宋麗萍 王建芳 付 婕 孫 澤

(1.天津師范大學(xué)管理學(xué)院，天津，300387; 2.中國科學(xué)院科技戰(zhàn)略咨詢研究院，北京，100190)

本世紀(jì)以來，科學(xué)評(píng)價(jià)的重心從學(xué)術(shù)影響力逐步轉(zhuǎn)向社會(huì)影響力，由此催化了Bornmann[1]所謂評(píng)價(jià)領(lǐng)域的“庫恩革命”。鑒于以Merton 為代表的規(guī)范理論，即“引文是用來償還研究債務(wù)的貨幣、較高的被引量代表其從同行那里獲得了較高的認(rèn)可”，學(xué)術(shù)影響力被量化為引用的“因變量”[2]，目前計(jì)量學(xué)家努力尋求“引用等價(jià)物”用于研究的社會(huì)影響力(下文簡稱社會(huì)影響力)測度。替代計(jì)量(Altmetrics)作為除案例研究(case study)外的備選方案，應(yīng)運(yùn)而生，并迅速成為國內(nèi)外研究應(yīng)用的熱點(diǎn)。然而，Altmetrics 評(píng)價(jià)的可靠性如何，人們對(duì)此尚存疑問，本文針對(duì)這一問題，從社會(huì)影響力評(píng)價(jià)視角，分析 Altmetrics 評(píng)價(jià)效果，以期對(duì)新型科學(xué)評(píng)價(jià)理論的發(fā)展與應(yīng)用提供借鑒和參考。

1 研究的社會(huì)影響力及其主流測量方法

2014年，社會(huì)影響力被納入英國高等教育卓越評(píng)價(jià)體系(Research Excellence Framework， REF)，并被定義為給學(xué)術(shù)界以外的經(jīng)濟(jì)、社會(huì)、文化、公共政策、服務(wù)、健康、環(huán)境或生活質(zhì)量帶來的影響和收益[3]。事實(shí)上，1945年Bush在題為《科學(xué)：無止境的前沿》的報(bào)告中即明晰了科學(xué)研究與社會(huì)影響力之關(guān)系，并指出高水平研究乃社會(huì)之幸[4]。此后，社會(huì)影響力逐漸演化為歐美國家資助研究項(xiàng)目的砝碼。世紀(jì)之交，荷蘭提出“研究的社會(huì)質(zhì)量”、歐盟實(shí)施了“地平線2020”計(jì)劃，由此促進(jìn)了社會(huì)影響力地位的顯化。2016年，英國科學(xué)院院長、世界銀行首席經(jīng)濟(jì)師Stern在《REF2014斯特恩評(píng)論》中進(jìn)一步指出REF2021將加大社會(huì)影響力權(quán)重[5]。2020年12月，美國國家科學(xué)院在題為《無止境的前沿——科學(xué)未來的75年》的報(bào)告中，將研究轉(zhuǎn)化為應(yīng)用的能力再次劃為重點(diǎn)，并將其確定為未來科學(xué)發(fā)展的五大問題之一[6]?？梢?，強(qiáng)化社會(huì)影響力已被視為提高研究質(zhì)量的關(guān)鍵手段和促進(jìn)科技進(jìn)步的杠桿，而蘭德歐洲所謂通過提升社會(huì)影響力使科學(xué)、技術(shù)和創(chuàng)新給社會(huì)和經(jīng)濟(jì)帶來的收益最大化，為這一操作提供了注解[5]。

2016年，Searles概述了社會(huì)影響力評(píng)價(jià)的三種主要方法，即投資回報(bào)、成本效益與案例研究，而1870年哈佛大學(xué)首創(chuàng)的案例研究為其中主流方法。Thelwall[7]的研究則表明，目前除專利技術(shù)影響、醫(yī)學(xué)臨床影響兩種引用當(dāng)量的社會(huì)影響力測度外，案例研究是唯一可行的路徑。英國的REF、荷蘭的標(biāo)準(zhǔn)評(píng)估協(xié)議(Standard Evaluation Protocol，SEP)、澳大利亞的研究質(zhì)量體系(Research Quality Framework，RQF)均采用了該方法。同時(shí)，ArXiv創(chuàng)建者、康奈爾大學(xué)物理學(xué)家Ginsparg的文本挖掘結(jié)果顯示，“研究”“影響”的詞頻與專家評(píng)分顯著正相關(guān)，由此表明，案例研究與同行評(píng)議的關(guān)聯(lián)[8]。事實(shí)上，專家恰恰依據(jù)案例的定性描述對(duì)研究的社會(huì)影響力進(jìn)行甄別，因此，案例研究本質(zhì)上類似于同行評(píng)議，其所攜帶的同行評(píng)議基因正是它成為社會(huì)影響力有效測度的根源。

然而，案例研究亦存在一些問題，首先，撰寫的成本過高；其次，時(shí)滯與歸因問題，荷蘭物理學(xué)家Casimir就提出研究與應(yīng)用間存在15年窗口期，并且研究與貢獻(xiàn)之間的因果關(guān)系難以量化[9]；第三，有?？茖W(xué)研究解決特定社會(huì)問題的初衷，因?yàn)槠渲谐Ｒ?guī)指標(biāo)大多與經(jīng)濟(jì)增長相關(guān)；第四，僅報(bào)告成功案例、忽視陰性結(jié)果，而有違英國著名哲學(xué)家卡爾.波普爾的科學(xué)的可證偽理論；最后是不可重復(fù)性，因?yàn)槊總€(gè)案例都是獨(dú)特的。事實(shí)上，定性案例研究的流行反映了目前仍然缺乏捕捉和測量社會(huì)影響力的指標(biāo)、方法與標(biāo)準(zhǔn)，因此，人們希冀通過Altmetrics獲得解決方案。

2 Altmetrics在研究的社會(huì)影響力中應(yīng)用維度的可視化

Altmetrics源于2010年9月Priem在Twitter上發(fā)表的宣言，其基于Twitter、Facebook等第二代社交網(wǎng)絡(luò)，將信息交流的數(shù)字痕跡轉(zhuǎn)換為指標(biāo)，以應(yīng)信息過濾、研究評(píng)價(jià)之需。經(jīng)過10年積累，Altmetrics工具已較為完善。目前，兩大主要數(shù)據(jù)提供商——數(shù)字科學(xué)公司和愛思唯爾分別以Altmetric.com、PlumX系統(tǒng)收集Altmetrics指標(biāo)，并向大學(xué)和研究機(jī)構(gòu)出售。研究人員亦可向Altmetric.com申請(qǐng)免費(fèi)的數(shù)據(jù)使用權(quán)，本文即通過這一方法獲取了第三部分研究所需數(shù)據(jù)。

為揭示Altmetrics在社會(huì)影響力中的應(yīng)用維度，本文借助WoS(Web of Science)，利用荷蘭萊頓大學(xué)Eck和Waltman基于JAVA開發(fā)的VOSviewer，將2010—2020年Altmetrics研究論文可視化[10]。該軟件核心思想是通過共現(xiàn)聚類及其可視化分析，展現(xiàn)知識(shí)領(lǐng)域的結(jié)構(gòu)與進(jìn)化，從而揭示研究熱點(diǎn)與趨向。檢索式為：TS="altemetrics*"and PY=2010—2020 and WoS Categories= information science library science，檢索獲得論文318篇(見附錄)。進(jìn)而選取基于時(shí)間線的關(guān)鍵詞疊加視圖(圖1所示)進(jìn)行可視化。圖1中自2018年social impact和societal impact聚類簇的形成，標(biāo)志著將Altmetrics作為社會(huì)影響力評(píng)價(jià)路徑與手段的嘗試。

圖1及相關(guān)文獻(xiàn)表明，Altmetrics在社會(huì)影響力中的應(yīng)用可歸述為如下幾個(gè)方面：①Costas、Lariviere、Haustein等關(guān)于學(xué)術(shù)產(chǎn)出在社交媒體中的利用與共享研究，以充分挖掘社交媒體在信息篩選及科學(xué)研究中的潛力[7,9]。②Bornmann、Waltman等將共引(co-citation)等成熟的文獻(xiàn)計(jì)量方法引入到Mendeley readers (Mendeley讀者統(tǒng)計(jì))中，以提高Altmetrics指標(biāo)水準(zhǔn)[11]。③Wouters、Thelwall、Moed就Altmetrics與文獻(xiàn)計(jì)量指標(biāo)及F1000(Faculty of 1000)同行評(píng)議結(jié)果進(jìn)行相關(guān)分析，以詮釋Altmetrics指標(biāo)含義，并探討其在社會(huì)影響力評(píng)價(jià)方面的可靠性與有效性，然而，目前尚無定論[12]。下文將通過統(tǒng)計(jì)結(jié)果，劃分Altmetrics指標(biāo)類型，并依據(jù)Altmetrics指標(biāo)內(nèi)涵及英國REF對(duì)社會(huì)影響力的定義，就其有效性進(jìn)行分析。

圖1 2010—2020年Altmetrics研究論文關(guān)鍵詞疊加聚類視圖

3 Altmetrics指標(biāo)采集與分析

3.1 數(shù)據(jù)采集

本文選取Altmetric.com、iCite、InCites數(shù)據(jù)庫用于統(tǒng)計(jì)分析。Altmetric.com創(chuàng)建于2012年，目前提供Number of Mendeley readers(簡稱Mendeley)、Number of Dimensions citations(Dimensions數(shù)據(jù)平臺(tái)中被引量，簡稱Dimensions)、Twitter mentions(簡稱Twitter)等19項(xiàng)指標(biāo)，同時(shí)包含對(duì)上述指標(biāo)進(jìn)行加權(quán)獲得的綜合分值A(chǔ)ltmetric Attension Score(AAS)。iCite系2015年美國國立衛(wèi)生研究院(NIH)開發(fā)，其中RCR(Relative Citation Ratio)為通過共引網(wǎng)絡(luò)識(shí)別論文研究領(lǐng)域并對(duì)論文被引頻次進(jìn)行規(guī)范化，以體現(xiàn)其在同一領(lǐng)域相對(duì)被引表現(xiàn)的指標(biāo)[13]。InCites為基于WoS核心合集七大引文數(shù)據(jù)庫建立的科研評(píng)價(jià)與分析數(shù)據(jù)庫，含論文被引頻次(Times Cited，TC)、CNCI(Category Normalized Citation Impact，學(xué)科規(guī)范化引文影響力)、學(xué)科領(lǐng)域百分位等指標(biāo)，其中CNCI沿用了1986年匈牙利著名文獻(xiàn)計(jì)量學(xué)家Schubert和Braun[14]提出的相對(duì)引用率(Relative Citation Rate)，即論文實(shí)際與預(yù)期(同一領(lǐng)域和同一出版年所有出版物)被引頻次的比率。鑒于偏態(tài)性是引用的特質(zhì)，即由于引用密度(citation density)的差異，TC依學(xué)科、出版年、文獻(xiàn)類型呈高度偏態(tài)分布，而RCR與CNCI旨在消除出版時(shí)間、學(xué)科的不同給科學(xué)評(píng)價(jià)帶來的“噪音”，因此，以CNCI、RCR等規(guī)范化指標(biāo)進(jìn)行跨學(xué)科比較已成共識(shí)。同時(shí)，Thelwall等研究表明，不同學(xué)科Altmetrics指標(biāo)差異顯著[15]。就此，本文分析中將CNCI、RCR等典型規(guī)范化指標(biāo)囊括其中，以便于與Altmetrics比較。

本文統(tǒng)計(jì)年限為2017年，以保證2—3年被引統(tǒng)計(jì)區(qū)間，并兼顧Altmetrics指標(biāo)的時(shí)效性。數(shù)據(jù)采集過程為：①在iCite開源數(shù)據(jù)包中下載、拆分2017年1068541篇論文DOI、RCR及載文期刊ISSN；②在2020年 JCR(Journal Citation Report)中采集2017年期刊指標(biāo)，并以ISSN為查找值，利用Vlookup函數(shù)對(duì)①中期刊進(jìn)行精確匹配，獲得期刊5771種；③以5771條ISSN為檢索字段，在InCites中獲得論文DOI及其CNCI、載文期刊影響因子(Impact Factor，IF)等指標(biāo)；④通過DOI將①、③匹配，去除無效數(shù)據(jù)，獲得739604篇論文DOI、RCR、CNCI、TC，并導(dǎo)出文獻(xiàn)的文本數(shù)據(jù)；⑤向Altmetric.com平臺(tái)申請(qǐng)獲得Altmetric Explorer使用權(quán)限，通過Altmetric Explorer高級(jí)檢索導(dǎo)入文獻(xiàn)DOI，最終獲得519893篇文獻(xiàn)對(duì)應(yīng)Altmetrics數(shù)據(jù)，以用于進(jìn)一步分析。

數(shù)據(jù)描述性統(tǒng)計(jì)表明，519893篇文獻(xiàn)中19個(gè)指標(biāo)的分布為：在Mendeley、Dimensions、Twitter、Facebook、News中的覆蓋率依次為99.37%、94.06%、82.92%、24.44%、12.80%，而Blog等指標(biāo)覆蓋率不足10%，因此，剔除部分指標(biāo)，選取較為典型且覆蓋率較高的科研人員研究社區(qū)Mendeley和微博類社交媒體Twitter等為代表進(jìn)行分析。

3.2 指標(biāo)相關(guān)分析

這里將對(duì)RCR、CNCI、Dimensions、Men-deley、Twitter、TC六項(xiàng)指標(biāo)進(jìn)行相關(guān)分析。K-S檢驗(yàn)結(jié)果表明，上述指標(biāo)均不服從正態(tài)分布，因此選用斯皮爾曼相關(guān)分析，分析結(jié)果如表1所示。

表1 六指標(biāo)斯皮爾曼相關(guān)分析結(jié)果

依據(jù)相關(guān)性判定標(biāo)準(zhǔn)，Mendeley與TC呈相關(guān)系數(shù)為0.65的中度相關(guān)，Twitter與TC相關(guān)系數(shù)僅為0.22。然而，相關(guān)不能詮釋為比例。加拿大多倫多大學(xué)Eysenbach教授研究表明，盡管相關(guān)系數(shù)r=1意味著變量X和Y存在100%的可完全預(yù)測函數(shù)關(guān)系，但是相關(guān)系數(shù)0.5并不意味著兩個(gè)變量間預(yù)測的準(zhǔn)確度為50%，而是0.25或25%，即r2= 0.52=0.25[7]。這就意味著Mendeley、Twitter將分別預(yù)測未來被引量的42%、4.8%[16]。因此表明，Mendeley與TC及其衍生指標(biāo)CNCI、RCR具有一定的契合度，而Twitter與TC密切度較低?？梢?，由于數(shù)據(jù)分布的離散性，不能以相關(guān)系數(shù)過度解讀變量之關(guān)系，即Thelwall[7]所言，不能僅以相關(guān)系數(shù)作出指標(biāo)間關(guān)系的強(qiáng)推論。為此，本文將以偏相關(guān)系數(shù)加以進(jìn)一步分析。

3.3 指標(biāo)偏相關(guān)分析

這里采用偏相關(guān)分析，以剔除其他變量的影響，進(jìn)一步顯示TC與Mendeley、TC與Twitter之關(guān)系，其中分別以RCR、CNCI為控制變量，分析結(jié)果如表2所示。

表2中偏相關(guān)系數(shù)低于表1對(duì)應(yīng)相關(guān)系數(shù)的結(jié)果進(jìn)一步揭示了TC與Mendeley、TC與Twitter的真實(shí)關(guān)系，即TC與Mendeley為低度相關(guān)，而TC與Twitter不相關(guān)。下文將采用主成分分析進(jìn)一步佐證。

3.4 指標(biāo)主成分分析

主成分分析(Principal Components Analysis，PCA)系通過正交變換，將N維空間的特征映射到K維(即K個(gè)主成分)，其中N≤K，從而考察變量間相關(guān)關(guān)系，并通過少數(shù)主成分揭示變量內(nèi)部結(jié)構(gòu)的多元統(tǒng)計(jì)方法。鑒于AAS的綜合性不適于比較分析，同時(shí)出于指標(biāo)覆蓋率的考慮，在此將對(duì)TC、RCR、CNCI、Twitter、Mendeley、Dimensions、Facebook進(jìn)行PCA分析。依據(jù)累計(jì)方差貢獻(xiàn)率≥80%且相關(guān)系數(shù)矩陣特征值≥1的主成分提取原則，本文提取兩個(gè)主成分。進(jìn)而采用方差極大法將成分載荷矩陣進(jìn)行正交旋轉(zhuǎn)，以顯示指標(biāo)與主成分的關(guān)聯(lián)。表3為旋轉(zhuǎn)結(jié)果。

表3 旋轉(zhuǎn)后的成分得分矩陣

以0.5為主成分載荷閾值，PCA將上述指標(biāo)劃分為由TC、CNCI、RCR、Mendeley、Demensions構(gòu)成的第一主成分，包含Twitter、Facebook的第二主成分。PCA即尋求互相垂直的坐標(biāo)軸的過程，其幾何意義為變量在坐標(biāo)系中的正交，因此第一主成分與第二主成分線性不相關(guān)，即二者代表了評(píng)價(jià)的不同維度，根據(jù)指標(biāo)涵義分別命名為引用維與關(guān)注維。

4 結(jié)論與討論

4.1 主要結(jié)論

通過上述分析，得出如下結(jié)論：

(1)Altmetrics指標(biāo)分布存在不均衡性。統(tǒng)計(jì)結(jié)果顯示，519893篇文獻(xiàn)的19個(gè)指標(biāo)中，Mendeley、Dimensions、Twitter三項(xiàng)指標(biāo)覆蓋率達(dá)80%以上，F(xiàn)acebook、News在10—25%之間，而Blog等14項(xiàng)指標(biāo)為10%以下。

(2)相關(guān)分析與PCA表明，Altmetrics包含類引用指標(biāo)與關(guān)注型指標(biāo)。其中Mendeley與TC具有一定的重疊性，可視作類引用指標(biāo)，而Twitter則為典型的關(guān)注型指標(biāo)。

(3)依據(jù)上述Altmetrics指標(biāo)分類可以對(duì)研究影響力進(jìn)行更為寬泛的描述。其中，類引用指標(biāo)Mendeley能夠作為引用指標(biāo)的早期替代，用以捕捉學(xué)術(shù)影響力，而Twitter等關(guān)注型指標(biāo)描述了研究成果在不同受眾中的擴(kuò)散，因此衡量了公眾關(guān)注度與參與度[17]。

(4)Altmetrics指標(biāo)與研究的社會(huì)影響力評(píng)價(jià)目標(biāo)有所偏離。除Mendeley外，Altmetrics指標(biāo)主要側(cè)重于關(guān)注度，并非REF定義的研究成果在學(xué)術(shù)之外的經(jīng)濟(jì)、社會(huì)中的貢獻(xiàn)。

(5)可借鑒學(xué)科規(guī)范化方法實(shí)現(xiàn)Altmetrics的跨學(xué)科比較。鑒于Altmetrics依學(xué)科分布的偏態(tài)性，受Mendeley與CNCI、RCR之間較強(qiáng)相關(guān)性的啟發(fā)，可以將CNCI、RCR方法移植到Mendeley、Twitter中，以消除不同學(xué)科原始指標(biāo)的不可比性，從而實(shí)現(xiàn)Altmetrics的跨學(xué)科比較。

4.2 討論與思考

對(duì)于上述結(jié)論，具體分析如下：

Mendeley與TC及其衍生指標(biāo)CNCI、RCR具有同質(zhì)性。Mendeley被Haustein稱為網(wǎng)絡(luò)形式的傳統(tǒng)圖書館[16]，其讀者統(tǒng)計(jì)作為學(xué)術(shù)交流的痕跡和副產(chǎn)品，為追溯知識(shí)流動(dòng)的路徑、探尋研究成果的影響力提供了線索。對(duì)于引用，Small指出引用是信息被利用后留下的路標(biāo)[2]。二者作為學(xué)術(shù)生命周期的組成部分，描述了知識(shí)在時(shí)間軸上不同點(diǎn)的擴(kuò)散過程。鑒于Mendeley與TC的同根同源，同時(shí)基于相關(guān)分析與偏相關(guān)分析揭示的二者相似性，可以以Mendeley預(yù)測論文在學(xué)術(shù)界的未來表現(xiàn)，將其視作引用指標(biāo)的早期替代[18]。

Twitter和Facebook指標(biāo)描述了研究成果的擴(kuò)散和被關(guān)注程度。以Twitter為例，其名稱源于以短、頻、快為主要特征的鳥鳴。因此，作為以“互聯(lián)網(wǎng)上短信服務(wù)”著稱的交流形式，學(xué)術(shù)成果僅僅是其傳播內(nèi)容的子集，其初衷是信息的快捷共享。那么，該指標(biāo)描述的是研究成果在不同受眾中的擴(kuò)散，衡量的是公眾關(guān)注度與參與度。因此，就Facebook和Twitter自身含義對(duì)關(guān)注型指標(biāo)內(nèi)涵的解析，Altmetrics與社會(huì)影響力評(píng)價(jià)目標(biāo)存在一定的偏差[19]。那么，本文數(shù)據(jù)分析一定程度上佐證了德國計(jì)量學(xué)家Bornmann[9]與英國計(jì)量學(xué)家Thelwall[7]的觀點(diǎn)。

Altmetrics與社會(huì)影響力評(píng)價(jià)目標(biāo)存在偏離的結(jié)論，一方面提醒人們以Altmetrics進(jìn)行社會(huì)影響力評(píng)價(jià)時(shí)應(yīng)謹(jǐn)慎行事；另一方面，鑒于科學(xué)評(píng)價(jià)的多元化與多維度原則，這一結(jié)果給我們提出了新的課題，即我們需要進(jìn)一步厘清科學(xué)研究發(fā)揮社會(huì)影響的機(jī)制和過程[20]，從而以新的視角進(jìn)一步揭示Altmetrics在社會(huì)影響力評(píng)價(jià)中的有效性。

從根本上說，科學(xué)計(jì)量的主要挑戰(zhàn)即在于找到代表“質(zhì)量”“影響”或“卓越”的最佳定量方法。然而，由于社會(huì)影響力的多維性和復(fù)雜性，同時(shí)由于Altmetrics部分指標(biāo)較低的覆蓋率，我們尚不完全理解Altmetrics對(duì)經(jīng)濟(jì)、社會(huì)、健康作用的方式，對(duì)于Altmetrics與經(jīng)濟(jì)、社會(huì)之間的直接關(guān)聯(lián)，我們尚不能得出類似引用與學(xué)術(shù)影響力之間關(guān)系般的結(jié)論。目前主要沿著統(tǒng)計(jì)分析的路徑、沿襲引用與學(xué)術(shù)影響力關(guān)系的思維定式，尋求關(guān)注、參與與社會(huì)影響力之間的相關(guān)關(guān)系并基于Altmetrics指標(biāo)本身含義論證其可靠性。2018年，倫敦國王學(xué)院的Rowlands[21]提出以構(gòu)念效度(construct validity)建立計(jì)量的理論根基。所謂構(gòu)念效度，即測驗(yàn)?zāi)軌驕y量到某一理論構(gòu)念或特質(zhì)的程度，構(gòu)念效度越高則表明測量得分對(duì)某一構(gòu)念的解釋程度越高。構(gòu)念效度的兩個(gè)方面——聚合效度和區(qū)分效度，體現(xiàn)了運(yùn)用不同方法測定同一特征時(shí)測量結(jié)果的相似和差異程度。在文獻(xiàn)計(jì)量指標(biāo)有效性的驗(yàn)證中，我們以被譽(yù)為科學(xué)守門人的同行評(píng)議作參照，以文獻(xiàn)計(jì)量指標(biāo)與同行評(píng)議的契合度考量指標(biāo)的優(yōu)劣。Bornmann已證實(shí)，F(xiàn)1000數(shù)據(jù)庫中同行評(píng)議結(jié)果與引用指標(biāo)具有較好的聚合效度[22]。英國出于評(píng)價(jià)成本的考量，恰恰以拉夫堡大學(xué)Oppenheim教授關(guān)于文獻(xiàn)計(jì)量指標(biāo)與同行評(píng)議高度相關(guān)的論斷為依據(jù)實(shí)施基于計(jì)量的REF[23]。那么，我們同樣可以以構(gòu)念效度為解題思路，以案例研究作為尺子進(jìn)一步考量Altmetrics的有效性。誠然，由于數(shù)據(jù)的可獲性較低以及目前較少的案例研究樣本量，造成了Altmetrics在社會(huì)影響力評(píng)價(jià)中構(gòu)念效度的缺失，因此，就本文統(tǒng)計(jì)分析及理論層面而言，以Altmetrics進(jìn)行研究的社會(huì)影響力評(píng)價(jià)時(shí)應(yīng)謹(jǐn)慎結(jié)論。同時(shí)，隨著實(shí)踐的深入、樣本數(shù)量的增大，借助案例研究等中間變量、間接證明其評(píng)價(jià)效果將更具可操作性，就此我們將得出進(jìn)一步的結(jié)論[24]。而此前，案例研究仍是首選方法，這也是《科學(xué)評(píng)價(jià)的萊頓宣言》中同行評(píng)議首位原則的體現(xiàn)。

5 結(jié)語

研究影響力向社會(huì)影響力的延伸，傳遞了政府和社會(huì)對(duì)科學(xué)的期望，也是科學(xué)承擔(dān)社會(huì)責(zé)任的體現(xiàn)，特別是對(duì)于我國“破五唯”，建立科學(xué)、合理、客觀的評(píng)價(jià)標(biāo)準(zhǔn)具有重要意義。鑒于科學(xué)評(píng)價(jià)對(duì)于學(xué)科建設(shè)、人才選拔、科技獎(jiǎng)勵(lì)乃至科學(xué)體系構(gòu)建的重要性，同時(shí)由于“科學(xué)共同體對(duì)于評(píng)價(jià)體系的擬態(tài)”，對(duì)于研究的社會(huì)影響力的強(qiáng)化將通過規(guī)范科研人員行為改變科學(xué)研究文化，并利于營造創(chuàng)新研究生態(tài)。盡管社會(huì)影響力測量已成為研究評(píng)價(jià)的一部分，Altmetrics在其中的應(yīng)用仍值得商榷。案例研究作為社會(huì)影響力評(píng)價(jià)中的同行評(píng)議，仍然是目前首選方法。而如何調(diào)整Altmetrics研究策略、借鑒相對(duì)成熟的文獻(xiàn)計(jì)量方法對(duì)Altmetrics指標(biāo)進(jìn)行規(guī)范化，并在數(shù)據(jù)情境分析基礎(chǔ)上詮釋Altmetrics內(nèi)涵[25]，深入解讀對(duì)于科研成果的關(guān)注如何作用于社會(huì)、經(jīng)濟(jì)與健康，以進(jìn)一步驗(yàn)證其有效性成為問題的關(guān)鍵。

附錄下載地址：https://pan.baidu.com/s/1NsvB9uzPy2Bo2VK_1BSygg?pwd=5k7o