Altmetrics Top100論文的演進特征及影響因素分析

余波 趙蓉英

摘 要：[目的/意義]研究Altmetrics Top100論文指標的主要特征及其與傳統(tǒng)文獻計量指標的相關性，以及它們的演化情況;同時，結(jié)合Altmetrics指標和傳統(tǒng)文獻計量指標全面評價Altmetrics Top100論文的影響因素，對于發(fā)展和完善Altmetrics計量體系至關重要。[方法/過程]本研究以2016-2018年Altmetric Top100論文為樣本，對近3年的高Altmetrics指標論文的來源期刊、學科分布進行統(tǒng)計分析，并討論這些特征的動態(tài)演化情況。采用描述性統(tǒng)計、相關性分析以及回歸分析等方法綜合探討Altmetric Top100論文的影響因素。[結(jié)果/結(jié)論]研究結(jié)果表明，高Altmetrics指標論文主要來源于高影響因子期刊，其學科主要集中于醫(yī)療健康與生物科學;News、Blog、Tweets、Facebook、Mendeley是高Altmetrics分數(shù)論文的顯著影響因素，而WOS中的文獻使用指標與Altmetrics的主要指標呈顯著負相關。最后，分析這些高Altmetrics論文影響因素的原因并提出了建議。

關鍵詞：Altmetrics;特征分析;傳統(tǒng)指標;影響因素分析

DOI：10.3969/j.issn.1008-0821.2020.07.014

〔中圖分類號〕G250.252 〔文獻標識碼〕A 〔文章編號〕1008-0821（2020）07-0134-10

Analysis of Evolution Characteristics and Influencing

Factors of Altmetrics Top100 Papers

Yu Bo1，2，3 Zhao Rongying1，2，3

（1.Research Center for Chinese Science Evaluation，Wuhan University，Wuhan 430072，China;

2.Center for Studies of Information Resources，Wuhan University，Wuhan 430072，China;

3.School of Information Management，Wuhan University，Wuhan 430072，China）

Abstract：[Objective/Meaning]This paper studies the main characteristics of Altmetrics Top100 paper indicators and their correlation with traditional literature measurement indicators，and their evolution;At the same time，the comprehensive evaluation of the influencing factors of the Altmetrics Top100 paper in combination with Altmetrics indicators and traditional bibliometric indicators is essential for the development and improvement of the Altmetrics measurement system.[Method/Process]This study used the 2016-2018 Altmetric Top100 paper as a sample to analyze the source journals and subject distribution of the high Altmetrics index papers for the past 3 years;and discussed the dynamic evolution of these features.Descriptive statistics，correlation analysis and regression analysis were used to explore the influencing factors of the Altmetric Top100 paper.[Results/Conclusions]The results of the study indicated that the high Altmetrics index papers were mainly from high impact factor journals.The subjects were mainly focused on medical health and biological sciences;news，blogs，tweets，facebook，and mendeley were significant factors in the high Altmetrics score papers，while the literature usage indicators in WOS were significantly negatively correlated with the main indicators of Altmetrics.Finally，this paper analyzed the reasons for the influencing factors of these high Altmetrics papers and made recommendations.

Key words：Altmetrics;characteristics analysis;traditional indicators;influencing factors

近年來，隨著互聯(lián)網(wǎng)技術的發(fā)展，在Web2.0技術環(huán)境.，社交網(wǎng)絡平臺得到了廣泛的應用，在這種環(huán)境.信息共享和傳播的能力普遍提升，一種新的計量指標Altmetrics應運而生[1]。Altmetrics是一種基于Web2.0環(huán)境.的科學計量學，利用互聯(lián)網(wǎng)大數(shù)據(jù)計量論文的影響力。Altmetrics通過在線社交網(wǎng)絡平臺對學術論文的提及、分享、收藏等行為來體現(xiàn)學術論文的社會影響力和學術影響力。Priem等介紹了Altmetrics基于在線工具和環(huán)境來研究學術影響力[2]。從文獻計量學到Altmetrics的發(fā)展中，Altmetrics指標得到了廣泛的關注和應用。例如：利用網(wǎng)絡在線自動分析評價科學研究對教學的影響[3]。隨后開始使用Altmetrics和社交媒體指標來分析文章的學術和社會影響[4]。Patel分析了文獻計量學、社交媒體、Altmetrics和BJGP對論文的影響[5]。

傳統(tǒng)上通常是基于文獻的引用指標來衡量科學研究的質(zhì)量和影響。然而，隨著互聯(lián)網(wǎng)和社交媒體革命的到來，產(chǎn)生了一種快速用于量化科學工作并體現(xiàn)社交媒體關注度的Altmetrics分數(shù)。Altmetrics指標是對傳統(tǒng)計量指標的補充，在實現(xiàn)評估研究影響方面具有較大的潛力。目前已在不同的領域得到了廣泛的應用。在醫(yī)學等領域，使用Altmetrics對衛(wèi)生專業(yè)教育研究的影響進行實時分析[6]。在出版物領域，使用Altmetrics指標來測量出版物影響[7]。在研究學科領域影響力方面，利用Altmetrics指標比較學科領域研究成果在國際期刊上的影響[8]。在政府數(shù)據(jù)管理方面，通過Altmetrics指標探討了聯(lián)邦統(tǒng)計數(shù)據(jù)應用于學術研究[9]。

1 相關研究

Altmetrics的優(yōu)點是及時地提供了一篇文章的在線關注及其產(chǎn)生爭論方面的影響，為作者在理解文章的影響提供了有效的途徑。另外，Altmetrics對期刊、出版商和學術機構也有很大的潛在用途。學界使用社交媒體和Altmetrics的最新技術，討論了Altmetrics的各種解釋、數(shù)據(jù)收集和方法限制以及平臺的差異[10]。Altmetrics使用來自社交媒體平臺的數(shù)據(jù)來衡量出版物和其他學術成果的影響。Altmetrics為研究人員和學者提供了跟蹤各種媒體和平臺影響力的新方法。

1.1 Altmetrics指標與傳統(tǒng)指標

1955年，Eugene Garfield博士發(fā)表了一篇革命性的科學文章，改變了衡量科學文章影響的方式。同行評審和文獻計量學是衡量學術研究對科學影響的標準方法，自2011年以來，隨著Altmetrics研究的穩(wěn)步增長，Altmetrics展開了相關術語的探討，比較了工具的功能以及對Altmetrics文獻進行了系統(tǒng)評價[11]。近年來，Altmetrics在不同領域的應用進行了廣泛的研究，對圖書館界也產(chǎn)生了影響[12]。Altmetrics被認為是評估社會影響的重要指標[13]。Altmetrics與傳統(tǒng)指標有一定的關聯(lián)，但Altmetrics可能對學術工作的衡量方式產(chǎn)生影響[14]。計算和分析微博、推特、在線參考管理（Mendeley和CiteULike）和博客與傳統(tǒng)引文計數(shù)的相關性也是研究的熱點之一[15]。另外，通過學術論文的Altmetrics指標和文獻計量指標的影響來體現(xiàn)國家間的學術影響力[16]。Altmetric評分以及Altmetrics在衡量研究影響方面的作用也在日益增長[17]。同時，Altmetrics可以捕捉社會和學術影響，超越使用文獻計量學和科學計量指標的測量，來測量社交媒體中Altmetrics所提供的社會影響、特征和潛力[18]。

1.2 Altmetrics指標與被引頻次

隨著Altmetrics指標的不斷發(fā)展，學術界和社會各界對Altmetric.com在科學領域提供的不同altmetrics指標進行了廣泛的分析和探討，特別關注了Altmetrics指標與引用次數(shù)的關系。在論文評價中，有學者認為Mendeley的讀者人數(shù)指標與Google Scholar的被引次數(shù)指標的相關程度相對較高[19];Mendeley讀者群中Altmetrics與所有醫(yī)學領域的引用計數(shù)的相關程度[20]。引用計數(shù)是衡量研究成果的重要指標，如從多學科角度對Altmetrics指標與引文進行廣泛比較[21];從Altmetrics指標和引用論文的角度研究影響引用計數(shù)的因素[22]。也有學者通過Scopus和Altmetrics數(shù)據(jù)的比較來分析科學文獻的社交媒體活動，發(fā)現(xiàn)Altmetrics可用于區(qū)分高度引用的出版物[23]。推文和引文有些相關，它們主要衡量不同類型的影響。Facebook和Twitter用戶類型的出版年份分析推文和引文之間的相關性，以探索影響相關性的因素[24]。另外，對Altmetrics指標的質(zhì)疑也展開了相關的探討，在引文的指標、讀者數(shù)量與推文質(zhì)量顯著相關的基礎上，質(zhì)疑Twitter計數(shù)用于研究評估目的;另一方面驗證Mendeley讀者計數(shù)的潛在用途[25]。

1.3 Altmetrics與底層指標

Altmetrics Score由不同的社交媒體指標、文獻管理指標、新聞指標等組成。有學者研究了這些指標和Altmetrics指標之間的關系。如Twitter和其他十大社交網(wǎng)絡的相關性來驗證Altmetrics分數(shù)[26]。使用Mendeley、F1000和Google Scholar這3種學術社交網(wǎng)絡工具中不同類型的Altmetrics計量方法評價同一組論文的社會影響力[27]。另外，有學者使用Altmetrics底層指標比較評估國家間的學術論文影響力[28];基于大規(guī)模F1000數(shù)據(jù)研究Altmetrics與論文質(zhì)量的關聯(lián)。Altmetrics應用于讀者網(wǎng)絡，Mendeley讀者數(shù)據(jù)可繪制Altmetrics讀者網(wǎng)絡[29]。也有學者利用發(fā)布、訪問、瀏覽分析Altmetrics在社會性標簽系統(tǒng)BibSonomy的作用[30]。隨著Altmetrics指標的發(fā)展，Mendeley用戶類別的日益增多，在Mendeley注冊的人員的數(shù)據(jù)可用于探討學術界內(nèi)外臨床醫(yī)學、工程與技術、社會科學、物理學和化學領域文章的不同類型用戶[31]。

1.4 Altmetrics應用于評估

學術出版物的社交網(wǎng)絡指標。從理論上講，這些新指標可用于評估，以便對出版物的影響進行早期估算或估算非傳統(tǒng)指標的影響。它們還可以用作尋求信息的輔助工具，利于數(shù)字圖書館用戶關注社交網(wǎng)絡提及的論文。Altmetrics也可衡量研究量化在社交網(wǎng)絡中的影響。它用于評估科學可以補充引文的分析。借鑒之前的引文分析辯論和網(wǎng)絡引文分析研究，討論了評估策略，包括相關性測試、內(nèi)容分析、訪談和語用分析等[32]。Altmetrics指標是目前科學計量研究中最受歡迎的研究之一。Altmetrics是否可用于評估研究質(zhì)量？隨著Altmetrics研究的廣泛應用，Altmetrics已應用于評估研究。基于Mendeley數(shù)據(jù)的Altmetrics研究衡量論文對特定社會群體的影響[33]。Altmetrics越來越受到科學計量學界的關注，因為它們可以獲取研究工作在線接收的數(shù)量和質(zhì)量，分析Altmetrics評估研究質(zhì)量是否有效[34]。另外，對研究評估的Altmetrics和信息需求分析也受到了關注，Altmetrics在文章級別提供使用數(shù)據(jù)，來分析有關研究人員的習慣和信息需求的信息來源[35]。我們認為對Altmetrics的理解和使用仍然是一個不斷發(fā)展的領域。

以上所有研究主要基于某個引文數(shù)據(jù)庫文獻指標或單個社交媒體數(shù)據(jù)指標對論文的影響力或相關性進行一定的探索，缺乏對論文影響因素的研究。基于此，本研究以近3年Altmetrics Top100論文為數(shù)據(jù)樣本，將這些論文的WOS數(shù)據(jù)庫文獻指標和社交媒體在線指標相結(jié)合來綜合研究和分析Altmetrics Top100論文的特征、演化情況以及影響因素。在本研究中，我們主要通過WOS數(shù)據(jù)庫的文獻數(shù)據(jù)和Altmetrics在線數(shù)據(jù)來探討論文影響特征和因素等，主要回答以.問題：

1）近3年Altmetrics Top100論文的特征和演化情況？

2）近3年Altmetrics Top100論文的傳統(tǒng)文獻指標與Altmetrics指標是否有一定的相關性？

3）哪些指標對Altmetrics Top100論文產(chǎn)生重要影響？

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

Altmetric.com作為一款分析評估單篇論文Altmetrics指標的工具，是目前較成熟的Altmetrics分析工具之一。從2014年起，Altmetric.com每年在其網(wǎng)站公布上一年度Altmetric分數(shù)最高的前100篇學術論文—Altmetric Top100[36]。公布的信息包含這些學術論文的Altmetrics分數(shù)、來源期刊、學科分布、作者列表、獲取方式以及Altmetric分數(shù)的不同媒體關注程度（如評論、推送、分享和轉(zhuǎn)載的次數(shù)）。本文將選取2016-2018年公布的100篇高Altmetrics指標論文為數(shù)據(jù)樣本。同時，利用這些論文的DOI在WOS數(shù)據(jù)庫.載相應的文獻數(shù)據(jù)。這些數(shù)據(jù)的采集時間為2019年1月31日。

2.2 研究方法

首先，分析了近3年Altmetric Top100論文的特征，由于Altmetric.com底層數(shù)據(jù)源不支持SCI、Scopus等任何學術引文類數(shù)據(jù)庫，因此，采用它提供的Altmetrics指標與WOS數(shù)據(jù)文獻的使用指標;然后，利用Stata軟件對Altmetrics指標和文獻數(shù)據(jù)指標進行描述統(tǒng)計、相關性分析以及多元回歸分析等方法來測度這些論文的Altmetric分數(shù)與其WOS數(shù)據(jù)庫中文獻使用指標之間的關系以及高影響力論文的影響因素，使得分析結(jié)果更加客觀準確。

2.3 被解釋變量

通過文獻分析發(fā)現(xiàn)，被引頻次（Times Cited）、使用次數(shù)（U1）、（U2）和Attention Score（As）是在一定程度上反映了論文影響的文獻指標，因此，本文選用了這4個文獻指標作為被解釋變量。

被引頻次（Times Cited）。被引頻次是指學術論文發(fā)表后被引用的次數(shù)，可客觀地說明該學術論文被使用和重視的程度，以及其在學術交流中的作用和地位。在Web of Science核心合集中，其字段用Tc表示。

使用次數(shù)（U1）、（U2）。在WOS核心數(shù)據(jù)集中的使用次數(shù)（Usage Count）。最近180天的使用次數(shù)用字段U1表示，2013年至今的使用次數(shù)用字段U2表示。近年來越來越關注對使用次數(shù)的度量和概念的討論，社交媒體多傾向于考慮使用指標來研究學術論文的影響力[37]。

Altmetric Attention Score（As）。Altmetric Attention Score是對科研論文發(fā)表后的國際關注監(jiān)測分析的結(jié)果。科研人員可密切關注、及時跟蹤自己專業(yè)的學術論文、科研成果動態(tài)和進展。

2.4 解釋變量

本文選取了2016-2018年公布的100篇高Altmetrics指標論文以及這些論文的DOI對應的WOS數(shù)據(jù)中的文獻數(shù)據(jù)為指標數(shù)據(jù)。在前人研究的基礎上[37]，經(jīng)過挑選，最終確定News、Blog、Tweets、Facebook、Google+、Mendeley為解釋變量。具體變量及度量標準如表1所示。

2.5 回歸模型設計

回歸分析是討論客觀事物之間的聯(lián)系，代表變量之間的統(tǒng)計關系。在回歸分析之前，所有變量之間的相關性需要進行分析。使用回歸分析的好處良多，具體如.：它表明自變量和因變量之間的顯著關系以及多個自變量對一個因變量的影響強度?；貧w分析更好的比較和衡量不同尺度變量之間的相互影響，如Altmetrics分數(shù)與被引頻次數(shù)量之間聯(lián)系。這些有利于幫助研究人員、數(shù)據(jù)分析人員以及數(shù)據(jù)科學家排除并估計出一組較佳的變量，用來構建預測模型。

因本文選用的所有變量都服從正態(tài)分布，因此回歸模型選擇多元線性回歸模型。另外，目前相關研究的文獻多是基于同一指標層次或不同指標層次與被引頻次或熱點主題的相關性分析[38]。但論文的影響因素是多方面的，文獻的單個指標對被引頻次的影響難免真實準確，只有結(jié)合對有代表性的文獻指標和Altmetrics指標，控制其他影響因素不變時的邊際作用做多元線性回歸分析來探測指標的真實影響作用。因此，本文擬運用多元線性回歸模型來測度2016-2018年Altmetric Top100論文的WOS數(shù)據(jù)和Altmetrics指標對Tc、U1、U2、As的影響因素，具體模型如.：

Tc=β0+β1News+β2Blog+β3Tweets+β4Facebook+β5Google+β6Mendeley+ε

U1=β0+β1News+β2Blog+β3Tweets+β4Facebook+β5Google+β6Mendeley+ε

U2=β0+β1News+β2Blog+β3Tweets+β4Facebook+β5Google+β6Mendeley+ε

As=β0+β1News+β2Blog+β3Tweets+β4Facebook+β5Google+β6Mendeley+ε

3 結(jié)果分析

2016年，Altmetric已經(jīng)跟蹤了超過1 700萬次提到的270萬種不同的研究成果。2017年，Altmetric跟蹤了超過1 850萬次提到的220萬種不同的研究成果。2018年，Altmetric跟蹤了超過2 500萬次提到的280萬份研究成果。并重點介紹了2016-2018年每年發(fā)表的前100篇最著名的學術文章，這些文字真正吸引了公眾的廣泛關注和探討。

3.1 期刊特征分布

圖1列出了2016-2018年Altmetrics Top100論文≥2篇論文的來源期刊分布情況。從圖1可以看出，3年中Altmetrics Top100論文源于Nature、Science的比例約超過25%，并且Nature在近3年中逐年.降，從2016年的18篇降到了2018年的9篇;而Science的變化是一種倒三角的趨勢，從2016年的9篇增長到2018年的11篇，但2017年.降到5篇。近3年約10%的論文源自美國醫(yī)學會期刊，即美國醫(yī)學會權威期刊（JAMA）、新英格蘭醫(yī)學期刊（NewEngland Journal of Medicine）和柳葉刀（The Lancet）。2016年排名前3的來源期刊分別為Nature（18篇）、Science（9篇）、New England Journal of Medicine（7篇）和PNAS（7篇）。2017年排名前3的來源期刊分別為Nature（16篇）、The Lancet（11篇）、British Medical Journal（6篇）。2018年排名前3的來源期刊分別為Science（11篇）、Nature（9篇）和Proceedings of the National Academy of Sciences of the United States of America（9篇）。

Nature、Science、PNAS和PLOS ONE均屬于自然科學類的綜合期刊，而JAMA、New England Journal of Medicine和The Lancet屬于醫(yī)學、生命科學類期刊。近3年來源于Nature的Altmetric Top100論文總數(shù)最多，3年共有43篇論文，這較好的說明在Nature期刊上發(fā)表的學術論文的質(zhì)量和影響力是最為顯著的。同時這也與Nature期刊獨特的新聞發(fā)布服務有密切的關系。每期論文在線發(fā)表后，Nature期刊會及時通知論文相關單位進行新聞報道，對部分成果在網(wǎng)站的“新聞與觀點”欄目進行突出介紹，并對相關熱點問題進行討論。這些新聞發(fā)布服務引起了全球媒體對相關研究成果的廣泛關注。其次是Science和The Lancet，3年發(fā)文分別為25篇和22篇。值得注意的是，這些期刊均為自然科學領域的權威期刊，均具有較高的期刊影響因子。這在一定程度上說明論文的高Altmetric分數(shù)與其來源期刊的高影響力是較為一致的。

3.2 學科特征分布

圖2統(tǒng)計了2016-2018年Altmetric Top100論文的學科分布情況。從圖2中的數(shù)據(jù)可以看出，關于醫(yī)療與健康領域的學術論文在Altmetric Top100論文中占的比重最大，幾乎每年都在50%左右，生物科學領域的論文緊隨其后，約占6%～20%;然后是人類社會研究、物理科學所占比重約為12%，心理學與可重復性研究、地球與環(huán)境科學、歷史與考古學等領域的論文占的比重都在10%以.，而信息與計算機科學和材料科學領域的論文比重最低，僅有1%～2%。這些數(shù)據(jù)較好的說明了高Altmetric指標論文主要集中在醫(yī)療和健康、生物科學領域，充分顯示了隨著人們生活水平的日益提高，大眾對醫(yī)療、健康和生物研究的關注度普遍較高。同時，從社交媒體關注熱度論文的角度而言，Altmetric分數(shù)高的論文說明各社交媒體對其高分論文的廣泛傳播，產(chǎn)生了較強的社會影響力;通過社交媒體的廣泛傳播，這些學術論文促成其他研究者對論文引用的可能，進而也提升了論文的學術影響力的可能。

從Altmetric Top100論文的研究主題來看，大眾主要關注與生活密切相關的研究成果或重大的科學研究發(fā)現(xiàn)，甚至包含一些有趣的研究前沿。如2018年關于Mortality in Puerto Rico After Hurricane Maria的論文居當年Altmetric Top100論文的第一位，2017年關于Associations of Fats and Carbohydrate Intake with Cardiovascular Disease and Mortality in 18 Countries from Five Continents（PURE）：A Prospective Cohort Study的論文居第一位，而居2016年Altmetric Top100論文首位的是美國前任總統(tǒng)Barack Obama關于United States Health Care Reform：Progress to Date and Next Steps的文章。同時也發(fā)現(xiàn)，這些研究主題隨著時間的變化，其主題也在不斷的演化。

通過對學科統(tǒng)計分析發(fā)現(xiàn)，關于醫(yī)療與健康領域的學術論文在AltmetricTop100論文中占了較大的比重，幾乎每年都在50%左右，生物科學領域的論文緊隨其后，約占6%～20%，人類社會研究、物理科學所占比重約為12%。并且研究主題最多的是醫(yī)療健康領域，隨著社交媒體的發(fā)展，人們也較多的關注環(huán)境和科技前沿感興趣的話題。

通過多元線性回歸模型分析發(fā)現(xiàn)，上述因素對論文被引頻次、使用次數(shù)U1、使用次數(shù)U2、Altmetric Attention Score（As）均有影響，對Altmetrics Top100論文影響的因素主要有News、Blog、Tweets、Facebook、Google、Mendeley對As的影響顯著;這可能與Altmetrics總分是通過各指標的加權得分有關，從一定程度上反映了這些指標因素對Altmetrics高影響力論文的影響較大。這與Shufei的研究結(jié)果一致[39]。Altmetrics分數(shù)能夠定量地反映學術論文在社交和新聞媒體上被公眾關注的程度，從而在一定程度上體現(xiàn)出學術論文的社會影響力;高Altmetrics指標論文的主要Altmetrics指標與使用指標存在一定正相關，表明高Altmetrics指標論文同時具有較高的學術影響力。

然而我們發(fā)現(xiàn)WOS中的文獻使用指標與Altmetrics的主要指標呈顯著負相關。如News、Tweets和Mendeley對Tc呈顯著負相關，這較好的表明了News、Tweets和Mendeley的數(shù)量越大，對被引次數(shù)的影響就越小。另外，News和Tweets對U2的影響也呈顯著負相關，這也說明了U2對News和Tweets的影響也是相反的。值得注意的是這些所選的文獻影響因素對U1的影響幾乎較小，通過多元回歸模型分析所體現(xiàn)的影響均不顯著。各種研究發(fā)現(xiàn)，文章的Altmetric評分與傳統(tǒng)的引文計數(shù)之間的相關性較弱且可變[40]。

本研究結(jié)論在理論和實踐方面均有一定的創(chuàng)新價值。在理論上，傳統(tǒng)的文獻指標與Altmetrics指標結(jié)合進行論文影響因素研究，發(fā)現(xiàn)Altmetrics分數(shù)與對社交媒體的主要指標有較顯著影響，而相對應文獻的WOS文獻指標與社交媒體的主要指標呈現(xiàn)顯著的負向關系，在實踐上，本文的結(jié)論也否定了近年學術界在國際上發(fā)表學術論文過于強調(diào)某一方面的因素來提高論文的影響力的現(xiàn)象，如被引頻次、期刊影響因子等[41]。

當然，由于研究數(shù)據(jù)和方法的局限，本文也存在一些不足，需要在未來的研究中進行一些探索。隨著大數(shù)據(jù)技術、人工智能、互聯(lián)網(wǎng)的蓬勃發(fā)展，社交媒體日益普及，科學知識的傳播和科技創(chuàng)新正受到更多方面的影響。因此，Altmetrics Top100論文的特征和影響因素將變得越來越復雜、多樣化、動態(tài)特征，論文影響因素的研究還需要進一步完善。這項研究我們只選擇了2016-2018年Altmetrics Top100論文進行研究，且僅選用了（2016-2018）WOS的文獻使用數(shù)據(jù)和Altmetrics的主要指標;論文數(shù)據(jù)有限，為了得出更可信的結(jié)論，后期我們將使用更大的樣本數(shù)據(jù)集，并且擴大論文的相關數(shù)據(jù)指標以及Altmetrics的相關數(shù)據(jù)指標，進一步研究這些論文的學術影響力和社會影響力的因素以及演化情況以得出更有價值的研究結(jié)果。

參考文獻

[1]Bornmann L.Do Altmetrics Point to the Broader Impact of Research？An Overview of Benefits and Disadvantages of Altmetrics[J].Journal of Informetrics，2014，8（4）：895-903.

[2]Bornmann L.Validity of Altmetrics Data for Measuring Societal Impact：A Study Using Data from Altmetric and F1000 Prime[J].Journal of Informetrics，2014，8（4）：935-950.

[3]Baheti A D，Bhargava P.Altmetrics：A Measure of Social Attention Toward Scientific Research[J].Current Problems in Diagnostic Radiology，2018，46（6）：391-392.

[4]Bornmann L.Alternative Metrics in Scientometrics：A Meta-analysis of Research Into Three Altmetrics[J].Scientometrics，2014，103（3）：1123-1144.

[5]Bornmann L，Haunschild R.Measuring Field-normalized Impact of Papers on Specific Societal Groups：An Altmetrics Study Based on Mendeley Data[J].Research Evaluation，2017，26（3）：230-241.

[6]Bornmann L，Haunschild R.Do Altmetrics Correlate with the Quality of Papers？A Large-scale Empirical Study Based on F1000 Prime Data[J].Plos One，2018，13（5）：e0197133.

[7]Bornmann L，Haunschild R.Overlay Maps Based on Mendeley Data：The Use of Altmetrics for Readership Networks[J].Journal of The Association for Information Science and Technology，2016，67（12）：3064-3072.

[8]Borrego A.Altmetrics for the Research Evaluation and the Analysis of the Needs of Information[J].Profesional Dela Informacion，2014，23（4）：352-357.

[9]Cho J.A Comparative Study of the Impact of Korean Research Articles in Four Academic Fields Using Altmetrics[J].Performance Measurement and Metrics，2017，18（1）：38-51.

[10]Cress P E.Using Altmetrics and Social Media to Supplement Impact Factor：Maximizing Your Articles Academic and Societal Impact[J].Aesthetic Surgery Journal，2014，34（7）：1123-1126.

[11]Costas R，Zahedi Z，Wouters P.Do“Altmetrics”Correlate with Citations？Extensive Comparison of Altmetric Indicators with Citations from a Multidisciplinary Perspective[J].Journal of the Association for Information Science and Technology，2015，66（10）：2003-2019.

[12]Cress P E.Using Altmetrics and Social Media to Supplement Impact Factor：Maximizing Your Articles Academic and Societal Impact[J].Aesthetic Surgery Journal，2014，34（7）：1123-1126.

[13]Das T.Measuring Scholarly Use of Government Information：An Altmetrics Analysis of Federal Statistics[J].Government Information Quarterly，2015，32（3）：246-252.

[14]Dhiman A K.Bibliometrics to Altmetrics：Changing Trends in Assessing Research Impact[J].Desidoc Journal of Library & Information Technology，2015，35（4）：310-315.

[15]Erdt M，Nagarajan A，Sin S C.Altmetrics：An Analysis of the State-of-the-Art in Measuring Research Impact on Social Media[J].Scientometrics，2016，106（2）：1117-1166.

[16]Finbar Galligan，Sharon Dyas-Correia.Altmetrics：Rethinking the Way We Measure[J].Serials Review，2013，39（1）：56-61.

[17]Hauscild R，Bornmannl.How Many Scientific Papers are Mentioned in Policy Related Documents？An Empirical Investigation Using Web of Science and Altmetric Dat[J].Scientometrics，2017，110（3）：1209-1216.

[18]Huang T，Davies J，Weatherall K.Measuring Publication Impact Using Article-level Metrics（Altmetrics）[J].Current Medical Research and Opinion，2014，（30）：S16-S16.

[19]Kousha K，Thelwall.Assessing the Impact of Disciplinary Research on Teaching：An Automatic Analysis of Online Syllabuses[J].Journal of The American Society for Information Science and Technology，2008，59（13）：2060-2069.

[20]Luo F H，Sun A X，Erdt M.Exploring Prestigious Citations Sourced from Top Universities in Bibliometrics and Altmetrics：A Case Study in the Computer Science Discipline[J].Scientometrics，2018，114（1）：1-17.

[21]劉春麗，何欽成.不同類型選擇性計量指標評價論文相關性研究——基于 Mendeley、F1000和Google Scholar 3種學術社交網(wǎng)絡工具[J].情報學報，2013，32（2）：206-212.

[22]劉艷民.Altmetrics指標與傳統(tǒng)文獻計量指標相關性研究[J].情報雜志，2017，36（9）：71-77.

[23]Maggio L A，Meyer H S，Artino A R.Beyond Citation Rates：A Real-Time Impact Analysis of Health Professions Education Research Using Altmetrics[J].Academic Medicine，2017，92（10）：1449-1455.

[24]Maricato J D，Vilan J L.The Potential for Altmetrics to Measure Other Types of Impact in Scientific Production：Academic and Social Impact Dynamics in Social Media and Networks[J].Information Research-An International Electronic Journal，2018，23（1）：780.

[25]Mohammadi E，Thelwall M，Haustein S.Who Reads Research Articles？An Altmetrics Analysis of Mendeley User Categories[J].Journal of the Association for Information Science and Technology，2015，66（9）：1832-1846.

[26]Nuzzolese A G，Ciancarini P，et al.Do Altmetrics Work for Assessing Research Quality？[J].Scientometrics，2018，118（2）：539-562.

[27]Ortega J L.The Life Cycle of Altmetric Impact：A Longitudinal Study of Six Metrics from PlumX[J].Journal of Informetrics，2018，12（3）：579-589.

[28]Priem J，Groth P，Taraborelli D，et al.Altmetrics：A Manifesto[EB /OL].http：//Altmetrics.org/manifesto/，2010.

[29]Priem J，Taraborelli D，Groth P，et al.Altmetrics：A Manifesto[EB].http：//Altmetrics.org/manifesto/，2015.

[30]Priem J，Groth P，Taraborelli D.The Altmetrics Collection[J].Plos One，2012，7（11）：e48753.

[31]Patel A，Chavda J.Measuring Research Impact：Bibliometrics，Social Media，Altmetrics，and the BJGP[J].British Journal of General Practice，2016，66（642）：E59-E61.

[32]Park H，Park H W.Research Evaluation of Asian Countries Using Altmetrics：Comparing South Korea，Japan，Taiwan，Singapore，and China[J].Scientometrics，2018，117（2）：771-788.

[33]Rodriguez C T，de Araujo R F.Altmetrics and Citation Indicators Applied to Scientific Production in Science Open：Descriptive Analysis for Brazil，Spain and Portugal[J].Bibliotecas-Anales De Investigacion，2018，14（2）：124-137.

[34]Sugimoto C R，Work S，Lariviere V.Scholarly Use of Social Media and Altmetrics：A Review of the Literature[J].Journal of The Association for Information Science and Technology，2017，68（9）：2037-2062.

[35]Saeed-Ul Hassan，Imran M，Gillani U.Measuring Social Media Activity of Scientific Literature：An Exhaustive Comparison of Scopus and Novel Altmetrics Big Data[J].Scientometrics，2017，113（2）：1037-1057.

[36]Thelwall M，Haustein S，Larivière V，et al.Do Altmetrics Work？Twitter and Ten Other Social Web Services[J].Plos One，2013，8（5）：e64841.

[37]Thelwall M，Wilson P.Mendeley Readership Altmetrics for Medical Articles：An Analysis of 45 Fields[J].Journal of The Association for Information Science and Technology，2016，67（8）：1962-1972.

[38]Sud P，Thelwall M.Evaluating Altmetrics[J].Scientometrics，2014，98（2）：1131-1143.

[39]Shu F，Lou W，Haustein S.Can Twitter Increase the Visibility of Chinese Publications？[J].Scientometrics，2018，116（1）：505-519.

[40]Xia F，Su X，Wang W，et al.Bibliographic Analysis of Nature Based on Twitter and Facebook Altmetrics Data[J].Plos One，2016，11（12）：e0165997.

[41]Zoller D，Doerfel S，Jaschke R.Posted，Visited，Exported：Altmetrics in the Social Tagging System Bib Sonomy[J].Journal of Informetrics，2016，10（3）：732-749.

（責任編輯：陳 媛）