科技期刊社交媒體推文影響力提升策略

【摘 要】本研究分析微信公眾號推送科技期刊論文與論文下載量和被引頻次之間的關系，旨在為我國科技期刊利用微信公眾號提升論文影響力提供建議。研究獲取《中國科學》系列刊物11個微信公眾號推送的7431篇論文數據進行分析，結果顯示，被推送論文的下載量和被引頻次顯著高于同刊同期未被推送的論文，且推送方式和微信公眾號推文利用指標（如閱讀數、點贊數、推送次數）與論文下載量和被引頻次相關。研究表明，科技期刊微信公眾號要根據提升引用或下載量等不同傳播目標靈活選擇推送方式，注重內容的深度加工與編讀互動，還要合理安排推送頻次，而非簡單地推送摘要或編譯內容，以有效提升論文影響力。

【關" 鍵" 詞】社交媒體；推文策略； 期刊影響力；下載量；被引頻次

【作者單位】譚一泓，中國科學院文獻情報中心； 賈鶴鵬，蘇州大學傳媒學院；賀春祿，中國科學院文獻情報中心。

【中圖分類號】G206； G353.1 【文獻標識碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2025.06.004

社交媒體是現代信息傳播的重要渠道，對于提升科技期刊影響力具有重要作用［1］，因此，科技期刊應用社交媒體的手段日益廣泛。盡管已有研究提出了多種科技期刊應用社交媒體的策略［2-4］，但目前仍缺乏對這些傳播策略的精確評估，導致科技期刊無法準確了解其推廣策略是否有效。為充分發(fā)揮社交媒體的傳播效能，科技期刊需建立完善的策略評估機制，對其推廣策略進行持續(xù)、科學的評估和優(yōu)化。為此，有必要考察社交媒體利用對期刊影響力的實際影響，并根據研究結果評估和改進期刊的社交媒體應用策略。

微信公眾號（下文簡稱“公眾號”）是我國科技期刊社交媒體利用的主要形式，當前已有超過1642本中外學術期刊在公眾號平臺開展學術傳播活動［5］，包括生產和發(fā)布不同形式的學術論文推文等。公眾號的在看數、點贊數、閱讀數等指標可以評估推文的傳播效果。基于此，本文通過收集中國科學雜志社所屬11個公眾號的推文情況及其推送的相關論文數據，對公眾號以不同方式推送論文是否會影響論文下載量和被引頻次進行實證分析，同時探究公眾號推文利用指標與論文下載量和被引頻次之間的關系，以期通過實證數據研究為科技期刊的社交媒體傳播策略提供借鑒與啟示。

一、社交媒體的應用與科技期刊影響力

科學家與科技期刊廣泛使用社交媒體，對論文下載量與被引頻次等影響力指標可能會產生較大影響。國內外相關學者已經基于評估包括社交媒體傳播程度等指標在內的替代計量學（Altmetrics）框架，針對國際上廣泛使用的社交媒體做了系列實證研究，發(fā)現其與論文被引頻次之間存在相關性［6］。比如，Twitter［7-8］、Mendeley［9-10］、CiteUlike和博客（Blogging）［11］等的Altmetrics值與論文被引頻次顯著相關。這表明社交媒體不僅擴大了論文的讀者范圍，還有效提高了被引頻次。然而，目前尚缺乏從論文層面對國內社交媒體與科技期刊論文下載及引用關系的實證分析。

相關研究指出，科技期刊應該借助新媒體傳播優(yōu)勢，廣泛利用微博、微信等社交媒體構建新媒體傳播矩陣，擴大用戶規(guī)模和受眾范圍，提升期刊影響力。然而，大部分傳播策略均缺乏對實際傳播效果的評估。有學者［12］基于Altmetrics視角，采用秩相關分析臨床醫(yī)學論文的被引頻次與Altmetric Attention Score（即替代計量得分）及Altmetrics元數據中使用、捕捉、提及社交媒體的相關性，并基于此提出通過增加出版文獻的社交網絡曝光度來提升其學術影響力的觀點。然而，該研究主要基于國外社交媒體，指出通過Twitter、Facebook等社交媒體分享轉發(fā)論文，對學術影響力提升作用甚微，未涉及國內社交媒體推廣的效果分析。

此外，諸多編輯從實際操作的角度，對科技期刊的公眾號傳播策略進行總結，指出科技期刊公眾號具有多種服務功能［13-16］，包括學術傳播、科研服務、科普推廣和交流共享等，其對論文的推送方式包括直接轉發(fā)論文原文或節(jié)選，或針對單篇科研論文進行解讀，或簡單提及某篇論文或某個研究專題［17］。這些研究均未觸及不同的推送方式是否影響包括論文下載和引用在內的科技期刊影響力指標。

鑒于此，有必要研究科技期刊利用公眾號的方式，如何影響論文下載與被引頻次等期刊影響力的核心指標。科技期刊往往以比較嚴肅樸實的形式，圍繞特定科研論文或科研專題來撰寫和發(fā)布推文，因而可以按照論文信息呈現量來區(qū)分科技期刊推文種類。本文將推文分為原文摘編類、論文推介類、專題內容提及類和論文標題提及類四類，詳見表1。下文將分析這四類目前最為常用的公眾號論文推送方式與論文下載量、被引頻次之間的關系。

二、微信公眾號推文利用指標與科技期刊影響力

分析科技期刊公眾號的推文發(fā)布形式與被推送論文下載及引用量之間的關系，有助于科技期刊制訂利用公眾號提升刊物影響力的策略。然而，在具體推送論文時，是否有比較通用性的指標幫助期刊衡量具體推文效果，這些指標是否會影響被推送論文及其所屬期刊的學術影響力，公眾號推文的閱讀數、點贊數、在看數等利用指標，為精確評估推文傳播效果及其與期刊影響力的關系提供了基礎。

本文借鑒清博大數據平臺推出的微信傳播指數WCI［18］中篇均傳播力的指標設置，將推文閱讀數、點贊數、在看數設為待考察指標，同時將涉及某篇論文的推文次數納入考察范圍。其中，閱讀數是某篇推文的總體閱讀數量，反映了推文的曝光度和吸引力；點贊數反映讀者對該推文的認可；在看數反映讀者對推文的進一步分享意愿；推文次數則表示推送同一篇論文的頻次。這些推文利用指標意味著科技期刊通過公眾號推送論文可能觸及的受眾范圍與傳播效果，通過分析這些指標與論文下載和引用之間的關系，可以評估公眾號傳播對期刊影響力的影響，從而為科技期刊的社交媒體傳播策略提供借鑒。

三、研究數據與方法

本研究以《中國科學》系列刊物為研究對象，因其由國內知名期刊出版機構中國科學雜志社出版，涵蓋多個學科領域的中英文期刊，被多個國際數據庫收錄，具有較高的學術影響力，且重視論文的推廣與傳播。

研究樣本截至2019年底，一是因為2020年以來疫情在全球范圍內大爆發(fā)，可能會影響科研人員進行學術交流的方式，社交媒體對學術影響力的影響在此期間可能呈現非常規(guī)狀態(tài)；二是考慮到論文引用與發(fā)表行為的滯后性，需留出一定的時間窗口期來呈現社交媒體推送的作用。

本研究通過數據爬蟲與整理，獲取《中國科學》系列期刊相關11個公眾號自創(chuàng)號以來至2019年底所發(fā)表的4667篇推文，總計閱讀數近270萬、點贊數1.3萬、在看數約7000，其中3499篇推文推送16465篇/次論文（多篇論文被重復推送），詳見表2。在爬蟲數據的基礎上，以科研論文為分析單元，將涉及論文的推文按論文信息提供量編碼為論文標題提及類、專題內容提及類、論文推介類、原文摘編類四種類型，詳見表3。

通過爬蟲獲取《中國科學》系列刊物相關11個公眾號的推文及推文利用指標與涉論文數據，并進行去重清理后（數據獲取時間為2024年8月15—31日），再從Web of Science 和中國知網分別獲取這些中英文論文及與其同期刊發(fā)論文的下載數量（其中英文論文用的是Web of Science提供的2013年以來的Usage Count，指2013年以來用戶點擊論文全文鏈接的次數，可以直接反映科研用戶獲取參考文獻時的興趣意圖）、被引頻次等數據（檢索時間為2024年9月27—29日），形成研究數據集。

確定研究數據集后，使用SPSS進行統(tǒng)計分析。由于研究樣本數量大于50，首先采用柯爾莫可洛夫—斯米洛夫檢驗（Kolmogorov–Smirnov test，K-S test）對研究樣本的分布情況進行分析，結果發(fā)現，研究數據不服從正態(tài)分布，詳見表4。其次，采用曼—惠特尼U檢驗（Mann-Whitney U test）進行兩獨立樣本的非參數檢驗，分析公眾號推送與論文下載量和被引頻次的相關性。其中，被公眾號推送的論文為研究組，包括7431篇科研論文，與其同期刊發(fā)但未被公眾號推送的論文為對照組，包括6725篇科研論文。同時，采用多獨立樣本秩和檢驗（即Kruskal-Wallis H tests，克魯斯卡爾—沃利斯檢驗）對比不同推文類型的效果。最后，采用斯皮爾曼等級相關系數（Spearman's rank correlation coefficient）進行相關分析，探究被公眾號報道論文的下載量、被引頻次與公眾號推文利用指標之間的關系。

表4 被引頻次與下載量的K-S正態(tài)性檢驗

是否被公眾號呈現 統(tǒng)計量 自由度df 顯著性P

被引 否 .288 6725 .000

是 .324 7431 .000

下載 否 .337 6725 .000

是 .390 7431 .000

四、研究發(fā)現

1．公眾號推送與論文影響力的關系

（1） 被公眾號推送的論文具有更高的下載量

研究組的論文下載量中位數為65（21，264），對照組的論文下載量中位數為48（16，201）。采用非參數Mann-Whitney U檢驗判斷公眾號文章呈現與論文下載量之間的關系，結果顯示，兩組總體下載量分布存在顯著的統(tǒng)計差異（Z=-8.384，p＜0.001），詳見表5。這表明，相對于沒有被公眾號呈現的期刊論文，被公眾號推送的期刊論文具有更高的下載量。

表5 是否被公眾號報道與期刊論文下載量的

非參數檢驗

是否被公眾號報道 個案數 M（P25， P75） Z值 P值

是（研究組） 7431 65（21，264） -8.384 .000**

否（對照組） 6725 48（16，201）

注：**表示顯著性水平0.01下呈現差異

（2）被公眾號推送的論文具有更高的被引頻次

研究組的論文被引頻次中位數為9（3，22），對照組的論文被引頻次中位數為6（2，13）。采用非參數Mann-Whitney U檢驗判斷是否被公眾號文章推送與論文被引頻次之間的關系，結果顯示，兩組總體被引頻次分布存在顯著的統(tǒng)計差異（Z=-20.544，p＜0.001），相對于沒有被公眾號推送的期刊論文，被公眾號推送的期刊論文具有更高的被引頻次，詳見表6。

表6 是否被公眾號報道與期刊論文被引頻次的

非參數檢驗

是否被

公眾號報道 個案數 M（P25， P75） Z值 P值

是（研究組） 7431 9（3， 22） -20.544 .000**

否（對照組） 6725 6（2， 13）

注：**表示顯著性水平0.01下呈現差異

可見，公眾號推送與論文下載量與被引頻次相關。那么，公眾號對論文信息的不同呈現方式是否會對下載和被引等影響力指標造成不同影響？下文將對此展開分析。

2．公眾號呈現方式對論文影響力的影響

由于數據不服從正態(tài)分布，本文采用多獨立樣本秩和檢驗對不同類型的推文方式進行分析。結果顯示，不同類型的公眾號推文涉及的論文被引頻次與下載量之間存在顯著的統(tǒng)計學差異（H=329.352，p＜0.001；H=211.360，p＜0.001）。Bonferroni多重均數比較結果顯示，對論文被引頻次而言，除了論文標題提及類與專題內容提及類的論文被引頻次無顯著性差異（p=0.235），其他各組之間均存在顯著性差異（plt;0.01）；對論文下載量而言，除了原文摘編類與論文推介類的論文下載量無顯著性差異（p=0.232），其他各組之間均存在顯著性差異（plt;0.01），詳見表7。

進一步對比公眾號以論文推介、原文摘編、專題內容提及和論文標題提及四種不同方式呈現論文對其被引頻次和下載量的影響（見表8）可以發(fā)現，對被引頻次而言，給出次多原文信息的論文推介類所呈現的論文被引頻次分布遠高于其他三類，中位數達17（7，37），給出最多論文信息的原文摘編類在被引頻次上位居第二，中位數為10（3，22）；就下載量而言，給出次少信息的專題內容提及類獲得了最高的下載量，中位數達到195（47，490），而給出最多原文信息的原文摘編類下載量位居第二，中位數達到73（34，220）（見表7）。

以上分析表明，推送方式對論文影響力有顯著影響，呈現較多原文信息的推文類型更有利于提高論文被引頻次，而較少呈現原文信息的推文類型則有利于提高論文下載量。

3．公眾號推文利用指標與論文下載量和被引頻次的關系

上文顯示，公眾號推送與論文下載量和被引頻次之間存在相關性，那么公眾號的推文利用指標與論文下載量和被引頻次之間的具體關系如何？本文采用斯皮爾曼等級相關系數進行分析，結果顯示（見表9），在p=0.01的顯著性水平上，論文下載量與推文閱讀數、推文點贊數、推文在看數顯著相關，但與推文次數不相關，其中與推文閱讀數的相關系數最高（r=0.222），表明一篇論文的推文信息被閱讀的次數越多，獲得的下載量就越高；論文被引頻次與推文閱讀數、推文點贊數、推文次數顯著相關，其中與推文次數的相關系數最高（r=0.271），表明一篇論文被推送的次數越多，獲得的引用就越高；與推文閱讀數和點贊數的相關系數也相對較高（r=0.253、r=0.208），表明一篇推文被閱讀的次數越多，點贊的次數就越多，其被引用的概率也越大。

五、結論與討論

本研究分析了《中國科學》系列刊物的公眾號推文對論文下載量和被引頻次的影響。結果顯示，公眾號推廣顯著提升了論文的關注度和被引頻次，但不同推送方式的效果存在差異，且并非推送的論文信息量越多越好。在此基礎上，本研究進一步探索了公眾號推文利用指標與論文影響力之間的內在聯(lián)系，發(fā)現推文的閱讀數、點贊數等利用指標與論文影響力顯著正相關，表明推文利用指標是衡量論文后續(xù)學術影響力的重要指標之一，但推文次數與論文下載量不相關，表明推廣策略應注重內容質量和傳播效果，而非單純追求發(fā)布數量。

本研究不僅證實了公眾號在科技期刊論文推廣中的有效性，還深化了對社交媒體在學術傳播中作用機制的理解，揭示了不同推文方式和推文指標對論文影響力影響的差異性，以及提升科技期刊論文可見度與影響力的關鍵要素。這些發(fā)現不僅為學術傳播的理論與實踐提供了新視角，也給科技期刊利用公眾號推廣學術成果帶來啟發(fā)。

1．積極利用公眾號平臺提升科技期刊論文影響力

本研究發(fā)現，公眾號推送能顯著提升論文的下載量和被引頻次，是提升科技期刊論文影響力的有效渠道。科技期刊、科學家及科研機構應充分認識其作用，利用公眾號這一用戶基數龐大、互動性強的社交媒體平臺，采取多元化的推送策略擴大論文傳播范圍，拓寬學術交流邊界。

2．根據傳播目標靈活選擇推送方式

本研究發(fā)現，公眾號的不同推送方式可以帶來不同的傳播效果，因此，期刊應根據傳播目標選擇合適的傳播方式。如對于需要提升被引頻次的論文，采用論文推介的方式，提供較多原文信息的改編介紹，滿足讀者對論文內容的深入了解需求，吸引更多潛在讀者，增加被引概率；對于需要提升下載量的論文，采用專題內容提及的方式快速吸引讀者注意力，激發(fā)其對相關論文的興趣，引導下載；對于高質量的優(yōu)秀論文，通過多種形式反復推送，增加曝光度，提升其社會影響力。

3．注重內容的深度加工與互動，優(yōu)化推文內容與形式

本研究發(fā)現，一方面，推文中的論文信息呈現量并非越多越好。如原文摘編類推文雖然信息量大，但由于缺乏深度加工和互動，其被引頻次和下載量均未達到最高水平。這表明簡單的信息堆砌并不能有效提升論文的影響力。另一方面，標題提及類推文由于信息量過少，同樣無法引起讀者的足夠關注，也無法提升論文的影響力收益。因此，期刊在推送論文時，應通過內容編排、科普化改寫等方式對論文內容進行深度加工和改編，以高質量的推文內容和編讀互動有效地激發(fā)讀者的閱讀熱情與對推文內容的認同。同時，用簡潔明了、吸引眼球的標題和題圖突出論文亮點和價值，吸引讀者注意力，提升論文的可見度與獲取率。

4．合理安排推送頻次

本研究發(fā)現，推文次數與被引頻次之間存在最強的正相關關系，這表明通過定期且反復推送高質量論文的推文，可以有效加深目標讀者印象，增加論文被引機會。然而，推文次數與論文下載量之間并無顯著關聯(lián)，表明讀者是否下載論文更多是基于首次接觸推文時形成的初步印象或需求匹配度，而非后續(xù)的重復曝光。因此，初次推文的信息完整性、吸引力及精準定位目標受眾的能力，對于提升論文下載量尤為重要。

5．綜合運用推文利用指標評估傳播效果

本研究發(fā)現，推文的閱讀數、點贊數及在看數與論文的下載量和被引頻次均顯著正相關。這一發(fā)現不僅凸顯了推文內容質量與吸引力對驅動讀者獲取并引用原文資源的作用，也表明期刊可以通過分析這些指標實時評估推文的傳播效果，并及時調整和優(yōu)化推送策略。

總而言之，公眾號作為促進學術交流、提升學術影響力的重要渠道之一，其呈現方式和推送策略對論文影響力具有顯著影響。期刊應根據不同的傳播目標設計多元化的推送方式，注重內容的深度加工與互動，優(yōu)化推文內容與形式，合理安排推送頻次，從而有效提升科技期刊論文的可見度和影響力，促進學術成果的廣泛傳播。本研究探討的策略不僅能提升現有社交媒體傳播效果，還能通過具體的數據分析與探討，為策略的實施提供明確的路徑與評估依據，推動科技期刊在數字化傳播時代的創(chuàng)新發(fā)展。

｜參考文獻｜

［1］WONG K，PIRAQUIVE J，lEVI J R. Social media presence of otolaryngology journals：the past，present，and future［J］. Laryngoscope，2018（2）：363-368.

［2］孔薇. 科技期刊微信公眾號信息傳播效果和運營策略研究［J］. 中國科技期刊研究，2019（7）：745-753.

［3］謝暄，蔣曉，何雨蓮，等. “融”時代下學術期刊媒體融合發(fā)展策略［J］. 編輯學報，2017（3）：218-221.

［4］陳培穎，任艷青，歐彥，等. 科技期刊強化宣傳推廣的若干策略［J］. 中國科技期刊研究，2015（8）：886-891.

［5］2021第三季度最具微信傳播力的100本中國期刊發(fā)布，62本卓越期刊入榜｜領研 × Impact Science［EB/OL］. ［2025-01-11］. https：//www. linkresearcher. com/information/039624b2-32a0-4b2d-9b4b-bb3b459284c7.

［6］PRIEM J，PIWOWAR H A，HEMMINGER

B M. Altmetrics in the wild：using social media to explore scholarly impact［EB/OL］. ［2022-01-26］. https：//jasonpriem.org/self-archived/PLoS-altmetrics-sigmetrics11-abstract.pdf.

［7］PRIEM J，COSTELLO K. How and why scholars cite on Twitter. ［J］. Proceedings of the American Society for Information Science amp; Technology（Electronic），2010（1）：1-4.

［8］HAUSTEIN S，PETERS I，SUGIMOTO C R，et al. Tweeting biomedicine：an analysis of tweets and citations in the biomedical literature［J］. Journal of the Association for Information Science and Technology，2014（4）：656-669.

［9］ZAHEDI Z，COSTAS R，WOUTERS P. How well developed are altmetrics？ A cross-disciplinary analysis of the presence of ‘alternative metrics’ in scientific publications［J］. Scientometrics，2014（2）：1491–1513.

［10］THELWALL M. Are Mendeley reader counts useful impact indicators in all fields？［J］. Scientometrics，2017（3）：1721–1731.

［11］HOANG J K，MCCALL J，DIXON A F，et al. Using social media to share your radiology research：how effective is a blog post？［J］. Journal of the American College of Radiology，2015（7）：760-765.

［12］茍莉，陳一龍，王雁，等. Altmetrics視角下臨床醫(yī)學科技期刊學術影響力提升策略初探：基于ESI熱點論文被引頻次與Altmetrics相關性分析［J］. 中國科技期刊研究，2019（11）：1240-1244.

［13］胡強. 基于扎根理論的科技期刊微信運營策略分析［J］. 中國科技期刊研究，2016（8）：880-887.

［14］周華清. 科技期刊微信公眾平臺運營指標與模式研究［J］. 中國科技期刊研究，2015（12）：1289-1294.

［15］閔甜，孫濤，賴富饒. 食品類科技期刊微信公眾號矩陣的構建策略：以食品類中文核心期刊為例［J］. 中國科技期刊研究，2021（4）：480-486.

［16］徐靜，劉冰. 科技期刊公眾號成長記：從信息發(fā)布渠道到資源整合平臺［J］. 編輯學報，2016（4）：388-391.

［17］田文博. 學術期刊利用微信促進學術傳播的實踐與思考：以期刊《納米研究》為例［J］. 新聞研究導刊，2023（21）：17-20.

［18］清博指數. 微信傳播指數WCI［EB/OL］. ［2023-01-11］. https：//www.gsdata.cn/site/usage.