未入圍學(xué)術(shù)機構(gòu)ESI被引次數(shù)推算方法研究
——基于WOS平臺引文分析功能

楊紅梅 王正為

（北方工業(yè)大學(xué)圖書館，北京 100144）

2015年10 月，國務(wù)院印發(fā)《統(tǒng)籌推進世界一流大學(xué)和一流學(xué)科建設(shè)總體方案》，將建設(shè)一流大學(xué)和一流學(xué)科擺在重要的戰(zhàn)略位置。方案中提出了以一流為目標(biāo)、以學(xué)科為基礎(chǔ)、以績效為杠桿、以改革為動力的建設(shè)原則[1]。在此背景下，利用權(quán)威的科研績效評價工具，了解學(xué)科在世界所處位置以及學(xué)科發(fā)展趨勢，對于高校培育優(yōu)勢學(xué)科有著重要意義。

ESI（Essential Science Indicators，基本科學(xué)指標(biāo)）[2]是科睿唯安（原湯森路透知識產(chǎn)權(quán)與科技事業(yè)部）推出的一個衡量科學(xué)研究績效、跟蹤學(xué)科發(fā)展趨勢的分析評價工具。國際上普遍認為進入ESI 前1%的學(xué)科屬于世界領(lǐng)先學(xué)科[3]。近年來國內(nèi)各級教育主管部門也已將ESI 作為衡量高校學(xué)科發(fā)展的重要指標(biāo)，如我國教育部學(xué)位與研究生教育發(fā)展中心在第四輪學(xué)科評估中把各高校進入ESI全球前1%學(xué)科數(shù)、ESI高被引論文數(shù)作為重要指標(biāo)[4]；教育部、財政部在“高等學(xué)校創(chuàng)新能力提升計劃”實施方案中提出，申報面向科學(xué)前沿的協(xié)同創(chuàng)新中心，“牽頭高校以及主要參與高校，依托的主體學(xué)科原則上應(yīng)進入ESI學(xué)科排名前1%”[5]。這都顯示了國內(nèi)教育主管部門對ESI 學(xué)科評價的認可。在此背景下，各高校也紛紛將ESI學(xué)科建設(shè)列入事關(guān)學(xué)校發(fā)展的重大事項，力爭使更多學(xué)科入圍ESI全球前1%甚至前1‰，以此推進學(xué)科步入國際先進水平[6]。

利用 ESI、InCites[7]、WOS[8]數(shù)據(jù)庫對有可能入圍ESI前1%的學(xué)科進行預(yù)測，是圖書館服務(wù)ESI學(xué)科建設(shè)的重要內(nèi)容之一，在為學(xué)校的學(xué)科發(fā)展規(guī)劃和政策制定提供支持的同時，也能有效提升自身在學(xué)校的地位和影響力，因而越來越受到圖書館界的關(guān)注。ESI 以“被引次數(shù)”排名作為判斷機構(gòu)入圍的唯一標(biāo)準，被引次數(shù)這一指標(biāo)也就成為在潛力學(xué)科識別以及入圍時間預(yù)測分析中最直觀和最重要的指標(biāo)。由于ESI只公布學(xué)科排名前1%的機構(gòu)的統(tǒng)計數(shù)據(jù)，尚未進入ESI的機構(gòu)無法直接獲取其被計入ESI 學(xué)科的被引次數(shù)以及在ESI 中排名的具體位置，已有研究往往是在WOS或在In-Cites數(shù)據(jù)庫中模擬ESI檢索，得到機構(gòu)模擬ESI的被引次數(shù)CWI據(jù)此來推斷該機構(gòu)在ESI中的被引次數(shù)CESI。一般有兩類推斷方法：第一類是直接用CWI代替CESI，如管翠中[9]等運用曲線擬合模型預(yù)測法對清華大學(xué)藥學(xué)與毒理學(xué)學(xué)科入圍時間進行預(yù)測時，采用的就是這種方法；第二類方法是針對某一學(xué)科，選取若干家入圍機構(gòu)為樣本，計算出樣本機構(gòu)在ESI 中的被引次數(shù)與模擬ESI 檢索出的被引次數(shù)的比值，取其平均值作為誤差修正因子，然后對于未入圍機構(gòu)，令即可。如程建萍[10]等針對22個ESI學(xué)科，選取各學(xué)科入圍機構(gòu)中被引次數(shù)最低的100家機構(gòu)作為樣本，計算相應(yīng)的誤差修正因子，并針對9所大陸高校的計算機學(xué)科進行了實證分析，推測其未來入圍的可能性；王雪[11]引入了被引轉(zhuǎn)換比值，即樣本機構(gòu)在WOS中模擬ESI 檢索的被引次數(shù)與ESI 中的被引次數(shù)比值的平均值，利用生物與生物化學(xué)學(xué)科的被引轉(zhuǎn)換比值，將南京工業(yè)大學(xué)、北京化工大學(xué)的生物與生物化學(xué)學(xué)科在WOS平臺模擬ESI檢索的被引次數(shù)轉(zhuǎn)換為ESI的被引次數(shù)，并在此基礎(chǔ)上對以上機構(gòu)入圍時間進行了預(yù)測，該方法與文獻[10]的原理相同。第一類方法有效的前提條件是，即yi≈1，這是顯而易見的；第二類方法有效的前提條件是所討論的學(xué)科中各機構(gòu)的被引次數(shù)比值yi差別不大，其平均值具有較好的整體代表性。

對于機構(gòu)被引次數(shù)的比值yi遠小于1，且各機構(gòu)之間的yi差異較大，即平均值的代表性較差的學(xué)科，情況如何呢？筆者對ESI 工程學(xué)已入圍機構(gòu)的數(shù)據(jù)進行觀測，發(fā)現(xiàn)工程學(xué)即是屬于這種情況，不同機構(gòu)在兩個數(shù)據(jù)庫中的被引數(shù)據(jù)以及排名數(shù)據(jù)的差異性表現(xiàn)不盡相同。以2018年11 月入圍ESI 工程學(xué)的機構(gòu)為例，排名在1393和1394 的兩家機構(gòu)，其在ESI 中的被引次數(shù)分別為 2374 和 2372，在 InCites 中排名分別為 1139 和1507，被引次數(shù)分別為3904 和2522，兩家機構(gòu)在ESI中的排名僅相差1名，被引次數(shù)僅相差2次，但是在InCites 中的排名以及被引次數(shù)卻相去甚遠，且此種現(xiàn)象并非個別現(xiàn)象。分別計算入圍的末50家機構(gòu)在ESI 中的被引次數(shù)與在InCites 中的被引次數(shù)比值，發(fā)現(xiàn)比值數(shù)據(jù)未集中在工程學(xué)的誤差修正因子0.829 附近，而是分散在0.61-0.97 之間。連續(xù)追蹤多期數(shù)據(jù)，得到相似的結(jié)果。可以推斷未入圍機構(gòu)的該比值數(shù)據(jù)也會在這一較大的范圍內(nèi)波動。因此，在推斷未入圍機構(gòu)ESI 被引次數(shù)時，需要考慮各機構(gòu)的特殊性，而不是僅僅用平均值yi作為誤差修正因子乘以CWI。

筆者的創(chuàng)新之處在于利用WOS平臺的引文分析功能，引入反映施引文獻來源特點的“施引文獻量比值”這一可觀測特征變量來推斷未入圍機構(gòu)在ESI 中的被引次數(shù)。文章主要包括三部分內(nèi)容。第一部分是方案設(shè)計，闡述基于WOS 平臺引文分析功能推斷未入圍機構(gòu)ESI 被引次數(shù)的思路。第二部分是實證研究，以ESI 工程學(xué)學(xué)科為例，利用線性回歸方法推演ESI 被引次數(shù)計算公式。第三部分是針對具體未入圍機構(gòu)的應(yīng)用舉例。

1 方案設(shè)計

無論是在InCites 還是在WOS 數(shù)據(jù)庫中模擬ESI 檢索，引用數(shù)據(jù)均來自WOS 七大核心合集，而其中只有來自SCI/SSCI/A&HCI 數(shù)據(jù)庫（以下簡稱三庫）的引用才會被計入ESI被引次數(shù)的統(tǒng)計。由于檢索功能的限制，無法將不屬于ESI統(tǒng)計范圍的被引次數(shù)去除，這是模擬ESI檢索時被引次數(shù)偏差的主要來源。對于工程學(xué)、計算機科學(xué)等學(xué)科，由于會議論文較多，被引數(shù)據(jù)來自于CPCI 也相對較多，從學(xué)科整體情況來看，模擬檢索的被引次數(shù)虛高現(xiàn)象更為突出。本方案以ESI 工程學(xué)為研究對象，嘗試通過WOS 數(shù)據(jù)庫平臺上強大的引文分析功能來找到問題的解決方案。

在WOS 中模擬ESI 檢索，采用的是“機構(gòu)擴展+期刊名/ISSN 號”的策略，考慮到ESI 工程學(xué)的期刊有800余種[12]，且綜合交叉性期刊還未考慮在內(nèi)，檢索式不易編輯。而在InCites 中模擬ESI 檢索，無需構(gòu)建復(fù)雜的檢索式，只要通過對檢索條件進行限定即可完成。因此本研究首先在InCites中模擬ESI 檢索，再將檢索出的論文導(dǎo)入到WOS 平臺上進行引文分析。機構(gòu)論文在導(dǎo)入WOS 之后，通過引文分析報告可以觀測到論文集合的施引文獻，對施引文獻按照其來源做進一步精煉，即可獲得來自三庫的施引文獻，令，其中“總施引文獻量”是指來自WOS七大核心合集的施引文獻總量，“三庫施引文獻量”是指來自SCI/SSCI/A&HCI數(shù)據(jù)庫的施引文獻量。

對于同屬于一個ESI學(xué)科，作者來自于同一個機構(gòu)的論文集合，其中不乏有主題相關(guān)的論文，它們很可能同時被引用，即成為同被引文獻。從施引文獻的角度來說，一篇施引文獻有可能貢獻了兩次及以上的被引次數(shù)，因而施引文獻量并不等同于被引次數(shù)。施引文獻既可能來自三庫，也可能來自WOS 核心合集中其它數(shù)據(jù)庫，施引文獻對被引次數(shù)的貢獻度主要與機構(gòu)論文集合的主題相關(guān)度有關(guān)，而與其所來源的數(shù)據(jù)庫關(guān)系不大。因此，對于機構(gòu)來說，來自三庫和來自WOS七大核心合集的施引文獻量比值x與被引次數(shù)比值y高度相關(guān)。

針對ESI 工程學(xué)學(xué)科，選取若干家入圍ESI 前1%的機構(gòu)作為樣本，采集樣本機構(gòu)的施引文獻量和被引次數(shù)數(shù)據(jù)，運用回歸方法考察施引文獻量比值x與被引次數(shù)比值y之間的關(guān)系，據(jù)此根據(jù)未入圍機構(gòu)的施引文獻量比值x推斷其被引次數(shù)比值y，進而得到未入圍機構(gòu)的ESI被引次數(shù)。

2 實證研究

2.1 數(shù)據(jù)采集

考慮到排名末位的機構(gòu)與未入圍機構(gòu)的情況相對接近，筆者選取2018 年11 月入圍ESI 工程學(xué)前1%的機構(gòu)中被引次數(shù)最低的50 家機構(gòu)作為訓(xùn)練樣本，用以擬合線性回歸模型；綜合考慮被引次數(shù)與機構(gòu)性質(zhì)（盡量為中國高校）這兩個因素，選擇另外15 家入圍機構(gòu)作為檢驗樣本，用以檢驗?zāi)Ｐ偷膽?yīng)用效果。

2.1.1 ESI被引次數(shù)與InCites被引次數(shù)

ESI統(tǒng)計的數(shù)據(jù)范圍是近10到11年內(nèi)的WOS數(shù)據(jù)，每兩個月更新一次，每次更新增加兩個月數(shù)據(jù)；InCites 統(tǒng)計的 WOS 數(shù)據(jù)是從 1980 年開始，到目前已累積有近40年的數(shù)據(jù)，每月更新一次，每次更新增加一個月數(shù)據(jù)。基于以上原因，即便在In-Cites 中按照ESI 當(dāng)前的數(shù)據(jù)年限設(shè)定檢索時間跨度，也可能因兩個數(shù)據(jù)庫涵蓋的WOS 數(shù)據(jù)范圍的不同，導(dǎo)致模擬檢出的論文數(shù)與ESI真實值之間的差異。因此要特別注意兩個數(shù)據(jù)庫幫助文檔中關(guān)于所涵蓋的WOS數(shù)據(jù)時間范圍的提示[13-14]，選擇合適的模擬檢索時間。

以本文的數(shù)據(jù)采集為例，在2018 年11 月初，InCites 更新，涵蓋的 WOS 數(shù)據(jù)范圍到 2018 年 8 月31 日，而此時的 ESI 還是 2018 年第 5 期的數(shù)據(jù)，涵蓋WOS的數(shù)據(jù)范圍到2018年6月30日，在InCites中檢索時按照ESI的年代范圍限定檢索時間跨度：2008—2018，檢索結(jié)果也比ESI 多出了兩個月的WOS 數(shù)據(jù)。而在 2018 年 11 月中下旬，在 ESI 更新到第6 期數(shù)據(jù)，而InCites 還尚未更新時，兩個數(shù)據(jù)庫涵蓋的WOS數(shù)據(jù)都截至2018年8月31日，所以應(yīng)該選擇此時在InCites 中模擬ESI 檢索并采集數(shù)據(jù)。

盡管模擬檢索時已盡可能接近ESI 的真實情形（檢索時間跨度：2008—2018，文獻類型限定為article 與review，研究領(lǐng)域選擇ESI 學(xué)科分類體系下的工程學(xué)），但是由于兩個數(shù)據(jù)庫由不同的部門開發(fā)，在數(shù)據(jù)統(tǒng)計上存在差異，模擬檢索出的機構(gòu)論文數(shù)與ESI 真實值依然會有不一致的情況。如果機構(gòu)在兩個數(shù)據(jù)庫中論文數(shù)差別過大，應(yīng)將其作為異常數(shù)據(jù)去除，補充新的機構(gòu)數(shù)據(jù)。記錄最終選取的65家樣本機構(gòu)在InCites 中模擬ESI檢索出的被引次數(shù)以及在ESI 中的被引次數(shù)。因篇幅所限，僅列出其中20家訓(xùn)練樣本機構(gòu)的數(shù)據(jù)（見表1）和全部15家檢驗樣本機構(gòu)的數(shù)據(jù)（見表2），機構(gòu)名稱采用InCites 幫助文檔[14]中提供的機構(gòu)縮寫形式。

2.1.2 總施引文獻量與三庫施引文獻量

以某機構(gòu)為例，將模擬ESI檢索得到的機構(gòu)論文從InCites 中導(dǎo)出，利用論文的入藏號在WOS 中檢索，由檢索結(jié)果頁面上的“創(chuàng)建引文報告”鏈接轉(zhuǎn)至引文報告頁面，查看綜合引文統(tǒng)計（如圖1 所示），其中2900即為本例中機構(gòu)論文集合的總施引文獻量。

圖1 綜合引文統(tǒng)計

在圖1 中，雖然有總被引頻次的統(tǒng)計（3406），卻無從獲得究竟有多少被引次數(shù)來自于三庫。但是可以對施引文獻做進一步的分析：點擊圖1中“施引文獻”鏈接，在“精煉檢索結(jié)果”面板的多個精煉選項中選擇Web of Science 索引，進而選中三庫的復(fù)選框進行精煉（見圖2），運行的結(jié)果數(shù)為2454 篇（自動去重），即是本例中三庫施引文獻量。

圖2 精煉施引文獻

依此方法分別獲取65家機構(gòu)的施引文獻量數(shù)據(jù)，部分訓(xùn)練樣本機構(gòu)的數(shù)據(jù)見表1，檢驗樣本機構(gòu)的數(shù)據(jù)見后面的表2。

表1 部分訓(xùn)練樣本機構(gòu)的統(tǒng)計數(shù)據(jù)

續(xù)表1

由于WOS 平臺上的數(shù)據(jù)是每天更新的，圖1中的引文數(shù)據(jù)已不再是樣本機構(gòu)在InCites中檢索時截至到2018年8月31日的WOS數(shù)據(jù)，而是隨著WOS 平臺更新到了數(shù)據(jù)導(dǎo)入時的2018 年11 月。筆者在不同時間將同一家機構(gòu)的論文導(dǎo)入WOS平臺進行分析，發(fā)現(xiàn)盡管被引次數(shù)、總施引文獻量隨著時間的推移有所增加，但是三庫施引文獻量與總施引文獻量的比值，即x值變化不大，間隔時間越短，差別越小，因此可以將x值看作是反映機構(gòu)在某一時間段內(nèi)ESI 論文的施引文獻來源特點的指標(biāo)。

2.2 ESI被引次數(shù)推算

利用50 家訓(xùn)練樣本機構(gòu)的兩組比值數(shù)據(jù)（x，y）作散點圖，見圖3。

圖3 （x，y）散點圖

從散點圖可以看出，樣本點基本都在一條直線附近，說明二者之間可能存在較強的線性關(guān)系。進一步擬合線性回歸方程如下：

擬合度R2=0.940。修正的R2=0.939。這說明線性回歸方程對比值數(shù)據(jù)（x，y）擬合得很好。另外，根據(jù)回歸系數(shù)顯著性檢驗，對x前面系數(shù)進行t檢驗的 p 值為 2e-16，接近于 0，說明x對y的線性影響非常顯著。

根據(jù)未入圍機構(gòu)的施引文獻量比值x，代入線性回歸方程（1）式即得到被引次數(shù)比值，y的估計值。于是，

圖4為本方法流程圖。

圖4 推算ESI被引次數(shù)方法流程圖

2.3 被引次數(shù)誤差率比較

為考察本文所提出的方法的有效性，針對15家入圍機構(gòu)所組成的檢驗樣本，由公式（2）推算出各機構(gòu)ESI被引次數(shù)，再采用文獻[9]的方法。

表2 用于檢驗的樣本機構(gòu)被引次數(shù)誤差率比較

（InCites被引次數(shù)乘以ESI工程學(xué)誤差修正因子0.829），得到各機構(gòu)均值修正法的ESI 被引次數(shù)，最后利用公式（3）分別計算兩種方法推測出的各機構(gòu)被引次數(shù)的誤差率，并進行分析比較（相關(guān)數(shù)據(jù)見表2）。

本方法的誤差率平均值為1.87%，且由表2可見，各機構(gòu)誤差率均不超過5%。而基于均值修正法的誤差率平均值為9.02%，且有5家機構(gòu)的誤差率超過10%。由此可見筆者所提出的方法因引入了施引文獻量比值這一機構(gòu)特征變量，亦即考慮到了機構(gòu)間的差異性，從而使得推測出的ESI被引次數(shù)誤差率明顯減小。

3 應(yīng)用舉例

以北方工業(yè)大學(xué)ESI 工程學(xué)為例，推算其在ESI 中的被引次數(shù)。于2018 年11 月中下旬，在In-Cites數(shù)據(jù)庫中模擬ESI檢索，檢出該機構(gòu)工程學(xué)論文 279 篇，被引次數(shù) 2613 次，利用 279 篇論文的WOS入藏號在WOS數(shù)據(jù)庫中檢索，查看論文集合的引文報告。引文統(tǒng)計結(jié)果顯示施引文獻2263篇，進一步精煉結(jié)果，得到來自三庫的施引文獻1589 篇。利用公式（2）由InCites 中的被引次數(shù)推算出機構(gòu)在ESI中的被引次數(shù)為1908。與本期In-Cites 數(shù)據(jù)相對應(yīng)的ESI 工程學(xué)機構(gòu)閾值為2370，該機構(gòu)在InCites中模擬檢索的被引次數(shù)達到閾值的110%（=2613/2370），經(jīng)本方法推算出的被引次數(shù)僅為閾值的80%（=1908/2370）。單純某一期的數(shù)據(jù)不能說明問題，需要連續(xù)跟蹤機構(gòu)的被引數(shù)據(jù)以及與之對應(yīng)的機構(gòu)閾值數(shù)據(jù)，采用一定的數(shù)據(jù)分析方法來判斷其未來入圍的可能性以及預(yù)測入圍時間，筆者對此不再展開討論。

4 結(jié)語

對潛力學(xué)科的識別以及對潛力學(xué)科入圍ESI時間的預(yù)測分析是為滿足高校決策的實際需求而提出的研究主題，有助于高校制定科學(xué)合理的學(xué)科發(fā)展規(guī)劃，優(yōu)化資源配置，聚焦工作重心，從而實現(xiàn)優(yōu)勢學(xué)科的重點突破[15]。

模擬ESI 檢索得到的機構(gòu)論文被引次數(shù)存在“水分”，不將這一水分去除會直接影響到機構(gòu)入圍ESI 預(yù)測分析的準確性。三庫施引文獻量與總施引文獻量的比值x可以被看作是度量機構(gòu)被引次數(shù)“水分”的個性化指標(biāo)（比值越小，水分越大）。以此為基礎(chǔ)而非以入圍樣本機構(gòu)的平均表現(xiàn)為基礎(chǔ)的被引次數(shù)推算方法，更具針對性地將模擬檢索出的被引次數(shù)水分去除，有效減少模擬檢索產(chǎn)生的偏差，從而提高預(yù)測入圍分析的準確性，且可操作性和普適性強，計算方法亦并不復(fù)雜，希望能為同行在進行機構(gòu)入圍ESI預(yù)測分析時提供參考。