Altmetrics视角下数字期刊利用统计指标框架构建

刘 丹 刘烜贞

(南京医科大学图书馆，江苏 南京 210029)

学术期刊是科研工作者迅速了解当前研究进展和学术前沿的阵地，对其利用数据进行计量评价，可以从最终用户的角度出发，客观表征学术期刊的利用情况，为期刊评价的研究与实践提供客观的数据支撑，还可以为整个期刊链的决策提供参考，有助于图书馆动态维护期刊馆藏、数据商调整运营策略、科研人员选刊投稿，以及科研资助机构优化资源配置和科研管理策略。随着数字环境下学术期刊数量的急剧增长及利用形式的多样化、网络化，传统以引文测度为主导的期刊利用统计体系，已不足以客观反映数字环境下的期刊利用情况，而新型计量学理论Altmetrics的兴起，为期刊利用统计提供了新视角。

梳理国内外相关研究可以发现，有关数字资源利用统计的研究已逐渐引起学界重视，但主要围绕资源整体，鲜见针对数字期刊这类具体资源统计的深入研究：国外研究者对数字资源利用统计问题关注较早，并以行业组织支持的科研项目居多，如E-Metrics[1]、ISO 2789[2]、NISO Z39.7[3]等，尤以COUNTER[4]项目为代表，其专门发布了针对数字期刊的在线利用统计规范；由于我国相关统计规范的缺乏，国内学者胡燕菘[5]、李菊梅[6]在研究当中更倾向于对比介绍国外的现有标准，其中数字期刊类型更为少见，如蔡箐探讨了电子期刊使用数据统计的标准化问题[7]。而有关期刊利用统计的研究多停留在传统引文测度，在线利用统计指标的研究虽初见端倪但尚不多见：Ian Rowlands与David Nicholas提出应重视期刊的在线使用计量，并就期刊“使用因子”、“使用半衰期”、“使用即年指数”等相关指标展开讨论[8]；刘雪立对期刊被引半衰期的概念进行移植，延伸出期刊“下载量半衰期”并揭示其计量学意义[9]；当前，基于网络数据的新兴计量学Altmetrics的研究雨后春笋般日渐增多，而考虑到全球下载数据的缺乏，Stefanie Haustein与Tobias Siebenlist大胆借用“Altmetrics”的理念，提出将“社会书签数”应用于期刊利用统计，代表期刊的阅读率、利用率，这也是首篇将Altmetrics理念用于期刊利用统计的文章[10]。本文借鉴国内外已有研究与实践成果，扎根本国现状，提出一套适用于我国数字期刊的利用统计指标框架。

1 国内外数字期刊利用统计实践

1.1 国外数字期刊利用统计情况

国外的学术期刊利用统计实践，可以追溯至20世纪70年代，此后，基于期刊被引频次的利用统计方式，逐渐取得期刊界共识并得以推广，随着引文索引数据库的建立，以“影响因子”为代表的期刊被引指标，已建立起了期刊利用统计方面的全球信誉。步入数字化时代之后，学术期刊主要由Wiley、EBSCO、Elsevier等影响力较大的出版商、数据库商进行评价，且以英美等为代表的国家，大多加入了COUNTER等数字资源在线使用评价项目。笔者对具有代表性的最佳项目实践及其期刊在线利用指标做一梳理，见表1。其中，COUNTER项目所制定的在线利用统计规范，得到了国际上最广泛认可，其要求数据库商必须遵循该规范统计数字期刊“在线使用总量”，并与英国期刊协会于2007年立项，联合提出了新指标“期刊使用因子(Journal Usage Impact Factor，简称JUF)”。

表1 国外数字期刊利用统计项目实践及指标一览表

1.2 国内数字期刊利用统计现状及问题

我国针对数字期刊的利用统计实践起步较晚，当前评价主体主要是各期刊数据商，至今尚未形成受期刊界或图书馆单位广泛认可的期刊利用统计规范。为了解当前我国数字期刊利用统计现状，笔者通过文献资料查询，网络、电话调查及在线咨询等方式，重点对CNKI(中国学术期刊电子杂志社与清华同方技术有限公司主办)、万方数据(北京万方数据股份有限公司主办)、维普资讯(重庆维普资讯有限公司主办)我国3大期刊全文数据库商的评价现况进行调查，见表2。

表2 我国三大期刊全文数据库商数字期刊利用统计情况一览表

曾承担过传统期刊利用统计工作的图书馆等文献机构，只有少部分如西安交通大学图书馆自行设计数字资源访问系统进行统计[14]，如今普遍因技术条件壁垒等因素，较难实现期刊在线利用数据的规范统计，所需数据大多依赖数据库商。

比较国内外学术期刊利用统计实践可以发现，二者的共同特点是：长期以来，都存在过度强调被引指标的情况。相比之下，对于学术期刊的利用统计，国外在实践中虽然不尽统一，但随着各统计项目及其所制定规范的陆续推出，尤其是在COUNTER项目进一步发展之后，现已相对成熟，相关研究与实践都领先于国内，对于我国具有很好的借鉴意义，反观国内现状则显得相形见绌，在具体的利用统计实践中，利益相关者过度依赖被引指标，且因数据商为代表的评价主体缺乏合作，导致数字环境下的期刊利用指标过于单一、缺乏规范性。

2 在数字期刊利用统计中引入Altmetrics

Jason Priem等于2010年首次发出有关Altmetrics的倡议时，将其定义为“基于社会网络文献的使用以及科研交流活动测度的新兴计量学”，认为网络计量学是基于Web1.0的计量学，而Altmetrics是Scientometrics2.0[15]。不同研究者对Altmetrics有不同的翻译与理解：有学者认为可以将Alternative与Metrics合并译作“另类文献计量学”；也有学者基于“Alt”词根的“替代”含义将其翻译为“替代计量学”[16]抑或“补充计量学”[17]、“选择性计量学”[18]，比利时信息计量学家鲁索和叶鹰教授则在《科学通报》(英文版)中提出将其改为“Web-based Social Influmetrics(基于网络的社交影响计量学)”意义更明确[19]，这也与国内学者武夷山所理解的“社媒影响计量学”[20]不谋而合，此外，陈铭通过考察Web2.0的词根内涵，认为可以将其译作“网络补充计量学”[21]，考虑到Altmetrics仍处在发展上升期，目前尚未有规范的中文译名，故本文保留其英文名称，且本文中强调其对期刊文章等学术成果各类利用形式的全方位测度，固倾向Altmetrics广义涵义，还有补充之意。

Altmetrics的实质，是将在线学术交流数据都纳入计量范围，它的潜在优势，是可以在某种程度上弥补传统引文计量法的局限，且适用于论文、期刊、数据集等多种科研成果的在线利用计量[22]，强调综合各个来源的相关数据，除了传统的获取渠道，还可以收集社会网络媒介中的利用数据，其中，社会化媒体平台作为提供Altmetrics数据的核心角色，也是本文中数字期刊利用指标的数据来源之一。Altmetrics除了可以测度期刊单篇期刊文章，运用于其母体学术期刊也具有可行性：

从评价对象看，Altmetrics诞生之初更多运用于单篇文章，而在这些被计量的文章中，有相当一部分都出自于公开发表的期刊，作为这些文章的集合和母体，期刊同样可以参照相应的利用统计指标。期刊作为独立存在的事物，不仅仅是文章的简单集合体，因此相同指标用于两者分别具有不同意义，在具体实践中，Altmetric.com[23]提供的数据追踪工具Altmetric Explorer，是当前被数据商采纳度最高的工具，也是提供期刊层级相关数据的代表性工具。其期刊层级利用指标综合指数如图1，Wiley、Elsevier等数据库商纷纷在其数据库集成期刊添加了该工具图标，其提供的指标“Altmetric Score(综合得分)”，按论文层级汇聚了多个数据源的相关数据并根据权重计算最终得分，再按照期刊层级汇集，主要分为“期刊文章被提及总量”、“Score总量”、“Score中位数”3种形式。

图1 Altmetric.com期刊层级利用综合得分样例图

从评价角度看，Altmetrics的评价初衷是测度研究成果的影响力，而事实上，其测度的更是一种成果的利用数据，利用数据也可以一定程度地反映成果影响力。Altmetrics打破了“下载与引用”的二元模式，将提及、发帖、分享、评论等都纳入了计量范围。

3 Altmetrics视角下数字期刊利用统计指标框架构建

3.1 指标遴选依据

在Altmetrics理念指导下，以传统被引指标框架为标杆参照，依据国内外研究与实践项目成果，多类型多角度地遴选客观反映我国学术期刊利用情况的指标，并进行本土化改造用以构建指标框架。指标的划分依据如下：

3.1.1 利用类型划分——以Altmetrics工具分类为参照

期刊利用，指的是用户借助传统或现代的各种获取渠道，经手工、计算机检索等手段获取纸质、数字化期刊，进而通过信息浏览、知识吸收等过程的实践过程[24]。“利用”与“使用”在我国意义相近，都是指出于某种目的利于发挥效用的服务，而在国外有关期刊利用的文献中统称为“Usage”，其广义的理解就是“利用/使用”，狭义的理解即“在线使用(Online Usage，包含对数字期刊文章的浏览、下载等在线使用行为)”，有时存在混用现象，本文厘清两者概念，将“Usage”视为广义“利用”，包含数字环境下的“在线使用(Online Usage)”。

Altmetrics视角下，用户对于期刊的利用方式已不局限于传统“引用”，也不拘泥于“下载”等原始的在线使用行为，它开掘出更丰富的利用分类，因此，利用统计指标类型的选取，主要基于Altmetric.com、PlumX、ImpactStory、PLOS等较为成熟的Altmetrics工具对各类利用平台中用户的利用行为、印迹及其表征指标类型的划分。

国内学者宋丽萍运用PCA(主成分分析法)在期刊论文层级将PLOS在广义Altmetric视域下的指标，分成了3个维度：“引用维”、“利用(即在线使用)维”、“共享维”[25]。Plum X研究人员在对Altmetric的广义理解之上，将各种用户利用类型分为“引用、在线使用、获取、关注提及和社交媒体发布”。

其中，“在线使用(Online Usage)”作为多项实践与研究的重合部分，已经成为数字期刊利用的重要形式，用户通过这种方式对期刊文章进行前期使用，受到启迪后再决定后期是否施引。本文需要强调的是，依照COUNTER规范(第4版)[26]，其包含下载、全文浏览、电邮、打印等用户对期刊每种格式全文文章向数据库商服务器日志发出成功请求的使用行为，而不仅仅只是对“下载”次数进行统计。

实际上，在Plum X分类中，后三者的集合，正是用户在Web2.0环境下各类社交媒介、社会网络中对学术成果利用行为的归纳总结，这与Rousseau R、Ye F Y、Haustein S、武夷山[27-29]等学者有关Altmetrics的狭义理解相对应，本文取其狭义“社媒影响计量学”之意，将相应指标统称为“社媒影响指标”。相比下载等在线使用行为，用户关于某篇期刊文章在Twitter等社交媒体中发博，再通过触发分享按钮进行分享，是经过个人的阅读、知识内化、选择过滤，再通过个人账户在公开社媒平台中，做出分享、评论等利用决策的行为，融入了个人声誉、时间和精力成本。Altmetric.com、PlumX、ImpactStory、PLOS这4类工具，对相应指标的划分、称谓及数据来源限定各有交叉与不同，可以总结为在线合作注释系统(如CiteULike等社会化书签网站、Mendeley等在线参考文献管理软件)中的“书签数”；微博(如Twitter)及博客(Nature Blogs)的“分享数”、“评论数”；社交网站(Facebook)的“点赞数”，这在Altmetric.com中统称为“提及数”，其他的数据源还包括百科(如Wiki)、视频(如Youtube)、社交媒体报道(如Reddit)等。

在学术交流模式日新月异的变革下，我国数字期刊在社媒平台中的实际利用情况，已经使得社媒影响指标具备了统计条件，受国外相应指标统计实践的启发，可以选取代表性的指标类比至我国，并进行本土化改造。笔者利用网站调研及网络爬虫，以计算机工程、生物医药、图书情报类等学科期刊为例，抽样抓取及站内搜索相应数据，将国内主要的数字期刊社媒影响数据来源及其数据可获取情况进行汇总，见表3。

表3 我国数字期刊社媒影响数据可获取情况

注：表中▼代表期刊层级社媒影响数据相对可观；▲代表期刊层级社媒影响数据相对稀疏或缺失；▽代表社媒影响数据可获取；△代表社媒影响数据尚难评价。

经笔者初步调研发现，国内大多数社交网络及在线学术交流平台中的社媒影响数据量较为稀疏或暂未开放数据接口，规模性评价难度较大，如国内最大的华人学术交流平台“科学网”，每日发布大量学术博客，但实际上该平台期刊层级的社媒影响数据实际积累量与分布却并不可观。而Sina Weibo(新浪微博)在国内的社交影响力与传播力首屈一指，再加上各数据库商及在线文档分享平台纷纷在主页设置其分享按钮，且在2014年4月7日，Altmetric.com也宣布与我国Sina Weibo开展合作。综合来看，它是国内当前社媒影响数据积累量最可观的社交媒体平台，图2展示了Sina Weibo中以《大学图书馆学报》期刊文章为例的相关博文。本文主要选取Sina Weibo平台中的相应指标，作为我国数字期刊的代表性社媒影响指标。经笔者调研统计，现阶段我国Sina Weibo平台中，相比其他平台的“评论数”、“点赞数”，“发博数”的积累量最可观，且类比相同类型数据源Twitter(推特)中的社媒影响指标“Tweets(推文量)”，选取包含转发、提及等利用形式的“发博数”指标，最具现实意义。

3.1.2 利用角度划分——以“被引指标框架”为标杆

无论是传统印本期刊还是数字环境下的复合型期刊，作者用户对于学术期刊的正式引用行为，都是对期刊内容进行吸收、内化到最终体现为学术成果的一种深度利用，以“影响因子”为代表的传统期刊“被引指标框架”，被长期用于表征各类载体的学术期刊利用情况，已得到图书情报工作者和科研人员的广泛认可。国内外有关被引指标评价原理的研究讨论已颇为丰富，部分指标因设计评价目的不同，被不同程度地融入了学术质量、出版年限等其他要素，如h指数、Snip及其他修正衍生指标等。本文以国内外通用的被引指标框架作为标杆和依据，从不同角度对表征期刊利用价值的指标加以遴选，见表4。

图2 Sina Weibo中《大学图书馆学报》期刊文章的博文样例

表4 学术期刊被引指标框架标杆

表4以传统期刊被引指标框架为依据，从“总量”、“均值”和“老化速率”3个最常见的角度进行划分。数字环境下，在线使用产生的数据积累量已远超被引数据，足以从不同利用角度进行指标的移植，而因数据积累量和年度分布的问题，国内期刊的社媒影响指标，尚不足以形成表征短期利用率的即年均值指标及表征老化速率的半衰期指标[30]。

3.2 指标框架构建

在上述指标遴选基础上，依据合理性、可比性、可行性的指标框架构建原则，本文提出一套适于我国数字期刊的利用统计指标框架，见表5。

表5 我国学术期刊利用统计指标框架

尽管在数字技术和新媒体浪潮的席卷下，脱胎于旧媒介的学术期刊发展迅猛，但受到人们阅读习惯制约，传统印本期刊式微与否尚未定论，可以预见，在相当长的时期内学术期刊都会以复合载体形态共生共存。因此，广义Altmetrics视域下的国内学术期刊利用统计指标框架，是对传统被引指标框架的补充，应包含被引指标，其他组成部分介绍如下：

3.2.1在线使用指标

1)在线使用总量

用户在某时间窗内对某期刊所有在线出版文章的在线使用总量(即成功请求总量)，通常时间窗为统计当年。期刊在线使用总量，是当前国内外研究与实践中应用最多的在线使用指标，该指标数值越大，代表最终用户对期刊的使用量越大。针对同一期刊比较不同数据商提供的该指标数据，可以了解用户对期刊获取途径的选择倾向；纵向对比同一期刊不同时段的数据，可以预测用户的使用趋势，而横向对比不同期刊在同一时期内的数据，可以大致了解各刊的使用量，针对使用量少的期刊，图书馆等机构用户，可以综合印本期刊等因素决定停购数字期刊抑或通过其他方式提高期刊使用率。

2)使用因子

期刊使用因子(Journal Usage Factor，此处简称JUF)，按照COUNTER定义，即用户在某时间窗内对另一时间窗内期刊所有在线出版文章的在线使用总量与后一时间窗内期刊所有在线出版文章总量之比[31]。鉴于当前我国数字期刊的在线使用数据现状，尚难按照CIBER[32]单篇文章级别精确评价中位数，采取算数平均值算法，可将当前我国数字期刊的JUF计算公式统一为：

该指标对图书馆等文献服务机构的相关业务具有重要的指导意义，调查显示它在影响图书馆等单位的期刊采购决策方面，排名第2，甚至排在影响因子之前，各馆可以结合采购经费、期刊被引情况等多方因素，决定各刊的订购、停购、与印刷型期刊的结合订购等。其相比影响因子，使用因子反应即时、没有时间间隔，可包含评价当年的数据，同样适用于新刊，当前不少文章作者、出版者、科研资助机构都非常认可，认为其可以遏制过分强调影响因子的倾向，还可以促进学术期刊的及时出版，有助于倒逼期刊减少在线出版时滞，否则该刊的相应数值就会降低。

使用即年指数，也是其中一种，只是将两个评价时间窗设置为同年，更强调期刊的在线使用速率，即某年对某期刊当年在线出版文章的在线使用总量与该刊当年在线出版文章总量之比[33]。此数值越大，表明期刊文章在线出版后被使用的速率越快，表征用户对该刊的热点问题有较高关注度，该刊的订购和编辑就更需要注重时效性和内容前沿性。

3)使用半衰期

即评价当年某刊所有在线出版文章的在线使用总量中，较新的一半文章在线出版的时间跨度[34]。随着期刊载体与利用形式的转变，揭示期刊利用老化规律的新型指标也引起了学界的重视。期刊使用半衰期，是从在线出版年角度，测度数字期刊使用老化程度的指标，拥有与被引半衰期相同的评价原理。该数值越大，代表某期刊文章在线出版后的老化速度越慢，早期文章生命力较强，期刊也具有较长的使用寿命和长期的学术影响力。同一学科内部而言，某期刊的使用半衰期越短，表征该期刊近期文章受关注程度越高，其在线使用老化速率越快，但需注意的是，使用半衰期受期刊所属学科的研究领域影响较大，更适合在不同学科间对比，通常情况下，某学科期刊的使用半衰期越短，表征该学科发展较快。因此，该指标对于数据商制定数字期刊定价策略及图书馆选择存档期刊具有参考价值，分析比较同刊各年度的半衰期，也可为每年的期刊组稿提供依据。

3.2.2 社媒影响指标

参考Altmetric.com中“Mentions(提及数)”和Twitter(推特)中的“Tweets(推文量)”命名，Altmetric.com在收录我国Sina Weibo后，将其社媒影响指标命名为“Sina Weibo Mentions”，我国Sina Weibo官方网站称之为“发博数”。因此，我国数字期刊以Sina Weibo平台为数据源代表的社媒影响指标，即某时间窗内用户对Sina Weibo中某期刊在线出版以来所有文章的“发博数”及其衍生的“平均发博数”(取算术平均数)。

相比在线使用指标，该新型指标的数值越大，表征社会公众对该期刊科学研究成果的兴趣、关注[35]、在线分享、交流等利用程度越高，这对于期刊编辑选稿、思考办刊定位以及用户选刊等决策方面都有重要意义。需要注意的是，此处的“发博”不是仅仅提及“期刊名称”，其细粒度划分到该刊“文章”层级。

上述基于引文、在线使用和社媒影响3种利用类型的相关指标，构成了我国数字期刊利用统计指标的基本框架。

4 结 语

本文通过考察我国数字期刊利用统计现状，发现指标存在过于单一的问题，而广义Altmetrics理念，突破传统被引指标的藩篱，强调除了收集“下载量”等原始在线使用数据，还应考虑追踪社交媒体等其他平台中的用户在线利用印迹及数据，这一理念与数字期刊利用统计的需求不谋而合，进而以期刊被引指标框架为标杆，建设性地提出一套适于我国数字期刊的利用统计指标框架，为学术共同体就数字期刊利用统计问题提供参考。

受当前国内其他社交媒体及开放平台中数据积累量的限制，笔者在指标框架中的社媒影响指标，只选取了代表性的Sina Weibo“发博数”等指标，其自身存在一定的局限性。而Altmetrics的迅速发展将引领新的计量学，在期刊及其它资源的评价中都有着不可小觑的应用前景，随着各在线科研平台的数据积累，更多表征数字期刊利用行为的指标也将被提出。后续研究中，应以发展的眼光，根据现实情况对现有利用统计指标框架进行科学修正、动态调整，注重利用统计的规范化问题，或赋予权重应用于期刊评价指标体系的构建，结合更多的实证研究加以验证，力求更加全面、客观地反映数字期刊的利用情况。

[1]E-metrics[EB/OL].http://www.arl.org/stats/initiatives/emetrics/index.shtml,2017-08-20.

[2]ISO2789:2013 Information and Documentation—International Library Statistics[EB/OL].https://www.iso.org/obp/ui/#iso:std:iso:2789:ed-5:v1:en,2017-08-20.

[3]NISO Z39.7-2013.Information Service and Use:Metrics & Statistics for Libraries and Information Providers—Data Dictionary[EB/OL].http://www.niso.org/emetrics/current/category7.7.html,2017-08-20.

[4]COUNTER[EB/OL].http://www.projectcounter.org/,2017-07-30.

[5]胡燕菘.图书馆数字资源使用评价研究[J].中国图书馆学报,2005,31(4):61-63,77.

[6]李菊梅.数字资源的在线使用统计分析[J].图书馆,2008,(5):85-87.

[7]蔡箐.电子期刊使用数据的统计及标准化研究[J].数字图书馆论坛,2012,(7):64-69.

[8]Ian Rowlands,David Nicholas.The Missinglink:Journalusagemetric[J].AslibProceedings,2007,(59):222-228.

[9]刘雪立.科技期刊下载量半衰期的建立及其文献计量学意义[J].中国科技期刊究,2012,(4):561-564.

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

[11]Usage Factor[EB/OL].http://www.projectcounter.org/usage factor.htm,2017-08-20.

[12]NISO Altmetrics Standards Project White Paper[EB/OL].http://www.niso.org/apps/group_public/document.php?document_id=13295&wg_abbrev=altmetrics,2017-08-20.

[13]Altmetric.com[EB/OL].http://www.altmetric.com/,2017-08-23.

[14]张静,阎晓弟,周奇.目前电子资源使用统计存在的问题及解决设想——以西安交通大学图书馆为例[J].图书与情报,2008,(5):82-85.

[15]Priem J,Hemminger B H.Scientometrics 2.0:New Metrics of Scholarly Impact on the Social Web[EB/OL].http://Frodo.lib.uic.edu/ojsjournals/index.php/fm/article/view/2874,2017-08-20.

[16]邱均平,余厚强.论推动替代计量学发展的若干基本问题[J].中国图书馆学报,2015,(1):6-11.

[17]由庆斌,汤珊红.不同类型论文层面计量指标间的相关性研究[J].图书情报工作,2013,(12):18-19.

[18]刘春丽.基于PLoS API的论文影响力选择性计量指标研究[J].图书情报工作,2013,57(7):89-95.

[19]Haustein S,Peters I,Barilan J,et al.Coverage and Adoption of Altmetrics Sources in the Bibliometric Community[J].Scientometrics,2014,(1):1-19.

[20]由信息计量学新词Altmetrics的翻译想到的[EB/OL].http://blog.sciencenet.cn/forum.php/blog-630081-679433.html,2017-08-20.

[21]陈铭.期刊利用统计与Altmetrics的兴起[J].图书与情报,2014,(1):13-15.

[22]Altmetrics[EB/OL].http://en.wikipedia.org/wiki/Altmetrics,2017-08-20.

[23]Altmetric.com[EB/OL].http://www.altmetric.com/,2017-08-20.

[24]游毅.网络环境下文献利用状况研究——基于图书情报学期刊引文状况的统计调查[D].郑州:郑州大学，2009:10.

[25]宋丽萍,王建芳,刘芮.基于主成分分析的科学评价维度研究——以PLOS ONE为例[J].图书情报作,2014,(17):119-121.

[26]COUNTER Code of Practice for e-Resources Release 4 Appendix A:Glossary of Terms[EB/OL].http://www.projectcounter.org/r4/APPA.pdf,2017-08-20.

[27]Rousseau R,Ye F Y.A Multi-Metric Approach for Research Evaluation[J].Chinese Science Bulletin,2013,58(26):3288-3290.

[28]Haustein S,Peters I,Barilan J,et al.Coverage and Adoption of Altmetrics Sources in the Bibliometric Community[J].Scientometrics,2014,(1):1-19.

[29]由信息计量学新词Altmetrics的翻译想到的[EB/OL].http://blog.sciencenet.cn/forum.php/blog-630081-679433.html,2017-08-20.

[30]Peter Shepherd.Altmetrics,PIRUS and Usage Factor[EB/OL].http://insights.uksg.org/article/view/2048-7754.108/322,2017-08-20.

[31]Usage Factor[EB/OL].http://www.projectcounter.org/usage factor.html,2017-08-20.

[32]The Journal Usage Factor:Exploratory Data Analysis[EB/OL].http://www.uksg.org/sites/uksg.org/files/JournalUsageFactorReportAppendix080711.pdf,2017-08-20.

[33]Ian Rowlands,David Nicholas.The Missing Link:Journal Usage Metric[J].AslibProceedings,2007,(59):222-228.

[34]刘丹.试析中国数字期刊利用统计指标的类型和功能[J].图书与情报,2014,(1):18-20.

[35]刘烜贞,陈静.基于新浪微博的学术论文社会影响分析[J].农业图书情报学刊,2017,29(9):63-69.