我国科技期刊的 Altmetrics指标分析与解读
李 鑫 郝冬冬
(哈尔滨工业大学(威海)图书馆 威海 264200)
摘 要： [目的/意义] 从Altmetrics视角研究我国科技期刊在社交媒体上的受关注情况、期刊Altmetrics指标的影响因素及其与传统期刊评价指标的关系，以期为合理利用Altmetrics指标评价期刊影响力提供借鉴。[方法/过程] 基于《期刊引证报告》(JCR，2017版)和Altmetric Explorer平台，以165种我国科技期刊为研究对象，探讨期刊的Altmetrics指标概况以及学科类别、国际合作水平和开源程度对期刊Altmetrics指标的影响，并通过相关性分析研究期刊Altmetrics指标与影响因子、总被引频次之间的关系。[结果/结论] Altmetric Explorer平台采集的17项Altmetrics指标数据中，期刊的Twitter提及量和覆盖率最高，News、Facebook、Blog和Google+也具有较高的提及量和覆盖率；学科类别、国际合作水平和期刊开源程度对期刊Altmetrics指标均存在影响；Altmetrics指标与传统期刊评价指标呈正的中等程度或弱相关关系；期刊中一少部分论文的高Altmetrics指标值会对期刊整体的Altmetrics指标值产生聚集作用，期刊的Altmetrics指标值并不能全面反映其中每一篇论文的影响力，现有Altmetrics指标体系应用于期刊影响力评价的适用性有待商榷。
关键词： 科技期刊；Altmetrics指标；期刊影响力；评价指标
0引 言
科技期刊是学术传播的重要组成部分。长期以来，科技期刊作为学术研究成果最重要的传播渠道，已成为衡量学术成果质量优劣的重要指标。科技期刊评价是从学术价值、影响力等多个方面对期刊进行的综合评价，是评价科学领域中的重要研究方向。目前，国际上应用最为广泛的期刊评价指标是加菲尔德于1960年提出的影响因子(JIF)，JIF是通过计算某种期刊在过去两年内发表论文的总被引频次与该期刊在这两年内发表论文总数的比值得出的。随着学界对JIF研究的深入，JIF因其在期刊评价上的时效性、全面性、可操控性等诸多方面呈现出的缺陷而逐渐被学界诟病[1]。为弥补JIF在期刊评价中暴露出的不足，学界不断提出各种新型评价指标，如：CiteScore[2]、SJR[3]、SNIP[1]、H5指数[4]等，但都无法取代JIF成为国际上通行的期刊评价指标。
随着Web 2.0时代的到来，各种网络社交媒体迅速发展，微博、Twitter、Facebook等社交平台逐渐走进大众的生活。这些社交媒体的广泛使用在科研圈也掀起了风浪，越来越多的科研人员开始使用社交媒体开展科研工作，如分享、评论学术论文、展示科研成果等，从而导致传统的期刊评价方法已不能满足需求，一种能够表征期刊在网络社交媒体上影响力的新的评价指标体系亟待提出。Altmetrics正是在这一背景下应运而生，Altmetrics将不同社交媒体的特性相结合，采用多种Altmetrics指标数据描述期刊在不同社交媒体上的受关注情况，从更加多维的角度表征期刊的社会影响力，有效弥补了传统基于引文分析的期刊评价体系的不足。目前，Altmetrics应用于影响力评价的相关研究主要集中在论文层面，针对期刊层面的研究甚少。鉴于此，本文对我国科技期刊的Altmetrics指标进行分析和解读，从Altmetrics视角研究我国科技期刊的社会影响力，主要探讨以下三个问题：
① 我国科技期刊在各种网络社交媒体上的受关注情况？
② 期刊在社交媒体上的受关注程度与哪些因素有关？
③ 期刊在社交媒体上的受关注程度与传统期刊评价指标之间存在怎样的关系？
2.2数据采集 本文采用Altmetric.com的Altmetric Explorer平台采集期刊Altmetrics指标数据，在Altmetric Explorer平台中以JCR(2017版)中205种我国科技期刊的刊名和ISSN作为检索过滤项，“PUBLICATION DATE”设置为“2014.01.01-2015.12.31”，检索时间为2019年3月11日，可获得17项Altmetrics指标，包括News mentions、Blog mentions、Policy mentions、Twitter mentions、Patent mentions、Peer review mentions、Weibo mentions、Facebook mentions、Wikipedia mentions、Google+ mentions、LinkedIn mentions、Reddit mentions、Pinterest mentions、F1000 mentions、Q&A mentions、Video mentions、Syllabi mentions。这里使用两年的检索时间段主要是因为期刊的Altmetrics数据已趋于稳定，分析得出的结果误差较小。经检索，205种中国科技期刊中有40种期刊没有Altmetrics数据，将这40种期刊剔除，以剩余165种期刊作为本文的研究样本。
1研究现状综述
Altmetrics一词最早是由Jason Priem在自己的推特上提出的，随后Priem联合Bradley M. Hemminger发布了Altmetrics宣言，Altmetrics这一术语被正式提出。Priem将Altmetrics定义为“通过学术成果在在线工具和网络环境中的活跃度来表征学术成果影响力”[5]。与传统基于引文分析的影响力评价指标体系相比，Altmetrics提供了更多维的视角对学术成果的社会影响力进行评价。此外，Altmetrics可缩短评价时滞，更加快速地评价学术成果影响力[6]。正是由于Altmetrics与传统影响力评价指标体系相比而体现出的诸多优势，Altmetrics这一术语一经提出，便在评价科学领域引起了巨大反响，掀起了研究热潮。在研究前期，学者们着重研究了Altmetrics的内涵、工具和方法等理论问题[7]。随着研究的逐渐深入，目前的研究重点主要集中在Altmetrics指标与引文指标之间的关系，Altmetrics指标的影响因素以及Altmetrics在论文、学者、机构、期刊、图书等不同类型评价客体上的应用等实践问题上[8-11]。
由于Altmetrics表征的学术成果在社交网络媒体中传播所产生的浏览数、下载数、转发数等都是论文层面的数据，因此现有关于Altmetrics的研究主要集中在论文层面。为了探究Altmetrics指标与传统引文指标的相关性、指标影响因素等问题，学者们从不同的视角展开了系统的研究。针对Altmetrics指标与引文指标之间的关系，现有研究在数据来源、指标遴选、样本总量、时间跨度、所属领域等方面各不相同，互为补充[12]。而在研究方法方面，基本均采用相似的方法，即借助SPSS统计分析软件通过Spearman、Pearson等相关性检验方法验证Altmetrics指标与引文指标的相关性。相关性检验结果呈现差异化特征，如刘俏研究发现Altmetrics领域内学术论文的Mendeley读者数与被引频次之间呈中度相关，而Altmetrics得分与被引频次之间呈弱相关[13]；刘艳民研究发现Blog、Twitter、Google+、News、Facebook这 5项Altmetrics指标与被引频次、影响因子之间存在较弱的正相关关系，其中Blog、News与被引频次的相关性较强[14]。而对于哪些因素会对Altmetrics指标产生影响，学者们主要研究了学科分布、作者国别、获取方式、研究主题等对论文Altmetrics指标数值的影响。郝若扬研究发现，具有高Altmetrics指标值的论文主要来源于高影响因子期刊，且主要集中在医疗健康与生物科学领域，论文作者主要来自于欧美发达国家，开放获取论文在高Altmetrics指标论文中的比重逐年增加[15]。刘晓娟等人发现研究主题为普通大众较易理解的或是医学类话题的论文在Twitter上获得了较高的关注度，而在Mendeley平台上受关注程度较高的论文则主要是科研人员更倾向于关注的研究性论文[16]。
缺铁性贫血主要是因患者铁含量不足以及丢失过多所致,是临床一种常见症状,该种疾病不是一种单独的唯一的症状,而是有患者体内多种疾病结合而形成的一种贫血症状,该种患者临床血液指标相比标准值较低,患者会伴有头晕、乏力、嗜睡等情况,对患者生活以及工作具有严重影响[1]。
别较大，有些指标数据值很高，如Twitter、News、Facebook等，有些则很低，像LinkedIn、Pinterest、Syllabi这3种指标的统计值均为0，说明这3种指标对于期刊影响力的评价作用甚微，因此在后续研究中将这3种指标剔除，不予分析。
通过以上对Altmetrics研究现状的概述可以看出，现有研究主要集中在学术论文层面，而期刊作为论文的发表来源，其Altmetrics指标数据是相对分散的，期刊的Altmetrics指标特征、与传统期刊评价指标的关系等问题仍处于研究起步阶段，尚未得出确切结论。为此，本文以我国科技期刊为研究对象，从Altmetrics视角研究期刊在各种网络社交媒体上的受关注情况以及学科类别、国际合作水平、开源程度等因素对期刊Altmetrics指标的影响、期刊Altmetrics指标与传统期刊评价指标的关系等问题，以期为合理利用Altmetrics指标评价期刊影响力提供借鉴。
2数据来源与采集
2.1期刊样本选取 本文通过科学信息研究所(Institute for Scientific Information，ISI)发布的2017年版《期刊引文报告》(Journal Citation Reports，JCR)选取期刊样本。具体的选取步骤为：进入Web of Science平台中的JCR界面，选择“Browse by Journal”，然后在“Select Country/Region”对话框中输入“CHINA MAINLAND”，并将“Select JCR Year”选定为“2017”，“Select Edition”选定为“SCIE”和“SSCI”，点击“Submit”，即可检索到JCR 2017年收录的205种我国科技期刊的期刊指标数据。JCR中的期刊指标主要包括总被引频次、影响因子、5年影响因子、即年指标、被引半衰期、特征因子值和论文影响值。这些指标之间并非互无关联，已有研究表明，上述7个指标之间存在较强的相关性，可被划分为两个维度，期刊影响因子、5年影响因子、即时指数和论文影响值为基于期刊影响力的指标，总被引频次、引用项目和特征影响因子为基于文献被引次数的指标[14]。本文选取影响因子和总被引频次作为JCR期刊指标的两个代表性指标，研究它们与期刊Altmetrics指标之间的关系。
为了考察此观点的可信度，笔者选取了著名女性作者祝庆英，男性译者黄源深的译本《简·爱》作为参照，以实例对比研究，探讨男性译者到底能否与女性感同身受。
在核心价值观层面对学生的素质进行考查，涉及学生灵活地运用程序性知识、元认知知识去分析解决问题的能力。这是在“必备知识、关键能力”之后，对“学科素养、核心价值”的更高追求。完成这一层面的考查就需设计出“信息、知识、思维、思想”四个维度相结合的试题。比如第23题。
在研究学科类别对期刊Altmetrics指标的影响时，本文采用OECD学科分类体系对期刊进行分类。与Nature Index、ESI和JCR等学科分类体系相比，OECD分类体系更适合进行宏观层面的分析，并细分了工程学和医学两大领域，区分度更高。根据ESI平台“帮助”功能中提供的《2012中国国务院学位委员会学科分类类别映射表》，可将期刊的JCR学科类别转化为OECD学科类别[19]。本文通过Scopus旗下的SCImago数据库检索期刊的国际合作情况，SCImago认定如果一篇论文的作者地址多于1个国家，则这篇论文为国际合作论文，一种期刊的国际合作水平则用期刊发表国际合作论文数量占论文总数的百分比来表示。在SCImago数据库中以期刊刊名和ISSN作为检索过滤项，可检索到期刊自创刊以来每年的国际合作水平，选取期刊2014年和2015年国际合作水平的平均值代表期刊的综合国际合作水平。此外，通过浏览期刊官方网站可获取每种期刊的开源情况，以研究期刊开源程度对Altmetrics指标的影响。
3期刊 Altmetrics指标概况
通过统计计算，本文所研究的165种我国科技期刊在各种社交媒体平台上的总提及量为25 015次，图1显示了165种期刊在不同社交媒体上的提及量以及各项Altmetrics指标的覆盖率，这里覆盖率的含义是165种期刊中具有非零指标数据的期刊数量占期刊总数的百分比。由图1可以看出，期刊在Twitter上的提及量最高，为18 149次，占总提及量的73%，其次是News、Facebook、Blog和Google+，提及量分别为2 114、1 867、624和513。值得注意的是，Weibo作为首个被Altmetrics采集数据的中国社交媒体，165种期刊在其平台上的累积提及量达到189，在14项Altmetrics指标中排名第9，覆盖率为12.727%，处于较低水平。但上述数据并不能真实反映Weibo对我国科技期刊的覆盖率，因为Weibo使用的语言大部分为中文，而Altmetric Explorer平台目前尚未采集中文文献的Altmetrics指标数据。从指标覆盖率角度来看，覆盖率最高的指标为Twitter，达到了96.364%，其次是Facebook、News、Google+、Wikipedia、Blog和Patent，其余指标的覆盖率均较低，在7.273%-30.909%之间。导致这些指标低覆盖率的原因主要有两点：一是期刊在这些社交媒体平台上的曝光率低，二是大众对这些平台的使用率低[20]。综合考虑各项Altmetrics指标的提及量和覆盖率，我们认为News、Blog、Twitter、Facebook和Google+ 五个指标在所有指标中具有一定的代表性，因此选取上述5项指标作为Altmetrics的典型指标进行后续的研究。
4.1学科类别对期刊 Altmetrics指标的影响 本文选用OECD学科分类体系对期刊进行分类，165种我国科技期刊被划分为5大类——自然科学类89种，工程技术类52种，医学及健康学类32种，农业科学类7种，社会科学类7种。由于一些综合性科技期刊收录的论文可能涉及多个学科领域，因此某些期刊归属于多个学科类别。不同OECD类别的期刊Altmetrics指标数据如表2所示，可以看出，医学及健康学类期刊的Altmetrics指标均值要明显高于其他类别期刊，自然科学类期刊的Altmetrics指标均值也比较高，仅低于医学及健康学类期刊，工程技术类期刊的Altmetrics指标均值相对较低。这与匡登辉和郝若扬等人的研究结果一致，他们对Altmetrics得分最高的100篇论文进行分析发现，医疗与健康领域的学术论文所占比例最大，其次是生物科学领域的论文，而工程学领域的论文比重最低[15,21]。上述结果表明，大众媒体对医学及健康学类和自然科学类期刊论文的关注度较高，而对工程技术类期刊论文的关注度较低。究其原因，大众更倾向于关注与生活息息相关、短时间内能够对生活产生影响的研究领域，类似题目中包含“医学发现”、“气候变化”等文字的医学类或环境科学类论文可迅速引起大众的关注，并引发论文在社交媒体上的广泛传播。而对于工程学领域的论文，由于其较强的专业性和理论性，其内容对于大众来说往往比较晦涩难懂，从而缺乏大众的关注和社交媒体的传播，无法产生较强的社会影响力。
表 1 165种期刊 Altmetrics指标数据(部分)
续表 1 165种期刊 Altmetrics指标数据(部分)
有关Altmetrics在期刊影响力评价上的应用研究目前仍处于起步阶段。现有研究主要是通过研究期刊的Altmetrics指标特征、与传统基于引文分析的期刊评价指标之间的关系等问题来分析期刊Altmetrics指标的内在机理、评价视角以及应用于期刊影响力评价的适用性。余以胜等研究发现图书情报学领域影响因子排名前30的期刊在Twitter上的提及量仅与特征因子间呈中等程度的显著相关关系，与总被引频次、影响因子、即年指标、引文半衰期和论文影响分值之间的相关性均较弱[17]。张洋等人分析了图书馆信息科学领域内期刊的Mendeley指标特性，发现期刊Mendeley阅读数与影响因子、即年指标呈中度相关，与期刊等级SJR呈显著相关，认为Mendeley阅读数不适宜独立应用于期刊影响力评价[18]。
会上来自中加双方养老领域的专家就木结构建筑在康养地产中的应用优势以及木结构建筑设计在养老项目上的考量做了深度解读。
图 1我国科技期刊各项 Altmetrics指标提及量及覆盖率
3.1概况分析 分析期刊Altmetrics指标的总体概况有助于了解期刊在各种社交媒体上受关注程度的分布情况。本文所研究的165种期刊Altmetrics指标数据如表1所示，由于数据过多，受篇幅所限仅展示影响因子排名前10的期刊指标数据，其中期刊名称用J1-J10代表，各项Altmetrics指标名称用其英文名称首字母或前两个字母表示，如N代表News，Po代表Policy，等等。由表1可知，期刊各项Altmetrics指标数据值差
Twitter提及量最高的10种期刊分布情况如图4所示，提及量最高的期刊为Science China -Physics Mechanics &Astronomy ，其次是CELL RESEARCH ，从篇均提及量来看，最高的为International Journal of Disaster Risk Science ，其次是Science China -Physics Mechanics &Astronomy 。可以看出，Science China -Physics Mechanics &Astronomy 的Twitter提及量和篇均提及量均较高，该期刊由中科院和国家自然科学基金委共同主办，主要发表物理学、力学和天文学领域的基础研究型和应用研究型论文。
图 2 News提及量 TOP10期刊
通过图2展示的News提及量位列TOP10的期刊指标数据可以看出，165种我国科技期刊中News提及量最高的期刊为CELL RESEARCH ，其次是Protein &Cell ，该刊的篇均提及量最高。CELL RESEARCH 是由中科院和上海生物科学研究院合作主办的Nature 出版社旗下的期刊，发表论文涵盖生命科学各相关领域，是我国生命科学领域内最好的国际化期刊。Protein &Cell 由中国高等教育出版社、北京生命科学研究院和中国生物物理学会联合主办，主要发表生物化学、细胞生物学、肿瘤学、免疫学等生物学和生物医学相关领域的论文。Blog提及量TOP10期刊分布情况如图3所示，提及量和篇均提及量最高的期刊均为Protein &Cell 。
图 3 Blog提及量 TOP10期刊
3.2不同 Altmetrics指标分析 分析期刊在不同社交媒体上的受关注程度，有利于了解期刊在各种媒体平台上的影响力分布情况，有助于期刊有针对性地提高其在不同社交媒体上的影响力。
图 4 Twitter提及量 TOP10期刊
Facebook提及量排名前10的期刊如图5所示，排在第一的为CELL RESEARCH ，其次是Nano -Micro Letters 和Neural Regeneration Research ，其中Nano -Micro Letters 的篇均提及量最高。Nano -Micro Letters 由上海交通大学主办，主要发表与纳米/微米尺度相关的新型材料结构及其应用方面的论文，支持用户通过Twitter、Facebook、Blog和Weibo等平台获取期刊论文。
图 5 Facebook提及量 TOP10期刊
Google+提及量TOP10期刊如图6所示，Chinese Journal of Integrative Medicine 的提及量显著高于其他期刊，占TOP10期刊总Google+提及量的70%。该期刊由中国中西医结合学会及中国中医科学院主办，是我国第一本入选SCI-E集刊的结合医学领域的杂志。
图 6 Google+提及量 TOP10期刊
4期刊 Altmetrics指标影响因素分析
导线找形方法采用悬链线法[17],图4为导、地线静止时的状态.图中A点和B点分别是导、地线AOB两端的跨接点,A点和B点两点之间的水平距离为D.O为整个曲线AOB的最低点,建立以O为坐标原点平面直角坐标系,则A点横坐标和纵坐标分别为xA,yA,B点的横坐标和纵坐标分别为xB,yB.
5.3 秸秆气化技术应用于生产领域，有利于促进农业和农村经济结构的调整。利用秸秆气化技术供热，可减少因燃烧造成的棚室内烟尘大，植物茎叶表面和土壤层污染而影响植物生长的弊端，可降低生产成本，提高经济效益，同时秸秆气化后的剩余物可作为植物生长所需的钾肥，冷却燃气的热水可作为洗浴的生活用水，秸秆气化技术的推广，植物秸秆将会被全方位综合利用，实现经济和社会效益的最大化。
表 2不同 OECD类别期刊 Altmetrics指标均值
4.2国际合作对期刊 Altmetrics指标的影响 通过SCImago数据库检索期刊的国际合作情况，由于Scopus和Web of Science收录的期刊范围不一致，本文所研究的165种期刊中有4种期刊在SCImago中检索不到，另有2种期刊由于出版发行年限较短，无法获得其2014年和2015年的国际合作情况。将159种期刊的国际合作水平由低到高进行排序，以均值作为临界值，高于临界值的期刊国际合作水平定义为高合作水平，低于临界值的定义为低合作水平。经过统计计算，159种期刊国际合作水平的临界值为19.034，高合作水平期刊66种，低合作水平期刊93种，也就是说159种我国科技期刊中58.5%的期刊出版的国际合作论文占比低于19.034%，而对于合作水平高于临界值的另外41.5%期刊来说，仅有7种期刊的国际合作水平高于40%，以上统计数据说明我国科技期刊目前出版的论文仍以中国学者发表的论文为主。不同合作水平期刊的Altmetrics指标数据如图7所示，可以看出，除了Google+提及量，高合作水平期刊的Altmetrics指标总提及量和均值都要高于低合作水平期刊，分析其原因：第一，Altmetrics采集的指标数据主要源于欧美国家学者广泛使用Twitter、Facebook、Wikipedia等社交媒体，这些社交媒体在中国学者中并不普及，使用人数有限，而对于中国学者使用较多的社交媒体如微信、QQ等，却未被Altmetrics纳入数据采集范围；第二，由于科研制度和科研环境的不同，与国外学者相比，中国学者对于科研成果的传播与共享尚持保守态度，较少将科研成果发布分享到Twitter、Facebook等国际主流社交网站上。上述两点原因导致具有高国际合作水平、发表较多国际合作论文的科技期刊获得了较高的Altmetrics指标分值。
图 7不同国际合作水平期刊的 Altmetrics指标数据
4.3开源程度对期刊 Altmetrics指标的影响 通过浏览期刊网站可获取每种期刊的开源情况，本文以期刊发表开源论文数量占总论文数量的比例来定义期刊的开源程度，并据此将所研究的165种期刊分为3类：开源期刊(Open Access)、部分开源期刊(Partial Open Access)和非开源期刊(Not Open Access)，以下分别简称为OA期刊、POA期刊和NOA期刊，其中OA期刊发表的所有论文均支持开放获取，POA期刊发表的论文只有一部分支持开放获取，NOA期刊发表的所有论文均不支持开放获取。不同开源程度的期刊Altmetrics指标数据如图8所示，可以看出，除了Google+提及量，OA期刊和POA期刊的其他四项Altmetrics指标均值均显著高于NOA期刊，说明期刊采取开放获取的方式发表论文可以提高其在社交媒体上的受关注程度，扩大期刊的社会影响力。值得注意的是，OA期刊和POA期刊的各项Altmetrics指标均值接近，这可能是由于POA期刊中开源文章的高Altmetrics指标值对非开源文章的低Altmetrics指标值产生了补偿效应，导致某些POA期刊的Altmetrics指标值接近甚至超过OA期刊，而每种POA期刊的开源程度差别较大，高开源程度的POA期刊的高Altmetrics指标值可对低开源程度的POA期刊的低Altmetrics指标值产生补偿效应，从而使得OA期刊与POA期刊的Altmetrics指标均值整体上呈现相近的现象。从上述分析可以看出，期刊的Altmetrics指标值在很大程度上受期刊中部分高Altmetrics值论文的影响，比如：National Science Review 中2篇论文的Twitter提及量共177次，占该期刊74篇论文总Twiiter提及量347次的51%；Protein &Cell 中的一篇论文“CRISPR/Cas9-mediated gene editing in human tripronuclear zygotes”的Twitter提及量为467次，占该期刊论文总Twitter提及量754次的61.94%。这种现象与传统期刊评价指标——影响因子存在相同的问题，即期刊的高Altmetrics指标值或高影响因子有可能是由于期刊中一少部分论文的高Altmetrics指标值或高被引频次引起的，期刊Altmetrics指标值或影响因子并不能全面地反映期刊的社会影响力或学术影响力。因此，我们认为目前将Altmetrics指标体系应用于期刊评价还为时尚早，学界应在现有指标体系的基础上不断完善评价指标，构建更为科学、合理的期刊影响力评价体系。这里说明一点，由于目前仅有Springer出版社旗下的期刊网站显示发表开源论文的数量，因此我们无法获得其他出版社旗下POA期刊的开源程度，也就无法定量地分析POA期刊的开源程度对Altmetrics指标值的影响。
图 8不同开源程度期刊的 Altmetrics指标数据
5期刊 Altmetrics指标与传统期刊评价指标间的关系
近年来，在期刊评价研究领域，学界一直致力于针对现有评价体系存在的不足，建立更加完善合理的期刊评价体系，各种新的指标和体系不断被提出，但目前应用最为广泛的期刊评价体系仍是基于引文分析的JCR期刊评价体系。本文选取JCR评价体系中具有代表性的两个指标——期刊影响因子和总被引频次，研究它们与期刊Altmetrics指标之间的关系。
经计算，本文所研究的165种我国科技期刊的影响因子均值为2.522，将高于该值的期刊定义为高影响因子期刊，共55种，低于该值的期刊定义为低影响因子期刊，共110种。不同影响因子的期刊Altmetrics指标数据如表3所示，可以看出，高影响因子期刊在各社交媒体上的受关注程度明显高于低影响因子期刊，平均每种高影响因子期刊的News、Blog、Twitter提及量分别是低影响因子期刊的7倍、5倍和3倍。以上分析说明期刊Altmetrics指标值与影响因子之间存在着一定关联，为了进一步验证期刊Altmetrics指标与传统期刊评价指标间的关系，本文采用统计分析软件SPSS21分析期刊Altmetrics指标值与影响因子、总被引频次之间的相关性。首先对指标数据集进行正态性检验，以选取合适的相关性检验方法，本文采用非参数Kolmogorov-Smirnov单样本正态性检验方法，结果如表4所示。7个指标数据集的渐近显著性水平均小于0.05，说明数据集均不服从正态分布，应采用Spearman法检验各指标间的相关性，相关性检验结果如表5所示。相关系数的大小反映了变量之间相关性的强弱：相关系数为0-0.2时，变量间呈极弱相关或不相关；相关系数为0.2-0.4时，变量间呈弱相关；相关系数为0.4-0.6时，变量间呈中等程度相关；相关系数为0.6-0.8时，变量间呈强相关；相关系数为0.8-1时，变量间呈极强相关。由表5可知，期刊News、Blog、Twitter、Facebook、Google+提及量与期刊影响因子和总被引频次之间的相关系数均为正值，说明期刊Altmetrics指标与传统期刊评价指标之间呈正相关关系，两者存在着一定的关联。5种Altmetrics指标与总被引频次的相关系数在0.179-0.306之间，均呈弱相关关系。5种Altmetrics指标与影响因子的相关系数均要高于其与总被引频次间的相关系数，分布在0.358-0.509之间，说明期刊在News、Blog等社交媒体上的提及量与影响因子呈中等程度相关。一方面，发表在学术价值高、影响力大的期刊上的论文更容易引起大众的关注，从而引发大众的评论、转发和分享等行为，扩大了科研成果的传播范围，使这些成果更容易被其他人所了解和关注，这些人当中除了普通社会大众，还包括了专业科研人员，当专业科研人员关注到了这些在社交媒体上广泛传播的科研成果并认为有参考价值时，就有可能引发学术引用行为，因而，代表了期刊在社交媒体上受关注程度的Altmetrics指标值越高，期刊可能获得的引用就越多，学术影响力就越高；另一方面，使用各种社交媒体的用户人群不仅仅局限于科研人员，还包括从事各行各业的社会大众，与表征学术影响力的传统期刊评价指标不同，Altmetrics指标完全脱离了引文分析的范畴，表征的是期刊的社会影响力。上述两点原因导致期刊的Altmetrics指标与传统期刊评价指标之间呈中等程度相关或弱相关关系。由表5还可看出，期刊的5种Altmetrics指标之间的相关系数差别较大，News、Blog、Twitter、Facebook提及量之间的相关系数均在0.6以上，说明这些指标之间存在强相关性，这是因为用户在社交平台上的各种行为之间存在连锁反应，在一个社交平台上的行为会影响并引发在其他平台上的评论、转发和分享等行为[9]。除了Facebook提及量，Google+提及量与其他3种Altmetrics指标之间的相关系数均在0.6以下，说明Google+提及量与这3种Altmetrics指标之间呈中等程度相关。综上所述，期刊各Altmetrics指标与传统期刊评价指标之间呈正相关，说明两种不同评价体系的指标对于期刊影响力的表征在一定程度上存在相似性。而Altmetrics指标与传统期刊评价指标之间、各Altmetrics指标之间的相关性强弱不一，说明各指标对期刊影响力表征的侧重点各不相同。对于现有期刊评价指标体系，Altmetrics的出现不应是替代作用，而应起补充作用，与现有评价指标相结合，构建更为系统科学的综合指标评价体系，多维度、多层面地揭示期刊的学术影响力和社会影响力，从而得出更加准确、全面的评价结果。
表 3不同影响因子的期刊 Altmetrics指标数据
注：表格中的数字为期刊被引频次总和和各项Altmetrics指标总提及量，括号中的数字为平均每本期刊的总被引频次和各项Altmetrics指标提及量
表 4指标单样本 Kolmogorov-Smirnov检验
表 5期刊 Altmetrics指标与总被引频次和影响因子之间的相关系数
**在置信度(双侧)为0.01时，相关性是显著的；*在置信度(双侧)为0.05时，相关性是显著的。
6结 论
本文对165种我国科技期刊的Altmetrics指标数据进行统计分析，发现期刊的Twitter提及量和覆盖率最高，News、Facebook、Blog和Google+也具有较高的提及量和覆盖率，从Altmetrics指标提及量和覆盖率两方面考虑，本文选取了News、Blog、Twitter、Facebook和Google+作为Altmetrics的典型指标进行深入研究。学科类别、国际合作水平和期刊开源程度3个因素均会对期刊Altmetrics指标产生影响。期刊中一少部分论文的高Altmetrics指标值会对期刊整体的Altmetrics指标值产生聚集作用，期刊的Altmetrics指标值并不能全面反映其中每一篇论文的影响力。目前将Altmetrics指标应用于期刊影响力评价还不够成熟，学界应致力于提出更加科学、系统、完善的Altmetrics指标体系。期刊Altmetrics指标与总被引频次、影响因子之间呈正的中等程度或弱相关关系，Altmetrics指标与传统期刊评价指标之间、各Altmetrics指标之间的相关性强弱不一，说明各种指标表征期刊影响力的角度不同，Altmetrics指标侧重对期刊社会影响力的表征，而传统期刊评价指标则侧重表征期刊的学术影响力。因此，在评价期刊影响力的时候，应将两种评价体系有机地结合在一起，以获得准确、客观的评价结果。
2.6 浆坝互压理论。土坝劈裂灌浆技术利用了上坝坝体的整体弹性特征，在灌浆过程中随着灌浆压力的反复增长和消失，具有弹性的坝体张开和回弹，使坝体和浆体反复挤压，形成连续的浆体帷幕和两侧压密的坝体联合防渗带。通过浆坝互压，可以补救原坝体由于不均匀变形产生的小主应力不足，改变坝体内部的应力不平衡状态，从而比较彻底地解决了土坝坝体的变形稳定和渗透稳定问题。
Altmetrics是Web2.0时代的产物，它的出现为期刊影响力评价提供了全新的视角，有望打破以影响因子作为期刊主要评价指标的固有格局，促使期刊影响力评价机制日趋完善。但由于Altmetrics采集的数据源大多是欧美国家学者常用的社交网络平台，仅有新浪微博一种中文数据源被采集，且Altmetrics更偏向于英文论文，对中文论文的关注度有限[20]，因此，现有Altmetrics指标用于评价我国科技期刊影响力的适用性有待商榷。为了更加科学、有效地利用Altmetrics指标体系评价我国科技期刊影响力，我们从期刊自身角度和Altmetrics评价指标角度分别提出如下建议。从期刊自身角度：首先要打破语言障碍，我国科技期刊应积极尝试在互联网中推行多语言版本学术成果，把优秀的学术成果推向世界；其次，我国科技期刊应在期刊网站上接入国际主流社交媒体，以便于网站访问者对期刊论文进行转发、评论、分享，促进学术成果的网络传播。从Altmetrics评价指标角度：首先，我国应构建一套适合中文期刊的Altmetrics评价指标体系，应将中国学者常用的社交媒体平台，如百度百科、百度知道、知乎、天涯社区、天涯问答、猫扑、豆瓣、人大经济论坛等，纳入Altmetrics数据采集范围；其次，对于已构建的Altmetrics指标体系，应根据期刊所属的不同学科类别对评价指标进行遴选，通过对指标进行分类和排序剔除同类指标中不稳定的、相关性较差的无效指标，从而构建更加科学和更具针对性的评价体系。
本研究亦存在着一定的局限性。一是本文仅以被JCR收录的我国科技期刊为研究对象，限制了潜在期刊的数量，可能会对研究结果的普遍性产生影响；二是本文未将表征学术活动的重要数据源——Mendeley指标数据纳入研究范畴，已有研究表明Mendeley阅读数与被引频次之间存在着一定联系[22]。然而，Altmetrics这一术语的提出是以超越引文范畴为出发点的，研究与基于引文的指标差异较大的Altmetrics指标有助于拓宽我们对学术成果社会影响力的理解；三是本文只是根据期刊的Altmetrics指标数据探讨期刊的社会影响力，未对各种社交媒体中关于期刊论文具体的评价内容进行分析，因此研究结论存在一定的局限性。后续研究中将扩大分析期刊的范围，并将期刊Mendeley阅读数纳入研究范畴，同时结合社交媒体中针对期刊论文的评价内容进行深入研究。
罗译：...Where there is the doctrine,there is my teacher.[6]62
参考文献
[1] DORA. San Francisco declaration on research assessment[EB/OL]. [2019-03-22]. http://am.ascb.org/dora/.
[2] 盛丽娜. CiteScore、CiteScore百分位与常用期刊评价指标的相关性分析[J]. 中国科技期刊研究，2018，29(6)：605-610.
[3] SCImago Research Group. SCImago Journal & Country Rank[EB/OL]. [2019-03-12]. http://www.scimagojr.com/.
[4] Braun T，Glanzel W，Schubert A. A Hirsch-type index for journals[J]. Scientometrics，2006，69(1)：169-173.
[5] Priem J，Hemminger B H. Scientometrics 2.0: New metrics of scholarly impact on the social Web[J]. First Monday，2010，15(7)：37-42.
[6] 崔宇红. 从文献计量学到Altmetrics: 基于社会网络的学术影响力评价研究[J]. 情报理论与实践，2013，36(12)：17-20.
[7] 罗木华. 国内Altmetrics研究进展述评与思考[J]. 情报资料工作，2016(2)：29-33.
[8] 杨 柳，丁 楠，田 稷. Altmetrics视角下机构知识库学者影响力评价研究[J]. 情报理论与实践，2017，40(6)：104-110.
[9] 杨 柳，陈 贡. Altmetrics视角下科研机构影响力评价指标的相关性研究[J]. 图书情报工作，2015，59(15)：106-114.
[10] 赵蓉英，王 旭. 中美国际OA期刊影响力评价与比较[J]. 情报资料工作，2019，40(2)：5-13.
[11] 韩雨彤，周雨涵，杨伟超，等. 面向学术图书的Altmetrics指标分析[J]. 图书情报工作，2018(14)：91-97.
[12] 刘丽敏，王 晴. 我国图情领域Altmetrics研究评述及展望[J]. 情报杂志，2016，35(4)：131-136.
[13] 刘 俏. Altmetrics指标与传统计量指标对学术论文评价的关系研究[J]. 情报理论与实践，2018，41(7)：60-64.
[14] 刘艳民. Altmetrics指标与传统文献计量指标相关性研究[J]. 情报杂志，2017，36(9)：71-77.
[15] 郝若扬. 高Altmetrics指标论文的特征分析及影响力分析[J]. 图书情报工作，2018，62(8)：107-114.
[16] 刘晓娟，宰冰欣. 图书情报领域文献的Altmetrics指标分析[J]. 图书情报工作，2015，59(18)：108-116.
[17] 余以胜，赵月华. 基于Twitter关注度的期刊影响力评价指标——以国际图书情报学顶级期刊为例[J]. 图书情报工作，2016，60(8)：99-105.
[18] 张 洋，郎林芳. Mendeley阅读数用于期刊评价的适用性分析[J]. 情报杂志，2018，37(2)：142-146.
[19] InCites Essential Science Indicators Help. 2012全球对比(GC)升级版中的中国国务院学位委员会学科分类法[EB/OL]. [2019-03-12]. http://help.incites.clarivate.com/incitesLiveESI/5777-TRS.html.
[20] 刘晓娟，余梦霞. Altmetrics覆盖率影响因素及应用分析[J]. 图书情报工作，2018，62(16)：93-101.
[21] 匡登辉. 从Altmetrics热点论文看科技期刊影响力——以Altmetric.com Top 100论文为例[J]. 中国科技期刊研究，2016，27(11)：1188-1194.
[22] Thelwall M. Are Mendeley reader counts useful impact indicators in all fields?[J]. SCIENTOMETRICS，2017，113(3)：1721-1731.
Analysis and Interpretation on Altmetrics of Chinese Scientific Journals
Li Xin Hao Dongdong
(Harbin Institute of Technology (Weihai) Library，Weihai 264200)
Abstract ：[Purpose /Significance ]From the perspective of Altmetrics,this paper studies the concern about Chinese scientific journals on social media,the influencing factors of Altmetrics and the relationship between Altmetrics and traditional journal evaluation indexes,so as to provide reference for the rational use of Altmetrics to evaluate the influence of journals.[Method /Process ]Based on the Journal Citation Report (JCR,2017 edition) and Altmetric Explorer platform,with 165 kinds of Chinese scientific journals as the research object,this paper explored the general situation of Altmetrics of the journals and the impact of discipline category,international cooperation level and open source degree on Altmetrics. Besides,the correlation between Altmetrics,impact factors and total citation frequency was studied through correlation analysis.[Result /Conclusion ]Among the 17 Altmetrics data collected by the Altmetric Explorer platform,the mentions and coverage of Twitter are both highest,while News,Facebook,Blog and Google+ also have high mentions and coverage. The discipline category,international cooperation level and open source degree of journals all have influence on Altmetrics. Altmetrics has a positively moderate or weak correlation with traditional journal evaluation indexes. The high Altmetrics index value of a small number of papers in a journal has an aggregation effect on the overall Altmetrics index value of the journal. The index value of Altmetrics of a journal cannot fully reflect the influence of each paper in the journal. The applicability of the existing Altmetrics index system in the impact evaluation of the journal remains to be discussed.
Key words ：scientific journal；Altmetrics index；journal influence；evaluation index
收稿日期： 2019-04-09
修回日期： 2019-05-13
作者简介： 李 鑫 (ORCID：0000-0002-7522-0169)，女，1986年生，博士，馆员，研究方向：文献计量学、科研评价；郝冬冬 (ORCID：0000-0002-6224-4639)，女，1972年生，硕士，副研究馆员，研究方向：信息资源管理。
中图分类号： G353.1
文献标识码： A
文章编号： 1002-1965( 2019) 11-0158-09
引用格式： 李 鑫，郝冬冬.我国科技期刊的Altmetrics指标分析与解读[J].情报杂志，2019，38(11)：158-166.
DOI ：10.3969/j.issn.1002-1965.2019.11.024
(责编：刘影梅；校对：白燕琼)
标签：科技期刊论文; Altmetrics指标论文; 期刊影响力论文; 评价指标论文; 哈尔滨工业大学(威海)图书馆论文;