论文部分内容阅读
目的:
研究生物医学论文在网络中的关注度,有助于提升论文的扩散效率,让更多的人获得、认识、理解和受惠于医学知识,最终实现生物医学论文的价值。目前,社交媒体已经成为生物医学论文扩散的主要途径。Altmetrics数据为论文在网络中的交流传播提供了一种新的研究思路。本文旨在探索生物医学论文在社交网络中的关注特征和关注度的影响因素,丰富生物医学论文网络扩散的理论,为论文获得更多的网络关注度提供指导。
方法:
本文以2016年12月到2017年5月发表在PLOS上的8322篇生物医学论文连续200天的Altmetrics数据和其题录信息为数据。运用Python程序语言、R语言、SPSS和Tableau工具分析生物医学论文在网络中的关注特征和关注度的影响因素。关注特征主要是运用Python自编程序和Spearman双变量相关分析的方法从访问量分布特征、访问量变化趋势、覆盖率变化趋势、单日访问量、关注度相关性5个角度进行分析。关注度的影响因素主要是运用特征分数和尺度(CSS)、词频-逆文档频率(TF-IDF)和Kruskal-Wallis检验方法从论文的研究主题、参与主体和外在特征3个角度进行分析。其中,论文的参与主体是指来源国家/地区、来源机构和作者影响力,论文外在特征是指来源期刊影响因子、参考文献数、页数和标题词数。
结果:
(1)生物医学论文在网络中的关注特征呈现如下结果:
①生物医学论文在Counter、Mendeley、Twitter和PMC四种媒介上的关注度悬殊较大,且关注度服从幂律或长尾分布。②在Twitter、Mendeley和Counter三种媒介上,生物医学论文的访问量呈现初期增长较快,后期逐渐减缓的趋势且生物医学论文的访问量低于非生物医学论文。在PMC上,生物医学论文的访问量呈现出前期零增长,后期持续快速增长的趋势且生物医学论文的访问量高于非生物医学论文。③生物医学论文在不同的媒介上覆盖率增长趋势各不相同。在Mendeley媒介上,论文覆盖率初期较低,后期随论文发表时间的增长而持续增长。在Twitter媒介上,论文覆盖率初期较高,后期基本保持不变。④论文发表后第3天是扩散的高峰期,33.85%的生物医学论文在发表后第三天达到单日访问量最大值。论文发表后一周是扩散的黄金期,57.28%的生物医学论文在发表后一周内达到单日访问量最大值。⑤生物医学论文初期的扩散与后期的扩散有较强的相关性。论文初期的扩散基本奠定了论文最终的扩散。
(2)生物医学论文网络关注度影响因素分析结果如下:
论文研究主题得到:生物医学论文的研究主题会影响论文在网络中的关注度。研究主题与人类健康迫切相关的论文得到了高的网络关注度,如传染性病毒。
论文参与主体得到:①生物医学论文的来源国家/地区会影响论文在网络中的关注度。欧洲和北美洲的国家的论文获得普遍较高的网络关注度。②生物医学论文的来源机构会影响论文在网络中的关注度。机构的知名度越高,论文越容易获得高的网络关注度。③生物医学论文作者的学术影响力不影响论文在网络中的关注度。高学术影响力作者的论文与低学术影响力作者的论文在网络中的关注度不存在显著差异。
论文外在特征得到:①生物医学论文所在期刊的影响因子会影响论文在网络中的关注度。论文所在期刊的影响因子越高,论文越有可能获得高的网络关注度。②生物医学论文参考文献数、页数和标题词数均会影响论文在网络中的关注度。拥有较多的参考文献数、页数和较少的标题词数的论文更容易获得高的网络关注度。
结论:
研究为科研学者揭示了生物医学论文在社交网络中的关注特征和关注度的影响因素,丰富了论文在网络中扩散的理论,为生物医学论文获得更高的网络关注度提供指导。期望研究结果能帮助医学科研学者有效地提高研究成果在网络中的扩散,推动科研成果的全球交流传播。
研究生物医学论文在网络中的关注度,有助于提升论文的扩散效率,让更多的人获得、认识、理解和受惠于医学知识,最终实现生物医学论文的价值。目前,社交媒体已经成为生物医学论文扩散的主要途径。Altmetrics数据为论文在网络中的交流传播提供了一种新的研究思路。本文旨在探索生物医学论文在社交网络中的关注特征和关注度的影响因素,丰富生物医学论文网络扩散的理论,为论文获得更多的网络关注度提供指导。
方法:
本文以2016年12月到2017年5月发表在PLOS上的8322篇生物医学论文连续200天的Altmetrics数据和其题录信息为数据。运用Python程序语言、R语言、SPSS和Tableau工具分析生物医学论文在网络中的关注特征和关注度的影响因素。关注特征主要是运用Python自编程序和Spearman双变量相关分析的方法从访问量分布特征、访问量变化趋势、覆盖率变化趋势、单日访问量、关注度相关性5个角度进行分析。关注度的影响因素主要是运用特征分数和尺度(CSS)、词频-逆文档频率(TF-IDF)和Kruskal-Wallis检验方法从论文的研究主题、参与主体和外在特征3个角度进行分析。其中,论文的参与主体是指来源国家/地区、来源机构和作者影响力,论文外在特征是指来源期刊影响因子、参考文献数、页数和标题词数。
结果:
(1)生物医学论文在网络中的关注特征呈现如下结果:
①生物医学论文在Counter、Mendeley、Twitter和PMC四种媒介上的关注度悬殊较大,且关注度服从幂律或长尾分布。②在Twitter、Mendeley和Counter三种媒介上,生物医学论文的访问量呈现初期增长较快,后期逐渐减缓的趋势且生物医学论文的访问量低于非生物医学论文。在PMC上,生物医学论文的访问量呈现出前期零增长,后期持续快速增长的趋势且生物医学论文的访问量高于非生物医学论文。③生物医学论文在不同的媒介上覆盖率增长趋势各不相同。在Mendeley媒介上,论文覆盖率初期较低,后期随论文发表时间的增长而持续增长。在Twitter媒介上,论文覆盖率初期较高,后期基本保持不变。④论文发表后第3天是扩散的高峰期,33.85%的生物医学论文在发表后第三天达到单日访问量最大值。论文发表后一周是扩散的黄金期,57.28%的生物医学论文在发表后一周内达到单日访问量最大值。⑤生物医学论文初期的扩散与后期的扩散有较强的相关性。论文初期的扩散基本奠定了论文最终的扩散。
(2)生物医学论文网络关注度影响因素分析结果如下:
论文研究主题得到:生物医学论文的研究主题会影响论文在网络中的关注度。研究主题与人类健康迫切相关的论文得到了高的网络关注度,如传染性病毒。
论文参与主体得到:①生物医学论文的来源国家/地区会影响论文在网络中的关注度。欧洲和北美洲的国家的论文获得普遍较高的网络关注度。②生物医学论文的来源机构会影响论文在网络中的关注度。机构的知名度越高,论文越容易获得高的网络关注度。③生物医学论文作者的学术影响力不影响论文在网络中的关注度。高学术影响力作者的论文与低学术影响力作者的论文在网络中的关注度不存在显著差异。
论文外在特征得到:①生物医学论文所在期刊的影响因子会影响论文在网络中的关注度。论文所在期刊的影响因子越高,论文越有可能获得高的网络关注度。②生物医学论文参考文献数、页数和标题词数均会影响论文在网络中的关注度。拥有较多的参考文献数、页数和较少的标题词数的论文更容易获得高的网络关注度。
结论:
研究为科研学者揭示了生物医学论文在社交网络中的关注特征和关注度的影响因素,丰富了论文在网络中扩散的理论,为生物医学论文获得更高的网络关注度提供指导。期望研究结果能帮助医学科研学者有效地提高研究成果在网络中的扩散,推动科研成果的全球交流传播。