基于CRM-BSC的學術社交網站評價模型構建及實證研究

熊回香，陳琦，代沁泉

（華中師范大學信息管理學院，武漢 430079）

1 引言

學術社交網站，作為提供學術交流與合作的社會化網絡平臺，在推進領域合作、科技創新等方面發揮著關鍵作用。現有學術社交網站的數量較多，并且在頁面布局、信息組織、功能提供等方面均各有自身的特點，然而，這些網站對用戶科研需求的滿足效果卻難以直接進行估量。因此，探索一套簡明統一、科學合理的評價指標體系，以了解現有學術社交網站在滿足科研用戶需求方面的現狀和不足，對于促進科研用戶的學術交流與宏觀層面的科技進步具有重要意義。目前，對學術社交網站進行有效評價已經引起了國內外學者的關注，現有研究大致可分為以下三類：第一，以提高知識交流效率為導向的評價研究。研究者分別利用非參數DEA（data envelope analysis）和Malmquist指 數 方 法[1]、SBM（slack-based-measure）模型和非參數核密度估計[2]、模糊層次分析法[3]構建了學術虛擬社區知識交流效果評價模型。第二，以特定功能或能力為原點的多網站對比研究。例如，劉先紅等[4]從推薦項目和策略、冷啟動方案、用戶偏好學習等幾個層面，對科研之友、ResearchGate等網站的推薦系統展開了比較研究；許志敏[5]從網站定位、用戶分布、內容生產等角度，對學術社交網站的國際傳播能力進行了比較研究。第三，基于網站設計者角度開展的學術社交網站普適性建設水平評價。Bhardwaj[6]制定了由12個大類和198個問題組成的、包含學術社交網站各種特征的檢查表，來對當前四個流行的學術社交網站進行比較分析。李曉妍等[7]從學科分布、目標用戶等方面，對當前學術社交網站進行分析對比。也有少數學者利用定量思想，從網站的內容、設計、功能和影響力4個層面出發，設計了相關指標構建社交學術網站的綜合評價模型[8]。

綜上所述，盡管學者們對學術社交網站評價已經進行了部分有益的嘗試，但是對兼顧“定量綜合評價模型”和“用戶視角”的研究仍然略顯不足。對學術社交網站展開綜合性量化評價有利于全方位、直觀地了解網站各個方面的建設水平，而基于用戶視角探討學術社交網站服務評價則有利于發現網站在滿足科研用戶需求方面的現狀，進而有針對性地予以改進，以更好地服務于用戶。因此，本文從科研用戶視角出發，將“以用戶為中心”的CRM-BSC（customer relationship management-the balanced score card）理論模型[9]引入定量的學術社交網站綜合評價指標體系的構建，并通過多輪網絡調研對該模型予以修正與完善，最后，選取國內外若干主流學術社交網站開展了實證分析，以期從理論上豐富現有研究，并從實踐上幫助學術社交網站的管理者了解哪些方面是科研用戶重點關注的、又有哪些方面還尚未滿足用戶需求、應該對哪些地方予以改進等問題，進而促進學術社交網站功能的完善、優化科研服務，最終推動科研交流與合作的新發展。

2 學術社交網站與CRM-BSC

2.1 學術社交網站

在Web 2.0環境下，面對科研人員日益增長的學術社交需求，以ResearchGate、科學網等為代表的學術社交網站應運而生。目前，關于學術社交網站的概念尚未達成共識，凝練已有的典型定義的共性[10-14]，本文將學術社交網站定義為：以教師、學生、科研人員等為受眾群體，針對科研活動的前期、中期、后期，提供諸如凝聚學術資源、在線交流等輔助科學研究、促進學術交流與科研合作的功能或服務的一種社交網絡平臺。與其他學術類網站（如學術期刊網站、學術搜索引擎等）相比，學術社交網站具有明顯的社交屬性。而與其他社交網站相比，學術社交網站則具有更強的專業性與原創性，以及更弱的盈利性[15]。

根據劃分標準不同，學術社交網站的分類也有所不同：根據提供的服務內容，可將其分為研究共享、資源共享和成果共享三大類[16]；根據涉及的學科范圍，可將其大致分為綜合型和專業型學術社交網站[17]。其中，前者包括的學科范圍廣泛，可以滿足大多數群體的學術社交需求，如ResearchGate、科學網、小木蟲等；而后者則服務于某類具體學科，如丁香園、答魔社區、經管之家等。本文認為第一種分類標準并不能嚴格區分現有學術社交網站的定位，例如，ResearchGate既可以為學者提供在線科研協作工具，也可以通過問答區進行知識傳遞、利用個人主頁進行科研成果管理，無法明晰其歸屬于哪一類。根據網站的建設定位，即可明確其服務的學科領域，能夠較為清晰地將網站歸為綜合型或是專業型，因此，本文更傾向于第二類劃分標準。

2.2 CRM-BSC理論模型

平衡計分卡理論（the balanced score card，BSC）[18]概念的正式提出要早于客戶關系管理理論（customer relationship management，CRM）[19]。前者作為一種績效考核方式，被廣泛運用于企業的戰略規劃與評估；而后者則是一種新型的企業管理思想與經營戰略。由于CRM的復雜性，其實施的效果和有效性難以估量，于是有學者著眼于BSC模型在績效評價方面的優勢，嘗試對其進行改進，以使其適用于對企業CRM戰略實施水平和有效性的評價，并形成了CRM-BSC理論模型[9]，該理論是依托平衡計分卡對企業的客戶關系管理效果進行評價的方法，主張從客戶角度出發，以“客戶價值”“客戶滿意”“客戶互動”“客戶知識”4個維度評價企業客戶關系管理的成效。與傳統的BSC相比，CRM-BSC更加關注對客戶需求的理解，在具體應用CRM-BSC理論模型時，需要根據其強調的4個維度的核心內涵和評價對象的具體特征來對其做適當調整，并設計細化的衡量指標。國內已有學者在這方面進行了卓有成效的探索，例如，孟慶良等[20]建立了一個包含客戶知識、客戶交互、客戶價值和客戶感知價值的四個視角的CRM有效性評價模型，并通過一個企業案例驗證了該模型的可行性；尹懷瓊等[21-24]則認為，CRM-BSC理論模型不僅適用于企業的績效評價，同樣也可應用于非盈利性組織，并基于該模型先后對政府網站G2B評估指標體系[21-22]、圖書館網站評價指標體系[23-24]進行了探索和實證。

盡管現有學術社交網站在功能定位、用戶特征等方面各有差異，但是其建設的初衷皆是助力科研，用戶對于這類網站的重要性不言而喻，作為一類高度以用戶為中心的網站，從用戶視角來對其進行評價有其必要性。同時，CRM-BSC理論模型在延續BSC理論優勢的基礎上，更加強調“用戶視角”的重要性。由此可見，學術社交網站與CRMBSC理論模型在核心著眼點上是共通的。具體而言，CRM-BSC理論模型可用于學術社交網站評價模型構建的可行性主要有以下幾點：首先，從理論層面來看，學術社交網站的建設目標與CRM-BSC理論模型的核心內涵是相契合的，均強調為用戶提供更多的價值，并淡化對財務指標的重視；其次，從實踐應用層面來看，如上文所述，部分研究者已將CRM-BSC理論模型較好地運用于政府的門戶網站、圖書館網站評價模型的構建。學術社交網站的服務理念與這兩類網站是非常相似的，因此，本文認為CRM-BSC理論也同樣可應用于評價學術社交網站；最后，對學術社交網站本身而言，現有的研究成果固然無法完全適用于對學術社交網站的評價，本文將根據CRM-BSC的理論內核，借鑒已有評價模型，并結合學術社交網站具體表征進行適當改進，著重關注少數而又能反映學術社交網站特征的關鍵指標，以更好地將CRM-BSC理論模型與本研究相結合。

3 學術社交網站評價指標體系構建

3.1 學術社交網站評價指標體系初步設計

根據學術社交網站的特征和參閱相關研究，本文初步確立了學術社交網站評價指標體系的一級指標和三級指標。鑒于CRM-BSC理論核心是“用戶知識”“用戶互動”“用戶價值”和“用戶滿意”四個層面，因此，本文的一級指標將直接使用這四個維度，而本文的三級指標則參考相關文獻，并結合學術社交網站特征而初步設定。針對二級指標，考慮到盡可能減少評價指標體系構建中的主觀隨意性，本文并不預先設定二級指標，而是充分利用數理統計方法、因子分析等方法客觀地展現評價模型的結構層次，進而萃取出二級指標。初步擬定的一級指標和三級指標如表1所示。在深刻理解CRMBSC理論內涵和參閱相關文獻的基礎上[22]，下文將對所預設的一級指標的核心概念界定以及三級指標選定做進一步解釋。

掌握用戶知識是有針對性地提供服務的基礎，“用戶知識”維度強調學術社交網站應利用現代信息技術搜集、分析、挖掘用戶的信息和特征，從而對用戶進行分類、了解用戶。通過用戶的注冊信息和其添加的個人資料信息，學術社交網站可以掌握一定的用戶知識，同時，可以對用戶進行分類管理。而用戶的需求并非一成不變，學術社交網站需要用動態的眼光去看待[20]，因此，學術社交網站還需要通過在線需求調查表、瀏覽統計等相關功能，來了解用戶實時的科研偏好和興趣。若對用戶的信息進行分析和挖掘，則要求網絡運營團隊具備一定的知識和技術水平。此外，鑒于科研用戶具有一定的信息甄別能力和信息安全意識，網站需要對用戶個人信息的安全給予充分的重視與保障。基于上述分析，本文在“用戶知識”維度下設計X1～X8共計8個三級指標。

表1 預設評價一級指標與三級指標內容

學術社交網站所提供的功能與服務依賴于“互動”過程才能傳遞給用戶，“用戶互動”維度指的是用戶與用戶之間、用戶與網站之間的互動行為。作為社交網站的一種類型，學術社交網站的重要方面便是提高科研用戶的參與度和活躍度，以及營造良好的學術互動交流氛圍。互動活動主要包括用戶之間的提問與反饋和網站向用戶傳遞信息，而互動行為需要依賴于在線交流、雙向交流、單向交流等渠道，通過這些渠道，用戶才能與自身的科研團隊或者潛在合作者保持聯系，并及時了解其動態。另外，通過新型的互動交流方式，如移動端APP、社交媒體賬號等，網站可以在PC端功能的基礎上，實時向用戶提供泛在化服務，以豐富用戶與網站之間的互動。基于上述分析，本文在“用戶互動”維度下設計X9～X16共計8個三級指標。

“用戶價值”維度，是指通過有效管理客戶關系以滿足用戶的需求，從而更好地為用戶提供服務[23]。“用戶價值”維度強調用戶在進行了交互活動的基礎上，學術社交網站所提供的功能對其需求滿足程度的自我認知，包括用戶在使用過學術社交網站之后，對該網站的基礎情況（如界面布局、鏈接響應、語言版本、網站導航、功能全面性等）、學術信息資源情況（如資源的比例、質量、易獲取性、時效性等）、檢索功能情況、個性化推薦功能，以及是否有助于自身的科研活動的一個基本認知和與原有期望值的比較。基于上述分析，在“用戶價值”維度下，本文具體設計了X17～X31共計15個三級指標。

科研用戶對學術社交網站功能感到滿意，是實現網站與用戶“雙贏”的關鍵因素，而前3個維度的用戶體驗均會在一定程度上會影響到對“用戶滿意”維度的評價，“用戶滿意”維度強調用戶對學術社交網站所提供的功能與服務的綜合評價和整體印象，包括用戶的整體滿意度、用戶建議（投訴）、用戶持續使用意愿，以及向他人推薦的可能性。因此，本文在“用戶滿意”維度下設計了X32～X35共計4個三級指標。

3.2 初始評價指標體系的檢驗與完善

3.2.1 預調研問卷的設計、發放與回收

預調研問卷的設計分為三個部分。第一部分，調查被測者的性別、年級、所屬高校、學科領域；第二部分，采用Likert scale的形式調查35項三級指標的重要性程度，依次設計了“非常不重要”“不重要”“一般”“重要”“非常重要”5個選項，并按照1、2、3、4、5分進行賦值；考慮到不同用戶的實際需求不同，本文增設了第三部分：開放性題項，旨在搜集用戶群體對于學術社交網站還有哪些較為關注的功能或服務。

預調研于2020年1月進行，共發布問卷113份，經篩選后獲得有效數據98份。受測者涵蓋各個年級本科生和碩博研究生，男女性占比均衡，問卷發放對象涉及人文社會科學與自然科學領域（部分原始數據樣本如表2所示）。

表2 預調研問卷數據樣本（部分）

3.2.2 描述性分析與信度效度分析

在描述性分析中，平均數和標準偏差分別反映了科研用戶對各項評價指標重要性程度的認同和調查結果的穩定性程度。本文將預調研數據導入SPSS 22.0，調用軟件的“描述統計”工具，求得各項三級指標的平均數與標準偏差，如表3所示。

由表3可知，各三級指標的重要性程度評分平均值均大于3.35，其標準偏差處于0.577～0.979，表明題項離散程度不大，由此可見，科研用戶對問卷中的35項三級指標均比較認同，因此本文不對三級指標做刪減。

將各一級維度所包含的三級指標對應的重要性程度求和再除以題項數，即可得四項一級指標的重要性程度評分。以“用戶知識（F1）”為例，該過程在SPSS 22.0中的具體操作為：調用“計算變量”工具，設置目標變量名稱為“F1”，輸入其數字表達式為F1=(X1+X2+X3+X4+X5+X6+X7+X8)/8，即可獲得F1的98份重要性程度評分數據。同理，可分別計算F2、F3、F4的重要性程度評分數據。隨后調用SPSS 22.0中“描述統計”工具，得到各一級指標的平均數與標準偏差；信度檢驗用于驗證調研數據結果的一致性和可靠程度，利用SPSS 22.0計算原始數據樣本（見表2）的Cronbach'sα系數，來檢測問卷內部的一致性和變量之間的凝聚程度。量表各一級指標的平均值、標準偏差和Cronbach'sα，如表4所示。

表3 三級評價指標的平均值與標準偏差

表4 量表各一級指標平均值、標準偏差以及信度

從表4可以看出，4項一級指標的重要性程度評分均值均高于3.8，其樣本偏差處于0.419～0.683，說明基于CRM-BSC理論模型的四個維度來構建學術社交網站評價模型的效果比較理想。在信度方面，通常認為當Cronbach'sα系數高于0.7時，則調研結果信度較理想，計算結果表明各一級維度的Cronbach'sα均大于0.76；同時，整體信度為0.926，說明量表問卷的穩定性與一致性較高。

效度檢驗用于檢測問卷的有效性，同時，其值的高低也是判斷數據可否進行因子提取的標準。在結構效度方面，利用SPSS 22.0對數據樣本進行KMO（Kaiser-Meyer-Olkin）和Bartlett's球形檢驗，得到“用戶知識”“用戶互動”“用戶價值”和“用戶滿意”4個維度的KMO值分別為0.773、0.823、0.846和0.803，總量表KMO的值為0.8，均高于0.6的可接受水平。同時，Bartlett's球形度檢驗的顯著性水平皆等于0.000＜0.05，均符合因子分析的條件。通過上述檢測可見，本次預調研數據的信度效度均處于理想水平，量表比較科學，可用于進一步的探索性因子分析。

3.2.3 基于探索性因子分析的二級指標提取

因子分析通過少量的共性因子來描述多維指標，以揭示因素之間的內在關系結構[25]。因子分析可分為驗證性因子分析和探索性因子分析兩類。前者假定共性因子與變量群的關系是部分可知的，而后者事先并不假定其間的關系，試圖讓數據“說話”。為了更加客觀、科學地分析評價模型內部的層次結構，本文采用探索性因子分析來提取學術社交網站評價模型的二級指標。在描述性分析與信度效度分析中，已經證實預調研數據樣本具有一定的科學性和合理性，且符合因子分析的條件，因此，本文繼續利用SPSS軟件對原始數據調用“因子分析”工具。

首先，在表5中，“解釋的總方差”是指提取后的主成分包含原有變量信息量的程度；“初始特征值”是指初步提取因子的結果；“總計”為每個因子的特征值，該值越大表示該因子在解釋8個變量的變異時重要程度越高。表5中的數據顯示，共有2個因子特征值大于1，因此，F1可提取2個因子；“提取平方和載入”與“旋轉平方和載入”分別表示旋轉前與旋轉后的特征值、解釋變異量、累計解釋變異量。因子分析默認只提取大于1的特征值。經過旋轉后，因子之間的歸類會更加明晰，其特征值也隨之改變，但特征值總和不變。從“旋轉載荷平方和”中可以看出，所提取的2個因子能夠代表原有8個指標共計56.343%的信息，一般認為，方差解釋率達到55%便可以接受，因此，“用戶知識”維度抽取2個因子較為合理。

表5 “用戶知識”維度總方差解釋

表6 “用戶知識”維度旋轉成分矩陣

其次，所抽取的2個共性因子究竟代表何種意義，這需要依賴“旋轉成分矩陣”進行分析。從表6可以看出，X1～X4歸屬于共性因子1，X5～X8歸屬于共性因子2。X1～X4這4個三級指標主要包括用戶注冊操作、用戶個人資料維護、用戶分類管理以及用戶需求調查，集中于對用戶信息的了解，因此，將共性因子1命名為“了解用戶信息”；X5～X8主要包括信息瀏覽量統計、熱點瀏覽排行榜、網站運營團隊以及信息安全，集中于對用戶信息的分析，以充分理解其需求，同時，注重對用戶隱私和知識產權的保護，因此，將共性因子2命名為“用戶行為分析及信息安全”。

類似地，可對“用戶互動”“用戶價值”“用戶滿意”維度進行因子提取，其詳細操作本文不再贅述，在此僅闡述計算和分析結果。①對“用戶互動”維度進行提取，其方差貢獻率為63.865%，共有2個因子特征值高于1。根據其“旋轉成分矩陣”發現，因子1由X9～X14共計6個三級指標組成，因子2由X15與X16兩個三級指標組成。在分析三級指標特性的基礎上，分別將因子1和因子2命名為“基礎互動渠道”與“移動端互動渠道”。②對“用戶價值”維度進行提取，其方差貢獻率為66.822%，共有4個因子特征值高于1。分析結果表明，因子1由X28、X25、X29、X27、X26、X24共計6個三級指標構成，因子2由X22、X23、X21構成，因子3由X18、X17、X19、X20構成，因子4由X30、X31構成。根據各項三級指標的特性，分別將因子1～4命名為“信息資源的質量與信息檢索”“功能及信息資源的豐富性”“網站基礎建設”和“面向用戶個性化科研需求的支持度”。③對“用戶滿意”維度進行因子抽取，其方差貢獻率為70.274%，僅有1個因子特征值高于1，因此，“用戶滿意”維度僅抽取1個因子，該共性因子由X35、X33、X34、X32這4個三級指標構成，將其命名為“用戶滿意度及用戶反饋行為”。

3.2.4 基于開放性題目的評價指標優化

考慮到不同用戶的實際需求不同，開放性題目的設置有助于發現因個人知識水平的局限性而未考慮到的指標，因此，有必要根據開放性題目獲取的結果對評價模型進行補充。通過對開放性題目進行整理分析（表7），本文發現用戶所提及的需求大部分已包含在所設計的35項三級指標內，仍有一些需求本文尚未被涉及，這需要對原有的評價模型進行完善和補充。在模型完善方面，有些用戶提及了學術社交網站使用過程中的真實信息，而預設評價中所設置的三級指標X1：“有無用戶注冊門檻，如要求使用真實姓名、真實機構郵箱注冊”僅涉及用戶注冊，而未提及網站使用，因此，需要將X1修正為“網站所設置的用戶注冊及使用門檻的情況，如要求用戶使用真實姓名、所屬單位、機構郵箱等”；在模型補充方面，較多的用戶提及了學術社交網站的特色板塊、專業覆蓋情況，因此，考慮增加X36：“網站特色板塊的開設情況”、X37：“網站專業領域的覆蓋情況”兩個新指標，并根據新指標的內容和特點，將其添加至“網站基礎建設”與“功能及信息資源的豐富性”兩個二級指標下。

表7 預調研問卷通過開放性題項所獲取的科研用戶需求

經過完善與補充后，本文所構建的學術社交網站評價指標體系如表8所示。

表8 完善后的學術社交網站評價指標體系

3.3 評價指標體系的進一步檢驗

3.3.1 正式調研問卷的設計、發放與回收

為了驗證完善后的學術社交網站評價指標體系的科學性，為一～三級指標權重的計算搜集數據樣本，本文進行了正式網絡調研。問卷自2020年2月5日開始發放，歷時26天，共計發放問卷187份，剔除無效答卷后得到147份樣本，數據集中男生占比44.2%，女生占比55.8%；本科生占比28.6%，研究生群體占比71.4%。調查對象來自清華大學、北京大學、澳大利亞國立大學等國內外50余所高校，并涉及管理學、經濟學、法學、醫學等在內的12個學科門類。由此可見，問卷的調查對象比較廣泛，在一定程度上反映來自不同學歷層次、不同高校、不同專業領域的科研用戶對擬定的學術社交網站評價指標體系的認可程度。正式調研問卷部分數據樣本如表9所示。

表9 正式調研問卷數據樣本（部分）

3.3.2 描述性分析與信度效度分析

本文思路是先以公平函數為目標，依據地區需求指數分配資源，且達到公平函數目標；同時以效率函數為目標，依據地區衛生資源的投入與產出，在公平目標基礎上實現效率函數目標。兩個目標函數形成上下層關系，上下層互為約束，從而構建復合系統雙層目標優化模型。

在評價指標科學性驗證方面，本文利用SPSS 22.0計算量表各維度的平均值、標準偏差和信度（表10）。同時，調用因子分析功能分別計算基于一級、二級維度所劃分的分量表的效度（表11）。

表10 量表各維度的平均值、標準偏差和信度

表11 各分量表的效度值

由表10可知，量表各維度的平均值均大于3.7，標準偏差處于區間(0.45,0.68)，且Cronbach'sα數值均高于0.78，這表明本文所設計的量表穩定性和可靠性較為理想。

在結構效度方面，當以一級維度作為分量表劃分依據時，各分量表的KMO值均高于0.75；當以二級維度作為分量表劃分依據時，除了“移動端互動渠道”“面向用戶個性化科研需求的支持度”之外，其他分量表的KMO值均高于0.7。分量表“移動端互動渠道”“面向用戶個性化科研需求的支持度”的KMO值僅為0.5的原因在于分量表中僅包含2個三級題項，而通過對其進行因子分析可以發現，2個分量表中方差貢獻率分別為81.579%、80.778%，遠遠高于55%的可接受水平。由上述分析可知，本文構建的基本CRM-BSC的學術社交網站評價模型較合理。

3.4 指標權重賦值及評價模型最終確立

本文借鑒管丹丹[26]的研究成果中的權重確立方法，利用變異系數法為各層、各項指標賦權。根據表9中的正式調研數據樣本，本文利用SPSS計算各級指標的平均分與標準偏差，并且計算出標準偏差與均值的比率，從而得到變異系數。

根據一級指標與二級指標的變異系數，可計算其最終權重。例如，一級指標“用戶知識”“用戶互動”“用戶價值”和“用戶滿意”的變異系數分別為0.222、0.234、0.205和0.210，這4個一級指標變異系數之和為0.871，則4個一級指標的最終 權重分別為0.255（0.222/0.871）、0.269（0.234/0.871）、0.235（0.205/0.871）、0.241（0.210/0.871）。同理，將單個二級指標的變異系數除以其所屬一級維度下所有二級指標的變異系數之和，可以得出該二級指標的最終權值。按照該方法可以計算出所有二級指標的最終權重，具體結果如表12所示。

表12 一級、二級評價指標變異系數及最終權重

37項三級指標的最終權重可類比二級指標權重計算步驟求得，其組合權重為各項三級指標對應的一級指標、二級指標與自身三項權重之積，最終所有三級指標的組合權重之和等于1。例如，X1：“網站所設置的用戶注冊及使用門檻的情況（如要求用戶使用真實姓名、所屬單位、機構郵箱等）”，該指標歸屬于一級指標F1、二級指標Y1。F1、Y1、X1的權重依次等于0.255、0.503、0.274，則X1的組合權重為0.035（0.255×0.503×0.274）。根據同樣的步驟和方法，可計算出其余36項三級指標的組合權重，部分結果如表13所示。

4 基于CRM-BSC的學術社交網站實證研究

4.1 實證研究設計與實施

鑒于實證過程的可操作性和評價結果的普適性，本文選定小木蟲、科學網、ResearchGate作為實證研究對象。其中，小木蟲成立于2001年，其論壇上已經匯聚2000余萬用戶、500余萬篇主題帖以及14000萬篇帖子，小木蟲始終致力于為中國學術科研提供動力[27]；科學網于2007年1月正式上線，擁有來自國內各大專院校與研究所的科研工作者近100萬人，網站的用戶整體具有較高的受教育程度[28]；ResearchGate于2008年創建，旨在助力全球科研工作者的學術交流及合作，網站已匯集了1600萬科研人員，其中包括79位諾貝爾獎獲得者[29]。本文選取以上3個網站的主要原因闡述如下。

表13 三級指標最終權重及其組合權重（部分）

第一，三者同屬于綜合型學術社交網站，并在全球權威機構Alexa網站上排名均居前列[30]。本文僅選擇綜合型學術社交網站進行實證，是出于以下考慮：首先，若僅選擇針對同一專業的學術社交網站進行實證，當前該類型的網站數量較少，僅適宜做特定網站的案例研究，而難以形成網站間的對比研究。本文目的在于通過設計的量化評價模型一次性對多個網站展開評價，以此發現不同網站之間的差異，從而實現網站“取它之長，補己之短”“以評促建”的研究目標。當然，本文對實證研究對象的選取，并不影響本文的評價模型可作為評價某單個網站的工具。其次，若本文選擇服務于不同專業的垂直型學術社交網站，由于之后所邀請的評分人員需涵蓋不同專業，難免會出現由于對本專業領域網站使用較頻繁，而使用較少或幾乎沒有使用其他領域的網站，使得評分不客觀的現象。最后，若本文同時選擇綜合型學術社交網站與專業型學術社交網站，也同樣不可避免部分評分人員使用專業型學術社交網站更加頻繁，相比之下，較少使用綜合型網站，導致的評分結果的不客觀性。

第二，三個網站創辦時間早、運營時間久，目前均已經具備一定的用戶規模，能夠較好地體現當前學術社交網站的建設現狀。

第三，三個網站已被較多的學者作為研究對象進行深入研究，能夠為本文提供一定的經驗參考。

學術社交網站評價指標體系的三級指標共計包括37個具體題項，其中31個題型為定性評價指標，邀請被試對象評分。另有6個題型（X3、X4、X5、X6、X15、X16）的結果可直接從網絡獲取，因此由筆者本人評分。實證研究過程中，邀請科研經歷較為豐富的博士在讀人員、高校教師、科研機構人員等共計39人，基于自身對學術社交網站的使用體驗，來對上述3個網站進行評分，所邀請的評分人員涵蓋工學、理學、管理學、經濟學、文學、法學和教育學共7個學科門類。實證實驗的評分制采取100分制，并以5分為最小間隔單位。實驗自2020年2月19日開始實施，歷時40余天，最終獲取有效評分35份，部分評分數據如表14所示。

4.2 實證研究結果分析

4.2.1 學術社交網站評分結果對比分析

本文對原始數據作處理，計算各網站、各題項分值的平均數，緊接著結合三級指標的組合權重，計算各網站37個題項的加權得分，部分結果如表15所示。

如表15所示，ResearchGate、科學網和小木蟲的綜合得分分別為87.94、80.65、82.71，均高于80分，這表明3個網站均在一定程度上滿足了科研用戶群體的學術社交需求。為了解當前主流學術社交網站在一級、二級維度上的得分表現，本文將同屬于某一二級維度下的三級指標最終得分進行求和即得到該二級指標最終評分，將同屬于某一一級維度下的二級指標最終得分進行求和，即得到該一級指標最終評分。分別計算三個網站在一級、二級維度上的評分情況，結果如表16所示。對得分結果利用Origin與AⅠ（AdobeⅠllustrator）軟件繪制可視化圖像，結果如圖1所示。

對各一級指標的具體得分進行分析，Research-Gate在各維度上得分均高于科學網和小木蟲。具體而言，這3個學術社交網站在“用戶互動”維度得分相近，均為24分左右，但在“用戶知識”維度得分差異較大。“用戶價值”維度和“用戶滿意”維度上，ResearchGate均處于優勢水平，而科學網與小木蟲二者得分差距不大。結合三級題項加權分值，本文對二級指標實證得分結果進行分析可以發現：

表14 實證評分數據（部分）

表15 實證研究對象得分表（部分）

表16 三個學術社交網站在一級、二級維度上的得分

第一，在“了解用戶信息”以及對網站提出更高要求的“用戶個性化科研需求支持度”方面，相對于科學網與小木蟲，ResearchGate的表現更為出色。ResearchGate采用了多種渠道了解用戶的研究興趣與偏好，并有針對性地匹配推薦內容，通過首頁展示、電子郵件等形式，向用戶傳達整合后的個性化推薦內容。相比之下，我國國內的學術社交網站在了解自身用戶和提供個性化服務方面則表現一般，例如，小木蟲較少獲取用戶的真實身份、當前研究項目等相關信息；科學網并未設置“在線用戶需求調查表”以了解其用戶的個性化需求。

第二，科學網與小木蟲在“信息安全”方面均有提升的空間，并且小木蟲還需加強其運營團隊建設。本文通過網絡調研發現，小木蟲論壇的管理成員均僅在業余時間憑借興趣維護各板塊；相反地，科學網由中國科學院等機構主管，ResearchGate則是從世界范圍內招聘有才能的員工。在信息安全保障方面，ResearchGate對用戶服務條款、隱私政策、知識產權政策等描述極為詳盡，然而我國的網站在此方面描述較為簡略。相對于一般網絡用戶而言，科研網絡用戶具有更高的信息安全甄別與保護意識，只有讓用戶切身感受到網站對其信息安全保障的重視，那么網站才能吸引并保留更多的用戶。

第三，在“基礎互動渠道”方面，3個網站得分差異較大。具體而言，ResearchGate在“用戶提問的反饋的及時性”方面弱于科學網和小木蟲，而科學網各類交流工具的易用性均有待提高。就互動渠道的專業性而言，ResearchGate和科學網略勝一籌，例如，科學網支持用戶通過學術名片的方式查看好友的研究方向、合作意向、課題組成員等信息；小木蟲對其用戶尋找潛在合作者、拓展學術影響力等需求的滿足能力略顯不足。

圖1 三個學術社交網站在一級、二級維度上的得分比較

第四，3個網站在“網站基礎建設”方面綜合得分差異不明顯，但就具體題項而言，3個網站卻各有春秋。例如，ResearchGate在界面美觀與布局方面均優于我國國內的2個網站，但作為國外網站，其在我國國內的訪問速度卻相對較慢。在語言版本方面，ResearchGate作為全球性學術社交網站提供了統一的英文界面；科學網盡管未完全實現界面的英文化，但也進行了初步的探索；而小木蟲僅提供中文語言界面。在特色板塊方面，我國國內的學術社交網站則展現出較大的優勢，例如，科學網開辟了科學網視頻、小柯機器人等特色板塊；小木蟲則具有SCⅠ期刊點評、木蟲講堂等特色板塊；相比之下，ResearchGate所提供的特色板塊則較少。

第五，在多項與學術信息資源豐富性和質量相關的維度中，ResearchGate與科學網均表現較好，小木蟲則表現不佳。網絡調研發現，小木蟲存在一定數量的無用信息、冗余板塊，甚至無效板塊，這在一定程度上影響了其用戶的體驗。

第六，從最終的“用戶滿意度及用戶反饋行為”來看，科研用戶對于ResearchGate的整體滿意度更高，更有可能持續使用，并向其他學者推薦該網站。

4.2.2 學術社交網站整體評分結果分析

為了解當前主流學術社交網站的整體建設水平，本文對ResearchGate、科學網和小木蟲3個網站各維度得分求平均值，并與對應的維度滿分進行對比，數據結果如表17所示，其可視化圖像如圖2所示。

表17 主流學術社交網站綜合得分情況

圖2反映了一級指標與二級指標的整體得分概況。3個學術交流網站在“用戶知識”和“用戶互動”維度表現較好，而“用戶價值”和“用戶滿意”層面則相對表現較差，有待進一步加強提升。具體而言，“用戶行為分析”“移動端互動渠道”的提供內容比較契合用戶的科研社交需求，但是在“了解用戶信息”“網站功能及信息資源的豐富性”等層面上表現一般，而在“基礎互動渠道”“網站基礎建設”“信息資源的質量與信息檢索”“個性化服務支持”方面等維度上的功能和服務提供亟須改善。

圖2 主流學術社交網站整體建設水平

綜上所述，從整體上來看，當前主流學術社交網站在“用戶行為分析及信息安全”“移動端互動渠道”這兩方面的表現相對較好，而在其他7個包含用戶基礎科研需求和個性化科研需求維度的得分卻不盡理想，究其原因主要有三點。首先，盡管近些年來移動互聯網、大數據等信息技術發展迅猛，學術社交網站在技術層面已有一定基礎。然而，作為一個復雜系統，這一類網站仍處于并將長期處于發展過程中[31]，許多功能有待優化與完善，“以用戶為中心”的服務理念也有待強化。其次，科研用戶群體的數量日益龐大，其學術偏好和需求也不斷地改變，與此同時海量異構數據成指數式增長。由于人力、物力等有限，學術社交網站的快速響應變化、迎合需求的行動具有一定的滯后性。最后，對用戶提供精準的個性化服務還存在一定的技術難關，并且相關的政策也對用戶的個人信息與知識成果予以高度重視和保護，科研用戶自身出于保護隱私的目的，也較少在網絡中提供真實準確的數據和信息，故學術社交網站想要獲取用戶個性化科研興趣和偏好存在較大的難度，這導致相關維度得分相對偏低；從網站個體層面來看，ResearchGate在絕大多數維度上得分均高于科學網和小木蟲，其中尤其以“了解用戶信息”“用戶行為分析及信息安全”“基礎互動渠道”“功能及信息資源的豐富性”“面向用戶個性化科研需求的支持度”“用戶滿意度及用戶反饋行為”這6個維度的差距較大。我國學術社交網站尚處于摸索和發展階段[7]，盡管網站已經搭建，但其國際化發展理念不足，且沒有充分形成系統化的用戶激勵體系[5]，無法較好地滿足用戶對學術資源廣度、個性化科研服務、學術影響力評價等方面的需求。此外，我國很多科研工作者尚未形成使用學術社交網站的習慣，這也導致學術社交網站的整體活躍度不高[32]，既不利于網站功能、服務的價值和建設上的不足得到人們的關注，也不利于網站管理者提高運營的積極性，因此，科學網和小木蟲在一些維度上與ResearchGate存在較大差距也就不難想象。

5 學術社交網站建設的對策

現階段，學術社交網站應在把握技術發展紅利的基礎上，從科研用戶的角度出發，積極改善功能和服務提供以獲得用戶的認可，才能在與用戶的良性互動中實現“雙贏”。因此，基于CRM-BSC理論模型的4個維度，本文提出了學術社交網站建設水平提升的4點對策。

（1）強化“用戶中心”理念，構建科研用戶的知識庫。基于CRM-BSC的學術社交網站評價模型中“用戶知識”維度的重要性僅次于“用戶互動”維度，然而，在該維度上，當前主流學術社交網站的表現卻不及后者。本文建議學術社交網站轉變戰略發展理念，基于科學研究人員的視角建立“用戶學術數據庫——用戶學術行為庫——用戶學術需求庫”協同漸進式的用戶服務體系，以進一步加強對其用戶的了解。具體而言，科研用戶在網站進行注冊時，網站需設置一定的準入門檻，并整合用戶信息構建學術數據庫，將用戶的交互行為錄入學術行為庫以分析其學術偏好與興趣，通過“在線需求調查表”對用戶個體的差異化和多元化的科研需求進行實時、精準的調研。另外，網站應注意對運營團隊進行相關知識和技術培訓，以提高其與時俱進的能力。在“用戶信息安全”方面，本文建議網站既要注重政策的制定，同時也應積極采用先進技術（如基于大數據的認證技術等）對用戶隱私信息進行保護，以提升科研用戶對網站的信任度。

（2）鼓勵用戶創造內容，促成有效互動和知識共建共享。用戶不僅是學術社交網站的使用者，同時也是價值共同創造者，用戶的互動行為對于學術社交網站長遠發展的重要性不言而喻。學術社交網站應立足于科研用戶的視角，從實用性和易用性方面，對各類基礎交流工具進行優化，著眼于網站的專業屬性，積極為用戶提高學術交流的效率、拓寬學術關系網絡的提供支持。在此基礎上，網站可通過引入一定的激勵機制，將用戶在網站內的行為數據與其科研影響力評價掛鉤，從而激發學術社交網站用戶創造優質內容，并參與知識共享的積極性。此外，學術社交網站應積極利用新一代移動通信、大數據、云計算等先進技術為用戶提供跨平臺、泛在性的學術交互服務。

（3）優化網站的功能和服務，提升用戶價值。學術社交網站的基礎建設、信息資源提供與個性化服務均為科研用戶所關注的重點，建議網站以科研用戶的情感與體驗為基準，優化平臺視覺效果與整體布局，將用戶的個人研究興趣與網站信息資源相匹配，以生成用戶專屬界面和個性化推薦內容，并進行精準推送，在已有服務的基礎上挖掘網站深層優勢形成特色服務。與此同時，學術社交網站作為輔助科研活動的平臺，應健全其學術資源質量管理機制，盡可能地清除虛假和冗余信息，并提供便捷高效的檢索系統。此外，科學網和小木蟲需積極拓寬用戶范圍，樹立國際化發展理念，分階段、漸進式地實現網站多語言版本的建設，并進行有效推廣，以更好地與前沿科學接軌，提高我國科研用戶注冊和利用網站的積極性，從而推進網站的持續性發展。

（4）建立“四位一體”良性發展體系，培養忠誠用戶。發源于平衡記分卡的CRM-BSC理論模型同樣也強調長遠目標與短期目標、成效與過程等多方面的均衡，用戶滿意度與忠誠度的提高植根于其在“用戶知識”“用戶互動”“用戶價值”環節中的需求被滿足的感知程度。然而，現有的學術社交網站在“用戶滿意”層面整體得分偏低。學術社交網站應立足于用戶視角對自身的建設水平進行定期測評，并將實時關注用戶反饋意見貫穿于服務提供的全過程，根據測評結果與用戶建議及時優化自身服務，才能最終提高用戶滿意、增強用戶黏性。

6 結語

互聯網技術的快速發展，使得學術社交網站在科研交流與合作創新方面的價值達到了新的高度，然而，科研用戶的學術社交需求并非一成不變，這就要求學術社交網站從用戶的角度出發，不斷改善與優化自身的功能和服務提供，以更好地提升用戶的體驗。本文從用戶視角出發，依托CRM-BSC理論模型，構建了針對學術社交網站的評價指標體系，并通過兩輪問卷調研對模型進行完善，同時，在實證的基礎上，驗證了評價模型的可操作性和有效性。作為學術社交網站定量評價研究，本文也存在一些不足，如網絡調研數據未形成一定規模、實證評價研究樣本數偏小，且存在因部分題項過于專業化使得受測者理解有誤，從而導致調查結果出現偏差，這是未來研究可進一步改善的方向。