中文學術論文的Altmetrics指標研究

彭秋茹 閻素蘭

收稿日期：2020-07-17

基金項目：國家社會科學基金項目“融合ALTMETRICS的科研影響力綜合評價方法及實證研究”（項目編號：15BTQ060）;南京農業大學中央高?；究蒲袠I務費人文社會科學研究基金項目（項目編號：SKYC2020023）;江蘇高校哲學社會科學研究一般項目（項目編號：2020SJA0055）。

作者簡介：彭秋茹（1990-），女，助理研究員，博士，研究方向：信息計量與科研評價。

通訊作者：閻素蘭（1972-），女，副教授，碩士生導師，研究方向：信息計量。

摘要：[目的/意義]隨著社交媒體等網絡平臺在科學研究、傳播、交流中的普及應用，一種基于社會媒體平臺和工具的影響力評價方法——Altmetrics應運而生并引起廣泛關注，但面向中文學術論文的Altmetrics指標研究卻比較缺乏。[方法/過程]本文以《光明日報》理論版論文為研究對象，利用百度搜索引擎技術采集中文報紙論文的Altmetrics數據，構建Altmetrics指標體系，進而分析不同網絡平臺關注中文報紙論文的程度，舉例探討中文報紙論文在網絡傳播的過程，研究中文報紙論文在網絡中受到關注的現象及特征。[結果/結論]研究結果表明利用搜索引擎技術可以有效解決Altmetrics本地化的問題，中文報紙論文在網絡中受到各類新聞媒體的關注較多，且傳播速度快，加工后的中文報紙論文可能會產生更為久遠的影響。

關鍵詞：Altmetrics;中文學術論文;報紙論文;網絡關注

DOI：10.3969/j.issn.1008-0821.2021.04.014

〔中圖分類號〕G250.252〔文獻標識碼〕A〔文章編號〕1008-0821（2021）04-0146-08

Research on Altmetrics Indicators for Chinese Academic Articles

——Taking Newspaper Articles for An Example

Peng QiuruYan Sulan*

（School of Information Management，Nanjing Agricultural University，Nanjing 210095，China）

Abstract：[Purpose/Significance]With the popularity and application of social media in scientific research and communication，Altmetrics，an impact evaluation method based on social media platforms and tools，came into being and attracted wide attention.However，there is a lack of research on Altmetrics for Chinese articles.[Method/Process]This paper took the articles published on the theoretical pages of Guangming Daily as the research objects，used Baidu search engine technology to collect the Altmetrics data，constructed the Altmetrics indicators system，and studied the phenomenon and characteristics of mention to Chinese newspaper articles online based on analysis on the attention degree from different sources and discussion about the process of transmission.[Result/Conclusion]The results showed that the localization of Altmetrics can be effectively solved by using search engine technology.Chinese newspaper articles attracted more attention from all kinds of news media online，and the dissemination speed was fast.The processed Chinese newspaper articles may have a longer-term impact.

Key words：Altmetrics;Chinese academic articles;newspaper articles;online attention

隨著網絡技術的飛速發展，學術論文通過網絡媒體的傳播可以被更廣泛的社會公眾所認識和利用，科學研究不再是象牙塔里的知識分子才能接觸的世界。網絡傳播有利于科學技術的普及與科研成果的推廣，進一步傳播科學思想與弘揚科學精神。同時，科研人員之間也越來越喜歡通過網絡平臺對學術論文進行討論和使用，學術論文在網絡媒體上越來越受到關注和傳播。通過考察學術論文在網絡媒體中的受到關注的情況，使得社會公眾閱讀和使用學術論文的交流過程可被計量。基于學術引用的引文分析方法[1]不再是測量學術論文影響力的唯一手段，學術論文在網絡社會中被傳播和關注的程度可以反映學術論文的社會影響力。

2010年Priem J等[2]首次提出Altmetrics，它是基于社會傳媒平臺和工具的、評價影響力的一種可選方法[3]。Altmetrics的提出是旨在衡量由網絡驅動的學術交互[4]，利用Altmetrics可以跟蹤和分析多種類型學術成果的網絡活動，借助Altmetrics指標數據可以測量學術成果在網絡中受到不同網絡平臺關注的程度。本文意圖獲取中文學術論文的Altmetrics指標數據，分析中文學術論文在網絡中受到關注的現象及特征，從而探討中文學術論文的社會價值和意義。

1相關研究

早期國內外針對學術論文的Altmetrics研究較多關注引文指標與Altmetrics指標之間的聯系[5-7]，后來越來越多的研究探討學術論文在網絡中受到關注的現象和特征。Haustein S等[8]調查了學科、文獻類型、標題長度、頁數和參考文獻數等特征與5種不同Altmetrics指標之間的聯系，研究發現社交媒體上提及學術論文的總體數量很少，社論和新聞這兩種論文類型很少被引用，但在Twitter上卻最受歡迎。Holmberg K等[9]則探討了學術論文獲得更多網絡關注和更高Altmetrics評分的原因，研究發現不同的網絡平臺對論文的關注程度存在著差異，在Mendeley上受到極大關注的論文更多是學術界的讀者所引起的，而在Twitter上引起關注的原因與更廣泛的社會公眾讀者有關。邱均平等[10]分析了2016—2018年Altmetrics前100名的學術論文的來源機構、來源期刊、所屬學科及傳播途徑等特征，研究發現大多數論文受到News Stories、Blog Post、Twitter、Facebook、Reddit、Coogle+、Wikipedia Citations和Videos等網絡平臺的關注。除了研究學術論文受到網絡關注的來源平臺外，部分學者還從時間維度探討了學術論文發表后在網絡中受到關注的變化情況。Wang X W等[11]利用110篇學術論文的90天的Altmetrics指標數據，考察了學術論文發表后在社交媒體上受到關注的變化情況，研究發現Twitter和Facebook是兩種最重要的社交推薦方式，來自社交媒體的關注累積速度較快，但衰退速度也快。魏緒秋等[12]提出了學術論文階段重要性指標和學術論文階段持續性指標，對學術論文的Altmetrics數據特征進行了分析，研究發現大部分學術論文的社交活躍期相對較早且持續性較短。田玥等[13]利用Altmetrics數據分析了生物醫學領域學術論文在網絡中的關注度，探索了影響論文關注度的因素，研究發現論文發表后3天是關注的巔峰期。

由于缺少數據和工具的支持，現有的針對學術論文的Altmetrics研究主要以英文論文為主，個別國內學者嘗試基于使用習慣或模仿以英文學術論文為對象的研究來獲取和分析中文學術論文的Altmetrics數據。王艷波等[14]和易淑瓊等[15]選擇了豆丁網、道客巴巴、百度文庫作為中文學術論文的Altmetrics數據來源。王蘿娜等[16]設計的Altmetrics數據來源更為廣泛，包括新聞媒體、文獻管理、百科智庫、社交媒體、學術社區5個大類，共搜集了科學網、百度文庫、豆丁網、道客巴巴、360個人圖書館、MBA智庫百科、新浪微博、新浪博客、微信公眾號、知乎、丁香園、小木蟲等12個平臺。但與國外研究相比，在研究內容廣度和深度上國內網絡平臺用于Altmetrics的適用性分析研究都處于落后的狀態[17]。學者們主觀設計的Altmetrics指標和數據來源也無法真實、客觀、全面地反映中文學術論文在網絡中受到關注的現象和特征。彭秋茹等[18]在構建報紙論文影響力評價方法時提到利用搜索引擎作為搜集中文報紙論文的Altmetrics數據的手段，但文章沒有詳細描述數據采集和預處理的過程，也缺少對中文報紙論文在網絡中傳播的范圍和過程的分析和研究。因此，本文將設計中文學術論文的Altmetrics指標數據獲取的方法，以中文報紙論文為例構建Altmetrics指標體系，分析關注中文報紙論文的網絡平臺分布范圍，舉例探討中文報紙論文發表后的網絡關注過程，研究中文報紙論文的網絡關注現象及特征。

2數據采集與預處理

Altmetrics考察的是學術成果在社會網絡上發生交互的情況，也就是說，學術成果的Altmetrics評價結果測量的是學術成果在不同的網絡平臺（例如社交媒體、主流新聞媒體和在線分享社區等）上的關注度。因此，Altmetric.com、ImpactStory、PlumX、PLOS ALMs等國外常用的Altmetrics數據聚合工具都以尋找更多樣、更全面的學術成果網絡關注數據源為主要任務。在中文環境下對學術論文網絡關注情況進行研究時，首先要考察學術論文在中文網絡中受到哪些平臺的關注，并且要盡量尋找全面和多樣的學術論文網絡關注數據源。

2.1數據采集方法

國外各大Altmetrics數據聚合工具在統計學術成果的Altmetrics指標數據時，一般是基于學術成果的唯一標識符（例如DOI、PubMed ID、arXiv ID等）來捕獲提及學術成果的網頁數據[19]。但經過調研發現，國內網絡平臺在關注中文學術論文時鮮有附帶表示論文出處的唯一標識（例如URL），所以無法通過唯一標識符來追蹤中文學術論文的網絡傳播痕跡。要想獲得中文學術論文較為全面的Altmetrics數據，搜索引擎是一個很好的技術支持手段。搜索引擎是一種在網絡上對信息進行收集、提取、組織、處理并提供檢索服務的工具，極大地改善了用戶的網絡信息獲取的過程和效果[20]，可以通過搜索引擎來簡化獲取網絡信息的過程。通過搜索引擎的檢索功能，可以較為全面和客觀地獲取中文學術論文在網絡中受到關注的信息。由于搜索引擎Google不能在境內訪問，并且Google過濾了大量PR值較低的頁面，因此在網頁數據采集方面可能存在嚴重誤差。作為中國搜索引擎市場份額占比最大的中文搜索引擎[21]，百度搜索索引了絕大多數較為權威的新聞網站、論壇、博客、政府、科技、教育和學術網站，可以最大程度上滿足網絡傳播分析中的數據采集覆蓋率要求。因此，本文將通過百度搜索來采集針對中文學術論文的Altmetrics數據并構建相應的指標體系。

1）中文學術論文Altmetrics數據采集

本文將中文學術論文的加雙引號的“題名”作為檢索詞，在百度搜索中進行檢索，并記錄每篇中文學術論文的相關結果數。由于題名不是表示特定中文學術論文身份的唯一標識，所以題名越簡單越容易產生更多與目標中文學術論文不相關的檢索結果。為了減少噪音數據的影響、提高數據清洗的可操作性，在檢索中文學術論文時可以分兩輪進行。第一輪檢索先記錄每篇中文學術論文的檢索結果數，將1 000條設為檢索結果是否合理的標準。第二輪檢索時，對第一輪檢索結果合理范圍內外的中文學術論文采取不同的檢索策略，對第一輪檢索結果合理的中文學術論文重新按照題名加雙引號進行檢索，對其余中文學術論文增加文獻來源、發表年份、作者等檢索詞進行檢索。然后利用爬蟲程序采集百度搜索的檢索結果數據，記錄下每條中文學術論文檢索結果的檢索詞、檢索頁面文本數據、檢索結果百度鏈接、跳轉后的原文鏈接等信息。

2）中文學術論文Altmetrics數據清洗

根據百度搜索檢索結果可以獲取中文學術論文在網絡上受到關注的信息。匯總有關中文學術論文的檢索結果后，再對檢索結果中的原文鏈接數據進行處理。首先截取原文鏈接的二級域名（如baidu.com）及三級域名（如wenku.baidu.com）并保存。然后利用域名查詢工具（whois.chianz.com）的備案查詢功能對二級域名進行標準化處理，通過緩存數據更新等方法重復核查，并對域名數據進行去重，排除未備案或備案取消的域名，最終獲得檢索結果中的有效域名。由于百度搜索存在擴檢現象，結合域名信息進一步通過人工校對的方式對檢索出來的中文學術論文Altmetrics數據進行清洗。

3）中文學術論文Altmetrics數據統計

最后，通過對清洗過的中文學術論文檢索結果中的有效域名及備案信息進行統計和分析，可以得到中文學術論文在網絡中受到關注的來源平臺情況。根據Altmetrics指標構建的思想，關注中文學術論文的網絡平臺決定了中文學術論文Altmetrics指標。借鑒國外常用的Altmetrics數據聚合工具的指標采集來源及分類方法[22-25]，在網絡中關注學術成果的行為可以分為瀏覽、保存、提及、討論、推薦、引用等類型。針對中文學術論文的網絡關注研究也可以根據上述類型構建相應的Altmetrics指標，從而對中文學術論文的Altmetrics數據進行統計和分析。與國外Altmetrics數據聚合工具的指標體系不一致的是，由于中文學術論文的引用研究更適合利用傳統的引文數據庫數據進行引文分析，本文關于中文學術論文的Altmetrics指標研究不討論中文學術論文的引用特征。

2.2數據采集對象

中文報紙論文，指的是發表在中文報紙上的學術論文，不包括新聞稿件等，最典型的是國內各大報紙的理論版所刊載的中文論文[18]。中文報紙論文有效地銜接了學術理論和大眾常識，從而做到既以理性的視角展示了時代大局，又能切中普通大眾的興趣點[26]。中文報紙論文與期刊論文一樣是讀者利用文獻獲取知識的手段之一，是知識發現與傳播的有效途徑之一。除此之外，中文報紙論文依托報紙這類大眾媒體廣泛且不分層級的傳播方式得到了超越期刊論文的閱讀量和傳播量，其社會影響力更為廣泛。

本文以中文報紙論文的典型代表——《光明日報》理論版論文為采集對象?！豆饷魅請蟆防碚摪嬲撐妮^其它中文報紙論文具有一定的優勢，其刊載的中文報紙論文學術性更強，文章結構更接近于一般學術論文;《光明日報》理論版刊發數量較多，主題覆蓋面相對較廣;《光明日報》理論版報紙論文受到學術界的引用相對較多，同時也受到網絡媒體和用戶的廣泛關注。在采集樣本的選擇上，考慮到最新發表的論文有一部分還未進入大眾視野，而年代過于久遠的論文與當前時事存在脫節現象。本文選擇2014年發表于《光明日報》理論版的1 363篇報紙論文作為采集對象，并利用百度搜索的搜索工具限定數據采集截止時間為2017年4月30日。通過采集這些中文報紙論文在百度搜索中的檢索結果數據，可以進一步分析中文報紙論文在網絡中受到關注的情況。

3數據分析和討論

經過兩輪數據采集后得到中文報紙論文的檢索結果共51 862條，這51 862條數據中有50 605條數據的原始網址是有效鏈接，通過清洗后獲得有域名信息的49 932條數據。對這49 932條數據中的網址信息進行域名標準化處理，去重后共獲得4 317個二級域名，其中3 552個二級域名有注冊備案信息，819個二級域名未備案或備案取消。將3 552個有效二級域名通過網站名稱、注冊單位等信息來對中文報紙論文檢索結果來源網站進行分類，分類結果如表1所示。

由表1可知，中文報紙論文在百度搜索的檢索結果來源網站有約半數（1 550個）為企業信息網站，而這些企業信息網站的工作原理是通過爬取不同來源的網頁進行單純的網頁信息集成，大部分企業信息網站存在著大量的廣告信息，這些企業信息網站對報紙論文的傳播作用較小，因此本文不把該類型網站視為中文報紙論文的網絡關注來源。另外百度搜索檢索結果中還存在其它一些問題：由于百度搜索具有擴檢功能，根據題名信息檢索得到的數據存在著大量與中文報紙論文實際內容不相關的結果;檢索結果中含有中文報紙論文作為參考文獻的網頁內容;部分網站對中文報紙論文的總關注次數過少。因此，為了更加準確地考察中文報紙論文在網絡中受到關注的現象和特征，進一步根據百度搜索檢索結果的文本內容及相關網站信息進行人工清洗和整理。參考已有的Altmetrics指標體系，得到中文報紙論文Altmetrics指標如表2所示。

表2羅列了中文報紙論文Altmetrics指標及來源，可以知道中文報紙論文在網絡中受到國家新聞媒體、地方新聞媒體、社會新聞媒體、理論宣傳媒體、政府機構、教育機構、社會團體、文檔分享平臺、微博、博客、在線交流社區等網絡平臺的關注。而根據國外常用的Altmetrics數據聚合工具的指標采集來源[22-25]來看，英文學術論文受到主流新聞媒體、政府或非政府組織、在線交流社區、博客、微博等社交媒體、百科網站、問答網站、數據或文檔分享平臺、在線參考文獻管理工具等網絡平臺的關注。與英文學術論文不同的是，中文報紙論文的網絡關注來源平臺沒有出現在線參考文獻管理工具，可能的原因是國內參考文獻管理工具以本地單機使用為主，而在線參考文獻管理平臺較少，所以百度搜索無法搜集參考文獻管理工具單機用戶的數據。關于百科和問答網站平臺，研究對象受到百度百科、互動百科、搜狗百科等百科網站以及百度知道、新浪愛問、搜狗問問、作業幫等問答平臺關注的總次數皆不大于10次，這兩類平臺對中文報紙論文的關注可以忽略不計。另外由于中文報紙論文具有新聞傳播特性，尤其受到各種類型新聞媒體的關注和傳播，關注數據也主要集中來源于各類型的新聞媒體網站，因此本文將新聞媒體提及量指標根據新聞媒體類型的不同進行了進一步地分類。與其他形式的學術成果相比，中文報紙論文作為國家政策和方針理論宣傳的重要載體，成為理論宣傳媒體重點參考的文獻來源。然后對1 363篇中文報紙論文的Altmetrics指標值進行匯總計算，得到統計信息如表3所示。

由表3可以知道，1 363篇中文報紙論文在不同類型的新聞媒體、理論宣傳媒體、教育機構網站、文檔分享平臺中受到的關注較多，在政府機構網站、社會團體網站、微博、博客、在線交流社區中受到的關注較少。Altmetrics指標中社會新聞媒體提及量總和、均值和中值是所有指標中最大的，說明中文報紙論文在網絡中最常被鳳凰新聞、和訊新聞、求是網等社會新聞媒體所提及。而微博討論量在所有指標中總和、最大值、最小值、均值和中值都為最小，說明中文報紙論文在微博中的受到關注的程度較其它類型網絡平臺要小，以娛樂為主的社交媒體用戶對于具有學術性質的中文報紙論文的討論熱情較低，但也有可能是由于微博平臺的限制導致百度搜索存在數據不全的現象。雖然中文報紙論文在文檔分享平臺保存量總和不足社會新聞媒體的一半，但最大值卻是所有指標中的第一，高達44次，說明存在部分中文報紙論文被文檔分享平臺的用戶多次保存和轉發，在文檔分享平臺中的影響較大。

將1 363篇中文報紙論文按總關注次數降序排列，選取前10名網絡關注度較高的中文報紙論文的Altmetrics指標數據作進一步分析，前10名的中文報紙論文Altmetrics指標數據如圖1所示。

由圖1可以知道，總關注次數排名前10的中文報紙論文有8篇受到的網絡關注來源分布大體一致，源于地方新聞媒體和社會新聞媒體的關注占所有關注的較大部分。1 363篇中文報紙論文中網絡關注度最高的1號報紙論文，雖然在社會團體網站和在線交流社區沒有產生影響，但是在地方新聞媒體和社會新聞媒體中皆受到較多的提及，說明該報紙論文常被新聞媒體所轉載和引用，產生的影響力較大。而6號報紙論文和8號報紙論文受到網絡關注來源平臺的分布情況與其它報紙論文有所不同。6號報紙論文比其它報紙論文更受到政府機構網站的青睞。8號報紙論文則更為特別，較少受到常見的社會新聞媒體的關注，國家新聞媒體、地方新聞媒體、理論宣傳媒體、政府機構網站、社會團體網站、微博、在線交流社區等平臺更沒有關注該報紙論文，但該報紙論文的文檔分享平臺保存量指標值卻在所有報紙論文排名第一，可以看出該報紙論文相關內容被文檔分享平臺的用戶保存了很多次。

為了進一步發現中文報紙論文發表后網絡關注變化過程，圖2展示了隨著發表天數增加，網絡關注度最高的1號報紙論文以及與其它報紙論文差異較大的8號報紙論文的Altmetrics指標的變化情況。

由圖2可以知道，國家新聞媒體、地方新聞媒體、社會新聞媒體、理論宣傳媒體、政府機構網站、教育機構網站、社會團體網站等平臺對中文報紙論文的關注主要集中在論文發表后的兩天時間內，這與報紙論文的新聞傳播特性相匹配，具有傳播速度快的特征。中文報紙論文發表兩年后仍有可能受到網絡平臺的關注，說明中文報紙論文在網絡中不僅傳播速度快，傳播時間還較長。在傳播后期中文報紙論文主要受到文檔分享平臺的關注，可以看出文檔分享平臺對于中文報紙論文的傳播不受時間的限制。具體來看，1號報紙論文自發表當天就迅速受到地方新聞媒體、社會新聞媒體以及部分國家新聞媒體和教育機構網站的轉載和提及，并且第3天開始該報紙論文受到關注的現象越來越小。到了4個月后該報紙論文的網絡傳播之路暫停了，10個月后偶爾引起零星關注。而8號報紙論文在發表當天除了受到幾個社會新聞媒體、教育機構網站和博客的關注外，并沒有受到其他網絡平臺的關注。但5個月后該報紙論文的相關內容突然受到文檔分享平臺用戶的保存，并一直持續了兩年以上。通過仔細觀察數據可以知道，8號報紙論文在發表后被寫進中學語文現代文閱讀理解的試題中。不同中學在編制試題的過程中會在網絡中搜集和參考其它學校的試題，8號報紙論文也跟隨試題被文檔分享平臺的用戶保存和轉發，從而得到更廣泛的傳播。由此可見，中文報紙論文內容得到有效加工和轉化可能會產生更大的價值和影響。

4結語

本文利用搜索引擎技術設計了中文學術論文Altmetrics指標構建的思路，以《光明日報》2014年1 363篇中文報紙論文為例，完成了中文報紙論文的Altmetrics數據獲取和指標構建的過程，進而分析關注中文報紙論文的網站平臺，揭示中文報紙論文受到網絡關注的范圍和過程。研究結果表明，百度搜索能很好地解決中文學術論文Altmetrics數據獲取和指標構建的問題。中文報紙論文受到國家新聞媒體、地方新聞媒體、社會新聞媒體、理論宣傳媒體、政府機構網站、教育機構網站、社會團體網站、文檔分享平臺、微博、博客、在線交流社區等網絡平臺的關注，其中各類新聞媒體對中文報紙論文的關注較多。在網絡傳播的過程中，不同的中文報紙論文呈現出不一致的發展趨勢。較多中文報紙論文在發表后的兩天時間迅速受到大量的關注，隨后影響快速減弱。個別中文報紙論文剛開始在網絡中不受歡迎，加工成為試題后受到文檔分享平臺用戶的持續關注和傳播。

雖然可以從百度搜索引擎客觀地獲取中文學術論文真實的網絡關注數據，但是仍然可能會存在個別缺漏的問題，同時人工清洗大規模噪音數據過于費時費力。下一步研究將基于本文實證研究的Altmetrics指標構建思路，探究期刊論文、會議論文、學術論文等其它類型的學術論文的網絡關注情況，對比不同類型學術論文受到網絡關注的異同，構建更具備通用性的中文學術論文Altmetrics指標體系。同時在利用搜索引擎構建中文學術論文Altmetrics指標體系的基礎上，補充微信等百度搜索引擎無法遍歷的社交媒體，進一步利用網絡爬蟲全面采集中文學術論文的網絡關注數據，通過自然語言處理和文本挖掘等相關技術實現內容自動識別和匹配，降低數據清洗的成本，進而使得研究結論更加完善和充分。

參考文獻

[1]邱均平.信息計量學[M].武漢：武漢大學出版社，2007：317.

[2]Priem J，Taraborelli D，Groth P，et al.Altmetrics：A Manifesto[EB/OL].http：//altmetrics.org/manifesto，2020-10-15.

[3]Piwowar H.Altmetrics：Value All Research Products[J].Nature，2013，493（7431）：159.

[4]Howard J.Scholars Seek Better Ways to Track Impact Online[EB/OL].http：//chronicle.com/article/As-Scholarship-Goes-Digital/130482/？sid=wc&utm_source=wc&utm_medium=en，2020-10-15.

[5]Thelwall M，Haustein S，Larivière V，et al.Do Altmetrics Work？Twitter and Ten Other Social Web Services[J].PLoS One，2013，8（5）：e64841.

[6]劉春麗.基于PLOS API的論文影響力選擇性計量指標研究[J].圖書情報工作，2013，57（7）：89-95.

[7]由慶斌，湯珊紅.不同類型論文層面計量指標間的相關性研究[J].圖書情報工作，2014，58（8）：79-84.

[8]Haustein S，Costas R，Lariviere V.Characterizing Social Media Metrics of Scholarly Papers：The Effect of Document Properties and Collaboration Patterns[J].PLoS One，2015，10（3）：e0120495.

[9]Holmberg K，Vainio J.Why Do Some Research Articles Receive More Online Attention and Higher Altmetrics？Reasons for Online Success According to the Authors[J].Scientometrics，2018，116（1）：435-447.

[10]邱均平，陳麗婷.高社會影響力論文的特征分析——以2016—2018年Altmetrics TOP100論文為例[J].圖書館理論與實踐，2019，（8）：20-25.

[11]Wang X W，Fang Z C，Guo X H.Tracking the Digital Footprints to Scholarly Articles from Social Media[J].Scientometrics，2016，106（2）：1365-1376.

[12]魏緒秋，郭鳳嬌.基于動態Altmetrics數據的學術論文持續關注度研究[J].情報理論與實踐，2019，42（5）：128-133.

[13]田玥，賀培鳳，邰楊芳，等.科研論文在社交網絡中的關注度分析——以PLOS生物醫學論文為例[J].數字圖書館論壇，2019，（4）：54-61.

[14]王艷波，汪雷，吳小蘭.基于Altmetrics與傳統文獻計量指標的國內學術論文影響力評價研究[J].情報理論與實踐，2020，43（6）：76-81.

[15]易淑瓊，余波.基于國內文獻管理平臺的Altmetrics與傳統文獻計量指標的相關性研究[J].情報雜志，2019，38（7）：193-198.

[16]王蘿娜，李端明，李星.在線科學交流中學術論文影響力動態評價研究[J].圖書情報工作，2018，62（4）：107-112.

[17]盧曉榮，張樹良.國內社交媒體用于學術成果Altmetrics評價存在問題及對策[J].圖書情報工作，2019，63（21）：87-96.

[18]彭秋茹，閻素蘭，楊波，等.融合引文與Altmetrics的報紙論文影響力綜合評價方法研究[J].圖書與情報，2018，（5）：11-21.

[19]Altmetric.What Metadata is Required to Track Our Content？[EB/OL].https：//help.altmetric.com/support/solutions/articles/6000141419-what-metadata-is-required-to-track-our-content-，2020-10-15.

[20]馬費成，望俊成，吳克文，等.國外搜索引擎檢索效能研究述評[J].中國圖書館學報，2009，（4）：72-79.

[21]StatCounter.Search Engine Host Market Share in China-June 2020[EB/OL].https：//gsa.statcounter.com/search-engine-host-market-share/all/china，2020-10-15.

[22]Altmetric.What Outputs and Sources Does Altmetric Track？[EB/OL].https：//help.altmetric.com/support/solutions/articles/6000060968-what-outputs-and-sources-does-altmetric-track-，2020-10-15.

[23]Plum Analytics.About PlumX Metrics[EB/OL].https：//plumanalytics.com/learn/about-metrics/，2020-10-15.

[24]Impactstrory.About the Data[EB/OL].https：//profiles.impactstory.org/about/data，2020-10-15.

[25]ALM.Sources[EB/OL].http：//alm.plos.org/sources，2020-10-15.

[26]李曉莉.悅讀時代需要怎樣的報紙理論文章[J].新聞傳播，2014，（5）：73-74.

（責任編輯：孫國雷）