随着大数据时代的到来,学术研究也步入新的范式,该范式最为突出的特征便是数据的密集应用。为了规范科学数据的引用,从而提升科学数据的可获得性和复用性,越来越多的机构致力于提升科学数据引用规范。由此带来的是,与科学数据引用相关的政策和实践也逐步发展。科学数据是科学研究的重要产出之一,在数据引用越来越成熟的当下,如何评价科学数据的影响力成为亟需解决的问题。针对上述问题,以往研究主要通过对数据引用进行统计分析,将数据被引次数作为主要指标,评价科学数据的影响力。不过,这种评价方法的角度相对单一。为了拓展科学数据的评价维度,本研究利用科学计量学和社会网络分析理论,对PLoS引用数据进行引文分析和社会网络分析;通过构建和分析2-模数据引用网络和基于共被引的1-模数据共现网络,对科学数据进行评价。研究的主要结论如下:1、总体来看,PLoS的数据引用行为越来越普遍。数据集出版商具有明显的马太效应即少数的数据集出版商发布了绝大多数的数据集。并且,数据集出版商发布的数据量越大,该出版商数据集被引频次越高。在142个数据集出版商中,GBIF是最核心的出版商。2、从网络结构角度评价科学数据具有必要性与有效性:2-模数据引用网络凸显的数据集并不在被引次数前十。3、数据集出版商ICPSR的数据集中介中心性较高,主题相关度较高,中介中心度较高的节点控制信息流动的能力较强。上述结论表明,将社会网络分析方法应用于科学数据的评价,可以呈现出数据引用复杂的网络结构,从而挖掘数据引用的深层价值。基于引用网络对科学数据进行评价,不仅拓展了传统的统计分析视角,还有利于完善科学数据评价体系,从而改进科学数据引用规范、激励数据生产者和数据管理机构分享更多优质可靠的数据,推动科学研究发展。