在線學術社交平臺的用戶行為研究

耿斌+++孫建軍

摘 要：在線學術社交平臺為科研工作者提供了一種新型的學術社交方式，文章試圖從用戶使用的角度對在線學術社交平臺的用戶行為進行研究。以ResearchGate平臺南京大學的用戶為研究對象，采用相關性分析、社交網絡分析等方法，從用戶活躍度、用戶使用行為關系、用戶合作網絡等方面對平臺的用戶行為特征進行研究。研究發現，平臺上用戶的使用狀況受學科背景影響，理工類用戶活躍度較高；用戶上傳、閱讀、引用行為之間存在相關關系；校內用戶持續與校外用戶合作更易產生穩定的合作團體。

關鍵詞：在線學術社交平臺；用戶行為；ResearchGate；合作網絡

中圖分類號：G206 文獻標識碼：A DOI：10.11968/tsyqb.1003-6938.2017093

User Behaviors of Online Academic Social Platform

——Case Study of Nanjing University Users of ResearchGate

Abstract Online academic social platform provides researchers with a new way of academic social interaction. This study attempts to examine the user behaviors of online academic social platform from the perspective of user usage. Users of ResearchGate in Nanjing University as the research object and their behavioral characteristics are examined with the correlation analysis and social network analysis about their activity， behaviors， cooperation network and so on. The research discovers that the status of users' usage on the platform is influenced by the background of their academic subject to a large extent， for instance， the users majored in science and technology are far more active than others； There exists a relationship among uploading， reading and citing behaviors； It is easier to generate a stable cooperative group when users in school retain working with the external users.

Key words online academic social platform； user behaviors； ResearchGate； collaboration network

1 引言

隨著Web2.0的快速發展，傳統學術社交方式已經很難滿足日益增長的學術社交需求，在線學術社交以及數字化成果共享已經成為學者學術交流的一種重要途徑。在線學術社交平臺是一種為了增進知識的交流與傳播，幫助科研工作者建立和維護社交關系，同時支持科研工作者研究的整個過程的平臺[1]。以ResearchGate、Academia、Mendeley、科學網、小木蟲、學術圈為代表的在線學術社交平臺，通過在線通訊、及時共享為科研工作者提供了一種新型的學術社交方式。同時，科研工作者通過在線學術社交平臺創建個人信息、發布科研成果、開展學術交流，還能夠提高其學術影響力[2]。

在線學術社交平臺用戶行為是指用戶在結合自身學術需求、科研環境、平臺功能的基礎上做出的使用在線學術社交平臺的意愿，以及產生的各項活動過程及其結果的總和[3]。學術社交平臺的主體是用戶，用戶的客觀行為數據直接反映了用戶的學術需求。研究用戶行為是研究在線學術社交平臺的重要組成部分。通過研究用戶行為數據可以把握用戶的使用意愿以及使用規律，有利于在線學術平臺改進平臺功能，完善平臺服務，提高用戶忠誠度，同時有利于科研工作者進行更好的在線學術交流。因此對在線學術社交平臺的用戶行為進行研究，發現用戶行為的特點，具有重要的研究意義。

2 研究綜述

在線學術社交正在逐漸改變科研工作者的工作方式，協作共享已經成為了學術研究的重要組成部分[4]。而這一特點與Web2.0所強調的“參與”“包容”“合作”理念十分吻合，因此，隨著Web2.0技術的迅猛發展，在線學術社交平臺得到了廣泛的應用，對在線學術社交平臺的研究也吸引了不少學者的關注。目前，對在線學術社交平臺的研究主要基于兩種思路展開：一是將在線學術社交平臺當作一種軟件或工具，以平臺本身作為研究對象，對平臺現狀以及平臺上的功能、服務進行研究，期望找出學術社交平臺的價值、發展規律以及未來的發展方向[5-6]；二是通過問卷間接地獲取用戶意愿數據或者直接使用平臺內豐富的用戶行為數據，以用戶為研究對象，使用統計、計量、社會網絡等研究方法，研究用戶使用平臺的意愿或使用平臺過程中所產生的行為特征以及規律[7-9]。

學術社交平臺本身的研究主要是強調在線社交平臺的功能性作用。如Ovadia[5]認為學術社交平臺的重要性逐步提高，平臺的功能可以更好地為學者服務，在眾多的學術平臺之中ResearchGate是最重要的在線學術學社交平臺之一；Citrome[6]的研究顯示，使用在線社交網絡創建項目文件、交流項目進展有利于科研工作的進行，且科研項目的網格化實施有利于成果的產出。在對平臺用戶行為的研究中，相關研究發現，用戶會表現出對學術社交平臺的粘性。如Nature[10]在其調查中提到，科研工作者中超過25%的受訪者使用在線社交平臺的頻率甚至多于日常社交平臺（如Facebook、Twitter等）。不僅如此，隨著替代計量學的提出，在線學術社交平臺的指標體系對衡量科研工作者也起到了一定的作用。Shrivastava[9]通過對比在線學術平臺的指標與傳統評價指標之間的關系發現，兩者之間存在相關關系，如：傳統的引文數據與社交平臺上項目被引用數據呈現相關關系。綜合目前的研究來看，用戶行為多從使用習慣、合作方式、相關關系一個角度進行分析，并且國內對于國外在線學術平臺的行為分析研究較少。因此本文選取具有代表性的ResearchGate平臺，從多個角度探討在線學術社交平臺的用戶行為。endprint

3 研究設計

3.1 研究目的

本次研究旨在通過客觀真實的用戶數據，從用戶使用的角度對在線學術社交行為進行研究，探究用戶在ResearchGate平臺上的用戶活躍度；用戶使用社交平臺的各項行為之間是否存在相關性以及怎樣的相關性；用戶校內合作與校外合作兩種合作網絡的基本屬性與結構特征。

3.2 研究方法

為了完成研究目標，本次研究使用數據爬取，統計分析，信息計量，社會網絡分析的研究方法對數據進行采集、處理、分析。利用Python語言編寫爬蟲對在線學術社交平臺ResearchGate用戶行為的相關數據進行爬取，使用Mysql數據庫存儲研究數據，使用R語言對數據進行預處理并對數據進行統計分析以及社會網絡分析。

在使用R語言進行數據分析的過程中，首先使用描述性統計分析方法對數據樣本進行定量分析；使用相關性分析方法分析用戶各項行為（如：關注，上傳項目，閱讀，引用等）之間的相關性；使用社會網絡分析方法對兩種合作網絡的網絡屬性以及網絡結構進行分析。

3.3 數據來源及處理

ResearchGate是一個學術在線社交平臺[11]，是由德國的Ijad Madisch博士、Soeren Hofmayer和Horst Fickenscher在2008年5月建立[12]，旨在服務全球科研工作者。通過在該平臺上建立賬號，用戶可以發布個人最新的科研成果且免費查閱其他科研工作者發布在平臺上的項目，尋找有相同研究興趣的研究人員。截至2017年8月，該網站宣稱注冊人數已經超過了1億人，擁有1300多萬研究人員和70多萬研究項目，是全球最成功的在線社交網站之一。在平臺上，用戶通過完善個人信息，發布研究項目，分享研究成果，關注研究人員，回答研究者提問等行為獲得平臺上的影響力，因此該平臺產生了大量的用戶行為數據。相較于其他的學術社交平臺，該平臺用戶活躍度和持續使用率最高[13]。南京大學作為綜合性科研院校，注冊人員，項目發布，平臺影響力（RG指數）均處于前列，用戶活躍度較高。因此本研究選用該樣本對在線學術社交平臺用戶行為進行研究。

截至2017年8月21日，本次研究通過編寫Python爬蟲程序，采集南京大學ResearchGate平臺上用戶行為數據（見表1）。

采集到的原始數據包括：南京大學主頁數據，各院系主頁數據，5642名注冊用戶行為數據以及55481條合作數據。由于存在用戶數據缺失值過多，平臺院系分類和學校設置不同，部分院系沒有主頁信息，數據格式等問題。本次研究對原始數據進行了人工處理并且將平臺上院系分類合并到學校設置的院系之中，處理后的數據包括校主頁數據，學校設置的院系數據、5642名注冊用戶數據以及55326條用戶合作數據。然后，將處理后的數據存儲到Mysql數據庫中進行后續分析。

4 數據分析與結果討論

4.1 用戶活躍度分析

本次研究共有5642名用戶，發布了23704個項目，人均發布項目4.2項，從用戶學歷構成上來說，在填寫了學歷的用戶中，博士在讀及博士以上學歷人員占60.39%，碩士學歷占10.07%，由此可以看出該平臺用戶學歷以博士在讀及以上學歷為主，在填寫了職位的用戶中，教授及研究人員占57.6%，參與度較高，說明科研工作者有較大的學術社交需求和較強的學術社交意愿。

為了研究不同學科，不同領域的用戶的使用狀況，將用戶按學院分類進行統計（見圖1），院系中注冊人數排在前五位的分別是地球科學與工程學院、物理學院、化學化工學院、生命科學院以及計算機科學與技術系，部分院系的注冊人數更是超過了400人。而文學院、社會學院等院系由于注冊人數過少，均沒有主頁相關信息。由此可以看出，在用戶學科背景方面，理工科院系的注冊人數明顯高過文科院系。在平臺的使用上，文科類和理工科類院系出現不均衡的現象。究其原因，可能是因為學科研究對象不同，部分研究沒有平臺使用的需求，因此用戶的使用率較低，活躍度也相對較弱。

從項目發布數量這一屬性來說（見圖1），排在前五位的學院分別是化學化工學院、物理學院、環境學院、醫學院以及地球科學與工程學院，其中，化學與化工學院發布的項目數超過了5000項。作者數是指用戶發布的項目中填寫的作者數量，從作者數的角度來看，作者數排在前五位的分別是化學化工學院、物理學院、醫學院、地球科學與工程學院以及生命科學學院。而從項目的被閱讀數上來說地球科學與工程學院、環境學院、物理學院位列前三位。為了進一步探究不同學科用戶之間的行為差異，本次研究使用單位用戶發布文件數、單位文件被閱讀數以及單位文件作者數三個指標對不同學科用戶行為進行研究，列出公式：

從Pi、Pr、Pa三個指標來看（見圖2），化學化工、物理、環境、數學四個院系的Pi值較高，體現出這三個學科背景的用戶分享項目的意愿更強烈。在Pr值方面，歷史、大氣、建筑與城市規劃、信息管理四個院系表現出較高的分數，體現出作者發布在平臺上的項目有較高的閱讀數，側面體現出這幾個學院上傳的項目受用戶喜愛的程度偏高。Pa值方面，歷史、大氣、地理與海洋、生命科學四個院系分數較高，體現出這些院系項目合作氛圍較濃，值得注意的是從這一指標來看，數學系分數最低，數學系發布的項目作者多為一個人，但數學系發布的項目數卻位于前列，這一現象說明在數學系的項目中，多人合作完成的項目較少，尋求合作的潛力還比較大。

此外，本文還從個人層面對發布項目數、被閱讀數、被引數、被關注數、關注數進行統計（見表2）。

從統計數據來看，用戶平均關注數18人，平均被關注數6人，人均發布項目數11.193項，人均被閱讀量501.757次，人均被引次數93.787次。盡管從平均值來看用戶各項屬性均呈現較高水平，但是各項屬性分布嚴重不均，發布項目、被閱讀數以及被引數的中位數均為0，被閱讀數的標準差過大，表現出較為明顯的長尾現象。這一現象說明大多數用戶發布項目的積極性不高，項目共享方面仍有待提升。而在關注數和被關注數方面分布較為均衡，關注活動發生較為頻繁，用戶的社交意愿較高。endprint

RG（ResearchGate）指數是直接反應用戶在平臺上活躍度的指數，本研究對RG指標進行統計發現，南京大學總RG指數為40064.7，人均RG指數為7.1011，從總體上來看用戶呈現較為活躍的狀態。但通過進一步分析發現，在RG指數中一半以上的用戶為0，用戶這一指標分布嚴重不均衡，極差達到50以上，大多數用戶仍處于低活躍度的狀態。將RG指數為0的不活躍用戶去除之后，得到RG指標的分布（見圖3）。

通過RG指數可以看出，在活躍用戶中，RG值在0-10區間內的用戶數仍處于第一的位置，占活躍用戶的36%，RG指數在10-20區間的次之。在以10為區間的RG指數分布圖來看，用戶的RG指數呈現逐漸遞減的趨勢，RG指數40以上的高活躍度用戶仍在少數，僅占活躍用戶的3%。

4.2 用戶平臺使用行為相關性分析

本文從發布項目數、被閱讀數、被引用數、被關注數以及關注用戶數五個方面對用戶使用行為之間的關聯進行分析，并在此基礎上探究用戶使用行為對用戶平臺活躍指數（RG指數）與用戶學術影響力指數（h指數）的影響。本次研究采用Pearson相關系數進行相關性分析（見表3）。

分析得出，發布項目數與被閱讀數、發布項目數與被引用數、發布項目數與被關注數、被閱讀數與被關注數之間存在較強的相關性（0.8>r>0.5），而被關注數與被引數之間存在較弱的相關性（0.5>r>0.3）。關注用戶數與發布項目數、被閱讀數、被引次數之間存在極弱的相關性（r<0.3）。通過相關性分析結果可知，用戶在平臺上上傳的項目有較大概率被其他用戶閱讀、引用，用戶閱讀平臺上發布的項目后有較大概率關注文件上傳者，產生學術交流，有利于學術合作。而通過關注他人這一行為很難使上傳的項目被更多用戶閱讀、引用。

從兩種指數來看，RG指數與h指數之間存在很強的相關性（r>0.8），用戶發布的項目數，被閱讀次數，被關注次數對于RG指數均存在較強的相關關系（0.8>r>0.5），項目被引次數與RG指數之間具有較弱的相關關系（0.5>r>0.3）。h指數與用戶發布項目數、被閱讀次數、被引次數、被關注數之間均有較強的相關關系（0.8>r>0.5）。對于上述兩種指數來說，關注用戶數與它們之間的相關性程度極弱。由此可以看出，用戶學術影響力h指數和平臺活躍度RG指數有很強的相關性，通過平臺建立學術網絡，共享學術成果有利于學術影響力的提升。用戶若想提高自己的RG指數，可以通過提高發布項目的數量，宣傳項目的成果，進而增加項目被閱讀的次數，以此來增加被關注者的數量，從而達到提高RG指數的目的。若想提高學術影響力h指數則可以從發布項目數量，被閱讀次數，被引次數，被關注數幾個方面來提高。

為了進一步探討兩種指標與發布項目數、被閱讀次數、被引次數、被關注數以及關注數之間的聯系，本次研究采用線性回歸模型對數據進行擬合（見表4）。

可以看出，h指數和RG指數與發布項目數、被閱讀次數、被引次數以及被關注數具有顯著的線性相關關系。其中發布項目數與兩種指數的線性相關程度最大，并且對于RG指數的提升更為明顯。被閱讀次數、被引次數以及被關注數也有不同程度的線性相關關系。這一結果說明，用戶項目發布數量越多，項目被閱讀次數越多，項目被引次數越多，用戶被關注次數越多，兩種指標也會相應的提高。

4.3 用戶合作網絡分析

用戶發布的項目中兩位用戶一起出現即被看作是一次合作。本文通過用戶合作的數據建立合作網絡，使用社會網絡分析的方法探究用戶合作網絡的特性。首先，從學校層面上來看，與南京大學合作最多的院校是中國科學院大學和東南大學。對合作數據中合作次數、項目發起人RG指數、合作者RG指數進行統計（見表5），可以看出，合作次數的平均數為3.53次，中位數為2次；項目發起人RG指數的平均值為22.85，中位數為22.62；合作者RG指數的平均數為28.32，中位數為28.97.由此可以看出，用戶在平臺上的合作次數多為兩次以上，多次合作的概率較高。項目合作者的RG指數略高于項目發起人的RG指數，項目發布者更傾向于尋找平臺活躍度較高的用戶進行合作。

將合作數據分為校內合作網絡和校外合作生成合作網絡，通過網絡聚類系數，網絡密度兩個指標對兩種網絡進行分析。節點代表用戶，通過共同合作的項目進行連接。網絡的聚類系數是表示網絡中節點聚集程度的系數，數值越大說明網絡內節點的連接度越高，越容易進行聚類。網絡密度是反映網絡復雜程度的指標，網絡密度越大說明網絡越為復雜。從合作圖的整體情況來看校內合作網絡的聚類系數為0.2185，網絡密度為0.0009；校外合作網絡的聚類系數為0.00768，網絡密度為0.0004。由此可以看出，整體上來說，用戶合作以校內合作為主，在校內合作的網絡中，更易于聚類，校內合作的粘性更高，多次合作的機會更大，校內合作更為緊密。

由于合作圖節點過多，僅截取合作數大于20的節點用以展示（見圖4）。其中（a）為校內合作網絡圖，（b）為校外合作網絡圖。對校內外合作網絡進行對比可以看出，當合作次數增加時，校內合作人數明顯低于校外合作人數，校外合作網絡出現了更多的小團體，小團體內成員關系更加緊密，校外合作的小團體呈現出更加穩定的趨勢。由此可以看出在平臺的用戶之間內部，校外多次合作的概率更高，用戶持續與校外用戶合作更易產生穩定的學術團體。

5 結論與不足

根據研究可以發現：在線學術社交平臺用戶的使用狀況受學科背景影響，呈現出不均衡現象，理工類用戶活躍度較高。平臺用戶上傳項目、被關注、項目被閱讀、項目被引之間存在較強的相關關系。上傳項目對用戶的學術影響力h指數以及平臺RG指數具有較大影響。在用戶的合作行為中，總體上以校內用戶合作為主，但隨著合作次數增加，校外合作更易產生穩定的學術團體。

本次研究存在以下不足：雖然ReseasrchGate已經是一個較成功的學術社交平臺，但隨著平臺的發展，未來越來越多的研究人員將使用ReasearchGate學術平臺，平臺的數據也會隨之發生變化，未來可以再次搜集數據，研究在線學術行為在不同時間段內的異同。本次學術社交行為研究僅針對南京大學使用ResearchGate平臺的研究人員，不同的用戶群體在線學術社交行為可能會有一定的差異，未來的研究可以擴大到多類用戶群體，探索不同用戶群體在線學術社交行為可能存在的個性與共性差異問題。endprint

參考文獻：

[1] 賈新露，王曰芬.學術社交網絡的概念，特點及研究熱點[J]. 圖書館學研究，2016（5）：7-13.

[2] Nández G，Borrego á.Use of social networks for academic purposes：a case study[J].The Electronic library，2013，31（6）：781-791.

[3] 楊善林，王佳佳，代寶，等.在線社交網絡用戶行為研究現狀與展望[J].中國科學院院刊，2015，30（2）：200-215.

[4] Giglia E.Academic social networks：its time to change the way we do research[J].European Journal of Physical and Rehabilitation Medicine，2011，47（2）：345-349.

[5] Ovadia S.ResearchGate and Academia.edu：Academic social networks[J].Behavioral & Social Sciences Librarian，2014，33（3）：165-169.

[6] Citrome L.My two favourite professional social networking sites：LinkedIn and ResearchGate-how they can help you，or hurt you[J].International Journal of Clinical Practice，2015，69（6）：623-624.

[7] Tang J，Zhang J，Yao L，et al.Arnetminer：extraction and mining of academic social networks[C].Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.ACM，2008：990-998.

[8] Shrivastava R，Mahajan P.Relationship amongst ResearchGate altmetric indicators and Scopus bibliometric indicators：The case of Panjab University Chandigarh（India）[J].New Library World，2015，116（9/10）：564-577.

[9] Almousa O.Usersclassification and usage-pattern identification in academic social networks[C].Applied Electrical Engineering and Computing Technologies（AEECT），2011 IEEE Jordan Conference on.IEEE，2011：1-6.

[10] Van Noorden R.Online collaboration：Scientists and the social network[J].Nature，2014，512（7513）：126-129.

[11] Thelwall M，Kousha K.ResearchGate：Disseminating，communicating，and measuring Scholarship？[J].Journal of the Association for Information Science and Technology，2015，66（5）：876-889.

[12] Bhardwaj R K，Bhardwaj R K.Academic social networking sites：comparative analysis of ResearchGate，Academia.edu，Mendeley and Zotero[J].Information and Learning Science，2017，118（5/6）：298-316.

[13] 張耀坤，張維嘉，胡方丹.中國高影響力學者對學術社交網站的使用行為調查——以教育部長江學者為例[J].情報資料工作，2017（3）：96-101.

作者簡介：耿斌（1994-），男，南京大學信息管理學院博士生，研究方向：網絡信息資源管理；孫建軍（1962-），男，南京大學信息管理學院教授，博士生導師，研究方向：網絡信息資源管理、大數據分析。endprint