圖書館學研究文獻網絡引文的可追溯性考察
——以四種核心期刊為例

莊曉喆

（武漢大學信息管理學院　湖北武漢　430072）

·實證研究·

圖書館學研究文獻網絡引文的可追溯性考察
——以四種核心期刊為例

莊曉喆

（武漢大學信息管理學院湖北武漢430072）

〔摘要〕網絡環境下，網絡引文已成為參考文獻的重要組成部分，其可追溯性也日益受到關注。文章選取四種中國圖書館學核心期刊，對其2009至2013年間所刊載論文中網絡引文（P-W型網絡引文）的歷年和總體可追溯情況、不可追溯的原因，以及網絡引文的可追溯率與網站域名、網頁格式、網頁語種、頁面類型與網址深度間的關系進行實證分析。認為強化網絡信息資源的存檔工作、加大網站的維護力度、審慎地選擇網絡信息源是提升網絡引文可追溯率的有效舉措。

〔關鍵詞〕網絡引文可追溯性圖書館學期刊

信息技術的發展、互聯網的普及和網絡信息資源的激增使人們的信息獲取途徑和學術交流方式發生了巨變。隨著互聯網逐漸成為重要的學術信息源，越來越多的網絡信息被直接應用于學術研究，從而使著錄內容中含有網址（URL）的網絡引文廣泛出現在學術文獻中。

可追溯性是網絡引文應具備的基本特征之一，即讀者根據引文條目中的著錄信息可獲得引文的內容。一般認為，若引文中著錄的URL所指向的頁面能正常打開（包括自動重定向至新網址后能正常打開），且其內容未發生變化，則該引文是可追溯的；否則即為不可追溯。由于網絡信息的生命周期較短，導致網絡引文的可追溯性弱于傳統引文。不可追溯的網絡引文不僅喪失了參考價值，也令引證文獻的可信度大為削弱。測定網絡引文的可追溯性可以評估網絡信息的學術參考功能，使研究者知曉引用網絡信息的風險。

目前，圖書情報學期刊論文中網絡引文的數量、類型、分布及其整體可追溯性已受到國內外學者的普遍關注，但從更細維度、更深層面探討網絡引文的可追溯性的研究尚不多見。丁俊達和楊思洛[1]利用軟件檢測了我國2005-2010年間圖書情報學期刊中不同格式、域名的網絡引文的可追溯性。張麗敏和王平[2]就我國情報學科研人員引證網絡引文的總體可追溯情況以及不同域名、網頁類型、URL深度的網絡引文與可追溯性間的關系進行實證分析。朱瑩和望俊成[3]計算了中文圖書情報領域核心期刊的網絡引文的半衰期，探索其年際數量變化以及域名、深度與其衰減規律的聯系。但上述研究存在統計時段偏早、分析角度較少、過分依賴軟件工具等缺陷。從網絡引文的格式、域名、語種、頁面類型的分布出發，分析不同維度下網絡引文的可追溯性，有利于更全面、深入地了解網絡信息的可追溯性和變更頻率，為圖書館學研究者有選擇地搜索、利用網絡信息資源提供指導，使網絡信息更好地服務于研究。

1　數據來源及處理過程

筆者在圖書館學領域選擇四種中文期刊：《中國圖書館學報》、《大學圖書館學報》、《圖書情報工作》（上半月刊）和《圖書館雜志》。四者均為CSSCI源刊，在本學科領域內具有較強的學術影響力；其出版發行周期各異，且在統計時段內無變化；引文著錄格式相對規范，內容較完整，便于驗證網絡引文的可追溯性。

筆者首先利用中國社會科學引文索引數據庫獲取四種期刊2009-2013年間所刊載論文的全部引文信息（下載所得的參考文獻已自動去重）。為避免遺漏網絡引文，筆者登錄萬方數據庫，瀏覽相應文獻記錄下的“參考文獻”欄目，進行人工檢查。共得到網絡引文15221條，其基本信息見表1、表2。

表1　網絡引文的期刊分布情況

表2　網絡引文的年度分布情況

統計說明：

（1）編務文章、新聞簡訊、講話報告、講座記錄、轉載文章、通知公告等不納入統計范圍。（2）如某文多次引用同一網絡引文，不重復計算。但若同一網絡引文出現在多篇文章中，則重復計算。（3）注明來源網址但訪問日期缺失的引文，仍視為網絡引文。（4）若某文中多條網絡引文的URL相同，僅說明文字不同，仍視為同一引文。（5）統計范圍僅限于參考文獻中的網絡引文。鑒于腳注中的網絡引文很少且著錄欠完整，故未作統計。

在獲取統計時段內所有網絡引文的基礎上，筆者選用網站鏈接分析軟件Web Link Validator中文版之1.1版檢測網絡引文的可追溯性[4]。以篇為單位，將網絡引文的URL分批導入軟件（軟件會自動對URL執行去重，一次性導入所有URL將使出現在不同論文中的同一網絡引文被刪除；且軟件單次至多可檢測500個URL），之后選擇“驗證”功能項進行檢測。檢測完成后，對于不可追溯的URL，依據其錯誤類型進行分類統計。

檢測中，有少數URL的訪問錯誤類型顯示為“Unidentified Error（未識別錯誤）”。為了解具體的錯誤類型，筆者使用該軟件英文版之5.7版對這些URL再行檢測[5]。但受其功能所限，檢測時只能逐個輸入URL進行驗證。對于狀態碼顯示為“200 OK”的URL，則在瀏覽器中再次打開，以判斷頁面內容是否發生改變。最終確定各年度內可追溯的網絡引文總數，并按網站域名、網頁格式、來源頁類型、URL深度分別統計出網絡引文的可追溯數量。檢測時間為2014年6月2日至30日。

2　網絡引文可追溯性的總體情況

2.1網絡引文的歷年可追溯率

圖1　網絡引文可追溯率的歷年總體情況（2009-2013年）

統計顯示，2009-2013年間，四種期刊中網絡引文的總體可追溯率為66.9%，與國外圖書情報學期刊網絡引文64%-69%的可追溯率基本持平[6-7]。總體而言，各刊網絡引文的可追溯率基本呈逐年上升趨勢，且彼此間差距不大。總體可追溯率從2009年的55.4%漲至2013年的78%，年均增長8.9%；其中2010-2011年間增幅較小，而2011-2012年間增幅較大。網絡引文的可追溯率以《圖書情報工作》最高，達70.7%；《中國圖書館學報》次之，為67.4%；《大學圖書館學報》和《圖書館雜志》則均在62%左右。如圖1所示，四者2009年刊載的論文中，仍可追溯的網絡引文均超過半數。考慮到從作者引用網絡信息到文章發表歷時1年左右，加之相應信息的上線時間更早，筆者推斷四種期刊網絡引文的半衰期都不小于6年，《中國圖書館學報》、《圖書情報工作》的網絡引文的半衰期還要更長一些。而據國外多份研究報告顯示，網頁的平均壽命估計僅為44-100天[8]。可見，上述論文中所引網絡信息的生命周期明顯長于普通網絡信息，且穩定性較好。

2.2網絡引文不可追溯的原因

不可追溯的網絡引文多數表現為其URL指向的網頁無法訪問。對于未能成功訪問的URL，Web Link Validator軟件返回的錯誤類型如表3所示。

表3　網絡引文訪問錯誤的類型

注：“其它”包括無效的服務器響應、此文檔/資源當前不可用、網站已停止服務、錯誤的請求、MySQL語法錯誤、未識別的參數等錯誤。因為總數甚少，文章不予討論。

由表3可知，網絡引文的訪問錯誤高度集中于一種錯誤——頁面/文檔未找到（Not Found），即服務器找不到請求的網頁或文檔，其數量占到錯誤總數（不含頁面內容改變）的87.5%。主要原因是服務器刪除了網頁，或網頁位置發生變更卻未提供自動重定向機制。此外，URL輸入有誤亦可造成該錯誤的產生。考慮到部分網站服務器對未找到的URL執行了自動重定向至首頁或其它頁面的操作，該錯誤的實際數量應多于統計數量。筆者還發現，URL檢測軟件通常將該錯誤定義為“所請求的網頁已消失”，而不包括重定向至404錯誤頁面和頁面尚存而其中的文檔已不存在等情況。因此，較之完全基于軟件檢測的同類研究，本研究中該錯誤所占的比例明顯更高。

其余錯誤為數稀少且分布零散。其中數量最多的是“無法連接（數據庫連接失敗）”。這表明互聯網信息服務（IIS）未啟動或無法從訪問端取得服務，以致在設定的時間內未收到來自服務器的任何響應，其實質是客戶端無法與服務器建立連接。此錯誤的產生原因主要是網絡連通性差，以及服務器或網關故障。當欲連接到的 Internet 服務器不存在或代理服務器上有多個默認網關且這些網關位于互不連接的網絡上時，也可能出現此錯誤。“連接已重置”的出現次數居第三，表明目標網站的并發連接數較多，超出網站服務器處理能力或設置的連接數上限。該錯誤亦可見于訪問某些遭人為封禁的網站（如Facebook、YouTube）。

網絡引文不可追溯的另一種情況是：部分網頁的URL雖未改變，但其內容較作者引用時發生變化。不可追溯的網絡引文中約有17%屬于這類網頁。內容改變主要分為三種情況：因域名到期導致主機名（網站）改變、因網站維護導致網頁內容更新、因網站結構布局調整導致頁面主題改變。統計顯示，在內容發生改變的網絡引文中，com域名最為普遍，占總數的31.3%。這反映出商業類信息的動態性強，更新相對頻繁。Edu和org域名的網絡引文中，內容發生改變的也較多，分別占23.5%和22.6%。這顯然與全球教育、科研事業發展迅猛、成果顯著有關。

3　不同域名、格式、語種、頁面類型、深度下網絡引文的可追溯率

3.1網絡引文的可追溯率與域名的關系

網絡引文的可追溯率與域名的關系揭示了不同網絡信息源的信息穩定程度。不同域名的網絡引文，其可追溯率如圖2所示。

圖2　不同域名網絡引文的可追溯率

由圖2可見，ac、org域名的網絡引文擁有最高的可追溯率，達70%左右，可見學術、科研機構的網站是研究者們值得信賴的信息源，這與屈衛群等人[9]的研究結果一致。雖然商業網站的信息往往被認為缺乏嚴肅性、真實性，但檢測結果表明com域名的網絡引文可追溯率稍遜于ac、org域名，而明顯高過政府部門、教育機構等非盈利機構網站所使用的gov、edu等域名。這既與商業網站的運營管理人員重視網絡營銷、勤于網站維護有關，同時亦表明圖書館學學者在利用網絡信息時對商業類網絡信息源進行了審慎的鑒別和篩選，內容穩定性較好的門戶網站、博客平臺、網絡百科更受青睞。令人遺憾的是，gov域名的網絡引文的可追溯率僅為50.3%，衰減最為迅速，且能自動重定向的URL數量很少。這嚴重影響了政府信息公開的力度與績效，制約著電子政務事業的發展。此外，edu域名的可追溯率也低于平均水平，原因可能是新的信息和研究成果迅速涌現，網站更新時舊的網頁、文檔被更新或替換。由此看來，擁有大量權威、可靠的信息資源的政府部門、教育機構亟需加強對其網站及站內內容、鏈接的維護。3.2網絡引文的可追溯率與網頁格式的關系

筆者根據網頁后綴，將網絡引文分為靜態類網絡引文、動態類網絡引文以及無后綴名的網絡引文。不同格式的網絡引文，其可追溯率如表4所示。

表4　不同格式網絡引文的可追溯性

由表4可知，無后綴名子頁的整體可追溯率最高，靜態網頁次之，動態網頁最低。原因可能是無后綴名子頁的開發過程中通常使用了URL重寫技術，將網頁的實際訪問路徑隱藏，而代之以自定義的、較為簡短易記的URL，以提升網站內容的安全性。當實際訪問路徑發生改變時，重寫的URL不必隨之改變。靜態網頁中，shtml/shtm/stm格式（使用服務器端包含技術的html）的網頁的可追溯率明顯高出其它格式。使用該格式的網頁能不斷更新自身的信息，以保證瀏覽器顯示的是該頁面的最新版本，而不必刪除舊網頁，新聞網站等內容更新非常頻繁的網站常使用這種格式。它雖屬于靜態網頁，卻能呈現動態效果，兼有靜態、動態網頁之長，已逐漸得到網站開發者的青睞。有理由相信，將shtml格式更多地應用于網頁制作，有助于延長網頁的生命周期，提升網絡引文的可追溯率。其余格式的靜態網絡引文可追溯率則基本相同。動態網頁的信息顯示依賴于網頁與后臺數據庫的交互以及數據傳遞，一旦后臺數據庫的結構發生改變即無法訪問，且動態網頁的URL中通常含有較多參數或特殊字符，解析較為困難，也降低了其可追溯率。但不同格式的動態網絡引文可追溯率差別不大，php、cfm格式相對較高。3.3網絡引文的可追溯率與語種的關系

筆者將網絡引文分為中文、外文網絡引文。不同語種的網絡引文，其可追溯率見圖3。

圖3　中、外文網絡引文的可追溯性

如圖3所示，外文網絡引文各年度的可追溯率均高于中文網絡引文7-16個百分點。這得益于其更多地利用了自動重定向機制，在可追溯的外文網絡引文中，URL自動重定向的引文占17.5%，而中文網絡引文中該比例僅為7.7%。同時錯誤種類也稍多，表明其錯誤的分布更加分散。但兩者的主要錯誤類型相同，數量居前兩位的錯誤均為“頁面/文檔未找到”和“無法連接（數據庫連接失敗）”。此外，外文網絡引文中，內容發生改變者所占比例更大。以上表明，與國外相比，我國網站管理人員的網站維護意識還有待加強，對網站結構、內容的穩定性也不夠重視。網站管理人員應定期檢測網站的內、外鏈，不輕易調整網站結構，并盡量減少網頁地址的變更和網站內容的遷移。

3.4網絡引文的可追溯率與頁面類型的關系

筆者根據網絡引文所指向頁面在網站中的層級，將網絡引文分為來自主頁、來自子頁和來自下載鏈接頁三類。由圖4可見，各年度內，主頁的可追溯率均明顯高于子頁和下載鏈接頁。其原因在于，只要網站不發生服務器遷移或停止運營的情況，其主頁一般不會消亡。子頁的整體可追溯率又略高于下載鏈接頁。這可能與后者多為會議論文、研究報告等學術文獻，超出某一時限后即被網站方刪除或遷移至新地址有關。除此之外，下載鏈接頁的URL深度通常較大，也使其可追溯率受到一定影響。下載鏈接頁中的信息具有較高的學術價值，而可追溯率卻較低，說明大量寶貴的學術信息和研究成果隨時間流失。這無疑使圖書館學研究遭受不小的損失。

圖4　不同頁面類型網絡引文的可追溯性

3.5網絡引文的可追溯率與URL深度的關系

筆者按照URL的深度，分別統計不同深度下網絡引文的可追溯率。文章考察的網絡引文的URL深度介于0-14間。因深度6以上的URL數量較少，在此一并統計。具體情況見圖5。

圖5　隨URL深度變化的網絡引文的可追溯性

Spinellis[10]認為隨著URL深度的增加，網絡引文不可追溯的可能性逐漸加大。其原因在于：URL越長，其中元素的變更概率越大；URL越短則越易于被人們識記和引用，從而促使網頁提供者保存該網頁。本處的統計結果與該結論基本契合。圖5中，除主頁外，其余頁面的URL深度與可追溯率呈現弱相關關系，即隨著URL層級的增加，網頁的可追溯率有所降低，但并非呈持續下降趨勢。總體而論，網絡引文的可追溯率隨URL深度增加而逐漸下降。但當深度為4和6時，引文的可追溯率均有明顯回升，深度為4的網絡引文可追溯率在所有深度的引文中甚至位居第二，其原因有待探討。

4　結論與思考

由表2可見，四種圖書館學期刊所載論文中，含有網絡引文的論文占論文總數之比、網絡引文占引文總數之比、篇均網絡引文數均呈上升趨勢。這說明網絡信息資源已得到我國圖書館學界的廣泛認可和使用。但歷經數年后，相當一部分網絡引文（包括一些發表年代較早但被引率頗高的經典論文）已經不可追溯，這對于研究者而言無疑是一大憾事。

如前所述，網絡引文不可追溯的主要原因在于網站遷移或停止運營而導致的頁面和文檔消失。有鑒于此，以信息資源的收集、保存與管理為核心職責之一的圖書館、檔案館亟待強化對具有較高參考價值的網絡資源（如博文、維基、開放存取學術資源）的存檔。20世紀90年代以來，許多國家開展了網絡信息保存實驗項目，其中代表性的有美國的Internet Archive、澳大利亞的PANDORA等。我國國家圖書館也于2003年開展了網絡信息資源采集與保存實驗項目（WICP），北京大學計算機網絡與分布式系統實驗室開發了中國網頁歷史信息存儲與展示系統“中國Web 信息博物館”[11]。但當前網絡信息的保存仍滯后于網絡信息的高速增長。圖書館、檔案館應制訂和完善網絡信息采集方案，確定采集范圍、頻率和策略，擇用合適的技術手段建設網絡資源存檔網站或中心，并提供信息檢索服務，以滿足各種學術、商業與個人用途。在此過程中，尤須注意對網絡信息版權的處理。國內相關管理部門應借鑒有關國際經驗，在《公共圖書館法》、《著作權法》等法規中就網絡信息存檔的主體、存檔的原則與標準、版權人的認定、存檔的授權許可機制、存檔資源的訪問和獲取、合理使用原則的適用情況等方面作出規定或補充，協調創作者、網站方、保存者、使用者等各方利益，妥善應對可能產生的版權糾紛，減少相應風險；還可考慮通過制訂、簽署多邊條約等方式為國外網絡信息的存檔掃除障礙。同時，完善現有的出版物呈繳制度，將網頁納入電子出版物呈繳的范圍，以保障該項工作的穩步推進。

首先，網站管理可以為改善網絡引文的可追溯性發揮重要作用。網站改版時，只要主頁地址未變，網站管理與維護人員應通過自動重定向機制將用戶引導至新網址而無需另行搜索；或者向用戶指明欲訪問內容所在的欄目，以便用戶查找、獲取所需信息。這樣即可有效抑制“頁面/文檔未找到”錯誤的產生。此外，定期檢測網址鏈接，及時清除死鏈、修復壞鏈也頗為必要。值得一提的是，政府部門、教育機構和研究機構尤應重視其網站歷史頁面的存檔工作，對URL未變而頁面內容有所更新的網頁應提供其不同時期歷史版本的快照鏈接，同時向承擔網絡信息存檔職責的圖書館、檔案館定期提交這些歷史頁面，使用戶能在較長時間內利用其發布的學術價值較高的網絡信息。此外，“無法連接”和“連接已重置”這兩種錯誤的出現頻次也相對稍多，其原因往往在于服務器發生故障或處理能力不足。由此可見，網站管理對網站服務器進行持續性維護和升級是改善網絡引文可追溯性的又一重要手段。

再次，研究者利用網絡信息的習慣也會對網絡引文的可追溯性有所影響。統計表明，深度在7以上的引文可追溯率較低，URL中含有多個參數或特殊字符的網頁（多為動態網頁）也難以追溯，因此研究者應盡可能謹慎使用URL深度過大、所含參數過多的網絡引文。此外，研究者有必要樹立“參考文獻再利用”的意識，重視網絡信息的穩定性，盡可能地了解本領域內信息豐富、權威、可信且網站運營相對穩定、維護得力的網絡信息源，選用其中的信息作為參考，以便自己和他人日后查考、引證之用。

最后，極少數網絡引文可能因作者著錄不規范（如缺少網站名）、出錯（如漏、誤輸字母和符號）或編排、印刷環節之誤而導致不可追溯，但實際上通過原網址仍可訪問。若作者在提交論文時仔細核對引文著錄內容，編輯人員在審稿、編排時注意核實引文來源，當可有助于網絡引文可追溯率的提升。

網絡引文所指向的網絡信息資源是人類文化遺產的一部分。筆者認為，一方面，提升圖書館學乃至其它學科期刊論文中網絡引文的可追溯率，有賴于作者、編輯、讀者、網站管理人員的共同努力。另一方面，圖書館等公共機構也需廣泛開展網絡資源存檔項目，并建立健全合作、協調機制。唯有多措并舉、多管齊下，方能切實保障這些資源為廣大研究人員長期利用，充分發掘其內在價值。

（來稿時間：2014年10月）

參考文獻：

1.丁敬達，楊思洛. 國內圖書情報學期刊網絡引文的類型、分布與可追溯性分析. 圖書情報工作，2012（24）：60-64

2.張麗敏，王平. 基于P-W型網絡引文引證可追溯性研究. 情報雜志，2012（7）：61-65

3.朱瑩，望俊成. 情報學領域網絡引文衰減規律研究——以三種核心期刊為例. 情報科學，2010（5）：699-704

4.Web Link Validator 1.1. [2014-08-18]. http://www.hanzify. org/software/368.html

5.Download Web Link Validator.[2014-08-15]. http://www. relsoftware.com/wlv/ downloads/

6.Ali Sadat-Moosavi, etc. Accessibility of online resources cited in scholarly LIS journals: A study of Emerald ISI-ranked journals. Aslib Proceedings, 2012(2): 178-192

7.Dion Hoe-Lian Goh, Peng Kin Ng. Link Decay in Leading Information Science Journals. Journal of the American Society for Information Science and Technology, 2007(1): 15-24

8.The Library of Congress. The Average Lifespan of a Webpage. [2014-07-28]. http://blogs.loc.gov/digitalpreservation/ 2011/11/ the-average-lifespan-of-a-webpage/

9.屈衛群，姚小嬌，魏丹等. 網絡引文量及其可獲取性的調查與分析. 情報雜志，2008（12）：112-114

10. Spinellis, D. The decay and failures of Web references. Communications of the ACM, 2003 (1): 1-77

11.劉青，孔凡蓮. 中國網絡信息存檔及其與國外的比較——基于國家圖書館WICP項目的研究. 圖書情報工作，2013（18）：80-86，93

〔分類號〕G203

〔作者簡介〕莊曉喆（1989- ），男，武漢大學信息管理學院2013級博士研究生，研究方向：知識組織與知識管理。

An Investigation of the Availability of Web Citations in Chinese Library Science Journals——Taking Four Core Journals as an Example

Zhuang Xiaozhe
( School of Information Management, Wuhan University )

〔Abstract〕As web citation becomes an important component in references under the network environment that availability has received increasing attention. Choosing four core library science journals in China published between 2009 and 2013, this study takes an empirical analysis of their web citations (P-W web citation). The yearly as well as overall availability of web citations, the reasons for web citation’s unavailability, and the relations between web citations’availability and corresponding webpage’s domain, format, language, type and URL depth are explored. The study argues that strengthening the archiving of online information resources, improving the maintenance of websites, and selecting online information sources prudently are effective measures to increase the availability of web citations.

〔Key words 〕Web citationTraceabilityLibrary scienceJournal