Google Scholar和CCD的引文統計分析功能比較——從期刊被引頻次角度分析

邱均平，溫芳芳

(武漢大學中國科學評價研究中心，湖北武漢 430072)

Google Scholar和CCD的引文統計分析功能比較
——從期刊被引頻次角度分析

邱均平，溫芳芳

(武漢大學中國科學評價研究中心，湖北武漢 430072)

期刊被引頻次是期刊評價中一個重要的計量指標，不同的引文數據庫在用于被引頻次統計時所得到的結果各不相同，這種統計結果的差異必將對期刊的排名結果造成較大的影響。文章選取“圖書館、情報與文獻學”排名前10位的期刊，分別在Google Scholar和CCD(中國引文數據庫)中以期刊名為主題詞進行精確檢索，統計各個期刊在2007－2008兩年間所刊載的論文的被引頻次。通過統計結果的對比分析，我們認為CNKI是目前比較理想的中文期刊引文統計工具，而Google Scholar卻在一定程度上代表著未來引文數據庫的發展方向。

引文數據庫;期刊評價;被引頻次;引文分析

一、引言

期刊被引頻次在學術期刊評價中是一個重要的計量指標。學術期刊的被引頻次能夠比較客觀地反映出期刊被利用的程度，在一定程度上可以作為學術期刊質量和影響力的評價依據。1955年美國情報學家加菲爾德創立了系統的引文索引理論［1］，1972年加菲爾德又把引文索引工具引入到期刊評價［2］。在中文期刊的評價中，期刊被引頻次也是一個重要的評價指標。無論是北京大學《中文核心期刊要目總覽》，還是武漢大學中國科學評價研究中心的《中文期刊評價報告》，亦或是南京大學的CSSCI所遴選的核心期刊，都將期刊的被引頻次作為基本的評價指標并賦予了較高的權重。但在進行期刊被引頻次的統計時，每個評價機構所采用的統計工具各不相同。

目前，維普、CNKI、萬方等中文期刊數據庫和Google Scholar都開設了引文統計分析功能，每個數據庫所得出的引文統計結果也各不相同，這種統計結果的差異必將對期刊的排名結果造成較大的影響。為了更加客觀地反映出不同數據庫在進行引文統計分析時的差異，我們將以Google Scholar和中國引文數據庫(Chinese Citation Database，CCD)為例進行實證比較，以期能夠為中文期刊評價機構和廣大的科研工作者提供選擇引文分析工具的標準和依據。

二、研究方法

在武漢大學中國科學評價研究中心所發布的《中國學術期刊評價研究報告》中，共有73種“圖書館、情報與文獻學”學術期刊參與評價，我們選取其中排名前10位的學術期刊為研究對象:(1)中國圖書館學報;(2)情報學報;(3)圖書情報工作;(4)大學圖書館學報;(5)情報科學;(6)圖書情報知識;(7)圖書館;(8)圖書館論壇;(9)圖書館雜志;(10)情報理論與實踐。

以這10種“圖書館、情報與文獻學”學術期刊的期刊名稱為檢索詞分別在Google Scholar和中國引文數據庫中進行精確查找，統計2007－2008兩年間每種期刊的載文量以及每種期刊在這兩年間所刊載的論文的被引頻次。在CNKI所開發的中國引文數據庫(CCD)中，輸入期刊名稱和出版時間進行精確匹配，可以直接統計出每種期刊的載文量和總被引頻次。而在Google Scholar中輸入期刊名稱和出版時間，只能得出載文量和每篇文章的被引頻次，期刊的被引頻次需要將每篇文章的被引頻次進行累加計算得出。

三、結果分析

課題組借助于Google Scholar和中國引文數據庫分別對10種“圖書館、情報與文獻學”期刊的載文量和被引頻次進行統計和計算，統計結果如表1。

表1 10種圖書館、情報與文獻學期刊的載文量和被引頻次統計結果(2007－2008)

為了更加直觀地比較Google Scholar和中國引文數據庫統計結果的差異，用三個柱狀圖將載文量、被引頻次和篇均被引頻次分別進行對比。在圖1、圖2、圖3中，橫坐標軸中的阿拉伯數字分別對應“圖書館、情報與文獻學”排名前10的期刊:(1)中國圖書館學報;(2)情報學報;(3)圖書情報工作;(4)大學圖書館學報;(5)情報科學;(6)圖書情報知識;(7)圖書館;(8)圖書館論壇;(9)圖書館雜志;(10)情報理論與實踐。

圖1 期刊載文量統計結果對比(2007－2008)

從表1和圖1中的數據可以看到，利用Google Scholar和中國引文數據庫所統計出的每種期刊的載文量各不相同?？傮w來看，利用Google Scholar檢出的文獻數量大于中國引文數據庫的檢索結果。但對其檢出結果進行核查之后發現，盡管Google Scholar檢出的文獻最多，但其中存在著許多錯誤。以《中國圖書館學報》為例，分別在Google Scholar和中國引文數據庫中以“中國圖書館學報”為主題詞做精確檢索，統計2007－2008兩年間發表于《中國圖書館學報》的文章數量。Google Scholar返回記錄328條，中國引文數據庫返回記錄292條。經核查 Google Scholar所返回的記錄中有15篇文章重復，另有11篇文章并非來源于《中國圖書館學報》，檢索記錄錯誤率高達8.23%。而中國引文數據庫所返回的記錄中沒有重復或者錯誤記錄。通過載文量統計可以發現，單從數量角度考慮，Google Scholar要優于中國引文數據庫，但從質量和數量兩方面考慮，中國引文數據庫要優于Google Scholar。

圖2 期刊被引頻次統計結果對比(2007－2008)

圖3 期刊篇均被引頻次統計結果對比(2007－2008)

從表1、圖2和圖3中被引頻次和篇均被引頻次的統計結果看，Google Scholar和中國引文數據庫在引文統計上存在著更大的差異，從CNKI中檢索得出的被引頻次遠遠高于由Google Scholar檢索得出的被引頻次。盡管從Google Scholar中所檢出的期刊載文量大于CNKI，但總被引頻次和篇均被引頻次卻遠遠低于CNKI。由此說明，Google Scholar對于中文期刊及其引文數據的收錄遠不及CNKI全面。

2008年上海交通大學情報科技研究所的陶慧卿等人［3］選擇信息科學領域的權威期刊《美國信息科學和技術學會雜志》(Journal of The American Society for Information Science and Technology，JASIST)作為文獻源，以2003年至2007年該期刊所刊載的文章作為統計分析對象，分別統計了JASIST在Web of Science和Google Scholar中的被引頻次。結果發現無論是總被引頻次，還是平均被引頻次和最大被引頻次，Google Scholar都要遠遠高于Web of Science。陶慧卿等人認為，由于在Google Scholar中得到的引用文獻既包括傳統學術期刊，也包括Web網頁、預印本和電子期刊等，所以它不僅能夠反映學術期刊之間的引用關系，也能廣泛反映學術期刊、Web網頁、預印本、電子期刊之間的引用關系。因此，Google Scholar的引文數據要比傳統文獻數據庫豐富和全面。但在我們的統計結果中，Google Scholar的引文數據卻不及傳統文獻數據庫豐富和全面。這一差異恰恰反映出Google Scholar在中外文學術期刊引文數據收錄上的差異。

在英文環境下，Google Scholar所收錄的引文數據不僅包括傳統的學術期刊，而且包含豐富的非期刊類學術文獻，其中包括網絡學術文獻。因此，Google Scholar不僅能夠反映出期刊文獻之間的引用關系，而且能夠反映出期刊文獻被Web網頁、預印本等其他類型文獻引用的情況，從而能夠更加真實全面地反映出期刊被利用的程度。但在中文環境下，Google Scholar所收錄的中文學術期刊文獻及其引文關系基本上都來自于CNKI、維普、萬方等傳統的期刊文獻數據庫。Google Scholar的引文數據庫的全面性、準確性和規范性都不及傳統的期刊數據庫，因此，目前還不能用作中文期刊評價時引文數據的統計工具。筆者認為，綜合考慮各方面因素，CNKI所開發的中國引文數據庫是目前中文期刊評價時比較理想的引文數據統計工具。當然，在期刊評價過程中，為了保證評價結果具有更高的客觀性和準確度，也可以同時采用多個引文數據庫進行綜合檢索和統計。

四、研究結論

通過Google Scholar和中國引文數據庫引文統計結果的對比分析，我們認為中國引文數據庫是目前中文期刊評價時比較理想的引文統計工具。中國引文數據庫收錄了中國學術期刊(光盤版)電子雜志社出版的所有源數據庫產品的參考文獻，并揭示各種類型文獻之間的相互引證關系。它不僅可以為科學研究提供新的交流模式，同時也可以作為一種有效的科學管理及評價工具。中國引文數據庫收錄CNKI所有源數據庫產品的參考文獻，源數據庫包括:中國期刊全文數據庫、中國優秀博碩士學位論文全文數據庫、中國重要會議論文全文數據庫、中國重要報紙全文數據庫、中國圖書全文數據庫、中國年鑒全文數據庫等［4］。引文數據庫內容覆蓋自然科學、工程技術、農業、哲學、醫學、人文社會科學等各個領域，共分168個專題。中國引文數據庫支持用戶從作者、機構、期刊、專題、基金、出版社等多個角度進行引文統計分析。在中國引文數據庫中，能夠直接檢索得到每種中文期刊的載文量、下載量、被引頻次、H指數等指標。CNKI對其收錄的文獻進行了規范的標引，保證了檢索的質量。因此，從全面性、準確性、易用性等多個方面綜合考慮，CNKI是目前進行中文學術期刊評價時相對比較理想的引文統計工具。

中國引文數據庫也并非完美無缺。利用中國引文數據庫統計出的期刊被引頻次，只能反映學術期刊被其他期刊、學位論文、圖書等傳統文獻引用的情況，并不能反映期刊被學術博文、預印本等純網絡學術文獻所利用的情況。而事實上，學術交流正在朝著多元化的方向發展，特別是隨著網絡技術的發展和普及，純網絡學術文獻大量出現，成為廣大科研工作者傳播和交流知識資源的重要途徑。事實上，網絡學術文獻的研究和創作過程中也大量使用了學術期刊文獻，如果不能反映這部分網絡學術文獻與期刊文獻之間的引用關系，那么這種引文數據庫就是不全面的。中國引文數據庫只是CNKI基于中國期刊全文數據庫、中國優秀博碩士學位論文全文數據庫等傳統文獻數據庫開發出的引文分析工具，如果從整個學術交流的全面性考慮，由CNKI統計得出的被引頻次是單一和片面的，并不能真實準確地反映出學術期刊在整個學術交流中的價值和影響力。

盡管Google Scholar對于中文學術文獻的收錄數量非常有限，檢索的質量也不理想，目前尚不能成為中文期刊評價時的引文統計分析工具。但從長遠發展來看，Google Scholar卻代表著未來引文數據庫的發展方向。對于英文文獻來說，Google Scholar是強大的學術搜索工具和引文統計分析工具。Google Scholar與Nature、OCLC、ACM等多家學術出版商進行了合作。通過這種廣泛的合作，Google Scholar所涵蓋的范圍無限擴大。通過Google Scholar，讀者可以從學術出版者、專業團體、預印本庫以及從網絡上獲得各種類型的學術文獻，包括學術期刊、文摘、同行評議論文、學位論文、圖書、預印本、PPT介紹和技術報告等［5］。Google Scholar不僅收錄傳統的期刊文獻，而且大量收錄純網絡學術文獻。因此，Google Scholar不僅可以免費搜索跟蹤同行評議過的文獻的引證文獻，還能搜索跟蹤會議錄、學位論文、預印本和在版文獻，以及其他非傳統媒體形式文獻的引證文獻［6］。Google Scholar對其所收錄的學術文獻的引用關系加以整理，能夠更加全面真實地反映出各種類型的學術文獻之間的相互利用關系，Google Scholar對于英文文獻的引文檢索范圍要遠大于傳統的引文數據庫。因此，在英文環境下Google Scholar已經為引文統計分析提供了一種新選擇。

對于中文文獻來說，情況并非如此。Google Scholar對于中文非期刊文獻的收錄范圍和數量還非常有限，也沒有對非期刊類學術文獻之間的引用關系加以整理。從本次的統計結果可以看出，利用Google Scholar統計得出的期刊被引頻次遠遠低于利用中國引文數據庫統計得出的結果。因此，目前Google Scholar尚不能承擔中文期刊引文統計分析的重任。但是Google Scholar在中文期刊的引文檢索方面卻具有較大的潛力，從Google Scholar在英文環境下的發展現狀來看，Google Scholar代表著未來中文期刊引文檢索和統計分析的發展趨勢。Google Scholar跨越了學科、語言和地域障礙，如果Google Scholar能夠擴大其對中文非期刊文獻的收錄范圍，并且能夠對各種類型的中文學術文獻建立知識鏈接，那么從長遠看，Google Scholar在引文檢索和統計分析方面的優勢要明顯地優于CNKI、萬方等傳統的期刊數據庫。畢竟Google Scholar具有強大的后臺數據庫支撐，在純網絡文獻的收集方面又具有得天獨厚的條件，而且最為重要的一點是Google Scholar完全免費。

實際上，中國引文數據庫代表著傳統的引文統計分析工具，而Google Scholar則代表著新興的引文統計分析工具。從Google scholar與中國引文數據庫之間的對比中，可以看到新舊引文統計分析工具之間的差別。對于中文學術期刊的引文統計分析來說，新舊工具各有利弊。傳統的引文數據庫具有較高的準確性、權威性和規范性，但是涵蓋的文獻類型有限，不能反映期刊被學術博文、預印本等純網絡學術文獻引用的情況。因此，由傳統期刊引文數據庫統計得出的期刊被引頻次并不能真實反映期刊文獻在整個學術交流系統中的被利用程度和學術影響力。與之相反，Google Scholar不僅能夠反映學術期刊之間的引用關系，也能廣泛反映學術期刊、Web網頁、預印本、電子期刊之間的引用關系。盡管目前這一功能還只是一個理論構想，但相信隨著Google Scholar在中文文獻服務領域的不斷發展和完善，Google Scholar對中文學術文獻引用情況的覆蓋率將會遠遠高于傳統引文數據庫。從本次統計的過程和結果來看，Google Scholar目前存在著諸多的不足，Google Scholar的引文檢索質量不高，其權威性、準確性和規范性也不及傳統的引文數據庫。即使在英文環境中，Google Scholar目前也仍然不能替代傳統的引文數據庫而成為真正意義上的引文統計分析工具。

通過本次的實證研究和對比分析，同時結合引文統計分析的新需要，筆者認為在期刊評價時選擇引文統計分析工具，應該遵從以下幾個標準。

其一，全面性。引文數據庫的收錄量要大，并且能夠從期刊、文獻、作者等多個角度反映引用關系。筆者認為全面性應該主要從兩個方面理解:首先，引文數據庫所包含的學科領域要廣泛。各個學科之間的交叉融合日益加深，許多研究主題跨越多個學科領域，需要參考借鑒多個學科領域的理論、思想和方法，不同學科之間的交叉引用越來越普遍。如果要真實全面地反映這種跨越學科的引用關系，則必須要建立一個同時涵蓋人文社會科學、自然科學、工程技術科學的綜合文獻數據庫。其次，引文數據庫所涵蓋的文獻類型要豐富。學術交流呈現多元化，非期刊類學術文獻大量出現，尤其是在網絡技術的推動下，網絡文獻數量持續增長，期刊文獻與非期刊學術文獻之間存在著廣泛的引用和被引用關系。引文數據庫只有涵蓋更多的文獻類型，才能更加全面真實地反映期刊文獻被利用的程度。

其二，準確性。對數據庫中所收錄的文獻及其引用關系進行準確的整理和統計，保證引文檢索的質量，提供一致性較好的數據結果。引文統計分析是一項非常嚴謹的科學活動，特別是當引文統計分析被用于期刊評價、人才評價等領域時，更是要求引文統計結果具有較高的精確度和穩定性。當某一引文數據庫所返回的檢索結果中存在重復、遺漏或錯誤等現象時，無論它的數據庫規模有多大，其權威性都要受到質疑。例如，盡管Google Scholar所收錄的文獻數量很大，但在引文檢索和分析時所出現的錯誤卻使得其可信度和權威性大打折扣。

其三，及時性。數據庫的更新要及時，這樣才能更加真實地反映出期刊被利用的情況。特別是在網絡環境下，學術文獻的出版周期大大縮短，從其出版到被其他文獻引用的時間也進一步縮短，隨之用戶對于引文分析的及時性提出了更高的要求。引文數據庫只有提高更新速度，才能及時跟蹤文獻之間的引用關系。

其四，易用性。引文數據庫要具備能夠從期刊、論文、作者等多個方面實現多角度、全方位的引文檢索和統計分析功能，并且其檢索和統計功能要易于操作。在進行期刊評價時，一般要求能夠以期刊名稱直接檢索到該種期刊的總載文量、總被引頻次、各年載文量和被引頻次等指標。

五、研究的局限性

本研究選擇10種“圖書館學、情報學和文獻學”學術期刊作為研究對象，分別以Google Scholar和中國引文數據庫作為引文統計工具，統計了這10種期刊在2007－2008年兩年間所發表的論文總數和這些論文的總被引頻次?；诮y計結果的對比，從被引頻次的角度出發對Google Scholar和中國引文數據庫的引文統計分析性能作了一個初步的探討，以期能夠在一定程度上，為日后期刊評價選擇引文統計分析工具提供參考依據和選擇標準。但由于研究能力和研究條件所限，本次實證研究還存在諸多的局限和不足，使得分析不夠全面和深入，結論也缺乏說服力。首先，本次研究只選取了“圖書館、情報和文獻學”一個學科領域的期刊作為研究對象，樣本的代表性非常有限，難以反映其他學科領域的情況;其次，鑒于條件和精力所限，本次研究只統計了10種期刊在兩年間的載文量和被引頻次，并且只是將兩種數據庫的統計結果進行對比分析，樣本量較小，研究結論的普遍性和說服力不強;再次，只是從被引頻次一個角度，對Google Scholar和中國引文數據庫的引文統計功能進行了簡單的對比，分析深度不夠，研究角度也比較單一。

在后續研究中可以從以下幾個方面對研究方法和研究過程加以改進。

第一，選擇不同學科領域的期刊進行統計和對比，可以分別選擇人文社會科學、自然科學、工程技術等多個領域的期刊進行對比分析，以驗證本文的研究結論是否適用于其他學科領域。

第二，選擇不同的時間段，對不同時間段內的期刊在不同引文數據庫中被引頻次的統計結果進行歷時分析，以驗證時間因素是否對研究結論產生影響。

第三，擴大樣本數量，選擇更多種類的期刊，統計其在更長的時間段內的被引頻次，以增強研究結論的說服力。

第四，采用多種統計分析方法，多角度地對統計數據進行更加深入細致的比較和分析，以尋找新的或者更加深刻的研究結論。

［1］GARFIED E.Citation Index for Science［J］.Science ，1955，122:108 －111.

［2］GARFIE D E.Citation Analysis as a Tool in Journal Evaluation［J］.Science，1972，178:471 －479.

［3］陶慧卿，莊琦，潘衛.關于Google Scholar與Web of Science引文分析的實證研究［J］.中國索引，2008(4):57－62.

［4］中國引文數據庫簡介［EB/OL］.［2010 －03 －12］.http://www.cnki.net/jianjie/jj7.htm.

［5］許濤，吳淑燕.Google搜索引擎及其技術簡介［J］.現代圖書情報技術，2003(4):58－61.

［6］化柏林.Google搜索引擎技術實現探究［J］.現代圖書情報技術，2004(3):40－43.

Comparison of the Citations Statistic Analysis Functions between Google Scholar and CCD:Analysis Based on the Joural Citations

QIU Jun－ping，WEN Fang－fang
(Research Center for China Science Education，Wuhan University，Wuhan 430072，P.R.China)

Journal Citation is an important index in the journals evaluation.Different citations databases always give different retrieval results.Such difference of citations statistic certainly has considerable influence on the journals evaluation.In this paper， the top 10 journals in the field of“Library， Information and Documentation science”were selected as research subjects.Then we searched each journal's citations during 2007 － 2008 from Google Scholar and CCD(Chinese Citation Database).Based on the comparison of their results， it was found that presently CCD is much better than the Google Scholar for Chinese journals citations statistic but Google Scholar may represent the development trend of citation databases.

citations database;journals evaluation;citations;citations analysis

G237.5

A

1008－5831(2011)06－0084－06

2011－10－13

國家自然科學基金項目“基于作者學術關系的知識交流模式與規律研究”

邱均平(1947－)，男，湖南漣源人，武漢大學中國科學評價研究中心教授，博士研究生導師，主要從事信息計量與科學評價、知識管理與競爭情報研究;溫芳芳(1984－)，女，河南平頂山人，武漢大學博士研究生，主要從事信息管理與科學評價研究。

(責任編輯 彭建國)