0 引言
科学计量学(scientometrics)是科学学的重要分支，是量化的科学学
[1-2]。自1966年苏联学者纳利莫夫在其论文中首次提出科学计量学(Наукометрия)一词以来
[3]，经过半个多世纪的传播与发展，该领域已经取得了显著的成就。通过调研不难发现，科学计量学的理论、方法或技术已经广泛地应用于科学学、科技政策学、智库科学与工程、科技评价以及领域情报态势感知等等领域。特别是过去十余年，在科学知识图谱研究热潮的促使下，科学计量学研究与应用已经扩散到各个领域，在一定程度上影响了科学共同体综述领域的方式。可以说，科学计量学在这一时期对科学研究起到了促进作用。当前，科学界对科学计量方法的应用热情仍然高涨，所发表论文的数量常年保持在较高的产出水平上。然而，大规模论文的产出对科学计量学学者从全局上认识该领域也带来了一定的挑战。因此，观察全球科学计量学的研究态势，认识科学计量学自身规律，无论对科学计量学的研究者还是其他学科的应用学者都有积极的意义。
以往不同学者对科学计量学的态势分析做了不同程度的尝试和探索。早在1988年，Bell的博士论文《科学计量学的趋势分析》
[4]，就对科学计量学研究概况进行了全面分析。我国科学计量学先驱赵红州先生和蒋国华先生
[5]也较早系统性地将国外科学计量学的起源与发展态势进行了梳理，为我国学者认识科学计量学的研究和发展提供了重要信息。在后来的研究中，马凤
[6]、侯海燕
[7]、李杰等
[2,8]从不同的维度或视角深入分析了科学计量学的研究与发展概况，为科学计量学的发展提供了有价值的参考。在以往学者研究和探索的基础上，本文拟进一步通过国际权威的Web of Science数据库，获取全球学者产出的科学计量论文数据，并基于科学计量学与知识图谱的方法对其进行系统的分析和挖掘，以呈现科学计量学的整体态势。
1 数据与方法
在领域的态势分析中，如何获取高质量的科学计量学文献数据集，是研究需要首要考虑的问题。为此，本研究首先对数据的采集策略进行了探索。按照领域核心文献信息的分布规律
[9]，可以认为科学计量学的论文数据应该包含“领域重要期刊的所有论文数据”及其“主题包含领域核心术语的论文”。然而，通过初步的检索发现，在Web of Science中，主题与科学计量学相关的论文多达34407篇，且大量的论文是来自科学计量学领域之外的实践应用(例如：近年来，在科学计量数据可视化的推动下，大量的案例研究论文发表在非科学计量学领域的期刊上)。为了获取最终的数据集，通过对检索结果的比对，确定通过以下3个方面来构建数据检索策略。1)数据集#1，发表在科学计量学领域旗舰期刊上自创刊以来的所有论文数据。采用的检索式为：(SO=(Scientometrics OR Journal of Informetrics OR Quantitative Science Studies)) AND FPY=1900-2023 AND DT=(Article OR Review)。2)数据集#2，采集来自Journal of the Association for Information Science and Technology(简称JASIST)研究主题与科学计量学相关的文献数据。检索式为：SO=(Journal of the Association for Information Science and Technology OR Journal of the American Society for Information Science and Technology OR Journal of the american society for information science) AND TS=(Scientometric* OR bibliometric* OR informetric* OR Altmetric*) AND FPY=1900-2023 AND DT=(Article OR Review)。3)数据集#3，采集研究主题与科学计量学相关，且属于“信息科学与图书馆学”的文献数据。检索式为TS=(Scientometric* OR bibliometric* OR informetric* OR Altmetric*) AND FPY=1900-2023 AND DT=(Article OR Review) AND WC= Information Science Library Science。应用于本研究的最终样本数据为数据集#1、#2和#3的并集，检索共得到12708篇论文(如
表1)。将数据导入到自主开发的SciExplorer平台中(SciExplorer可以通过
https://smartdata.las.ac.cn/SciExplorer/访问)，进行数据的预处理。进一步，使用VOSviewer
[10-11]对经过数据清洗的文献数据进行科学计量与知识图谱分析。
2 结果
2.1 研究产出的时间趋势
如
图1所示，本研究共获得了1969—2023年12708篇科学计量学论文数据。在数据集中，最早的文献是1969年Fairthorne
[12]发表在Journal of Documentation上的Empirical Hyperbolic Distributions (Bradford‐Zipf‐Mandelbrot) for Bibliometric Description and Prediction。从整体上来看，整个科学计量学的产出呈现了显著的增长态势。从增长的时间区间上来看，1969—2004年的增长较为缓慢，年产出论文在100篇附近。从科学计量学的发展历史来看，这一时期属于科学计量学的从“前科学”向“常规科学”过渡的阶段。该阶段学术共同体在逐渐形成，但整体规模仍然不大。理论探索性的工作仍为主导，缺乏大规模的实践应用。同时，用于进行科学计量学分析的数据库发展并不成熟，用户进行科学计量分析的数据和工具的发展也并不成熟。2004年之后，论文产出呈现了急剧的增长态势，用于进行科学计量学研究的数据库、工具、基础指标以及应用场景都取得了显著的成果。例如：2005年，h指数
[13]提出之后迅速成为科学计量学讨论和研究的热点，形成了一股研究h指数的热潮。这一阶段产生了一批重要的科学计量学工具，极大促进了科学计量学应用的拓展。例如：BibExcel、HistCite、CiteSpace以及VOSviewer等工具的应用已经开始普及。数据分析工具的发展不仅促使了科学计量学领域内成果的快速产出，同时科学计量学也逐渐扩展到其他领域的科学研究中。特别是2008年以后，“大数据”成为一种新兴的研究热点，“数据驱动的科研范式”为科学计量学带来了新的发展机遇，促进了科学计量学的进一步发展。然而，2019年科学计量学论文产出却呈现了显著的下降。通过对数据的探索性分析发现，形成这种问题的直接原因或与Scientometrics期刊当年的录用论文量急剧下降有直接关系(2019年《科学计量学》刊文数量比2018年减少了98篇)。后来，在疫情期间，科学计量学的研究论文产出又有了显著的增长。
2.2 研究产出的空间分布
科学计量学经过半个多世纪的发展，其研究已经遍布全球。统计发现，目前已经有112个国家或地区在WoS索引的出版物上发表了相关论文。从全球的整体产出分布来看，欧洲仍然是科学计量学的中心。这是因为，欧洲不仅参与科学计量学研究的国家或地区众多，同时这些国家或地区在产出和论文影响力上都表现不俗。在所有国家或地区中，发表论文超过200篇的有19个(如
表2)。其中，我国以发表1679篇排名第一，随后依次是美国(1645篇)、西班牙(1195篇)、印度(883篇)、英国(756篇)、德国(745篇)、巴西(691篇)、荷兰(607篇)、比利时(553篇)以及意大利(470篇)。从产出的时间特征上来看，我国、伊朗、巴西、俄罗斯以及意大利是近期最为活跃的论文产出地。从科学计量学的发展历史来看，我国学者在科学计量学领域的发文最早从1984年开始
[14]，参与到国际科学计量学学术共同体中的时间也比较晚，然而经过30余年的追赶，我国在发文量上已经超越美国跃居第一。从这些高产国家或地区论文的引文影响力来看，我国与美国、荷兰等国家还有显著的差距。具体表现在，虽然我国论文总产出和美国相当，但美国论文的总被引次数比我国高出了19348次，篇均被引则高出了12.17次。此外，与总被引次数处在相近水平的英国和西班牙相比，我国论文的体量是西班牙(被引30492次)的1.4倍，是英国的2.22倍。整体来看，我国毫无疑问已经成为国际科学计量学的产出大国。然而，从论文的引文影响力上来看，我国距离科学计量强国还有较大的差距。因此，在未来的科学计量学的发展中，我国的科学计量学研究需要从数量向质量过渡，积极探索科学计量学的原创性发现。在所有的高产国家或地区中，值得注意的是荷兰和匈牙利。其中，荷兰发表的论文虽然位居第八位，但其产出的论文整体具有最高的篇均引文影响力(篇均被引高达73.34次)。进一步的分析表明，荷兰的科学计量学论文主要由莱顿大学CWTS产出，该机构发表了数十篇高影响力论文(例如：VOSviewer软件、睡美人、王冠指数以及莱顿宣言等等)。
国际科学计量学的高产研究机构列表如
表3所示。在所有的机构中，比利时鲁汶大学、荷兰莱顿大学、西班牙格拉纳达大学、中国武汉大学以及德国马克斯·普朗克学会的产出表现突出，论文产出都在200篇以上。在这些核心机构中，中国大陆共有4所机构入选：分别为武汉大学、南京大学、大连理工大学以及中国科学院。在我国的高产机构中，中国科学院为国内知名的国立研究性机构，其下设了文献情报中心(北京、成都、武汉等等)，并凝聚中国科学院的相关科技情报研发力量与中国科学院大学合作创建了“信息资源管理系”。形成了服务于科研一线科学家的特色科学计量研究团队。在其他的3个高校中，武汉大学和南京大学无论在学科还是研究团队上，都名列前茅。科学计量学作为两高校“图情档学科”(现“信息资源管理”)的重要研究方向，发展势头迅速。与其他两个高校不同的是，大连理工大学科学计量学的兴起与“科学学与科技政策”专业密不可分。其发展主要得益于两个方面：其一，大连理工大学刘则渊教授较早地带领研究团队系统性研究和应用了科学计量学的新兴前沿领域“科学知识图谱”，该领域也成为该机构立足科学计量学的基础；其二，及时抓住了替代计量学的发展契机，使得在该科学计量学的新兴前沿下产生了大量的成果。总的来说，其快速的发展与紧跟科学计量学的研究前沿密不可分。从我国科学计量学研究机构的整体来看，中国科学院更加强调科学计量学对科学前沿实践的支撑，南京大学和武汉大学则立足“信息资源管理学科”从事基础研究和人才培养，大连理工大学是将科学计量学构建与科学学之上进行发展。
2.3 科学计量学核心学者
从论文产量和总被引频次两个维度识别了科学计量学领域的核心学者，结果如
表4和
图2。在产出维度上，有19位学者的发文总量累计超过了50篇。其中，发文超过100篇的达到了8位。在所有的学者中，来自德国马克斯·普朗克学会的Bornmann, Lutz位居第一位。随后依次为Thelwall, Mike、Glanzel, Wolfgang、Rousseau, Ronald以及Leydesdorff, Loet等等。在这些高产学者中，有超过一半(10位)学者曾经获得了科学计量学领域的最高奖——普赖斯奖。此外，高产学者中还包含了现任国际科学计量学与信息计量学学会主席Abramo, Giovanni、QSS的主编Lariviere, Vincent以及JOI的主编Huang, Mu-Hsuan等。在引文影响力维度上，来自荷兰莱顿大学CWTS的两位学者Waltman, Ludo和Van Eck, Nees Jan的总被引都超过了1万次，显著高于其他学者。通过对他们的论文分析不难发现，两位学者具有高引文影响力的直接原因为VOSviewer工具的研发。例如：样本数据中，被引频次超过1000次的论文中就有3篇论文是关于VOSviewer
[11,15-16]，且这3篇论文贡献的被引频次高达10770次。此外，在高被引学者中，还包含了SCIMAT的开发者(Cobo, M. J等)和CiteSpace的开发者(Chen, Chaomei)。同样地，在高被引学者的群体中，也包含了10位普赖斯奖获得者。比较发现，Braun, T出现在了高产作者的行列，但未出现在高被引作者中。相反，Waltman, Ludo属于高被引作者，但不属于高产学者。除此之外，还有五位学者同时出现在了高被引和高产学者的名单中，他们为Abramo, Giovanni(意大利国家研究委员会)、D'angelo, Ciriaco Andrea(意大利罗马第二大学)、Lariviere, Vincent(蒙特利尔大学)、Ho, Yuh-Shan(亚洲大学)以及Van Leeuwen, Thed N(荷兰莱顿大学)。值得关注的是，Ho, Yuh-Shan来自亚洲大学，主要的研究和专业背景属于环境科学与技术，他依托科学计量学的技术与方法做了大量在环境科学领域的案例研究工作。最后，这些高产和高影响力学者中，或许在不久的将来会产生多位普赖斯奖获得者。
2.4 研究热点与趋势分析
对科学计量学关键词词频分析的结果显示，排名前20的关键词依次为：文献计量学(bibliometrics，2620次)、引文分析(citation analysis，1188次)、科学计量学(scientometrics，937次)、替代计量学(altmetrics，449次)、WOS数据库(web of science，429次)、作者合作(co-authorship，416次)、h指数(h-index，412次)、研究评估(research evaluation，377次)、影响因子(impact factor，326次)、scopus(scopus，286次)、社交网络分析(social network analysis，277次)、科学生产(scientific production，231次)、文献计量指标(bibliometric indicators，221次)、专利分析(patents analysis，193次)、开放获取(open access，190次)、大学(universities，174次)、科学合作(scientific collaboration，171次)、信息计量学(informetrics，151次)、同行评审(peer review，151次)、网络分析(network analysis，148次)以及出版物(publications，148次)等等。这些高频关键词共同形成了领域的基础术语，即当前科学计量学的研究是在这些主题语境下进行的。
通过主题的聚类分析发现，这些关键词在“共现”机制下形成了6个不同的主题群，如
图3和
表5所示。综合各个聚类中的高频主题词，将主题聚类依次命名为：“#1科研合作、专利与创新、跨学科研究以及主题建模”“#2 科学计量学与知识图谱”“#3 基于引文的影响力测度”“#4 替代计量学、开放获取与学术交流”“#5 科研评价与绩效评估”以及“#6 科学计量数据库”。进一步从时间趋势上对该主题群进行分析的结果表明(
图4)：聚类#4和聚类#1中的部分主题是近年关注的热点。聚类#4的主题趋势显示，替代计量学已经成为科学计量学研究的有机组成部分，且近期在“大流行”、COVID-19、开放科学、Altmetric 分数、掠夺性期刊、社交媒体指标、预印本、研究数据以及开放数据等方面关注较多。在聚类#1中，近期新兴的主题则关注“颠覆性”、BERT、引文推荐、区块链、深度学习、科学学、词嵌入、人工智能、团队科学以及新颖性研究。相比而言，具有高引文影响力的主题则主要集中在科技文献数据库和经典科学计量方法的应用研究上(
图5)。在聚类#2中，高影响力论文主题涉及文献计量图谱、科学图谱、可视化分析、VOSviewer、文献耦合、知识结构、CiteSpace、映射、尤金·加菲尔德、领域分析、共被引分析、翻倍时间(Doubling Time)、战略坐标图以及共词分析等方面。在聚类#6中，高影响力的主题论文则为数据覆盖范围、文献数据库、学术搜索引擎、引文数据库、微软学术、Dimensions数据库、引文索引、Crossref数据库、谷歌学术、学者身份识别码ORCID、Scopus数据库、书籍以及Web of Science数据库等等，这与2016年以后发表的多篇高被引数据库研究论文关系密切
[17-20]。
2.5 引文分布与引证经典
2.5.1 施引文献的引文分布
1.2万余篇论文被引频次的分析结果如
图6所示。结果显示，该组论文的总被引次数为320199次，篇均被引25.25次，h指数为188。这表明，科学计量学领域产出的论文在整体上具有高的引文影响力。在统计分布维度上，被引频次呈现了显著的不平衡，即仅仅有少量论文获得了更多的引证次数。
图6(a)论文被引频次的占比累积分布显示，被引次数不大于10次的论文占比达到了论文总量的53.17%，被引频次不大于100次的论文占比则高达96.25%。在所有文献中，被引不小于1000次的论文占比仅仅为0.12%。进一步从单篇论文视角对论文的引证分布统计分析发现(论文按照被引频次降序排列，y轴为论文的累积被引次数)：被引次数不小于100次的论文累积的被引次数占比达到40.53%，被引次数不小于1000次的15篇论文则贡献9.76%的引证份额。时间维度的被引分布显示，在2010年和2017年明显出现了两个峰值。从累积的被引次数来看，2010年的论文总被引达到了26130次，占被引总量的8.16%。通过对数据的进一步分析，可以看出，在2010年的论文中，被引频次超过1000次的论文有3篇
[11,15,21]。其中，VOSviewer
[11]的论文被引次数达到8546次，为整体贡献了2.67%的引证次数，为2010年贡献了32.71%的引证次数。2017年的论文总被引达到20752次，占比6.48%。在该年的论文中，同样出现了3篇被引频次超过1000次的论文，且从研究主题上来看都是关于科学知识图谱工具的研究论文
[16,22-23]。其中，Aria等
[22]基于R语言开发的bibliometrix论文，被引频次高达4504次。
在被引文献引证分布分析基础上，进一步关注了该组文献的零被引论文。结果显示：该组有零被引论文1155篇，占比为9.11%。发表时间最早的零被引论文有两篇，都出现在1978年，题目分别为《跨越语言障碍：科学和技术期刊文献的翻译-基于文献计量学标准的可预测性测试》
[24]和《跨学科性测量——科学计量学模型》
[25]，且都发表在Proceedings of the American Society for Information Science上。从零被引论文的占比分布来看，1978年和1999年出现了两个显著的峰值，且在这个时间段中出现了一段零被引论文整体占比较高的时期。2019—2023年，零被引论文持续上升，依次为7%(2019年)、8%(2020年)、12%(2021年)、22%(2022年)以及39%(2023年)。对于近期零被引论文占比上升的问题，这与论文发表之后引文的累积效应直接相关。对于早期出现较多的零被引论文而言，其背后的原因则较为复杂。例如，科学计量学领域跨学科研究曾经一度火热，《跨学科性测量——科学计量学模型》却没有被研究人员关注到(该文在Google Scholar中被引也为0次)。
2.5.2 经典文献的引文聚类
在对施引文献被引频次分布分析的基础上，进一步提取了施引文献的参考文献，构建了所引用的经典文献共被引网络(提取了被引频次不小于50次的567篇文献)，结果如
图7所示。分析结果表明：在过去半个世纪，被引超过200次的经典文献有44篇，这些文献在科学计量学的研究中发挥了重要的作用(
表6)。从文献聚类视角来看，所引用的经典文献主要来自6个方向(
图8)，依次为：“#1 科学知识网络图谱(红)”“#2 引文影响力测度(绿)”“#3 科学计量学理论基础(蓝色)”“#4科研合作分析(黄色)”“#5 h指数及其衍生指标(紫色)”以及“#6 替代计量学(青蓝色)”。从经典文献的时间趋势来看(如
图9)，“替代计量学”、“h指数及其衍生指标”和“科学知识图谱”属于较为新近的研究。不难观察到，在“科学知识网络图谱”中，以Small H(提出了文献的共被引)、Kessler MM(提出了文献耦合分析)、White HD(作者的共被引分析)、Callon M(提出了共词分析)、Blei DM(提出了LDA主题分析方法)等为代表，这些成果为该领域的发展提供了坚实的基础理论和方法。在这些理论与方法的支撑下，以Chaomei Chen(开发了CiteSpace)、Van Eck NJ(开发了SCIMAT)、Cobo MJ(开发了SCIMAT)、Boyack KW(SCI2的研发)、Borner K(SCI2的研发)、Persson O(开发了BibExcel)以及 Leydesdorff L(计量工具箱)为代表开发了系列科学计量数据可视化工具。
科学计量学相关实证研究已经表明，学科领域的重要论文通常都发表在领域内的“核心期刊”上。进一步对经典文献的来源出版物进行了分析，结果显示，发表了不小于5篇高影响力论文的出版物有《科学计量学》(Scientometrics，134篇)、《美国信息科学与技术学会会刊》(J Am Soc Inf Sci Tec，103篇)、《信息计量学学报》(J Informetr，46篇)、《研究政策》(Res Policy，23篇)、《科学》(Science，17篇)、《自然》(Nature，17篇)、《美国国家科学院院刊》(P Natl Acad Sci USA，12篇)、《社会研究科学》(Soc Stud Sci，10篇)、《信息科学年鉴》(Annu Rev Inform Sci，8篇)、《信息过程管理》(Inform Process Manag，8篇)、PLOS ONE(8篇)、《信息科学》(J Inform Sci，8篇)、《美国社会学评论》(Am Sociol Rev，7篇)以及《文献学》(J Doc，5篇)。其中，科学计量学三大期刊的经典文献数量累计达到283篇，占比49.82%(即当前网络中有一半文献发表在科学计量学的重要刊物上)。进一步将这些代表期刊在文献共被引网络上的分布进行了叠加分析，如
图10所示。结果显示，发表在Scientometrics、JOI和JASIST上的经典成果在整体网上分布广泛，遍布各个聚类。同时，进一步对国际重要期刊(这里特指Nature、Science和PNAS)上发表的相关文献进行了叠加分析(
图11)，不难发现所识别的这些文献在科学计量学研究和实践中具有突出贡献，促进或推进了科学计量学的基础研究或前沿应用。
3 总结与讨论
本研究对来自Web of Science核心合集的1.2万余篇科学计量学论文进行了分析，从多维度梳理了科学计量学的发展态势。研究表明，经过半个多世纪的发展，科学计量学已经取得了瞩目的发展成就。自1969年以来，全球科学计量学持续保持活力，在产出上呈现了显著的增长态势和研究活力。同时，全球的科学计量学学术共同体已经形成，且分布广泛。当然，我们还需要注意的是，科学计量学的核心产出和影响力还仅仅集中在少数国家或地区。发展中国家近年来的产出态势增长显著，但与欧美核心国家或地区相比，在影响力上还存在较大差距。当前，科学计量学的研究已经形成了若干的重要主题方向，这也表明了科学计量学自身“术语体系”和“知识体系”的形成。引文分析更是呈现了一批具有显著代表性的研究成果，这些研究成果在一定程度上“塑造”了所处时代科学计量学的研究前沿与热点。
本文属于宏观和中观视角的计量态势观察，未来需要进一步深入分析和挖掘局部科学计量学研究主题的特征。对于此类科技文献数据分析而言，宏观性的分析往往呈现了学科领域中“耳熟能详”的结果。之所以如此，是因为经过长期的发展沉淀，这些机构、作者、关键词或者文献数量已经初具规模，并成为领域知识体系的重要组成部分。当然，这种系统性的梳理，对科学计量学者从全局上把握领域的研究格局仍是有益的。此外，那些经过长期积淀的研究，宏观分析往往会将一些尚未形成一定规模的新兴研究主题或共同体信息淹没。因此，要了解新兴的态势，除了关注近期重要的科研成果和活跃的学者之外，更多还需要结合专家调研来认识领域的发展态势。最后，虽然有这种影响存在，我们也观察到一些具有时代发展需求的新兴领域会迅速形成规模，并不会被以往研究的累积优势而被淹没(例如，科学知识图谱、人工智能应用以及替代计量学的兴起等等)。
PDF
(10661KB)
