì)論文現(xiàn)實(shí)影響力反映。同時(shí)，出于人情而自引或互引、為迎合發(fā)表刻意引用等，使得被引率無(wú)法自動(dòng)識(shí)別引用動(dòng)機(jī)、性質(zhì)及功能[22]，甚至導(dǎo)致引用后異化及“量引背離”現(xiàn)象[23]。

下載率作為論文學(xué)術(shù)影響力另一評(píng)價(jià)標(biāo)準(zhǔn)，受閱讀者下載動(dòng)機(jī)、認(rèn)知能力、人格情緒、信息需求等影響，并與被閱讀次數(shù)對(duì)應(yīng)，可第一時(shí)間反映論文受關(guān)注程度、被擴(kuò)散及使用價(jià)值（不一定被引用，可能是增加閱讀、開(kāi)闊視野）。本研究更關(guān)注標(biāo)題對(duì)閱讀者吸引力及對(duì)讀者偏好模式把握，而非閱讀后可用性評(píng)價(jià)，故此，選取“下載量”而非“引用率”作為黏性強(qiáng)度測(cè)量及賦值依據(jù)。

2.3.2 條件變量。使用Heath的黏性“SUCCESs”分析框架，對(duì)條件變量?jī)?nèi)在機(jī)理說(shuō)明如下。

簡(jiǎn)單性——通過(guò)建構(gòu)邏輯簡(jiǎn)單性和語(yǔ)言表達(dá)簡(jiǎn)單性，剔除冗余、精煉核心信息，以減少“知識(shí)詛咒”（The Curse of Knowledge）和理解成本，并讓讀者感受簡(jiǎn)潔美。

意外性——通過(guò)對(duì)受眾期望整合，打破其預(yù)測(cè)模型及思維定式，激發(fā)好奇、吸引注意。具體性——通過(guò)具體事例代替抽象概念，幫助受眾通過(guò)現(xiàn)有知識(shí)、感官等模塊，搭建更高抽象內(nèi)涵?？尚判浴湃伪灰暈槌镔|(zhì)資本、人力資本之外決定經(jīng)濟(jì)和社會(huì)進(jìn)步的主要社會(huì)資本，信息不對(duì)稱及受眾認(rèn)知能力有限性，往往須借助真實(shí)信任證據(jù)預(yù)測(cè)信任關(guān)系。情感性——受眾在接收新信息時(shí)，理性常處于休眠狀態(tài)，通過(guò)賦予信息“人格化”屬性，使信息與受眾感情、認(rèn)知、行為關(guān)聯(lián)，喚起受眾情感需求，構(gòu)建情感認(rèn)同。故事性——通過(guò)敘事加工構(gòu)建受眾心理情境，幫助其理解、體會(huì)、評(píng)價(jià)并處理感情[24]。進(jìn)而，對(duì)各條件變量設(shè)定及賦值進(jìn)行說(shuō)明（表1）。

2.4 數(shù)據(jù)獲取

結(jié)果變量數(shù)據(jù)獲取時(shí)，根據(jù)“較少論文產(chǎn)生較多影響”的帕累托法則（二八規(guī)律）[25]，將40個(gè)樣本標(biāo)題按下載量降序排列，取排名前20%樣本認(rèn)定為“高黏性”，賦值為“1”，剩下的80%標(biāo)題認(rèn)定為“低黏性”，賦值為“0”。

條件變量數(shù)據(jù)獲取時(shí)，組建1名教授、2名副教授、3名博士研究生、5名碩士研究生涵蓋“老中青”三代共11人的科研讀者團(tuán)隊(duì)，依次按“簡(jiǎn)單性”“意外性”“具體性”“可信性”“情感性”“故事性”等變量賦值要求，對(duì)40個(gè)樣本集體賦值評(píng)價(jià)?？紤]讀者多層次性，并未按職稱或?qū)W歷賦予不同表決權(quán)重，而是采取“超半數(shù)為準(zhǔn)”少數(shù)服從多數(shù)原則進(jìn)行打分。

2.5 真值表建立

變量賦值后，對(duì)樣本進(jìn)行編碼匯總，形成解釋變量和結(jié)果變量全部數(shù)據(jù)組合，即真值表（如表2所示）。

3 分析結(jié)果

3.1 單因素必要性分析

QCA采用“一致性”指標(biāo)衡量結(jié)果變量需要某一條件變量存在的程度，若X為Y的必要條件，則Y集合是X集合的子集，即：

[ConsistencyYiXi=minXi，Yi/YI]

（1）

Skaaning提出吻合度達(dá)到0.9是條件變量形成結(jié)果的必要條件標(biāo)準(zhǔn)[26]，當(dāng)一致性得到滿足以后，進(jìn)一步通過(guò)覆蓋率指標(biāo)分析X對(duì)Y的解釋力。

使用QCA軟件進(jìn)行單因素必要性分析發(fā)現(xiàn)：6個(gè)條件變量各自必要一致性均小于0.9，單一條件變量無(wú)法構(gòu)成標(biāo)題黏性來(lái)源，即標(biāo)題黏性形成是多種要素共同作用的結(jié)果（表3）。

3.2 多因素組合分析

由于單一條件變量不足以構(gòu)成結(jié)果變量出現(xiàn)，進(jìn)而實(shí)施多因素組合分析。

設(shè)定最小案例閾值為“1”，刪除不能解釋任何一次黏性結(jié)果出現(xiàn)的因素組合，設(shè)定吻合度閾值為“0.75”。多因素組合求解時(shí)有復(fù)雜解（Complex Solution）、吝嗇解（Parsimonious Solution）和中間解（Intermediate Solution）三種方案：復(fù)雜解是完全按變量設(shè)置而出現(xiàn)的結(jié)果，可以排除幾乎所有反事實(shí)組合。

選擇復(fù)雜解算法，形成多因素組合分析結(jié)果（表4）。

得到5種不同條件組合，總體覆蓋率（Solution Coverage）和總體一致性（Solution Consistency）均為1.0，表示對(duì)結(jié)果有很強(qiáng)的解釋力，也代表形成標(biāo)題黏性的5種路徑。

進(jìn)而，根據(jù)布爾邏輯運(yùn)算對(duì)結(jié)果簡(jiǎn)化合并，得到形成標(biāo)題黏性的5種路徑文字表達(dá)式。

標(biāo)題黏性=簡(jiǎn)單性*意外性*具體性*可信性*故事性+簡(jiǎn)單性*意外性+意外性*故事性+具體性*可信性*故事性+簡(jiǎn)單性*具體性*可信性*情感性。

3.3 路徑組合邏輯解釋

3.3.1 路徑一：簡(jiǎn)單性*意外性*具體性*可信性*故事性。該路徑原生覆蓋率（Raw Coverage）和唯一覆蓋率（Unique Coverage）均為0.5，在5條路徑中分值最大，表示該路徑相對(duì)其他路徑更易產(chǎn)生黏性。值得一提的是，該路徑涵蓋了Heath的“SUCCESs”模型中除“情感性”外的5個(gè)要素，也反映了學(xué)術(shù)論文與文學(xué)作品（對(duì)情感性追求）不同，更側(cè)重對(duì)客觀理性的追求。

例如，標(biāo)題《通才還是專(zhuān)才：CEO的能力結(jié)構(gòu)和公司創(chuàng)新》（案例25），下載量在40個(gè)樣本中排名第1。主標(biāo)題開(kāi)門(mén)見(jiàn)山，簡(jiǎn)單明了提出“公司領(lǐng)導(dǎo)者到底讓通才擔(dān)任還是專(zhuān)才擔(dān)任”這一個(gè)仁者見(jiàn)仁智者見(jiàn)智的問(wèn)題，喚起讀者參與式思考。進(jìn)而，副標(biāo)題緊跟其后，提出“CEO的能力結(jié)構(gòu)和公司創(chuàng)新”，這兩個(gè)組織是進(jìn)行頂層設(shè)計(jì)時(shí)的重要難題，既指出“公司創(chuàng)新”這一研究視角，又指出“能力結(jié)構(gòu)到創(chuàng)新的生成路經(jīng)”這一研究?jī)?nèi)容，充滿故事性，激起讀者閱讀欲望。

3.3.2 路徑二：簡(jiǎn)單性*意外性。該路徑含義是當(dāng)論文標(biāo)題同時(shí)滿足簡(jiǎn)單性和意外性時(shí)會(huì)產(chǎn)生黏性，可對(duì)讀者產(chǎn)生印象并激發(fā)閱讀欲望。與路徑一相比，該路徑僅保留“SUCCESs”模型的2個(gè)條件變量，再次說(shuō)明QCA的研究?jī)r(jià)值——提供的不是唯一對(duì)策路徑，而是多重方案組合。

例如，標(biāo)題《城市級(jí)別、全要素生產(chǎn)率和資源錯(cuò)配》（案例31），使用當(dāng)下不少論文常用“變量關(guān)系簡(jiǎn)單表達(dá)式為標(biāo)題”的方法，簡(jiǎn)單明了。同時(shí)，聯(lián)系我國(guó)當(dāng)前多級(jí)財(cái)政體制下，高級(jí)別城市所享有的資源配置便利，選擇“城市級(jí)別”這一獨(dú)特視角分析城市生產(chǎn)率和資源配置問(wèn)題，吸引讀者形成新思考。

3.3.3 路徑三：意外性*故事性。該路徑含義是當(dāng)論文標(biāo)題同時(shí)滿足意外性和故事性時(shí)也會(huì)產(chǎn)生黏性。根據(jù)一般經(jīng)驗(yàn)，意外性也同時(shí)更能促進(jìn)故事性形成。

例如，《開(kāi)放式創(chuàng)新網(wǎng)絡(luò)中的價(jià)值獨(dú)占機(jī)制——打開(kāi)“開(kāi)放性”和“與狼共舞”悖論》（案例26），雖然標(biāo)題字?jǐn)?shù)較多，但副標(biāo)題在主標(biāo)題基礎(chǔ)上提出“‘開(kāi)放性和‘與狼共舞悖論”，反映了競(jìng)合關(guān)系中弱小者“既要與強(qiáng)者合作又擔(dān)心被打壓”的矛盾，吸引讀者形成“如何通過(guò)創(chuàng)新網(wǎng)絡(luò)中價(jià)值獨(dú)占機(jī)制保護(hù)弱小者利益”的思考。

3.3.4 路徑四：具體性*可信性*故事性。該路徑含義是當(dāng)論文標(biāo)題同時(shí)滿足具體性、可信性和故事性時(shí)會(huì)產(chǎn)生黏性。

例如，《資本市場(chǎng)開(kāi)放能提高股價(jià)信息含量嗎？——基于“滬港通”效應(yīng)的實(shí)證檢驗(yàn)》（案例14），雖然從字?jǐn)?shù)上看標(biāo)題不具備簡(jiǎn)單性要求，但主標(biāo)題開(kāi)門(mén)見(jiàn)山拋出問(wèn)題，引人思考;進(jìn)而，副標(biāo)題具體地指出案例對(duì)象（“滬港通”效應(yīng)）、研究方法（實(shí)證檢驗(yàn)）等內(nèi)容，讓讀者形成對(duì)“我國(guó)股市典型‘政策市特征”“資本市場(chǎng)開(kāi)放經(jīng)濟(jì)后果”等問(wèn)題的聯(lián)想。

3.3.5 路徑五：簡(jiǎn)單性*具體性*可信性*情感性。該路徑含義是當(dāng)論文標(biāo)題同時(shí)滿足簡(jiǎn)單性、具體性、可信性和情感性時(shí)也會(huì)產(chǎn)生黏性。5條路徑中，簡(jiǎn)單性、意外性、具體性、可信性、故事性分布出現(xiàn)的次數(shù)均為3次，而只有在此路徑才會(huì)出現(xiàn)情感性。

例如，《領(lǐng)導(dǎo)非權(quán)變懲罰行為對(duì)員工組織認(rèn)同影響的實(shí)證研究》（案例11），標(biāo)題也是采取“變量關(guān)系簡(jiǎn)單表達(dá)式”，并很具體指出研究?jī)?nèi)容及方法，具有較好可信性。進(jìn)一步對(duì)樣本原始測(cè)量數(shù)據(jù)分析，發(fā)現(xiàn)該題目在進(jìn)行條件變量賦值時(shí)，針對(duì)“情感性”要素，11位測(cè)評(píng)小組成員中1名教授、1名副教授、1名博士研究生共3人并不認(rèn)為題目有“情感性”，而剩下的1位年輕副教授、2名博士研究生（其中1名有短暫工作經(jīng)驗(yàn)）和5名即將畢業(yè)的碩士研究生共8人認(rèn)為題目具有“情感性”，一定程度也說(shuō)明標(biāo)題信息如能更結(jié)合讀者自身境遇，才能更好引起共鳴。

4 研究總結(jié)

圍繞“如何讓科技論文標(biāo)題有黏性”這一主題，采取定性比較分析方法（QCA），參考Heath的黏性“SUCCESs”分析框架，從簡(jiǎn)單性、意外性、具體性、可信性、情感性、故事性等六方面對(duì)科技論文標(biāo)題黏性來(lái)源進(jìn)行探索。

通過(guò)單因素必要性分析發(fā)現(xiàn)：6個(gè)條件變量各自必要一致性均小于0.9，即標(biāo)題黏性形成是多種要素共同作用結(jié)果。通過(guò)多因素組合分析，形成提升科技論文標(biāo)題黏性的5種路徑：①簡(jiǎn)單性*意外性*具體性*可信性*故事性;②簡(jiǎn)單性*意外性;③意外性*故事性;④具體性*可信性*故事性;⑤簡(jiǎn)單性*具體性*可信性*情感性。

根據(jù)分析結(jié)果，形成提升科技論文標(biāo)題黏性的若干對(duì)策建議：①論文選題階段，應(yīng)充分了解研究現(xiàn)狀及趨勢(shì)，明確理論價(jià)值及實(shí)踐意義，結(jié)合自身積累及專(zhuān)長(zhǎng)，預(yù)判研究可行性，做到“有所為有所不為”，形成對(duì)“可信性”的把握;②論文擬題階段，應(yīng)界定研究問(wèn)題，明確研究對(duì)象、內(nèi)容、視角及方法，形成對(duì)“具體性”的把握，遵循學(xué)術(shù)語(yǔ)言科學(xué)性、理論性、規(guī)范性要求，篩除冗余，力求簡(jiǎn)潔，形成對(duì)“簡(jiǎn)單性”的把握;③論文定題階段，進(jìn)一步對(duì)研究創(chuàng)新及特色提煉，構(gòu)思新穎性的標(biāo)題，力爭(zhēng)“脫穎而出”，形成對(duì)“故事性”“意外性”的把握，并分析擬投刊物風(fēng)格及選題偏好，選擇合適的黏性策略路徑。

研究表明，Heath的黏性“SUCCESs”分析框架在本研究具有適用性，研究結(jié)論也與任海英“主題詞組合新穎性和高常規(guī)性有助提升論文影響力”的觀點(diǎn)互為佐證[27]。然而，鑒于學(xué)術(shù)期刊的專(zhuān)業(yè)性，為形成聚焦及控制，樣本局限于研究團(tuán)隊(duì)熟悉的管理學(xué)領(lǐng)域，未來(lái)有必要向其他學(xué)科領(lǐng)域進(jìn)行比對(duì)分析。數(shù)據(jù)獲取局限于中國(guó)知網(wǎng)在線期刊，未來(lái)有必要從多類(lèi)型開(kāi)放平臺(tái)（微博、微信、數(shù)據(jù)集和源代碼）及多語(yǔ)言環(huán)境（外文期刊）獲取數(shù)據(jù)，形成更為深入的分析。同時(shí)，還可考慮論文被推送、標(biāo)注、推薦、博客提及等多指標(biāo)，將單純的學(xué)術(shù)影響力分析向社會(huì)影響力分析進(jìn)行拓展。

參考文獻(xiàn)：

[1] 索傳軍，蓋雙雙.基于引文的論文質(zhì)量與影響力探析[J].情報(bào)理論與實(shí)踐，2018（5）：15-19.

[2] 陳小清，劉麗，邢美園.單篇論著影響力評(píng)價(jià)指標(biāo)比較分析：學(xué)術(shù)跡與Altmetrics評(píng)分、F1000評(píng)分、Comment的比較[J].情報(bào)理論與實(shí)踐，2017（3）：114-118.

[3] Bornmann L. What Do Altmetrics Counts Mean？ A Plea for Content Analyses[J].Journal of the Association for Information Science and Technology， 2016（4）：1016-1017.

[4] 匡登輝.高被引論文的論文級(jí)計(jì)量分析[J].情報(bào)雜志，2016（5）：149-154.

[5] 李根.TOP 10研究前沿中高被引學(xué)術(shù)論文特征分析及啟示：基于ESI數(shù)據(jù)庫(kù)[J]. 編輯學(xué)報(bào)，2018（2）：178-181.

[6] 鄧僑僑，王琪，劉念才.國(guó)別遷移：高被引科學(xué)家美國(guó)集聚的特征與原因分析[J].清華大學(xué)教育研究，，2014（2）：51-59.

[7] 王志楠，汪雪鋒，黃穎.高被引學(xué)者論文跨學(xué)科特征分析：以經(jīng)濟(jì)與商業(yè)領(lǐng)域?yàn)槔齕J].科學(xué)學(xué)研究，2016（6）：807-813.

[8] 黎苑楚，徐春燕，程斌.我國(guó)高被引作者群體屬性研究：基于中國(guó)引文數(shù)據(jù)庫(kù)統(tǒng)計(jì)分析[J].科技進(jìn)步與對(duì)策，2015（5）：150-155.

[9] MartinM A，OrdunaM E， Harzing A W. Can We Use Google Scholar to Identify Highly-Cited Documents？[J]. Journal of Informetrics， 2017（1）：152-163.

[10] 張俊瑞，薛曉琳，余思佳.會(huì)計(jì)領(lǐng)域“高被引論文”的學(xué)術(shù)特征與創(chuàng)新思想：回顧與借鑒[J].會(huì)計(jì)研究，2018（1）：32-38.

[11] 曹祖毅，譚力文，賈慧英.中國(guó)管理研究道路選擇：康莊大道，羊腸小道，還是求真之道？：基于2009～2014年中文管理學(xué)期刊的實(shí)證研究與反思[J].管理世界，2017（3）：159-169.

[12] Mabe M A， Amin M. Dr Jekyll and Dr Hyde： Author-Reader Asymmetries in Scholarly Publishing[J].Aslib Proceedings， 2002（54）：149-157.

[13] 石慶玲，郭峰. 檢索優(yōu)勢(shì)、論文標(biāo)題與互聯(lián)網(wǎng)時(shí)代的論文影響力：來(lái)自中國(guó)經(jīng)濟(jì)學(xué)權(quán)威期刊的證據(jù)[J]. 世界經(jīng)濟(jì)文匯，2017（1）：99-120.

[14] Heath C， Heath D. Made to Stick： Why Some Ideas Survive and Others Die[M]. New York： Random House，2007.

[15] Szulanski G. Exploring Internal Stickiness： Impediments to the Transfer of Best Practice within the Firm[J]. Strategic Management Journal， 2015（S2）：27-43.

[16]Simonin B L.Ambiguity and the Process of Knowledge Transfer in Strategic Alliances[J].Strategic Management Journal，2015（7）：595-623.

[17] Ragin C C.The Comparative Method：Moving Beyond Qualitative and Quantitative Strategies[M].Berkeley： University of California Press，1987.

[18] Wagemann C，Schneider C Q.Qualitative Comparative Analysis （QCA） and Fuzzy-Sets： Agenda for a Research Approach and a Data Analysis Technique[J].Comparative Sociology， 2010（3）：376-396.

[19] 杜運(yùn)周，賈良定.組態(tài)視角與定性比較分析（QCA）：管理學(xué)研究的一條新道路[J].管理世界，2017（6）：155-167.

[20] 潘昆峰，孫怡帆，何章立.中文頂級(jí)教育類(lèi)期刊的論文偏好模式與期刊影響力：來(lái)自2015年18家教育類(lèi)中文核心期刊論文的證據(jù)[J].中國(guó)高教研究，2016（4）：30-38.

[21] Garfield E.Citation Analysis as a Tool in Journal Evaluation Journals can be Ranked by Frequency and Impact of Citations for Science Policy Studies[J].Science，1972（4060）：471-479.

[22] 章娟，段志光，于琦.論文影響力與變異視角的科學(xué)家學(xué)術(shù)影響研究[J].科學(xué)學(xué)研究，2017（5）：39-43.

[23] 索傳軍，蓋雙雙. 基于引文的論文質(zhì)量與影響力探析[J].情報(bào)理論與實(shí)踐，2018（5）：11-15.

[24] Escalas J E.Narrative Processing： Building Consumer Connections to Brands[J].Journal of Consumer Psychology， 2013（1）：168-180.

[25] 張建合.《編輯學(xué)報(bào)》高被引論文分析[J].編輯學(xué)報(bào)，2010（6）：562-564.

[26] Skaaning S E.Assessing the Robustness of Crisp-Set and Fuzzy-Set QCA Results[J].Sociological Methods & Research， 2011（2）：391-408.

[27] 任海英，王德?tīng)I(yíng)，王菲菲.主題詞組合新穎性與論文學(xué)術(shù)影響力的關(guān)系研究[J].圖書(shū)情報(bào)工作，2017（9）：87-93.

TheTitle Stickiness Strategy for Scientific PaperBased on Qualitative Comparative Analysis

Luo Wei

（Business School， Henan University， Kaifeng Henan 47500）

Abstract：The title is the primary channel for scientific paper to exert influence.Focusing on "how to make scientific paper title sticky"， this paperadopts the qualitative comparative analysis method （QCA）， refers to the "SUCCESs" analysis framework， analyzes the sources of title stickiness. The research finds that a single factor can not constitute the source of title stickiness， through multi-factor combination analysis， it summarizes five realization paths of title stickiness for scientific paper. Furthermore， relevant countermeasures and suggestions are proposed from the stages of title selection， title formulation and title determination.

Key words：scientificpaper;title;stickiness;qualitative comparative analysis;Boolean mathematics