部分智庫網站的信息交流結構研究
——基于URL互引網絡分析

■ 陳微 李秀霞 李婷婷

曲阜師范大學傳媒學院 日照 276826

部分智庫網站的信息交流結構研究
——基于URL互引網絡分析

■ 陳微 李秀霞 李婷婷

曲阜師范大學傳媒學院 日照 276826

[目的/意義] URL引用是鏈接分析發展遇阻后，網絡計量學中一種新的研究方法。研究智庫網站之間的URL互引關系可以了解智庫之間在網絡上的親疏關系，探討不同智庫網站的角色與地位。[方法/過程] 借用Webometric Analyst 2.0獲取全球45個智庫網站的互引數據，將其與智庫排名進行相關性分析，驗證數據的可靠性；并構建45個智庫網站間的URL互引網絡，運用社會網絡分析法對其進行分析，旨在揭示URL互引網絡的主要特征，探究45個智庫之間網絡信息的交流情況。[結果/結論] 研究表明，我國3所智庫與其他智庫網絡交流較少，效率較低。最后，為我國智庫網站的建設提出建議。

智庫網站 URL引用 社會網絡 信息交流

1 引言

智庫主要是指獨立、相對穩定且非營利性的國家政策與社會公眾事務研究機構，它為國家策略的制定、社會的發展提供了科學有效的建議，是現代國家管理系統的重要組成部分。智庫網站是智庫建設的重要外在表現形式，它不僅是智庫提供各類信息資源服務的主要渠道，也是專家學者進行學術交流的重要陣地。而網站之間并不是孤立的，他們通過超鏈接、URL引用、標題共現等方式相互聯系，構成一個社會網絡，從而進行信息的交流。通過對智庫網站之間信息交流結構的研究，可以確定網站的親疏關系，發現隱性信息，從而發現智庫網站存在的不足。

對于機構間網絡關系的研究，大多使用鏈接分析的方法。但由于各大商業搜索引擎相繼終止了復雜鏈接檢索服務，超鏈接數據獲取困難，很多網絡計量學方面的學者開始對URL引用及標題共現等進行研究。2011年，Thel-wall 等人首先構建了URL引用網絡，并對其進行分析，發現URL引用數和機構標題涉及數與鏈接數有一定的相關性，可以作為鏈接網絡的替代，用于相應的研究[1]。隨后國內學者對URL引用進行了理論與實證方面的探討。在實證方面，常艷麗對iSchool聯盟學院URL共現網絡進行研究，發現聯盟學院的關聯性受地域、語言等因素的影響[2]。唐川等人利用社會網絡分析法對100所中國大學網站URL互引網絡進行分析，探究了該網絡的主要特征，并對影響網絡結構的因素進行了探索[3]。魏志皓等人利用URL和網絡標題共現分析法對我國985高校進行了對比研究，探討了兩種方法在不同環境中表征的不同特性[4]。綜上所述，目前對于網站URL引用網絡的研究，主要集中于高校網站、高校圖書館網站等方面，而對于智庫網站的研究還比較少。

本文將獲取全球45個智庫網站URL引用數據，并進行相關性分析，驗證URL引用數據用于分析智庫網站相互關系的可靠性。在此基礎上，文章擬構建全球45個智庫網站間的URL互引網絡，運用社會網絡分析法對其進行分析，旨在揭示URL互引網絡的主要特征，探究45所智庫的網絡信息交流情況。并對研究結果進行深入的探討，分析我國智庫網站存在的問題，提出針對性建議。

2 研究方法與可靠性分析

2.1 研究對象的選擇

本研究以智庫網站為研究對象，遵循先進性和代表性的樣本選取原則。美國賓夕法尼亞大學智庫與公民社會項目組每年都會發布《全球智庫報告》，被認為是最具權威性的全球智庫發展報告。該智庫研究報告根據世界各國智庫的發展情況，對其進行綜合排名。所以，本文根據《2015年全球智庫報告》[5]中公布的2015年全球智庫排名，在前100名的智庫中選取了分布在全球不同國家和地區的45所智庫網站作為研究樣本。樣本如表1所示。

表1 45所智庫的名稱、排名、簡稱、所屬國家及URLTable 1 The names, ranking, abbreviation, countries and URL of 45 think tanks

續表1

2.2 數據的獲取及處理

A網站對B網站的URL引用頻次是指B網站在A網站中URL出現的次數。因為手工檢索收集URL互引頻次既消耗時間和精力，檢索準確性又比較差，所以本文利用Webometric Analyst 2.0軟件收集數據。Webometric Analyst 2.0軟件是由Thelwall教授開發，基于Bing AIP的一款URL數據收集工具[6]。

由于考慮到URL互引頻次的大小反映出相應機構網絡信息交流情況，因此對收集到的URL互引頻次不進行標準化，而直接構成一個45*45的矩陣，其中第x行第y列數據代表智庫網站x對智庫網站y的引用頻次。而且本文只考慮不同網站間的URL互引情況，不考慮網站的自引，因此矩陣對角線上的數據都賦值為0。

2.3 數據可靠性分析

URL引用是一種新的探究網站關系的方法，其作為鏈接分析的替代仍處于探索實驗階段，我們必須對其有效性進行論證分析。對于URL引用數據的驗證，主要通過兩種方法：一是將URL引用的數據和傳統鏈接分析的數據或其他對比參數進行對比；二是通過分析URL引用數據和實際的情況進行主觀對比判斷[7]。由于現階段鏈接數據獲取困難，本文將采取第二種方法，且為了使結果更加鮮明，本文將URL互引數據與智庫排名進行相關性分析，其中URL互引數據選取地是其入度的排名。利用SPSS軟件進行相關性分析的結果如表2所示。

表2 智庫排名與入度排名相關性分析Table 2 Correlation analysis of think tank ranking and indegree ranking

從表中可以看出智庫排名與入度排名顯著相關，且相關性較強，相關系數為0.668。說明獲得的智庫URL互引數據可以較好地反映45所智庫的信息資源及其特征，用于智庫網站信息交流的分析。

3 智庫網站互引網絡的構建與分析

將智庫網站的互引矩陣導入Netdraw中生成智庫網站互引網絡圖，如圖1所示。其中，網絡中的節點代表45所智庫網站，邊代表智庫網站之間的URL引用關系，箭頭指向被引用者。箭頭的指入代表信息的流入，箭頭的指出代表信息的流出。因此，智庫網站之間的URL互引網絡也代表了智庫信息的流動交換網絡。節點的大小由節點的點度中心性決定，邊的粗細由其引用的次數決定。

從圖1中可以看出BK的節點最大，其次為CH和CEIP，這說明在智庫網站進行網絡信息交流過程中BK等3所智庫網站在互引網絡中起著關鍵的作用，他們溝通了各智庫網站，控制著信息交流的方向，在網絡中起著橋梁的作用。KAS、TI、ACPSS、RIE、CH的節點略小于BK等3所智庫網站，這說明他們對智庫網站的信息流動做出了一定的貢獻，特別是對網絡中局部信息的傳遞起到了核心的作用。

圖1 智庫URL互引網絡圖Figure 1 The URL cross-citation network of think tanks

從邊的粗細方面可以看出，粗邊多集中在網絡核心節點周圍。主要集中在以BK、CEPI、ACPSS為核心，包含KAS、TI、RIE、CH、PIIE、ADBI的群體范圍內，這說明在URL互引網絡中，這些網站之間的信息交流比較頻繁。其中最粗的邊出現在ADBI與ACPSS之間，進一步詳細探究發現，ACPSS引用ADBI的內容大多涉及亞洲事務，說明ACPSS網站關于亞洲事務的信息大多來自ADBI。而值得注意的是處于網絡邊緣的AERC、NUPI、ACCORD、SATTA等智庫網站與ACPSS之間的邊也較粗，說明這些網站都與ACPSS網站交流較多。究其原因，ACPSS、AERC、NUPI、ACCORD、SATTA這些智庫網站都來自于非洲，相似的地理環境、政治經濟政策、民族文化等使他們之間交流較為頻繁。從圖中還可以看到屬于中國的智庫CIIS（中國國際問題研究所）表現較為突出，與其他智庫網絡聯系較為緊密。但智庫SIIS（上海國際問題研究所）和CICIR（中國現代國際關系研究院）與其他智庫網絡聯系較少，處于互引網絡的邊緣位置。

4 互引網絡中智庫信息交流結構分析

為了更深入地探索各個智庫網站網絡信息交流情況及其在網絡中的地位，揭示互引網絡的隱性特征，本節將運用社會網絡分析法對其結構進行分析。因為研究某些社會網絡，二值矩陣效果會更好，所以將原始URL互引矩陣進行了處理。

4.1 互引網絡的信息交流整體效率分析

通過對社會網絡整體結構特征的分析，可以揭示網絡中信息傳播的效率。本節將從網絡密度、網絡可達性兩個方面對其進行分析。網絡密度通常用來測量網絡中各成員之間聯系的緊密程度[8]，其值越大，網絡成員之間的聯系就越緊密，成員之間進行的互動就越多，信息交流就越流暢，效率越高。通過Ucinet計算得到，智庫網站的互引二值網絡的密度為0.1813。梅尤的相關研究指出在實際的網絡圖中最大的密度值為0.5[9]。這說明智庫網站之間有一定的聯系，但是并不是很密切，網絡信息交流較少，效率較低。

網絡可達性主要揭示了網絡的連通情況即網絡中節點與其他節點連接的難易程度[10]。它一般可以用節點間的平均距離來表示。高可達性的網絡中，節點之間的距離較短，信息傳遞的效率較高，有利于網絡中各成員的信息交流。經過Ucinet軟件計算得到智庫網站URL互引矩陣的平均距離為2.223，這說明一個智庫網站與另一個智庫網站交流平均需要經過3個其他網站。根據任何2個人之間所間隔的人不會超過6個的結論[11]，表明智庫網站之間的信息傳遞距離適中，信息可以較準確地傳播。

4.2 互引網絡信息交流結構的中心性分析

中心性是社會網絡研究的重要指標之一。通過對中心性的分析，可以確定節點在網絡中的重要性及社會聲望與地位，了解網絡整體分散與集中的態勢。中心性的指標有2種：點的中心度和圖的中心勢；中心度又分為3種：點度中心度、中間中心度和接近中心度[9]。本節主要探究各智庫網站在信息交流中所起到的作用，故主要對互引網絡的點度數中心度和中介中心度進行分析。

4.2.1 基于點度中心度的信息交流情況分析 點度中心度是指節點在網絡中直接相連其他節點的數目和，即該節點的度數。點度中心度高的節點與其他節點的關系密切，具有較大的網絡影響力。智庫網站構成的URL互引網絡為有向網絡，其點度中心度又分為點出度中心度和點入度中心度。在URL互引網絡中，出度中心度高的智庫網站，引用其他智庫網站的頻次高，可以吸收網絡中的大量信息；入度中心度高的智庫，代表其被其他智庫網站引用的頻次高，與較多信息源建立連接，可以向外傳遞所擁有的信息。入度出度都較高的節點為高中介節點，是知識流動的中樞，在廣泛接收知識的同時，又廣泛發送知識，這樣的節點使網絡充滿了活力，創新性的新知識也容易在這樣的節點產生[12]。通過計算，得到45所智庫網站的點度中心度，具體如表3所示。

從表3中可以看出，BK的點入度最大，為31，其次為TI、CEIP等。這表明這些智庫的網絡信息得到了大部分智庫網站的引用，為整個網絡的信息源頭。而且其中BK、CEIP智庫網站的點出度也很大，說明他們是整個網絡中的權威網站，控制著網絡中信息的流動。通過詳細調查發現，這兩所智庫都屬于美國，是全球知名的智庫，其歷史永久，研究深入，頗具影響力。其研究范圍包括世界安全、全球經濟、環境能源、亞歐及各大洲事務等。

表3 45所智庫網站的中心度計算結果Table 3 The centrality of 45 think tanks

還可以看出，KAS的點出度最大，為23，其次是ACPSS、SWP、RIE，他們的點出度都在20以上。說明他們吸收了網絡中大量的信息，對網絡中信息的流通起到重要的作用。但是這4個智庫網站的點入度都不是很高，說明這幾個智庫網站不能大量向外傳遞信息。詳細探究發現，這4個智庫引用了幾乎所有智庫的信息，這些信息包含各個大洲的政治、經濟、文化等事務。而這4所智庫較少被其他智庫引用，向外傳遞信息只限于在本國或擁有相似政治、經濟環境的國家范圍內。所以對于這些智庫，在融合來自其他各種智庫信息的同時，要豐富自己網站的內容，吸引其他網站對其信息的引用，從而提升自己的地位。通過計算，得到屬于中國的智庫CIIS（中國國際問題研究所）的點出度為15，點入度為2。說明CIIS（中國國際問題研究所）較好吸收了其他網站的信息，但在信息向外傳遞方面較弱。其網站的信息不能被更多的網站引用、傳遞，這可能是因為我國智庫創新力不夠、內容陳舊、語言差異等諸多原因。而CICIR（中國現代國際關系研究院）和SIIS（上海國際問題研究院）這兩所智庫出度與入度都較小，在網絡信息吸收與傳播方面表現都較弱。

4.2.2 基于中介中心度的信息交流情況分析 中介中心度刻畫的是某節點處于其他節點之間最短路徑的能力，一個節點（行動者）的中介中心度越大，該節點就可以控制越多的資源，有更大的人際影響力[13]。通過UCINET計算可以得到各智庫網站的中介中心度，具體如表3所示。可以發現，來自歐美國家的BK、CEIP、IISS、KAS 4所智庫網站的中介中心度較高，都在200以上，說明它們處于多個智庫網站網絡信息交流的最短路徑上，對網絡中的信息資源控制能力較強，在整個網絡的信息交流中起到中介的作用。

屬于中國的3所智庫，中國國際問題研究院（CIIS）、中國現代國際關系研究院（CICIR）、上海國際問題研究院（SIIS）的中介中心度都較小，說明中國智庫網站在URL互引網絡中信息控制能力較弱，影響力較小。

4.3 互引網絡內小群體交流情況分析

在互引網絡中，小群體就是指彼此之間相互引用次數較多、知識交流頻繁、研究方向具有較多相關性的小團體[14]。通過對互引網絡中小群體的分析，可以明晰互引網絡的內在結構及各個小群體在互引網絡中的角色地位。本節依次對智庫網站URL互引網絡進行了成分分析、派系分析、派系重疊分析、塊模型分析，從而把互引網絡分為幾個不同的小群體。

4.3.1 成分分析 成分分析是指找出網絡中的成分。在有向網絡中，可以分為弱成分和強成分。弱成分是指在有向網絡中忽略成員關系的方向，強成分則不可以忽略成員關系的方向[13]。本節中將對智庫URL互引網絡進行強成分分析。分析結果顯示45個網絡成員分為4個成分。其中，最大的成分由42個節點組成，AERC、ATL、CEDICE 3個智庫各自為一個成分。CEDICE點入度與點出度都為0，是網絡中的孤立點；AERC的點出度為0，ATL的點入度為0都處于網絡中的邊緣位置。因為成分分析沒有發現群體內部結構的詳細信息，所以我們將進行派系分析。

4.3.2 派系分析 派系與成分不同，它要求一個派系所有點都互相鄰接，且不被更大的派系所包含[15]。在進行派系分析前，首先要對有向數據進行對稱化處理。本節將選擇Ucinet中的“Symmetrizing Method→Minimum”利用互惠關系對該有向矩陣進行對稱化處理。對經過對稱化處理的矩陣進行派系分析（最小成員數設定為3），共得到17個派系。

4.3.3 派系重疊分析 通過對派系分析結果的分析，可以發現派系之間有許多重疊。如BK出現在14個派系中，說明智庫BK與絕大部分派系有信息交流，在智庫網絡信息交流中處于主導地位。智庫CEIP出現在10個派系中，說明其與大多數派系成員有密切聯系。值得注意的是KIEP、CIIS、KDI、YDI等智庫網站不屬于任何一個派系，說明他們是網絡中的孤立者。經調查發現，這些智庫網站大多來自非英語國家，語言的障礙可能是這些智庫不歸屬于任何派系的原因。所以這些非英語國家的智庫網站應該重視智庫網站英語版本的建設，從而確保交流的通暢。

4.3.4 塊模型分析 派系之間重疊可能隱藏了派系的結構[13]。為了進一步地挖掘網絡內部結構的信息，本文進行塊模型分析。塊模型分析是一種研究網絡位置模型的方法，是對社會角色的表述性代數分析[13]。利用Ucinet中CONCOR程序對智庫URL互引矩陣進行分析，得到分塊圖、塊密度矩陣,分別如圖2、表4所示。由圖2可看出該智庫圖書館URL互引網絡可劃分為8塊。

圖2 智庫URL互引網絡分塊圖Figure 2 The block diagram of think tank URL cross-citation

表4 智庫URL互引網絡塊密度矩陣Table 4 The block density matrix of think tank URL cross-citation

該整體網絡密度為0.1813，以此值為臨界值，將表4中的各個塊的密度與其做比較，把塊密度矩陣轉化為像矩陣。根據像矩陣可以繪制出像矩陣的簡化圖，如圖3所示。在圖3中可以看出，45所智庫網站組成的8個子群之間聯系并不緊密。其中子群1和子群7是信息的源頭，前者向子群2、子群5輸出信息，后者向子群4、子群5傳遞信息。其中子群1包含智庫最多。綜合其包含智庫的特點可以看出在塊1的智庫大多屬于歐美地區，且大部分智庫研究地域、學術范圍都較廣，包括全球的經濟、民生、衛生、教育等問題。如BK、CH、CI、CEIP等在多個類型的智庫排名中都在前20，綜合實力較強[5]。子群2可以視為網絡中的經濟人，它即向外傳輸信息，又接受外來信息。通過分析，子群2中的智庫研究成果多為本國及與本國相關的國際性問題，研究范圍相對較小。如KAS主要研究歐盟的各種事務及跨大西洋的發展與合作。這也正符合子群2經紀人的位置定位，它吸收了子群1中的智庫信息，通過自己整合，傳遞給子群5。子群5是一個接受型的子群，接受來自子群1、2、3、7等子群的信息。子群5只包括ACPSS和SIIS 2所智庫，分別來自同是發展中大國的埃及與中國。正如這兩個國家多吸收外界科學信息的實際發展情況，ACPSS和SIIS也基本只吸收外界的各種信息。所以ACPSS和SIIS這兩所智庫還需要在吸納其他智庫網絡信息的同時，注重創新，不斷產出新的科研成果，努力促進自己智庫的發展，提高國家的軟實力。

圖3 像矩陣簡化圖Figure 3 The simplified diagram of image matrix

通過對智庫URL互引網絡小群體的分析及各個智庫網站內容的實際調查，發現URL互引網絡中智庫的網絡信息交流可能還會受智庫網站使用語言和智庫規模的影響。為了進一步探討智庫URL互引網絡中的網絡信息交流與語言和智庫規模的關系，我們將URL互引網絡入度指標和網站的使用語言及智庫規模的相關指標進行相關性分析。其中，智庫網站的語言指標為等級數據，智庫網站語言為英語設為一級，智庫網站語言不是英語但是設有英文版頁面設為二級，智庫網站語言不是英語且沒有設有英文版頁面設為三級；智庫規模將用智庫雇員數量來表示。通過對每個智庫網站的調查及統計，得到智庫網站是否使用英語及雇員數量。在相關性分析之前，還分析了兩類數據的統計屬性，均呈偏態分布，所以將用SPSS對其進行Spearman相關系數進行計算。具體分析結果如表5所示。從圖中可以看出，智庫使用英語等級情況與入度排名顯著相關，而智庫雇員數量與入度排名相關性并不顯著。說明智庫網站使用語言是影響智庫在網絡中信息交流的因素之一，官方語言是英語的智庫網絡交流較多。而智庫的雇員數量則對智庫網絡信息交流影響不大。

表5 相關性分析結果Table 5 The result of correlation analysis

5 結論與啟發

本文利用Webometric Analyst 2.0軟件收集了全球45所智庫的URL互引數據，并對這一新的網絡計量數據源做了有效性分析，據此以一個新的視角探究了全球45所智庫網絡信息的交流情況，較好地解決了在鏈接數據困乏情況下智庫網站相互關系難以分析的問題。并得到以下結論：

（1）作為鏈接數據的替代和補充，URL數據在一定程度上可以用于網絡計量分析。本文通過相關性分析，發現URL數據的排名與智庫的排名顯著相關，說明本文收集的URL數據完全可以作為智庫之間網絡信息交流的分析數據。

（2）智庫URL互引網絡的密度較低，網絡信息交流較少，效率較低。但智庫網站之間的信息傳遞的距離適中，信息可以較準確地傳播。

（3）智庫URL互引網絡中充當信息源和經紀人角色的智庫網站多來自歐美國家，說明這些智庫控制著網絡中的資源，是網絡中的權威。而來自其他大洲的智庫，特別是屬于中國的3所智庫多大量吸收網絡中的信息而幾乎不向外輸出信息，在URl互引網絡中，影響力較小。

（4）通過對智庫URL互引網絡小群體及網站內容的分析，發現URL互引網絡中智庫的信息交流受語言和智庫研究范圍的影響，官方語言是英語且研究內容廣泛的智庫交流較多。但是智庫規模對智庫網絡信息交流的影響不大。

通過以上結論及對智庫網站內容的分析，我們得到以下啟示：

智庫網站之間URL的引用可以進行信息的傳播，使智庫網站進行網絡信息、知識的交流。但屬于我國的3所智庫與其他智庫網絡交流表現不佳，說明我國這3所智庫網站在互聯網中的影響力較小。

我們首先要提升我國智庫實力，擴展智庫的學術研究內容。經過對位于核心區域影響較大的智庫的調查，可以發現這些智庫的研究內容較廣，不僅涉及到國家政治、軍事等宏觀的內容，還包含了對民生、醫療等貼合人民生活的微觀內容。而中國智庫研究內容則較為單一，多為國家政策制定等內容，極少涉及民眾生活的細節問題，不能緊貼時代發展。所以在今后的發展中，我國智庫應擴大其研究內容，實現多方面、多層次發展。

另外，還要加強我國智庫網站的建設，豐富其內容，特別是要重視英文版網站的建設，從而保證其與其他網站交流通暢。通過對BK等核心智庫網站的調查，可以發現這些網站還將博客、通訊工具等社交工具嵌入網頁，方便自己研究成果的傳播。在這個社交工具廣泛應用的年代，這種方法也是值得學習和借鑒的。

[1] Thelwall M, Sud P. A Comparison of Methods for Collecting Webcitation Data for Academic Organizations[J]. Journal of the American Society for Information Science and Technology, 2012(63): 1960-1 972.

[2] 常艷麗. iSchools聯盟學院URL共引用網絡鏈接分析[J]. 情報雜志, 2013, 32(4):108-112．

[3] 唐川, 劉春江, 許婧. 中國大學網站URL引用網絡結構特征與相關因素研究[J]. 情報雜志, 2014, 33(4): 46-51.

[4] 魏志皓, 施國良. URL與網絡標題共現數據的特征對比實證研究:以“985高校”為例[J]. 圖書館學研究, 2015(23): 80-85.

[5] TTCSP. 2015 Global Go To Think Tank Index Report [EB/OL]. [2016-2-9]. http://repository.upenn.edu/cgi/ viewcontent.cgi?article=1009&context=think_tanks.

[6] Thelwall M, Pardeep S. Webometric Research with the Bing-Search API 2.0[J]. Journal of Informetrics, 2012, 6(1): 44-52.

[7] 鄧三鴻, 王昊. 基于Title Mention的985高校名稱共現及引薦關系分析[J]. 情報學報, 2014(12): 1322-1334.

[8] Stanley Wasserman, Katherine Faust. Social Network Analysis: Methods and Application[M]. London: cambridge university press, 1994.

[9] 劉軍. 社會網絡分析導論[M]. 北京: 社會科學文獻出版社, 2004: 62,114-116.

[10] 岳增慧, 方曙. 基于SNA的高校圖書館共鏈網絡研究[J]. 情報資料工作, 2012(6): 61-65.

[11] Stanley Milgram. The small world problem[J]. Psychology Today, 1967, (2): 60-67.

[12] 王曉紅, 張寶生. 知識網絡結構特性對知識流動作用分析[J]. 價值工程, 2010, 29(2): 11-13.

[13] 劉軍. 整體網分析講義: UCINET軟件實用指南[M].上海: 上海人民出版社, 2009: 100,125,150-153.

[14] 張勤, 馬費成. 國內知識管理領域知識交流結構研究:基于核心作者互引網絡的分析[J]. 情報學報, 2012, 31(9): 925-933.

[15] 郭金龍, 許鑫. 領域博客的社會網絡分析: 基于圖書情報與互聯網絡博客的實證[J]. 圖書情報工作網刊, 2012(1): 1-8.

作者貢獻說明：

陳 微：撰寫論文全文初稿；

李秀霞：設計論文思路，修改論文；

李婷婷：收集中美智庫相關數據。

Analysis of the Information Communication Structure of Think Tank Websites Based on the URL Cross-citation Network

Chen Wei Li Xiuxia Li Tingting
School of Communication, Qufu Normal University, Rizhao 276826

[Purpose/significance] The URL citation is a new study method of webometrics when the link analysis method development has a bottle neck. We can know close and distant relationships among think tank websites through analyzing the URL cross-citation network. [Method/process] we obtained URL crosscitation data of 45 global think tanks by using Webometric Analyst 2.0. It could prove that the data were reliable while a correlation analysis was considered. Then, we constructed the URL cross-citation network of think tank websites and analyzed the network by using the social network analysis method for exploring the information communication. [Result/conclusion] The results show that three think tanks in China are less connected to other think tanks and the efficiency is low. Finally, the paper offers some proposals of perfecting China’s think tanks.

think tank website URL citation social network information communication

G350

10.19318/j.cnki.issn.2096-1634.2017.01.05

2016-11-30

2017-01-02 本文責任編輯：唐果媛

陳微（ORCID: 0000-0002-2133-7097），曲阜師范大學傳媒學院，碩士研究生，E-mail: 1209665334@qq.com；李秀霞（ORCID: 0000-0002-3492-4768），曲阜師范大學傳媒學院教師，副教授，碩士；李婷婷（ORCID: 0000-0002-7987-5429），曲阜師范大學傳媒學院，碩士研究生。