多維影響力融合視域下的數據論文評價研究

許 鑫，葉丁菱

（華東師范大學經濟與管理學部信息管理系，上海 200241）

1 引 言

在大數據時代，科學數據呈井噴式增長，數據價值逐漸突顯并成為社會發(fā)展與科學研究的關鍵性動力。但在科學數據泛濫的同時，也存在著可用數據缺乏的問題。面對此間矛盾，2020年4月，我國出臺的《關于構建更加完善的要素市場化配置體制機制的意見》中，首次將數據納入生產要素范疇，并提出加快推進數據開放共享、加強數據資源整合、建立數據管理制度的要求，充分體現了數據的基礎資源地位[1]。在國家政策支持、科研人員研究需求和科研范式轉變的背景下，針對科學數據開放、利用的研究不斷涌現，其中作為數據出版的數據論文更是引起眾多研究人員的關注。

數據論文是指經過同行評議對數據進行正式出版，描述數據生產目的、收集處理、覆蓋內容、時空范圍和文件格式的論文[2]。數據論文注重描述數據本身，通常包含一個或多個數據文件，利于促進數據的發(fā)現、獲取和重用，推動數據產權、數據引用、學術創(chuàng)新等發(fā)展[3]。研究表明，數據論文評價可以有效促進數據的發(fā)布與應用，有效規(guī)范數據引證行為[4]。對此，諸多學者呼吁并提出數據計量，并指出數據計量是對數據在生產、傳播以及利用過程中產生“痕跡”的計量，包括但不限于Altmetrics和論文級別計量，把握數據在運動中產生的影響力，從而為科研人員獲取、引用和評價數據提供參考[5-9]。鑒于此，本文試圖基于數據計量，融合Alt‐metrics與引文分析解構數據論文影響力[10]，展開數據論文潛在影響力、學術影響力和社會影響力的多維評價。以期為數據論文影響力評價指標遴選和模型優(yōu)化提供借鑒，也為改善數據論文影響力評價現狀提供新思路。

2 數據論文影響力評價相關研究

學術評價的意義不僅在于評價學術成果或學術活動本身，還在于對學術資源、學術創(chuàng)新等的推動和激勵。現有的學術評價主要集中于學術論文、學術期刊和科研項目，伴隨數據論文等特殊學術資源的發(fā)展以及相關政府政策的支持引導，數據論文評價也逐漸引發(fā)科研人員的關注。例如，2018年國務院辦公廳印發(fā)的《科學數據管理辦法》中提出，“主管部門和法人單位應積極推動科學數據出版和傳播工作，支持科研人員整理發(fā)表產權清晰、準確完整、共享價值高的科學數據”[11]。然而，面對數據論文的應用與研究，存在出版數量不足、應用不廣泛、引證不規(guī)范等問題，數據論文影響力評價的相關研究雖然逐漸興起，但是研究成果相對較少。

數據論文影響力評價通常以引文分析法或Alt‐metrics評價法為基礎，以多類指標為要素進行評價框架或評價體系的構建。引文分析法是從引證與被引證現象來解釋評價對象的數量特征與內在規(guī)律的方法；Altmetrics評價方法注重測度用戶的關注行為，以用戶在社交網絡中的瀏覽、閱讀、下載、討論等數據作為計量評價的基礎，通常被認為是對傳統(tǒng)評價方法的補充[12-14]。Ingwersen等[15]選用GBIF（Global Biodiversity Information Facility，生物多樣性數據庫）的數據，建立了包括搜索記錄、下載頻率、使用影響、興趣影響、數據集數等14指標在內的數據使用指標（data usage index，DUI）體系。Ball等[16]探索了引用頻次、唯一標志符、同行評議、下載量、社會媒體鏈接等指標在科學數據計量中的適用性，認為這些指標可較好地應用于科學數據影響力評價。Fear[17]以數據引用頻次、重用數據的出版物質量、重用數據的出版物多樣性、數據集的網絡規(guī)模和下載量為指標，展開科學數據的影響力評價。Peters等[18]基于DCI（data citation index）和PlumX對數據論文的引用頻次與Altmetrics指標的相關性進行了研究，指出Altmetrics指標可以對引用頻次進行補充。Costas等[7]以數據出版為基礎，結合文獻計量與Altmetrics構建了基礎數據計量模型，文獻計量維度包括數據出版總數、數據平均被引次數、數據期刊的平均數據影響力、期刊影響因子，Altmetrics指標包括社會媒體指數、讀者數與下載量。翟姍姍等[19]融合Altmetrics與引文分析，采用被引對象頻次、當年影響因子、下載量等指標構建了數據論文學術影響力評價模型，并指出融合Altmetrics與引文分析可以更為全面、豐富、科學地評價數據論文。劉闖[20]以引用次數與施引文獻的期刊影響因子兩個指標研究了“全球變化科學研究數據出版系統(tǒng)”中數據論文的影響力。

通過梳理相關研究可以發(fā)現，國內外學者對數據論文或類似科學數據衍生成果進行評價時，在評價方法上，有單從引文或Altmetrics方面的評價，也有融合兩者的評價。融合引文分析和Altmetrics的評價方法考慮了數據論文在學術研究和社會交流中的價值體現，可以完善評價指標，擴大評價適用范圍[21-22]，為數據論文提供綜合的評價體系；在評價內容上，主要從單一維度展開，數據論文從發(fā)布到使用歷經復雜的科研活動過程，其影響力的產生與評價必然具備多維屬性，僅從單一的學術影響力進行評價，忽略了數據論文影響的多重性和全面性；在評價指標上，評價指標的選擇較缺多樣性，對引文評價多從引用頻次出發(fā)。然而，數據論文層級復雜，語言邏輯難懂，在文章中的不同位置體現著明顯的不同作用，對引文、方法、結論和討論的支撐性具有顯著的不同，針對數據論文這一特性本文引入被引對象頻次特征指標。因此，在有關數據論文的引文指標與Altmetrics指標發(fā)展和可追蹤的基礎上，面對數據論文影響力評價欠缺完善的、針對不同數據源進行多維影響力測度的評價指標體系這一現象，本文結合引文分析指標與Altmetrics指標，分析數據論文影響力在不同維度的表現及其影響因素，構建更為系統(tǒng)的、全面的評價體系。

3 基于信息傳播模式的數據論文影響力產生機制解析

數據論文作為承載科研人員研究成果的載體，是知識信息傳播的途徑之一。基于數據計量的界定，數據論文影響力是指數據論文在交流傳播過程中產生的綜合影響。因此，本文對于數據論文影響力綜合評價框架的建立，一方面以科學、適用、綜合的評價方法為依托，另一方面以數據論文的傳播形式和影響力的產生機制為基礎。

3.1 數據論文傳播模式分析

學術成果作為成果創(chuàng)造者和成果使用者之間的交互介質，不同的交互路徑和交互過程構成學術成果不同的傳播模式，催生不同的影響機制。數據論文的傳播模式可以從傳播路徑和傳播過程兩個層面進行解析，傳播路徑是從微觀角度分析學術成果傳播的具體實現載體，傳播過程是從宏觀角度分析學術成果傳播的不同發(fā)展階段。

數據論文傳播路徑。根據Bj?rk[23]提出的數字化科學交流模型，研究成果可以定義為科學文獻或數據出版兩種形式，交流路徑可以分為“利用出版物交流研究成果”和“非正式的在線交流研究成果”兩種類型。因此，數據論文的交流路徑包括為正式交流途徑和非正式交流途徑。其中，正式交流途徑是指經過同行評審的數據論文進行傳播擴散的學術成果系統(tǒng)，非正式交流途徑是指數據論文在論文創(chuàng)造者和論文使用者之間直接通過社交網絡實現傳播和擴散的方式。數據論文則在兩種交流途徑中，被認知、傳播和擴散，數據論文的傳播和擴散過程既可以反映出讀者對數據論文的觀念和態(tài)度，也可以反映出數據論文對讀者產生的影響力。

數據論文傳播過程。依據數據論文網絡開放發(fā)布的特性，數據論文在經過一定形式的評審后，通過數字出版平臺或者信息發(fā)布平臺實現在線出版和開放獲取。在線出版和開放獲取以其特有的“零進入壁壘”的形式突破學術交流中的時空限制、組織邊界和知識界限，促進數據論文便捷、高效、廣泛地傳播。借鑒王賢文等[24]提出的學術成果在線傳播過程可以分析出，數據論文首先通過在線出版實現數據論文的獲取和感知，即瀏覽、下載或收藏數據論文等行為。隨后，科研人員通過對數據論文的閱讀、理解和吸收，對具有參考價值的內容分別采取引用行為或者評論、分享行為，促進數據論文在學術共同體內部和社會公眾之間的傳播和擴散。由引用行為形成的施引文獻促進數據論文的再次閱讀和評論，由交流行為帶來的關注度促進數據論文的新一輪閱讀和引用，至此完成數據論文在科學交流中的傳播過程。因此，數據論文的在線傳播過程具體由感知、引用和交流三種主要形式組成。

通過對數據論文傳播路徑和傳播過程的分析可知，數據論文的具體傳播模式是依托以數據論文成果系統(tǒng)為載體的正式交流途徑和以社交平臺為載體的非正式交流途徑在感知、引用和交流三種形式中實現泛在傳播。

3.2 數據論文影響力產生機制

依據數據論文影響力的定義可知，數據論文影響力的產生機制依托于數據論文的傳播模式。通過對數據論文傳播模式的分析，數據論文以專業(yè)文獻系統(tǒng)或社交平臺為載體實現在感知、引用和交流中的泛在傳播。因此，感知、引用和交流既是數據論文傳播過程中的三種形式，也是影響力產生的三個關鍵點。

根據邱均平等[25]提出的科研成果影響力產生模型可以拓展出數據論文影響力產生機制，如圖1所示。從影響力內部而言，感知數據論文的用戶構成數據論文的受眾群，感知越多，則知名度越大；引用是科研人員對數據論文學術價值認可的權威行為，意味著數據論文所承載和傳遞的信息對科研人員的知識和思想帶來了改變，應用越多，則學術影響越深；社交媒體的發(fā)展促進在線交流的深入，交流是使用者對數據論文所持有的觀點或態(tài)度，交流越活躍，則社會影響越廣泛。從影響力外部而言，通過感知有用性、感知興趣性等潛在影響，形成對數據論文的理解與評論，作為后續(xù)應用、交流形成的前提和基礎，將其中有參考價值的內容通過標注形成正式引用，將感興趣的內容通過社交平臺進行轉發(fā)和評論；引用所帶來的馬太效應既可以增強感知，又可以促進交流；交流既通過受眾群的擴大增強感知，又通過分享加深應用。因此，本文認為在數據論文影響力的產生過程中，感知可以形成潛在影響力，應用可以促進學術影響力，交流可以反映社會影響力。數據論文的綜合影響力最終由潛在影響力、學術影響力和社會影響力三個維度構成。

圖1 數據論文影響力產生機制

4 數據論文影響力多維評價框架建立

數據論文影響力評價框架的建立既包括對多維影響力的解析，又包含對評價指標的識別。評價指標的合理性可以直接影響評價結果的合理性[26]，因此，本文將從評價指標的適用性和可信度進行指標分析，識別出可以納入數據論文評價指標體系的候選指標。評價指標的適用性可以從指標的覆蓋程度和區(qū)分程度進行評估，包括覆蓋范圍、重復范圍和區(qū)分程度。評價指標的可信度可以從指標的穩(wěn)定性和解釋性進行評估，包括成熟程度和解釋程度。

4.1 數據論文潛在影響力評價

數據論文的潛在影響力是指數據論文被感知的程度。感知作為用戶對數據論文最初的關注形式，是后續(xù)應用和交流產生的前提，也是影響力形成的基礎。用戶只有在感知（即閱讀、理解）數據論文后，發(fā)掘其數據內涵、數據方法等參考價值，才會產生標注形成學術引用，或者通過社交平臺進行分享和評論，從而引發(fā)數據論文的社會關注。面對數據論文這一專業(yè)性較強、時間成本較高的學術資源，用戶必然會出于某種需要或興趣進行預判和選擇。因此，當用戶通過不同途徑初步接觸數據論文后，仍然選擇閱讀、下載或收藏，可視為對數據論文影響力的一種測度，即用戶對數據論文傳播內容的接受程度反映其影響程度。

伴隨Altmetrics的發(fā)展，數據論文的感知程度被定量化，定量的測度指標依據影響的深淺層次可依次分為瀏覽（Views）、下載（Downloads）、收藏閱讀（Mendeley、CiteULike）等。從適用性而言，在瀏覽、下載、收藏中，以瀏覽為最低級別，三者之間層層遞進。瀏覽是下載、收藏等行為的轉化基礎，下載量在一定程度上可以反映數據論文的質量，作為數據論文質量的早期指標[5]，Mendeley讀者數能夠在一定程度上預測科研成果被引數，反映科研成果的學術影響力[27]。瀏覽和下載在感知階段反映的數據論文潛在影響力重復范圍小、覆蓋范圍廣，層級分明、區(qū)分程度大。然而，Mendeley和CiteULike同時表征收藏數，兩者之間存在外在交叉和異質性，需要進行遴選。Mendeley與CiteULike相比，在數據論文上使用群體更多、更穩(wěn)定，覆蓋范圍更廣泛，表征效果更好；從可信度而言，瀏覽量、下載量、Mendeley和CiteULike都是當前廣受應用、發(fā)展較為成熟、具備研究意義的評價指標，各指標所表征的內涵可以清晰反映用戶的感知行為。綜合適用性和可信度，本文選取瀏覽量、下載量和Mendeley讀者數作為數據論文潛在影響力的評價指標。

4.2 數據論文學術影響力評價

數據論文的學術影響力是指用戶對數據論文的引用程度。引用代表數據論文在科學交流活動中產生的重要影響，并且這種影響重要到科研人員必須將其進行標注來反映其對科學研究的貢獻和效用，是對數據論文學術價值較為權威和深度的認可。基于馬太效應的影響，擁有較高學術影響力的數據論文，一方面，通過其較高的知名度，增加數據論文的感知途徑和感知程度，擴大潛在影響力；另一方面，通過其較高的關注度，引發(fā)社會討論，激發(fā)社會影響力。因此，引用為數據論文被積極轉化和深度應用的重要形式。

對數據論文而言，引用通常采用參考文獻的方式進行呈現，針對這一類型影響力的測度指標包括總引用頻次（Total Citations）、平均引用頻次（Av‐erage Citations）、施引文獻引用頻次（Citing Arti‐cles Citations）、施引文獻期刊影響因子（Impact Factor）、論文H指數（H-index）等引文分析指標。依據數據論文作為文章底層支撐數據的特性，應深入文章內容進行評價，本文引入被引對象頻次（Citation Target）指標[19]。從適用性而言，總被引頻次、平均被引頻次和被引對象頻次都是從直接引用次數來反映數據論文的學術影響力的，重復程度高，覆蓋范圍相同，但總被引頻次和平均被引頻次是基于表層引用的反映，被引對象頻次深入到文獻內部具體反映引用行為，具有深層次性。所以，總被引頻次和平均被引頻次反映同一層級內容需要進行遴選。施引文獻被引頻次、H指數和施引文獻期刊影響因子均是從引用的間接影響形式反映數據論文的學術影響力，三個指標的受眾群體相同，區(qū)分程度相對較弱，影響程度相對較小。并且施引文獻期刊影響因子作為反映期刊質量的指標，相對于其他指標反映數據論文影響程度最小。從可信度而言，總被引頻次和平均被引頻次的發(fā)展時間久、內涵相似，但總被引頻次的成熟程度較高，被認可程度也較高。被引對象頻次發(fā)展相對較晚，但反映評價對象的內涵深度相對較強。施引文獻被引頻次、H指數和施引文獻期刊影響因子發(fā)展成熟、穩(wěn)定性強，其中，H指數綜合了數據論文數量和影響，與施引文獻被引頻次和施引文獻期刊影響因子相比，H指數的內涵范圍相對較廣、解釋數據論文程度相對較高。因此，本文選取總被引頻次、被引對象頻次和H指數作為數據論文學術影響力的評價指標。

4.3 數據論文社會影響力評價

數據論文的社會影響力是指用戶對數據論文的社會交流程度。社交平臺的發(fā)展為用戶提供了實時、高效的交互平臺，也為數據論文提供了泛在傳播平臺。社會交流反映了用戶在閱讀和理解數據論文后，憑借社交平臺展示對數據論文的興趣、觀點、態(tài)度等行為。此行為通常以評論、轉發(fā)或分享等作為表征，通過觀點、態(tài)度來表示用戶對數據論文相對淺顯、非系統(tǒng)的認知，體現數據論文影響力的廣泛程度；以評論為代表的交流行為通常對用戶公開可見，可以較為清晰、及時地反饋用戶投入程度。社會影響力一方面通過社交平臺擴大數據論文的受眾面，加強數據論文的感知程度，提升潛在影響力；另一方面通過社交平臺發(fā)布、傳遞的相關綜合信息、洞見性的評論等，加深科研人員對數據論文的理解，促進數據論文的引用，加深學術影響力。

針對這一類型影響力的測度指標，依據影響的深淺層次可依次分為臉書分享（Facebook）、推特評論（Twitter）、博客（Blogs）、維基百科（Wiki‐pedia）、新聞報道（News）等Altmetrics指標。從適用性而言，博客提及量表征用戶對數據論文翔實的討論行為，新聞報道量表征主流媒體對數據論文的分享行為，維基百科鏈接數表征用戶對數據論文的引用行為，推特評論提及量表征用戶對數據論文及時、簡短的討論行為，臉書分享量表征用戶對數據論文及時的分享行為。這五個指標分別從主流媒體、研究學者、普通大眾的討論、評價、分享等行為，拓展數據論文社會影響力的廣度、延伸數據論文社會影響力的深度，指標間外在交叉程度相對較小。從可用度而言，五個指標發(fā)展穩(wěn)定性趨強、內涵明晰、集中獲取程度高。因此，本文采用上述五個指標作為數據論文社會影響力的評價指標。

基于此，本文構建融合Altmetrics與引文分析的數據論文影響力綜合評價框架，如圖2所示。融合Altmetrics與引文分析的數據論文影響力綜合評價框架考慮了影響力來源的三維分層性、補充性和評價指標的聚合性，能夠發(fā)揮以感知形成的潛在導向作用，以應用促進的學術傳承作用，以交流反映的社會補充作用。

圖2 數據論文影響力綜合評價框架

5 數據論文影響力多維評價體系構建

5.1 數據收集

考慮到數據論文質量的可控性和出版實踐的成熟性，本文選擇Earth System Science Data出版的數據論文作為研究對象。Earth System Science Data作為專業(yè)數據期刊要求出版的數據論文提交與其對應數據集的詳細信息，并經歷嚴格的兩段式同行評議，以保證數據論文和數據集的真實性、準確性和有效性[28]，在數據論文出版領域具有較高的成熟度和權威性。本文選取2009—2020年發(fā)表在Earth System Science Data上的12卷24期489篇數據論文。通過Web of Science獲取引文指標信息，通過Earth System Science Data網站獲取瀏覽量、下載量等Alt‐metrics指標，通過Plum Analytics獲取其余Altmet‐rics指標信息。

5.2 指標分析

本文從指標覆蓋率分析、相關性分析和信效度分析對數據論文影響力評價指標進行遴選與甄別。在指標覆蓋率分析上，Wikipedia指標覆蓋率低于5%，不具備區(qū)分度，故對該指標做刪除處理。在相關性分析上，評價指標相關性分析如表1所示。由表1可知，數據論文學術影響力各指標高度正相關，數據論文潛在影響力和社會影響力的評價指標顯著相關，但各指標之間的相關性較弱。因此，為了進一步分析各指標對測量變量的目的關聯性強弱，對潛在影響力和社會影響力的各評價指標進行總項相關分析，分項對總項相關系數是測量指標的重要性得分和全部指標的重要性得分總和間的相關程度，用于反映測量指標的重要程度，如表2所示。數據論文潛在影響力和社會影響力的各評價指標對總項的相關性均大于0.5，說明潛在影響力和社會影響力的各評價指標對測量變量的目的相關性較強，因此，保留各評價指標。在信效度分析上，整體Alpha值為0.903，各評價指標的Alpha值均大于0.8，各指標內部具有較強一致性。KMO值大于0.8，說明評價指標效度非常好，反映評價目的的程度高。

表1 數據論文多維影響力評價指標相關性分析

表2 數據論文二維影響力評價指標分項對總項相關性分析

基于此，本文初步構建包含瀏覽量、下載量和讀者數的潛在影響力指標，包含總被引頻次、H指數和被引對象頻次的學術影響力指標，以及包含博客提及量、新聞報道量、推特評論提及量和臉書分享量的社會影響力指標的數據論文影響力綜合評價體系。

5.3 指標權重配置

本文采用偏最小二乘結構方程模型確定評價指標權重，偏最小二乘結構方程模型在不需要樣本數據符合正態(tài)分布的基礎上，集合了多元線性回歸、主成分分析、典型相關分析等統(tǒng)計學方法[29]，可以解決評價指標的多重共線性問題，研究每個潛變量和顯變量間的關系，得到綜合各潛變量和代表所有潛變量的綜合指數[30-31]。本文構建的數據論文影響力偏最小二乘結構方程模型包含潛在影響力、學術影響力和社會影響力三個潛在變量，通過顯著性檢驗和質量檢驗進一步驗證模型信效度，在此基礎上，通過路徑加權進行參數估計，最后通過路徑系數計算實現評價體系的權重配置。

在潛在影響力、學術影響力和社會影響力的唯一維度檢驗通過的基礎上，利用PLS測量模型質量，潛在影響力、學術影響力、社會影響力和綜合影響力的AVE值均大于0.5的適配標準，組合信度和內部一致性系數均大于0.7的適配標準，綜合影響力對于三個潛變量的R2為1，說明評價指標區(qū)分效度較好，綜合影響力對三個潛變量的解釋程度較高。隨后對評價體系進行顯著性檢驗，如圖3和圖4所示。從圖3可以看到，潛在影響力、學術影響力和社會影響力對綜合影響力的路徑系數分別為0.364、0.375和0.472。從圖4可知，所有測量變量的因子載荷系數的顯著性檢驗T值和潛變量之間的標準化路徑系數顯著性T值都大于1.96，說明評價體系通過了顯著性檢驗，進一步證明了本文構建的評價體系具有合理性，評價數據具有較好的信效度，可以使用該模型對數據論文影響力進行評價和權重配置。

圖3 因子載荷系數和標準化路徑系數

圖4 綜合評價體系顯著性檢驗

Fornell等[32]指出，通過對測量變量的外部權重系數進行加權平均可估計潛變量的數值，因此，本文將綜合評價體系的外部權重系數和潛變量路徑系數作為評價指標權重，各評價指標影響權重如表3所示。

表3 數據論文影響力綜合評價體系

同時，本文將數據論文的綜合影響力、潛在影響力、學術影響力和社會影響力分別命名為DM、DM1、DM2和DM3，具體數據論文影響力綜合評價體系計算公式為

其中，Wi為數據論文潛在影響力下各評價指標的權重；Xi為各評價指標的值，i∈[1,3]；Wj為數據論文學術影響力下各評價指標的權重，Xj為各評價指標的值，j∈[1,3]；Wk為數據論文社會影響力下各評價指標的權重，Xk為各評價指標的值，k∈[1,4]。

6 數據論文影響力綜合評價方法實證分析

6.1 數據論文影響力評價體系應用

數據論文作為新型特殊學術資源，一方面處于初始研究階段，發(fā)展尚不成熟；另一方面，適用數據針對性較強，需要花費研究人員大量的精力和時間分析數據的關聯程度或支撐程度，應用尚不廣泛。本文通過對Earth System Science Data數據期刊的調研發(fā)現，大量數據論文在多維度中缺乏有意義的指標數據，尤其是Altmetrics指標的缺失，因此，出于數據一致性、完整性和評價適用性的考慮，本文依據Altmetrics.score分值，選取Earth System Sci‐ence Data中前100篇數據論文作為綜合評價的研究樣本數據展開綜合評價分析。

根據數據論文評價體系中各指標權重，計算數據論文的潛在影響力、學術影響力、社會影響力和綜合影響力，評價結果如表4所示。由表4可知，數據論文在潛在影響力、學術影響力和綜合影響力的評分中差值程度相對較小，社會影響力的評分中差值程度相對較大，并且社會影響力評分明顯小于其余影響力評分。從各影響力評分及排名可以看到，以“Global Carbon Budget”加上年份的數據論文在各維度影響力及綜合影響力排名中都有出現，并且排名比較靠前。本文通過對此類數據論文進行閱讀分析發(fā)現，此類數據論文從研究內容而言，包含內容范圍較廣，從大氣、土地、森林各方面對二氧化碳的排放行為進行分析；從研究時效性而言，時間跨度較長，時效性較高，可適用時間長；從穩(wěn)定性而言，以年為周期展開研究，版本幾乎不用更新，數據無需更改，引用較為方便和穩(wěn)定；從閱讀性而言，內容解釋明晰，通俗易懂，便于普通用戶理解和討論。

表4 數據論文影響力評分及排名

6.2 數據論文影響力評價結果分析

6.2.1 數據論文影響力相關性分析

數據論文影響力相關性分析結果如表5所示。從影響力維度而言，數據論文在三維度影響力都顯著正相關，各維度影響力和綜合影響力也呈現顯著的正相關關系。就顯著性而言，潛在影響力對數據論文綜合影響力的作用最強，其次是學術影響力，社會影響力對綜合影響力的作用最弱。

表5 數據論文影響力相關性分析

潛在影響力、學術影響力和社會影響力的相關關系表明，三維影響力之間會互相促進。其中，潛在影響力和學術影響力的相關性最高，為0.841，數據論文潛在影響力較高，從側面說明數據論文的初始認可程度相對較高，較高的初始認可程度會增大數據論文的引用概率。同時，較高的數據論文引用會產生馬太效應，促進數據論文的瀏覽、下載、收藏等潛在影響行為。潛在影響力和社會影響力的相關性次之，為0.489，說明用戶在閱讀數據論文后，在一定程度上會對數據論文進行分享、討論等一系列操作，從而提升數據論文社會影響力；而數據論文社會影響力的提升，會擴大數據論文的傳播范圍、拓展數據論文的社群影響，從而促進潛在影響力的提升。學術影響力和社會影響力的相關性最弱，為0.318，說明兩者之間會相互促進，但非必然。一方面，由于學術影響力和社會影響力的側重點不同，數據論文的專業(yè)性較強、學科界限明顯，限制部分用戶對數據論文的關注；另一方面，社會交流中的數據論文首先需要被專家學者關注，而后進行科學評判、適用性鑒定、支撐性評估等一系列復雜操作才會進行引用，即通過參考文獻的形式提升學術影響力。

三維影響力和綜合影響力間的相關關系說明，三維影響力會在不同程度上促進綜合影響力的提升。其中，潛在影響力和綜合影響力的相關性最高，為0.918，瀏覽、下載、收藏是數據論文影響力產生的第一環(huán)節(jié)，也是數據論文應用、交流的基礎與前提。在信息爆炸的當下，注意力演變?yōu)橄∪辟Y源，潛在影響力的提升必然會在較大程度上擴大數據論文的影響力。學術影響力和綜合影響力的相關性次之，為0.847，以應用的不同發(fā)展形式形成的學術影響力，從科學性、適用性等方面驗證數據論文，通過規(guī)范化、系統(tǒng)化的學術交流活動體現數據論文的學術價值，累積和促進了數據論文的綜合影響力。社會影響力和綜合影響力的相關性最弱，為0.638，說明社會影響力對綜合影響力起到補充作用，學術成果的社會交流過程尚不成熟，加之數據論文交流的專業(yè)性限制，社會交流活動雖然可以及時、快速地擴大數據論文影響力，但影響程度有限。

6.2.2 數據論文影響力差異性分析

為探索數據論文在三維影響力中的具體表現，根據各維度得分繪制三維散點圖，直觀反映數據論文影響力，如圖5所示。同時，本文采用各維度加權平均值作為數據論文在各維度評分高低的標準，將數據論文劃分為“名作數據論文”“專業(yè)數據論文”“明星數據論文”和“普通數據論文”。“名作數據論文”共有24篇，符合“二八定律”，“專業(yè)數據論文”共有25篇，“明星數據論文”共有15篇，“普通數據論文”共有36篇。

圖5 數據論文影響力三維評價

（1）“名作數據論文”，是指同時具備高潛在影響力、學術影響力和社會影響力的數據論文。這種類型的數據論文具有較高知名度，被用戶廣泛獲取，同時其學術價值被業(yè)內專家認可，產生學術貢獻，在社會交流中也引起廣泛關注。該類型數據論文往往是研究領域中的關鍵論文或前沿內容，從而被眾多學者、用戶關注和追蹤。例如，數據論文“An improved and homogeneous altimeter sea level re‐cord from the ESA Climate Change Initiative”所研究的內容和發(fā)表的數據基于歐盟的倡導項目而來，其前沿性和研究性顯著。數據論文“Anthropogenic land use estimates for the Holocene-HYDE 3.2”提供的土地利用數據從公元前1萬年至公元2015年，萬年間土地利用形式的演變會引發(fā)用戶好奇心，吸引用戶關注力，激發(fā)社會討論度。

（2）“專業(yè)數據論文”，是指學術影響力較高、潛在影響力或社會影響力相對較低的數據論文。這種類型數據論文的專業(yè)性質較強，具有前瞻性，學術界限明顯，因此，專業(yè)性用語、方法和知識背景限制了部分用戶對數據論文的獲取，也為數據論文的大范圍傳播筑起了屏障。例如，數據論文“The Global Streamflow Indices and Metadata Archive(GSIM)-Part 2:Quality control，time-series indices and homo‐geneity assessment”研究三萬流域站點的每日流量、面積、氣候等數據，數據專業(yè)翔實，但篇幅過長、時間成本較高，不便于普通用戶閱讀和分享。數據論文“Generation and analysis of a new global burned area product based on MODIS 250 m reflectance bands and thermal anomalies”依據歐洲航天局的專業(yè)項目，詳細研究和提供了全球燃燒區(qū)數據，用語精煉、專業(yè)性較強，學術價值較高的同時學術界限也較為明顯。

（3）“明星數據論文”，是指社會影響力較高、潛在影響力或學術影響力相對較低的數據論文。這種類型的數據論文出版之后，會快速地在社交平臺引發(fā)討論和評價，產生較高的關注度。其通常具有普適性、應用性或貼合社會熱點，從而引起廣大用戶的興趣。例如，數據論文“A new bed elevation model for the Weddell Sea sector of the West Antarctic Ice Sheet”和“Copepod species abundance from the Southern Ocean and other regions(1980-2005)-a lega‐cy”都是基于南極地區(qū)的觀測數據，前者針對南極冰川變化，后者針對南極浮游動物群。南極地區(qū)作為較為神秘和重要的原始大陸，社會關注度和好奇度較強，數據論文貼合用戶興趣點，極易引起反響。

（4）“普通數據論文”，是指潛在影響力、學術影響力和社會影響力都相對較低的數據論文。作為發(fā)展和應用尚不成熟并且閱讀分析時間成本較高的數據論文，如果不具備較強的適用性、數據的難以替代性、方法的新穎性等，那么就較難吸引研究人員或普通用戶的注意。因此，伴隨時間的推移，新數據論文的發(fā)布，這種類型數據論文可能并未進入公眾視野。例如，數據論文“Hydrometeorological data from Baker Creek Research Watershed，Northwest Territories,Canada”是對加拿大極北偏遠地區(qū)水文數據的研究，研究對象受關注程度低，適用性也較差。

6.2.3 多學科數據論文影響力分析

為了進一步分析數據論文的實際應用特征，本文依據數據論文的學科屬性，按照數據論文影響力高低，將不同學科的數據論文分為“名作數據論文”“專業(yè)數據論文”“明星數據論文”和“普通數據論文”四類，如表6所示。本文選取的Earth System Science Data數據期刊為地理領域期刊，從一級學科進行劃分，主要分為地理學、環(huán)境科學、氣象學和海洋學。

表6 多學科數據論文影響力分析

地理學出版的數據論文數量最多，既與本文選取的數據論文期刊為地理領域相關，也與地理學自身數據論文的發(fā)展相關。地理學在數據論文從提交、審核、出版，到數據倉儲，具有連貫而嚴格的學術系統(tǒng)，在數據論文的需求、獲取和引用上也具有成熟的操作規(guī)則和獲取系統(tǒng)。地理學雖然具有較多的“普通數據論文”，但其余三類數據論文的數量明顯多于“普通數據論文”，說明地理學出版的數據論文整體上質量較高，既具有較高的學術研究和使用價值，又具有廣泛的社會傳播和交流價值。環(huán)境科學出版的數據論文數量其次，這與全球十分關心和注重生態(tài)環(huán)境的現象較符合。相關數據論文主要集中于“名作數據論文”，一方面說明學術界十分關注且廣泛探索和研究生態(tài)環(huán)境相關的內容，另一方面說明環(huán)境科學出版的數據論文在質量上具有較高的完整性、科學性、嚴謹性和真實性，在內容上具有較強的適用性和支撐性，重現要求低而重現價值高。氣象學和海洋學出版的數據論文主要集中于“普通數據論文”，出現在“專業(yè)數據論文”和“明星數據論文”的研究對象多與南極和北極相關，一方面說明極地地區(qū)研究數據具有較高價值和較強吸引力，另一方面也可能與氣象和海洋相關數據在國家官方網站發(fā)布較多、可替代性較強有關。

7 結語

本文通過對可用數據論文的選擇、數據論文影響力的比較分析，可以發(fā)現，從整體而言，數據論文的獲取、應用和交流程度較低，整體影響力較小。從內部而言，數據論文的影響力存在維度偏差，“名作數據論文”的數量較少，潛在影響力和學術影響力相對較高，社會影響力相對較弱。因此，數據論文影響力的發(fā)展需要綜合整體的提高和內部的優(yōu)化。

在整體提升上，數據論文評審機制是保證數據質量的首要途徑，引用機制是促成數據論文應用的關鍵手段，激勵機制是拓展數據論文多樣交流的外生驅動。三種機制的配套結合，有利于充分挖掘數據論文的價值，提升數據論文的影響力；在內部優(yōu)化上，數據論文需要增強創(chuàng)新性以提升用戶的感知水平，發(fā)展多模態(tài)使用方式促進用戶應用，構建清晰的語言邏輯強化用戶交流，注重應用時效性延長論文“保鮮期”。通過內外部的融合促進，激發(fā)數據論文出版、促進數據論文使用，創(chuàng)建全新數據驅動科研的新模式。