鄧國民

（貴陽學院教育科學學院 貴陽 550005）

近年來，學術(shù)社交網(wǎng)絡(luò)（Academic Social Network,ASN）已經(jīng)成為圖書情報學領(lǐng)域的一個研究熱點，國際國內(nèi)重要學術(shù)刊物上均發(fā)表了為數(shù)不少的學術(shù)研究論文。ASN已經(jīng)發(fā)展為一種信息技術(shù)環(huán)境下學者之間進行在線學術(shù)交流和知識交流的一種重要渠道。研究國際上重要學術(shù)刊物的學術(shù)社交網(wǎng)絡(luò)研究知識圖譜、發(fā)展現(xiàn)狀和未來發(fā)展趨勢，對于我們進行學術(shù)社交網(wǎng)絡(luò)的研究、信息化環(huán)境下學者之間的學術(shù)知識交流、學術(shù)評價和影響力等方面的研究均具有較大的啟示意義。

1 研究方法

本文選擇Web of Science核心數(shù)據(jù)庫作為文獻檢索來源，它提供了國際上重要學術(shù)社交網(wǎng)絡(luò)英文研究文獻的基本數(shù)據(jù)信息。不設(shè)時間限制，從SSCI、A&HCI和CPCI-SSH等子數(shù)據(jù)庫中檢索到主題包含“Academic Social Network*”“Academic Social Media”“Scholar* Social Network*”“Scholar* Social Media” “Scientific Social Network*”“Scientific Social Media*”或“Virtual Academic Communit*”等檢索詞的ASN英文研究文獻數(shù)據(jù)（包括引用文獻列表）280條用于數(shù)據(jù)分析。所有被引文獻構(gòu)成280篇ASN研究文獻的知識基礎(chǔ)。本文使用CiteSpace軟件對ASN研究文獻的發(fā)展趨勢和現(xiàn)狀進行可視化共引和共被引分析，揭示其知識基礎(chǔ)和知識結(jié)構(gòu)。

2 ASN研究文獻知識圖譜分析

圖1 1997—2017年ASN研究文獻出版量分析

圖2 1997—2017年ASN研究文獻引文量分析

圖1和圖2分別顯示出近20年來關(guān)于ASN研究每年出版的文獻數(shù)和引文數(shù)。從中可以看出，2008年以前，每年出版的ASN研究文獻和引文數(shù)都較少，之后每年出版的相關(guān)文獻數(shù)和引文數(shù)都以較快的速度上漲，2014年以后每年的被引頻次都超過了150次，并且呈直線上升趨勢。2016年的引文數(shù)接近700次，發(fā)文數(shù)超過70篇。說明近10年來學界對ASN的研究保持了較高的關(guān)注度，而且逐年遞增，最近幾年更是達到了白熱化的增長態(tài)勢。

2.1 有影響的文獻

利用CiteSpace軟件對近10年來Web of Science核心數(shù)據(jù)庫中關(guān)于ASN研究的280條文獻數(shù)據(jù)進行共被引分析（Cited Reference），時間閾值設(shè)置為2007年到2017年，時間區(qū)間設(shè)置為兩年，選擇所有時間分區(qū)最高引用的前3%，得到如圖3所示的學術(shù)社交網(wǎng)絡(luò)研究文獻共被引分析圖。

圖3 ASN研究文獻共被引圖譜

（1）高引文獻分析

一般具有較高引用次數(shù)的文獻意味著得到了學界的認可。表1列出了引用次數(shù)前10的文獻，表明它們的質(zhì)量、研究方法和觀點得到了廣泛認可。從表1可知，Li, X.M.等發(fā)表的論文《Validating Online Reference Managers for Scholarly Impact Measurement》引用頻次最高，為45次。該文對CiteUlike和Mendeley在衡量學術(shù)影響力方面的應(yīng)用進行了研究，他們選擇2007年在《Nature》和《Science》上刊出的1613篇論文為樣本，使用Web of Science數(shù)據(jù)庫中的傳統(tǒng)引用數(shù)量作為比較基準，統(tǒng)計結(jié)果顯示在線引文管理站點中標注論文的用戶數(shù)據(jù)和Web of Science數(shù)據(jù)庫中的引用次數(shù)之間存在顯著的相關(guān)性。因此他們認為在線學術(shù)社交網(wǎng)絡(luò)在某種程度上能夠作為衡量學術(shù)影響力的依據(jù)，但這些系統(tǒng)用戶的數(shù)量還不足以挑戰(zhàn)傳統(tǒng)引用指標的地位[1]。

Thelwall, M.等發(fā)表的論文《Do Altmetrics Work? Twitter and Ten other Social Web Services》引用頻次排第二位。該文對來自于社交網(wǎng)絡(luò)的文獻用替代計量（Altmetric）方法作為文獻影響或效用的有效代理進行了實證研究。他們比較了11種Altmetric和Web of Science引用率之間的關(guān)系，統(tǒng)計結(jié)果顯示，在具有高Altmetric分數(shù)的論文中，論文高計量分數(shù)與高引用率之間存在顯著的相關(guān)性。但不同時間，甚至同一年發(fā)表的論文的引用率和Altmetric分數(shù)之間的關(guān)系可能消除甚至逆轉(zhuǎn)，因此使用Altmetric對文章進行排名時需要考慮時間效應(yīng)。而且除了Twitter之外，多數(shù)Altmetric的覆蓋面較低，因此它們在實際應(yīng)用中是否達到有說服力的流行度還不明朗[2]。

Eysenbach, G.的論文《Can Tweets Predict Citations? Metrics of Social Impact based on Twitter and Correlation with Traditional Metrics of Scientific Impact》的引用頻次排第三位。該文探討了通過分析社交媒體的聲音測量學術(shù)文章社會影響和學術(shù)關(guān)注的可行性，關(guān)于發(fā)表學術(shù)論文的推文動態(tài)、內(nèi)容和時間以及這些指標能否預(yù)測高引論文等問題，揭示出關(guān)于學術(shù)論文推文引用增長及消減的一些特點，發(fā)現(xiàn)頂級推特文章能夠預(yù)測頂級引用率論文[3]。

Mohammadi, E.等論文《Mendeley Readership Altmetrics for the Social Sciences and Humanities: Research Evaluation and Knowledge Flows》在Mendeley讀者數(shù)量和研究影響的關(guān)系研究的基礎(chǔ)上，繼續(xù)挖掘不同學科二者之間關(guān)系的差異，結(jié)果發(fā)現(xiàn)Mendeley的讀者數(shù)量與引用率之間的相關(guān)性，社會科學要高于人文科學。所有調(diào)查的學科當中，書簽和引用量之間的低度或中度相關(guān)性表明，這些測量反映了研究影響的不同方面。同時，他們還發(fā)現(xiàn)Mendeley的閱讀關(guān)系數(shù)據(jù)能夠顯示跨學科之間的知識轉(zhuǎn)移，而且相比傳統(tǒng)的引用計數(shù)，能夠更早地揭示論文的影響[4]。

Priem, J.等認為論文同行評議、引用計量和JIF等傳統(tǒng)文獻計量和過濾方法正在過時，新的在線學術(shù)工具如學術(shù)社交網(wǎng)絡(luò)的涌現(xiàn)，需要構(gòu)建新的可替代計量方法（Altmetrics），從而反映蓬勃發(fā)展的學術(shù)生態(tài)中更廣泛而快速的影響，而且它能夠跟蹤一些有影響力但暫未被引用論文在學術(shù)圈外的影響[5]。此外，Haustein, S.等人對社會化書簽服務(wù)中研究者在線存儲和分享學術(shù)論文及生成的書簽和標簽數(shù)據(jù)進行了分析，討論了它們對科學期刊使用統(tǒng)計和內(nèi)容描述方面的評價作用，定義了使用率、使用擴散、論文使用強度和刊物使用強度等指標，并使用標簽描述具體讀者對刊物內(nèi)容的觀點[6]。 Thelwall,M.通過對Academic.com一些學科的學者特點進行了分析，發(fā)現(xiàn)教職人員相對學生擁有更高的形象頁面查看次數(shù)，法學、計算機和歷史學等學科的女性用戶相對男性用戶頁面具有更高的查看次數(shù)，因此他們認為學術(shù)社交網(wǎng)絡(luò)同時具有學術(shù)標準和一般社交網(wǎng)絡(luò)的特點[7]。Zahedi, Z.等人使用Mendeley的閱讀關(guān)系計數(shù)作為替代計量方法，討論了它和Web of Science引用率之間的關(guān)系，發(fā)現(xiàn)它們之間存在中度相關(guān)性[8]。Haustein, S.等人指出學者們實際上正處于在線社會環(huán)境中，并且與其中的學術(shù)產(chǎn)品進行交互，他們對社交媒體環(huán)境的覆蓋面進行了調(diào)查，證實了這一觀點，而且發(fā)現(xiàn)Mendeley的書簽和Scopus的引用率之間存在相關(guān)性。因此他們認為這些在線工具具有文獻計量學研究價值，它們提供了一種潛在的有價值的論文影響數(shù)據(jù)來源[9]?！禢ature》雜志也對學者們使用學術(shù)社交網(wǎng)絡(luò)的情況比較關(guān)注，他們對3 000多名科學家注冊和使用學術(shù)社交網(wǎng)絡(luò)的情況、特點和目的等方面進行了調(diào)查研究[10]。

表1 ASN研究高引文獻

（2）突現(xiàn)引文分析

突現(xiàn)引用是指一篇文獻在某段時間內(nèi)引用率突然上升或下降的現(xiàn)象，表示某一特定研究主題突然變熱或變冷。利用CiteSpace對學術(shù)社交網(wǎng)絡(luò)研究文獻進行突發(fā)性分析，結(jié)果如表2所示。文獻Walker, J.（2006）[11]、Neylon, C.（2009）[12]和 Bar-Ilan, J.（2012）[13]等文獻的突發(fā)性較強，表明它們在學術(shù)社交網(wǎng)絡(luò)研究主題的轉(zhuǎn)向方面扮演了比較關(guān)鍵的作用。其中Walker, J.（2006）主要介紹了學者使用研究博客的類型，比如公知、研究日志和對學術(shù)職業(yè)生涯進行介紹的匿名博客等，在10年以前就已經(jīng)初步認識到社交網(wǎng)絡(luò)對于學術(shù)交流的潛在價值。Neylon, C.（2009）對傳統(tǒng)的期刊影響評價和文章級別的計量存在的問題進行了討論，提出利用基于網(wǎng)絡(luò)的評論社區(qū)、科學社區(qū)、文獻管理軟件和學術(shù)社交網(wǎng)絡(luò)中的數(shù)據(jù)，比如瀏覽、添加書簽、標簽、評論、投票和在線引用等數(shù)據(jù)作為新的文獻計量指標的可行性。因此，利用雜志作為過濾論文質(zhì)量的唯一方式已經(jīng)不夠了，還可以利用各種網(wǎng)絡(luò)工具、軟件和社區(qū)中生成的論文自身的質(zhì)量數(shù)據(jù)來評價，而且這更能夠體現(xiàn)科學研究發(fā)展、傳播和演化的本質(zhì)。Bar-Ilan, J.（2012）對學者使用LinkedIn、Google Scholar Profiles、Twitter和Mendeley的覆蓋情況進行了調(diào)查研究，發(fā)現(xiàn)有相當數(shù)量的學者在使用這些社交網(wǎng)絡(luò)，這些網(wǎng)絡(luò)中的發(fā)表、社會引用、管理書簽等數(shù)據(jù)與Scopus和Web of Science引用率之間存在一定的相關(guān)性。因此，社交網(wǎng)絡(luò)不但能夠用于支持學者的學術(shù)交流，而且能夠作為評價和過濾論文質(zhì)量的補充性計量指標。

表2 ASN研究突現(xiàn)引文

（3）高中心性引文分析

結(jié)點中心性是一種圖形理論屬性，表示結(jié)點位置在網(wǎng)絡(luò)中重要性的一種量化。通常使用中介中心性測量一個文獻共被引網(wǎng)絡(luò)中最短路徑經(jīng)過某一結(jié)點的概率，高中介中心性的文獻結(jié)點能夠起到銜接不同聚類的作用，幫助識別和發(fā)現(xiàn)不同的聚類。 如表3所示，文獻Brody, T.（2006）的研究中介中心性最高，達0.33，作者認為使用引用頻次測量研究論文的影響力雖然已經(jīng)比較成熟，但往往要滯后好幾年，而隨著在線訪問論文越來越普遍，論文的在線閱讀和下載次數(shù)等短期網(wǎng)絡(luò)使用影響能否預(yù)見論文的中期引用的影響成為一個重要的研究問題，作者使用ArXiv.org的物理學電子文獻庫進行了檢驗。該研究推動了利用在線社交網(wǎng)絡(luò)生成的學術(shù)信息數(shù)據(jù)衡量論文質(zhì)量和影響力的研究[14]。此外，Albert, K.M.（2006）對開放訪問出版的定義、發(fā)展歷史、各方反應(yīng)和觀點以及對于科學圖書館和出版事業(yè)的啟示等方面進行了綜述，指出互聯(lián)網(wǎng)改變了信息訪問的方式，能夠重塑學術(shù)出版系統(tǒng)，雖然各方仍存在一定的爭論，但這一進程已經(jīng)是一種必然，而且多種出版與訪問模式在一定時間內(nèi)將會共存[15]。Altman, R.B.（2004）對構(gòu)建生物數(shù)據(jù)庫進行了討論，認為它可以實現(xiàn)對一些流行和重要刊物及論文的在線索引[16]。Haustein, S.（2011）等人探討了利用社會化標簽作為評價期刊指標的可行性[6]456。Ananiadou, S （2006）主要介紹了生物學和生物醫(yī)學領(lǐng)域的文本挖掘和自然語言方法與技術(shù)[17]。

表3 ASN研究高中介中心性文獻

Bonetta, L.（2007）指出科學博客空間近年來得到顯著的發(fā)展，博客已經(jīng)成為學者與學者以及大眾交流觀點最常用的通道之一[18]。Waltman, L.（2014）聚焦于F1000的推薦指標數(shù)據(jù)，并對它和Web of Science的引用次數(shù)進行了比較，發(fā)現(xiàn)二者之間存在顯著性關(guān)系。這是Altmetrics的一種重要的研究方法，即通過比較發(fā)現(xiàn)不同環(huán)境下Altmetrics與引用次數(shù)之間的關(guān)系，以評估它作為研究評價方法的合適性[19]。Priem, J.（2010）首次提出了Altmetrics的概念，它是從文章層面的替代性測量或者使用網(wǎng)絡(luò)標簽和評論等方式作為傳統(tǒng)文獻評價的補充或替代方式，目前Altmetrics已經(jīng)成為一個熱門的研究領(lǐng)域[5]。Bollen, J.（2009）匯集了數(shù)億用戶與數(shù)字圖書館和書目數(shù)據(jù)庫進行交互的點擊流數(shù)據(jù)，并在此基礎(chǔ)上對雜志之間的網(wǎng)絡(luò)關(guān)系、不同學科領(lǐng)域的關(guān)系和鏈接進行可視化表達，從而生成了一個體現(xiàn)現(xiàn)代科學交流和觀點的科學圖譜，以彌補建立在引用關(guān)系基礎(chǔ)上的分析的不足，這為科學計量評價和知識領(lǐng)域可視化提供了一種新的研究思路[20]。

通過對近期高引用率、高突現(xiàn)率和高中介中心性文獻的研究和分析，可以挖掘出ASN研究領(lǐng)域最有影響力的英文文獻，影響該研究領(lǐng)域重要轉(zhuǎn)向的文獻以及銜接ASN不同研究聚類的關(guān)鍵節(jié)點。因此，本文通過文獻共被引分析，比較形象地揭示出學術(shù)社交網(wǎng)絡(luò)研究的來源、知識基礎(chǔ)、發(fā)展脈絡(luò)以及重要研究領(lǐng)域。首先是隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，學術(shù)出版、論文在線訪問和開放訪問日益普遍，Altman, R.B.和Albert, K.M.等開始關(guān)注在線論文數(shù)據(jù)庫和開放訪問的相關(guān)研究問題。而隨著以社交網(wǎng)絡(luò)為標志的Web 2.0服務(wù)的介入，比如學術(shù)博客、推特等的應(yīng)用，Walker, J.和Bonetta, L.等認識到它們對于學者之間進行學術(shù)交流的重要作用，并進行了大量的分析。Brody, T.，Priem, J.等開始逐漸意識到這些社交網(wǎng)絡(luò)中生成的學者交流數(shù)據(jù)以及對論文的在線使用行為數(shù)據(jù)和傳統(tǒng)文獻計量之間具有一定的相關(guān)性，它能夠在一定程度上預(yù)測論文的引用頻次和影響力，因此出現(xiàn)了一個新的研究領(lǐng)域——Altmetrics。尤其是ResearchGate、Mendeley和Academic.com等大規(guī)模在線學術(shù)社交網(wǎng)絡(luò)出現(xiàn)之后，大量的學者成為它們的用戶群。他們分享了大量的研究論文，并生成了海量的用戶及論文之間交流和使用的數(shù)據(jù)，為Altmetrics的研究提供了大數(shù)據(jù)支持， Thelwall, M.、Eysenbach, G.、Mohammadi, E.、J. Priem.和 Haustein S.等均在這些研究方面做出了貢獻。

2.2 重要作者分析

使用Citespace軟件對ASN研究的重要作者進行共被引分析，結(jié)果如圖4所示，其中引用頻次最高的5位作者分別是Thelwall, M.（Freq=77）、Haustein, S.（Freq=57）、Priem, J.（Freq=51）、Li, X.M.（Freq=46） 和 Bar-ilan,J.（Freq=43）。Freq是指作者被引用的次數(shù)，較大的作者結(jié)點表示他們在ASN的研究方面產(chǎn)生了比較大的影響，他們的研究得到了較為廣泛的認可。其中Priem,J.是Altmetrics概念框架的主要提出者，Thelwall, M.、Haustein, S.、Li, X.M.和Bar-ilan, J.對學者使用ASN的特點以及基于ASN數(shù)據(jù)的Altmetrics進行了研究，他們推動了基于ASN的Altmetrics研究，而且對Altmetrics的概念框架進行了發(fā)展，并提供了大量的實證數(shù)據(jù)支持。正是由于這些人的代表性研究成果，才促成了基于ASN的替代計量研究，推動了ASN的廣泛應(yīng)用。

被引作者中，突發(fā)性（Burst）最強的5位作者分別是 Newman，M.E.J.（Burst=4.37）、Walker，J.（4.22）、Herring，S.C.（3.79）、 Bollen，J.（3.14）和 Grot，P.（2.97），說明他們在ASN研究內(nèi)容和主題的轉(zhuǎn)換方面貢獻較大。中介中心性（Centrality）最高的5位作者分別是Ananiadou, S.（Centrality=0.68）、Altman, R.B.（0.28）、Page, R.（0.23）、 Eysenbach, G.（0.13）和Cronin, B.（0.13），說明他們在ASN研究的知識傳播過程中貢獻較大。

圖4 ASN重要作者圖譜

2.3 重要機構(gòu)分析

使用CiteSpace對研究機構(gòu)進行共現(xiàn)分析，結(jié)果如圖5所示。影響較大的研究機構(gòu)包括胡弗漢頓大學（University of Wolverhampton）、馬克斯·普朗克協(xié)會（Max-Planck-Gesellschaft）、芬蘭職業(yè)健康研究所（Finnish Institute of Occupational Health）和CIBER股份有限公司（CIBER Res Ltd）。中介中心性最高的四個研究機構(gòu)分別為曼徹斯特大學（The University of Manchester）、烏得勒支大學（Utrecht University）、南安普頓大學（University of Southampton）和哈佛大學（Harvard University），說明這些研究機構(gòu)在ASN研究知識傳遞方面最為有效。

圖5 ASN重要研究機構(gòu)圖譜

2.4 重要出版物分析

出版物共被引分析結(jié)果如圖6所示，被引頻次最高的五本出版物分別為《Scientometrics》（Freq=95）、《Journal of the American Society for Information Science and Technology》（87）、《Plos One》（80）、《Journal of the Association for Information Science and Technology》（74） 和《Journal of Informetrics》（69）。近期最熱門的出版物為《Proceedings of the National Academy of Sciences of the United States of America》（Burst=5.85）、 《Communications of the ACM》（4.87）、《Uses of Blogs》（4.72）、《Lecture Notes in Computer Science》（2.92） 和《Aslib Proceedings》（2.91）。 中 介中心性最高的五本出版物分別為《Annual Review of Information Science and Technology》 （Centrality=0.43）、《Journal of Information Science》（0.31）、 《RFC 3986 Uniform Resource Identifier （URI）: Generic Syntax》（0.23）、《Decision Support Systems》（0.21）和《ACM Transactions on Information Systems》（0.19）。

圖6 ASN重要出版物圖譜

2.5 ASN熱門研究主題

對ASN研究的關(guān)鍵詞進行共現(xiàn)分析，可以揭示該研究領(lǐng)域歷年來的熱門研究主題和發(fā)展脈絡(luò)，因為關(guān)鍵詞實際上能大致說明一條文獻的主題，如果這些關(guān)鍵詞發(fā)生共現(xiàn)現(xiàn)象，說明它們的研究主題比較接近。首次出現(xiàn)共現(xiàn)的時間表示這一研究主題興起的時間。如圖7所示，近年來ASN的熱門研究主題包括Altmetrics、Social Media、Science、Citation、Impact、Mendeley、Social Network、Bibliometrics、Metrics、Citation Analysis、Twitter和 Journal等。從中介中心性來看，最高的五個關(guān)鍵詞分別為Citation Analysis、Journal、Web、Science、Open Access等， 說 明 關(guān) 于ASN研究的主要內(nèi)容是圍繞替代計量、社交媒體、科學、引用分析、影響和開放訪問等內(nèi)容展開的。從共現(xiàn)發(fā)生的時間來看，網(wǎng)絡(luò)、科學和引用分析等主題共現(xiàn)的時間比較早，大約在2007年左右，專門的學術(shù)社交網(wǎng)絡(luò)還沒有受到太多的關(guān)注，但大家已經(jīng)開始關(guān)注基于網(wǎng)絡(luò)的科學文獻引用分析；2009年到2013年期間，社交媒體、計量、指標、知識、協(xié)作、引用、影響、學術(shù)交流和Web 2.0等研究主題受到關(guān)注，說明隨著眾多基于Web 2.0的社交媒體和社交網(wǎng)絡(luò)在學術(shù)圈的廣泛應(yīng)用，在關(guān)于論文在線使用的計量指標，尤其是它和傳統(tǒng)文獻引用之間的關(guān)系，及其作為傳統(tǒng)計量方法替代和補充的可行性等方面進行了大量的討論和分析，而且開始關(guān)注社交媒體網(wǎng)絡(luò)在科學合作和學術(shù)知識交流等方面的作用。2015年以后，在前期研究的基礎(chǔ)上，涌現(xiàn)出大量專門的學術(shù)社交網(wǎng)絡(luò)，比如ResearchGate、Academia.edu和Mendeley等的出現(xiàn)，使學術(shù)社交網(wǎng)絡(luò)中生成的學術(shù)知識交流的信息更為系統(tǒng)，其中不但涉及學者之間的社會交流和學術(shù)知識交流，而且積累了大量的學者與文獻之間以及文獻與文獻之間的使用和交流數(shù)據(jù)，這為更進一步的ASN數(shù)據(jù)挖掘與分析，及其所支持的替代計量研究提供了條件。

圖7 ASN研究關(guān)鍵詞共現(xiàn)圖譜

2.6 聚類分析

在ASN研究文獻共被引分析的基礎(chǔ)上按關(guān)鍵詞進行聚類分析，生成聚類分析視圖如圖8所示?？梢姡P(guān)于ASN的主要研究聚類包括語義網(wǎng)、開放訪問、數(shù)字化學術(shù)、生命科學、服務(wù)、研究影響、論文衰減、框架和高校教師等10個聚類。其中不同結(jié)點之間連線表示時間分區(qū)。如圖所示，語義網(wǎng)和框架等聚類的文獻早期（2007年以前）的共被引現(xiàn)象比較強烈，Altman, R.B.（2004）、Albert, K.M.（2006）和 Ananiadou, S.（2006）等文獻對這些研究的發(fā)起和銜接起到了關(guān)鍵作用。研究影響、論文衰減和大學教師等聚類的文獻在2012年到2014年左右在共被引方面比較活躍，而近年來比較活躍的研究主題包括開放訪問、數(shù)字化學術(shù)、生命科學和服務(wù)等。因此，ASN早期的研究是源于語義網(wǎng)等技術(shù)框架的發(fā)展，學者使用博客、推特、Facebook等的興趣增加，他們使用這些Web 2.0工具進行社會交互和學術(shù)交流，有人用Library 2.0或Science 2.0來描述這種現(xiàn)象。隨后，這些學者在線交互和文獻使用的數(shù)據(jù)被用于研究學術(shù)影響和論文衰減的計量指標，這些前期研究為后來Altmetrics概念的提出和研究發(fā)展奠定了基礎(chǔ)。在這一研究的發(fā)展和轉(zhuǎn)換過程中，文獻Brody, T.（2006）和Altman, R.B.（2007）等起到了銜接作用。最近幾年，一些大規(guī)模在線ASN的出現(xiàn)，匯聚了越來越多的學者，他們在線共享了大量的研究論文和數(shù)據(jù)，也生成了大量的學者間交流、對話、論文交換、使用和引用的數(shù)據(jù)，更進一步推動ASN研究的全面發(fā)展和系統(tǒng)化，大家開始從開放訪問、數(shù)字化學術(shù)和學術(shù)交流與合作服務(wù)等方面對這些系統(tǒng)及數(shù)據(jù)進行深入挖掘。在ASN的應(yīng)用過程中，生命科學走在了前面，形成了一個較大的研究聚類。在這一研究主題的轉(zhuǎn)換過程中，Haustein, S.（2011）、Waltman, L.（2014）和 Bollen, J.（2009）等文獻起到了關(guān)鍵節(jié)點的作用。

圖8 ASN研究聚類視圖

圖9 ASN研究聚類時間線視圖

從聚類分析時間線視圖來看（圖9），關(guān)于語義網(wǎng)、開放訪問、數(shù)字化學術(shù)、生命科學、服務(wù)和研究影響等聚類的文獻發(fā)生的共被引現(xiàn)象比較密集，這幾個聚類里面還集中了影響力比較大、比較關(guān)鍵的一些節(jié)點，它們構(gòu)成了ASN研究的主要陣地。語義網(wǎng)技術(shù)和框架等聚類的文獻共被引現(xiàn)象發(fā)生時間比較早，后面逐漸消退，說明它們在ASN研究領(lǐng)域，扮演了技術(shù)框架和基礎(chǔ)的作用。最近的研究則主要以開放訪問、數(shù)字化學術(shù)和服務(wù)等方面的研究為主，而且還有繼續(xù)上升的趨勢，將成為未來進一步研究的主要發(fā)展趨勢。

3 研究發(fā)現(xiàn)

近年來，關(guān)于學術(shù)社交網(wǎng)絡(luò)研究的發(fā)文數(shù)和引用頻次都在逐年上升。越來越多的學者、研究機構(gòu)和學術(shù)刊物都開始重視學術(shù)社交網(wǎng)絡(luò)的研究，這說明它已經(jīng)越來越受到學界的重視。學術(shù)社交網(wǎng)絡(luò)作為學者在Web 2.0環(huán)境下進行社會交互、學術(shù)交流以及文獻分享、引用和使用的重要渠道，已經(jīng)得到了大量的應(yīng)用。通過使用CiteSapce軟件對數(shù)據(jù)進行文獻共引和共被引分析，可以挖掘出ASN研究領(lǐng)域的重要文獻結(jié)點，同時通過生成ASN研究知識圖譜，揭示其研究的起源、發(fā)展脈絡(luò)和未來趨勢。

3.1 ASN研究起源

傳統(tǒng)學術(shù)出版經(jīng)過多年的發(fā)展，已經(jīng)成為學者之間進行學術(shù)交流的主要方式。對于學術(shù)刊物和論文影響的測量，發(fā)展出很多種計量方式，比如使用傳統(tǒng)數(shù)據(jù)庫中的引用次數(shù)來評價論文的影響力。但這種傳統(tǒng)的學術(shù)交流的效率比較低下，一條文獻被其他文獻引用也需要較長的時間周期，因此傳統(tǒng)學術(shù)出版和文獻影響計量方法雖然比較成熟，也面臨一些挑戰(zhàn)。Web 2.0不僅僅是技術(shù)的發(fā)展，而且拉近了學者之間的距離，加強了他們之間的社會交互和網(wǎng)絡(luò)關(guān)系。隨著學者們大量使用Blog、Facebook和推特等社交網(wǎng)絡(luò)和在線引文管理系統(tǒng)，生成了大量的學術(shù)交流和研究論文在線引用、評論、標注和標簽等行為數(shù)據(jù)。這些數(shù)據(jù)在時效上要優(yōu)于傳統(tǒng)的學術(shù)出版周期，很多人發(fā)現(xiàn)它們能夠在一定程度上預(yù)見一條文獻未來的引用率和影響，即能夠作為一種新的文獻計量方法，并發(fā)展出一個新的圖書情報學研究分支，替代計量學（Altmetrics）。隨著學者之間在線社會交互、在線引文管理、文獻分享和獲取等方面的需求日增，越來越需要一種綜合這些功能特點的社交網(wǎng)絡(luò)服務(wù)，于是學術(shù)社交網(wǎng)絡(luò)應(yīng)運而生，出現(xiàn)了Academia.Edu，Mendeley和ResearchGate等大規(guī)模在線學術(shù)社交網(wǎng)絡(luò)，支持學者在線分享個人發(fā)表的研究論文，目前已經(jīng)有全球上千萬學者注冊使用，分享了上億篇論文。

3.2 ASN研究發(fā)展脈絡(luò)

隨著網(wǎng)絡(luò)技術(shù)尤其是語義網(wǎng)的發(fā)展，Altman, R.B.和Ananiadou, S.等于2004年提出構(gòu)建生物和生物醫(yī)學類文獻數(shù)據(jù)庫以及使用數(shù)據(jù)挖掘技術(shù)對這些數(shù)據(jù)庫中的數(shù)據(jù)進行挖掘，這對傳統(tǒng)的學術(shù)出版市場來說是一個顛覆性的創(chuàng)新，同時也促進了學術(shù)資源開放訪問的研究與實踐。語義網(wǎng)技術(shù)和社交網(wǎng)絡(luò)在學術(shù)資源交流和在線開放訪問中的滲透，形成了兩個重要的研究聚類，即開放訪問和數(shù)字化學術(shù)。受到開放教育資源運動的影響，Albert, K.M.就開放學術(shù)資源對學術(shù)出版和醫(yī)學圖書館事業(yè)的重要啟示進行了探討。大量學術(shù)資源在線開放訪問，縮短了研究論文傳播的時間周期，同時語義網(wǎng)技術(shù)的應(yīng)用，也提高了學術(shù)資源推送的精準性。2010年以后，學術(shù)社交網(wǎng)絡(luò)的興起，用戶覆蓋面越來越大，生成了大量學者用戶在線學術(shù)交流和學術(shù)資源使用的數(shù)據(jù)，Bollen, J.、Thelwall, M.、Bonetta, L.、Priem, J.和Brody, T.等對這些數(shù)據(jù)的科學評價和計量學的作用與價值進行了討論和分析，他們重點研究了這些數(shù)據(jù)對預(yù)測論文影響、引用頻次，識別不同學科學者ASN使用模式，合作者、跨學科合作和跨國合作模式等方面的作用，尤其是基于ASN的Altmetrics作為傳統(tǒng)計量學的替代和補充方式得到了廣泛重視。

3.3 ASN研究未來趨勢

學術(shù)社交網(wǎng)絡(luò)為學者進行社會交互和知識交流提供了更具時效性和更便捷的通道。來自不同學科、不同國家和地區(qū)的大量學者都已經(jīng)成為ASN用戶，他們在線分享學術(shù)資源和交流學術(shù)知識，生成了大量的文獻、學者、引用、合作、分享和社會交流等數(shù)據(jù)，形成了比傳統(tǒng)學術(shù)網(wǎng)絡(luò)更多樣化的在線學術(shù)知識交流網(wǎng)絡(luò)，極具研究價值。目前ASN研究主要集中于使用者的人口統(tǒng)計學特點、替代計量學和采納應(yīng)用過程等方面，但對不同用戶群體使用ASN的動機、目標、偏好和模式等方面的研究仍有進一步挖掘的空間。另一方面，基于ASN生成的用戶交流和資源使用數(shù)據(jù)，挖掘和識別其中的知識交流機制，將會對基于傳統(tǒng)學術(shù)網(wǎng)絡(luò)的學術(shù)交流理論有重大的發(fā)展。因此，未來使用大數(shù)據(jù)、語義網(wǎng)和社會網(wǎng)絡(luò)分析等技術(shù)和方法分析ASN的知識交流的特點和規(guī)律，將會成為一個重要的研究方向。

4 結(jié)論

本文使用CiteSapce軟件對Web of Science核心數(shù)據(jù)庫收錄的ASN研究文獻數(shù)據(jù)進行共被引和共現(xiàn)分析，揭示出目前學術(shù)社交網(wǎng)絡(luò)研究領(lǐng)域的起源、發(fā)展脈絡(luò)、重要研究主題以及重要研究文獻、作者、研究機構(gòu)和學術(shù)刊物。本文發(fā)現(xiàn)，ASN研究起源于學者對一些社交網(wǎng)絡(luò)和媒體的使用，他們利用這些Web 2.0服務(wù)進行人際溝通和學術(shù)知識的分享與交流，拓寬了傳統(tǒng)的基于學術(shù)出版的學術(shù)網(wǎng)絡(luò)，縮短了學術(shù)交流和論文影響的周期。學術(shù)社交網(wǎng)絡(luò)集成了社交網(wǎng)絡(luò)、開放訪問和在線文獻管理軟件等技術(shù)特點，吸引了大量國內(nèi)外用戶注冊使用，形成了一種全新的學術(shù)合作和知識交流的在線虛擬環(huán)境。目前ASN已經(jīng)成為圖書情報學研究領(lǐng)域的一個熱點問題，大家對學術(shù)社交網(wǎng)絡(luò)的用戶特點、學科差異和文獻計量學方法等方面進行了大量的研究。應(yīng)該說，在線學術(shù)社交網(wǎng)絡(luò)是傳統(tǒng)學術(shù)網(wǎng)絡(luò)在信息化環(huán)境下的重大突破，它不但使學術(shù)網(wǎng)絡(luò)擴展到線上，還加強了學者間的人際交往和社會交互，能夠幫助識別科學合作和交流，識別和發(fā)現(xiàn)潛在的合作者。因此，基于ASN的知識交流是傳統(tǒng)學術(shù)交流的顛覆性發(fā)展，將會是未來重要的研究方向之一。

（來稿時間：2017年7月）

1. Li X, Thelwall M, Giustini D. Validating Online Reference Managers for Scholarly Impact Measurement[J]. Scientometrics,2012, 91（2）：461-471.

2. 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.

3. Eysenbach G. Can Tweets Predict Citations? Metrics of Social Impact based on Twitter and Correlation with Traditional Metrics of Scientific Impact[J]. Journal of Medical Internet Research, 2011, 13（4）：e123.

4. Mohammadi E, Thelwall M. Mendeley Readership Altmetrics for the Social Sciences and Humanities: Research Evaluation and Knowledge Flows[J]. Journal of the Association for Information Science & Technology, 2013, 65（8）：1627-1638.

5. Priem J, Taraborelli D, Groth P, Neylon C. Altmetrics: A manifesto[EB/OL].[2010-10-26]. http://altmetrics.org/manifesto.

6. Haustein S, Siebenlist T. Applying Social Bookmarking Data to Evaluate Journal Usage[J]. Journal of Informetrics, 2011, 5（3）：446-457.

7. Thelwall M, Kousha K. Academia.edu: Social Network or Academic Network?[J]. Journal of the Association for Information Science & Technology, 2015, 65（4）：721-731.

8. 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, 101（2）：1491-1513.

9. Peters I, Peters I, Bar-Ilan J, et al. Coverage and Adoption of Altmetrics Sources in the Bibliometric Community[J].Scientometrics, 2014, 101（2）：1145-1163.

10. Van Noorden R. Scientists and the Social Network[J].Nature, 2014, 512（7513）：126.

11. Walker J. Blogging from inside the Ivory Tower[J]. Uses of Blogs, 2006：127-138.

12. Neylon C, Wu S. Article-level Metrics and the Evolution of Scientific Impact[J]. Plos Biology, 2009, 7（11）：e1000242.

13. Bar-Ilan J, Haustein S, Peters I, et al. Beyond Citations:Scholars’ Visibility on the Social Web [EB/OL].[2012-15-25].https://arxiv.org/ftp/arxiv/papers/1205/1205.5611.pdf.

14. Brody T, Harnad S, Carr L. Earlier Web Usage Statistics as Predictors of Later Citation Impact[J]. Journal of the Association for Information Science & Technology, 2006, 57（8）：1060-1072.

15. Albert K M. Open Access: Implications for Scholarly Publishing and Medical Libraries[J]. Journal of the Medical Library Association, 2006, 94（3）：253-262.

16. Altman R B. Building Successful Biological Databases[J].Briefings in Bioinformatics, 2004, 5（1）：4.

17. Ananiadou S, McNaught J. Text Mining for Biology and Biomedicine[M]. London: Artech House, 2006.

18. Bonetta L. Scientists Enter the Blogosphere[J]. Cell, 2007,129（3）：443-5.

19. Waltman L, Costas R. F1000 Recommendations as a Potential New Data Source for Research Evaluation: A Comparison With Citations[J]. Journal of the American Society for Information Science & Technology, 2014, 65（3）：433-445.

20. Johan B, Herbert V D S, Aric H, et al. Clickstream Data Yields High-Resolution Maps of Science[J]. Plos One, 2009, 4（3）： e4803.