大數(shù)據(jù)視域下知網(wǎng)首發(fā)的新冠肺炎專題中文論文文獻計量學分析

陳銳鋒，譚春林

近年來，論文首發(fā)以超短的發(fā)表時滯為最大優(yōu)點越來越受到業(yè)界的關(guān)注。對于成果首創(chuàng)性、熱點研究以及最新發(fā)現(xiàn)，無論是作者還是期刊都希望以最短的時間將其在線首發(fā)。國際上作者在投稿時，同時將稿件在預印本上發(fā)布[1-3]；國內(nèi)也有不少期刊將已經(jīng)通過審稿的論文以網(wǎng)絡首發(fā)的形式刊出[4-6]。中國知網(wǎng)利用其獨特的網(wǎng)絡首發(fā)的正式數(shù)字出版優(yōu)勢，大大縮短論文的出版時滯，對新型冠狀病毒肺炎（簡稱“新冠肺炎”）專題研究起到助推的作用。利用大數(shù)據(jù)挖掘方法代替?zhèn)鹘y(tǒng)手動獲取網(wǎng)絡文本的方法，可以較快速、較全面地對論文信息進行挖掘，已成為期刊編輯從事學術(shù)研究的一種新途徑[7-8]。本研究基于知網(wǎng)首發(fā)平臺的新冠肺炎專題論文數(shù)據(jù)[4]，利用Python 3.6編寫文本挖掘程序獲取有關(guān)數(shù)據(jù)[9]，并在大數(shù)據(jù)視域下進行文獻計量學分析，了解醫(yī)藥衛(wèi)生期刊界在疫情流行期間的貢獻以及知網(wǎng)首發(fā)的新冠肺炎專題中文論文的特征，以期為醫(yī)藥衛(wèi)生期刊乃至科技期刊的編輯出版工作提供參考。

1 對象和方法

1.1 對象

以2020年1月21日至3月24日中國知網(wǎng)首發(fā)平臺上發(fā)表的新冠肺炎專題論文為研究對象。以“新型冠狀病毒”“肺炎”“病因”“病因?qū)W”“診斷”“治療”“療效”“護理”“預后”“預防”“防疫”為關(guān)鍵詞或主題，在知網(wǎng)首發(fā)平臺搜索其發(fā)表時間、下載量、期刊發(fā)文量等數(shù)據(jù)。研究對象納入標準：1）知網(wǎng)首發(fā)新冠肺炎專題文獻；2）刊登期刊為醫(yī)藥衛(wèi)生期刊；3）中文文獻；4）發(fā)表時間2020年1月21日至3月24日。剔除標準：1）涉及其他肺炎的文獻；2）會議文獻；3）外文文獻；4）無法獲取全文的文獻。

1.2 方法

1）論文信息文本提取算法。利用Selenium框架（一款用于測試Web應用程序用戶界面的自動化測試框架），模擬工方式自動點擊網(wǎng)頁中的標簽頁、鏈接或按鈕，可實現(xiàn)論文信息的自動化挖掘[9]。本研究基于Selenium自動化框架，利用Python的lxml庫，處理目標url網(wǎng)頁的表格中標題、作者、發(fā)布時間、下載次數(shù)的XPath路徑，使用網(wǎng)頁標簽的屬性（如class、id等）來定位[10]，實現(xiàn)對目標論文信息文本的抽取。論文信息文本提取算法的流程見圖1。

2）文獻計量學分析。本研究以上文獲取的數(shù)據(jù)為依據(jù)，在大數(shù)據(jù)視域下，采用文獻計量學分析方法分析新冠肺炎專題首發(fā)的論文主題分布、論文增長情況、下載熱度分析、核心載體分布、核心作者分布、第一作者機構(gòu)分布等情況。

3）科學文獻增長模型。常用于描述科學文獻增長的模型主要有：線性模型、普賴斯指數(shù)模型、修正冪模型、回歸模型[11]。其中回歸模型表明科學文獻數(shù)量在最初慢速增長后，出現(xiàn)近似線性的快速增長態(tài)勢，在達到轉(zhuǎn)折點處，增長速度下降，文獻數(shù)量在這期間達到最大值。回歸模型公式如下：

式中，P(t)是在t時間段里累計出版的期刊論文數(shù)量，篇；P(t)max是t時間里文獻數(shù)量的最大值，篇；P(y0)是在t時間段里初始年的文獻數(shù)量，篇；a為常數(shù)，表征持續(xù)增長率。

評價文獻增長最常用的指標是（mean annual publication rate，MAPR）、倍增時間（doubling time，2T）[11]，其公式分別為：

式中：Py、Py-1是分別在第y年以及上一年的論文累積數(shù)量，篇；Pt是在第t年的論文累積數(shù)量，篇；P1是初始年的論文累積數(shù)量，篇。

溫克勒[11]研究表明：目前關(guān)于文獻數(shù)量的時間函數(shù)只能描述某個時間段內(nèi)的文獻數(shù)量變化情況，而不能對較長時間內(nèi)的文獻量變化進行分析。鑒于專題首發(fā)論文統(tǒng)計時間的特殊性，本文基于Python挖掘程序獲取的專題首發(fā)的論文數(shù)據(jù)，設置統(tǒng)計時間段t以星期（w）為單位，應用公式（1）～（3）對專題首發(fā)論文的文獻增長回歸模型、周均發(fā)文增長率（mean weekly publication rate，MWPR）和倍增時間進行擬合分析，以分析專題首發(fā)論文的增長態(tài)勢。

1.3 統(tǒng)計學分析

利用Excel2013軟件建立數(shù)據(jù)庫并利用其統(tǒng)計功能進行相關(guān)統(tǒng)計分析。計數(shù)資料采用構(gòu)成比進行描述。

2 結(jié)果及分析

2.1 主題分布

搜索到1 696篇新冠肺炎專題的知網(wǎng)首發(fā)中文論文，按文獻納入標準及剔除標準，去除11篇外文文獻，符合條件的文獻為1 685篇。從中共提取4 006條關(guān)鍵詞，利用Excel2013軟件去除重復后得到1 790條關(guān)鍵詞。首發(fā)論文的6個主題（治療、感染、防控、進展、心理、護理）中，發(fā)文量依次為246、208、180、63、459、52篇。表明在抗疫初期，主要從對癥治療（搶救）新冠肺炎病人，感染途徑、預防控制措施等進行探索研究。

2.2 論文增長情況分析

設定知網(wǎng)首發(fā)平臺2020年1月20日為時間起點（0篇），以天為單位統(tǒng)計新冠肺炎專題中文論文每天新增和累積發(fā)文量。除起點外，有13天發(fā)文量為零的情況屬于節(jié)假日，前20天的當天發(fā)文量增長緩慢（平均2.4篇/天），第20天以后的每日新增發(fā)文量迅速增加。見圖2。從首發(fā)的第1篇論文開始統(tǒng)計出各期刊的單刊發(fā)文量，根據(jù)公式（1）對每周發(fā)文量進行回歸模型擬合，繪制出單刊、按周期數(shù)統(tǒng)計每周累積發(fā)文量的擬合曲線，以了解不同專題論文的累積發(fā)文量隨時間變化情況（見圖3）。結(jié)果顯示，擬合曲線與實際發(fā)文量曲線吻合（持續(xù)增長率a=0.764 2，R2=0.996 7）。近10周來，MWPR=107%，2T=1.028周。其增長特征表現(xiàn)為初始階段緩慢增長，在中期迅速增長，在末期增長趨緩。說明新冠肺炎專題中文論文知網(wǎng)首發(fā)的發(fā)文量的增長變化符合大數(shù)據(jù)指數(shù)增長的特征[12]，在一定程度上反映公眾對新冠肺炎疫情的關(guān)注度。

圖2 知網(wǎng)專題論文的增長趨勢

圖3 專題論文累積發(fā)文量隨時間變化回歸模型擬合曲線及倍增時間曲線

2.3 論文下載熱度分析

下載熱度反映某一時期某一領(lǐng)域?qū)δ呈录难芯繜狳c。為研究每篇新冠肺炎專題首發(fā)論文的下載熱度，分別計算1 685篇論文中每篇論文的發(fā)表天數(shù)（即統(tǒng)計日期與發(fā)表日期之差），進而計算日均下載量（即總下載量與發(fā)表天數(shù)之商），根據(jù)日均下載量從高到低排序的前20名（TOP20）論文的發(fā)表天數(shù)以及下載情況（圖4）。TOP20的論文日均下載量都在140次以上。日均下載量排名第一的是《南方醫(yī)科大學學報》近期（發(fā)表天數(shù)為25天）發(fā)表的論文“新型冠狀病毒肺炎疫情下大學生心理健康狀況及影響因素分析”，其下載量達到8 821次，日均下載量達到352.8次/天；排名第二的是《山東大學學報(醫(yī)學版)》近期（發(fā)表天數(shù)為23天）發(fā)表的論文“新型冠狀病毒肺炎研究進展述評”，其下載量達到8 034次，日均下載量達到349.3次/天；排名第三的是《生物信息學》（首發(fā)平臺的第一篇，發(fā)表天數(shù)70天）發(fā)表的論文“2019新型冠狀病毒基因組的生物信息學分析”，其下載量達到21 651次，日均下載量達到309.3次/天。總體上，專題首發(fā)論文的下載量普遍較高，說明熱門專題首發(fā)論文具有很高的社會影響力[13]。

圖4 日均下載量排名TOP20論文的發(fā)表天數(shù)、總下載量及日均下載量

2.4 核心期刊分布

對1 685篇新冠肺炎專題首發(fā)論文的來源期刊進行分類統(tǒng)計，根據(jù)英國文獻學家布拉德福定律[13]，將發(fā)表新冠肺炎專題首發(fā)文獻的272種相關(guān)期刊分為3個區(qū)；核心區(qū)、相關(guān)區(qū)、離散區(qū)，發(fā)表論文25篇及以上的期刊定為核心區(qū)；5～24篇的定為相關(guān)區(qū)；少于5篇的定為離散區(qū)。見表1。新冠肺炎專題文獻的核心期刊分布，發(fā)表新冠肺炎專題文獻位于核心區(qū)有13種期刊，發(fā)表新冠肺炎專題首發(fā)中文論文為26～54篇，共發(fā)表文獻450篇，占總文獻數(shù)的26.71%。這些核心期刊在疫情初期探索治療措施，傳播防治經(jīng)驗發(fā)揮強有力的作用。

表1 2020年新冠肺炎專題研究知網(wǎng)首發(fā)文獻的期刊分期情況

2.5 核心作者分布

根據(jù)普賴斯核心作者計算公式N=0.749(nmax)1/2（式中N為成為核心作者應發(fā)文的最少篇數(shù)；nmax為發(fā)文最高作者的論文數(shù)）進行新冠肺炎專題研究的核心作者群分析[14]。假設本研究中發(fā)文最高作者的論文數(shù)為4篇，則N=0.749×41/2=1.498篇，取最大整數(shù)為2篇，即2篇以上作者視為新冠肺炎專題研究的核心作者。實際上本研究所搜索到的1 685篇2020年知網(wǎng)首發(fā)新冠肺炎文獻中，發(fā)文量2篇以上的第一作者只有6人(見表2）。占第一作者總?cè)藬?shù)的0.36%，發(fā)表文獻共計14篇，僅占總文獻量的0.83%，遠低于普賴斯定律的規(guī)定值50.00%[14]。說明在本研究檢索時間范圍內(nèi)，國內(nèi)有關(guān)新冠肺炎研究領(lǐng)域的核心作者群并未形成。可能因為疫情初期，包括專家學者、領(lǐng)軍人物在內(nèi)的核心作者專注于病因?qū)W的探索研究、治療手段的醞釀階段，尚未總結(jié)出行之有效的治療經(jīng)驗，也不排除有些高質(zhì)量論文投與國外刊物。

2.6 作者合作情況

1 685篇2020年知網(wǎng)首發(fā)新冠肺炎文獻中，署名1位作者的為114篇，2位作者及以上的共1 571篇，作者合作率為93.23%，說明大多數(shù)文獻的研究都是以團隊合作方式進行的。

2.7 第一作者機構(gòu)分布

臨床醫(yī)院1 052個、醫(yī)學院校研究所（含研究中心、學會、醫(yī)藥公司）915個、中醫(yī)院（含中西醫(yī)結(jié)合醫(yī)院）46個，解放軍醫(yī)療機構(gòu)（含部隊醫(yī)學院、醫(yī)院、疾控中心）140個、疾病預防控制中心（含職業(yè)病機構(gòu)）61個、新冠肺炎診治專家組31個。說明在這次戰(zhàn)疫中，醫(yī)學相關(guān)學科機構(gòu)團結(jié)一致，各司其職。專家學者、領(lǐng)軍人物組成的專家團隊親臨第一線，深入研究病情，提出防治方案，編寫有關(guān)專家共識，為抗疫戰(zhàn)線提供強有力的指導。包括部隊醫(yī)院在內(nèi)的臨床醫(yī)院，奮戰(zhàn)在抗疫第一線；醫(yī)學院校研究所在病因?qū)W研究，預防措施的研究等方面做出應有的貢獻；疾控中心主要致力于流行病學調(diào)查、預防措施；職防機構(gòu)則負責流行病學調(diào)查、抗疫醫(yī)務人員職業(yè)接觸感染新冠病毒的職業(yè)防護（納入《職業(yè)病目錄》）研究。

2.8 存在內(nèi)容同質(zhì)化問題

在知網(wǎng)專題首發(fā)平臺上，出現(xiàn)“瑞德西韋”等藥物的臨床應用的相近論文有10篇；以不同省份或地區(qū)“流行病學特征”為研究內(nèi)容的相近論文有16篇；以SEIR等模型對不同省份或地區(qū)的疫情進行計算機模擬及趨勢預測為內(nèi)容的論文有16篇；對新冠肺炎相關(guān)研究進展的綜述論文有37篇。這些論文均存在研究范圍趨同、研究方法趨同、解決對策趨同等同質(zhì)化現(xiàn)象[15-16]，這種具有內(nèi)容同質(zhì)化論文不僅發(fā)表時間相近，而且還在不斷出現(xiàn)。對于專題熱點論文，同質(zhì)化是不可避免的，這也符合大數(shù)據(jù)信息和噪聲并存的特點[12]。但是內(nèi)容的同質(zhì)化論文數(shù)量不能超過一定限度[17]。在組稿約稿時需要進行查新。知網(wǎng)首發(fā)論文可被認定為正式出版，因此首發(fā)論文的編校質(zhì)量需要引起重視。

3 啟示

以上通過大數(shù)據(jù)的抓取，在大數(shù)據(jù)視域下分析面對突如其來的新冠肺炎疫情大流行情況，醫(yī)學期刊界及時報道疫情的相關(guān)研究進展，為抗疫戰(zhàn)士譜寫一首首英雄贊歌，結(jié)果顯示，新冠肺炎專題論文知網(wǎng)首發(fā)的發(fā)文量的增長變化符合大數(shù)據(jù)指數(shù)增長的特征，在一定程度上反映公眾對新冠肺炎疫情的關(guān)注度。做好個人防護、對癥治療是控制疫情的首要措施。由于黨中央的英明領(lǐng)導，防治措施得當，如今我國的疫情基本得到控制。然而，面對全球疫情全面爆發(fā)當今，我國科技期刊編輯又該如何做呢？以上分析，給我們的啟示有如下幾點。

表2 新冠肺炎專題首發(fā)文獻2篇以上的第一作者發(fā)文情況

3.1 全球抗疫，經(jīng)驗共享

從大數(shù)據(jù)視域看，人類是生活在地球村的生命共同體，生死休戚相關(guān)。隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和云計算技術(shù)的成熟和發(fā)展，全球已進入醫(yī)療衛(wèi)生服務大數(shù)據(jù)時代[12]，為疫情的全球監(jiān)測、專家遠程會診、診療提供技術(shù)支撐。因此。可通過大數(shù)據(jù)分析、對疫情進行科學分析與預測，總結(jié)推廣我國的成功經(jīng)驗，結(jié)合國外數(shù)據(jù)，盡快找出行之有效的治療方案，團結(jié)一切可以團結(jié)的力量，戰(zhàn)勝人類的共同敵人。

3.2 關(guān)注社會熱點

從論文增長情況分析可知，公眾對突發(fā)性熱點事件高度關(guān)注。對于醫(yī)藥衛(wèi)生期刊發(fā)展而言，這種熱點首發(fā)論文無疑會提高期刊的知名度、公眾認可度以及影響力。作為醫(yī)藥衛(wèi)生期刊編輯，在突發(fā)性熱點事件中應該有所擔當，應保持清醒的頭腦和敏銳的嗅覺，跟蹤社會熱點，組織高質(zhì)量的學術(shù)論文并及時報道，這對有效提高期刊影響力具有重要意義。一方面，面對災難事件不能束手無策、思想保守而將優(yōu)秀稿件拒之門外；另一方面，要積極應對突發(fā)性熱點事件，對相關(guān)的科學問題進行策劃，主動出擊，第一時間向取得重大成果的科研團隊組約優(yōu)秀的稿件。

3.3 融合辦刊

目前，大數(shù)據(jù)影響的深度廣度不斷擴大，由于其蘊含了各學科的融合與貫通，導致學科的邊界已重疊和模糊[12]，對于新冠肺炎疫情這一突發(fā)性熱點事件，醫(yī)藥衛(wèi)生工作或相關(guān)科研活動是抗疫主戰(zhàn)場，而在主戰(zhàn)場的外圍涉及防控措施實施與管理的方方面面。在國內(nèi)疫情取得決定性勝利的當前，應及時發(fā)表各領(lǐng)域?qū)氋F的實踐經(jīng)驗和科研成果，為我國取得全面類戰(zhàn)勝病毒疫情做出重要貢獻。大數(shù)據(jù)時代呼喚科技期刊融合發(fā)展。因此，在抗擊新冠肺炎這一非常時期，可否考慮科技期刊的融合發(fā)展呢？比如醫(yī)藥衛(wèi)生期刊與計算機類期刊、物理化學類期刊間的融合，或各類醫(yī)學期刊（病毒類、遺傳工程、基因工程、臨床醫(yī)學等）間的融合，以盡早控制疫情。

3.4 編輯學者化，把好內(nèi)容質(zhì)量關(guān)

“內(nèi)容為王，質(zhì)量至上”是期刊的生命力。對于期刊發(fā)展而言，更要注重熱點論文的學術(shù)質(zhì)量，不能因搶時間發(fā)表熱點而降低稿件的質(zhì)量標準。在應對突發(fā)性熱點事件時，科技期刊編輯可以積極參與到科研團隊中去，積極協(xié)助作者將重大成果形成論文，及時為作者提供信息咨詢和檢索查新，避免相近或相似的同質(zhì)化研究論文的發(fā)表。在知網(wǎng)首發(fā)的1 685篇專題論文中，不乏優(yōu)秀的科研論文，其中有相當部分論文都是在期刊編輯的精心策劃和積極參與下與作者團隊共同創(chuàng)作的作品。