基于定性比较分析的科技论文标题黏性策略

罗巍

摘 要：标题是科技论文知识检索及发挥影响的首要渠道，围绕“如何让科技论文标题有黏性”，参考SUCCESs模型，对科技论文标题黏性进行定性比较分析。研究发现单一条件变量并不形成黏性，通过多因素组合分析，总结标题黏性5种实现路径。进而，从选题、拟题、定题方面提出建议。

关键词：科技论文;标题;黏性;定性比較分析;布尔数学

中图分类号：G20    文献标识码：A    文章编号：1671-0037（2019）8-87-6

DOI：10.19345/j.cxkj.1671-0037.2019.08.013

1 引言

科技论文作为科研成果的体现，是学术交流、知识传播、创新扩散重要的表达载体。过去几十年，科研成果以9年翻1倍的速度增长，每20秒就有1篇学术论文发表[1]。如何在海量论文中提升影响力一直是科研工作者所追求的。

学者们使用知识图谱、学术迹、Altmetrics评分、F1000 评分、Comment等方法[2-4]，对高影响力论文的文献类型、单位机构、地区分布、年代跨度、主题分布、期刊来源等进行描述统计，并从国别迁移、跨学科特征、群体属性、媒介偏好等视角[5-9]，对其影响力来源进行分析[10]，以期发现学科理论开发与理论探索的规律路径[11]。

Mabe针对5000多名科技论文读者调研发现：人们年平均阅读97篇论文、204篇摘要和1142个标题[12]。作为论文的重要信息凝练，标题既是网络时代知识检索的首要目标，又是论文发挥影响力的首要渠道[13]。读题风尚盛行的速读时代，如何抓住读者眼球并快速形成印象值得思考。

Heath认为如果改变信息表达结构使之对接受者产生印象，就会带来意外结果，并将这“令思想难忘的艺术”（Art of Making Ideas Unforgettable）称为“黏性”（Stickiness），进而提出黏性的“SUCCESs”分析框架：简单性（Simplicity）、意外性（Unexpectedness）、具体性（Concreteness）、可信性（Credibility）、情感性（Emotions）、故事性（Stories）[14]。黏性反映了信息对接受者产生的影响力，Szulanski认为黏性与信息特质、发送方、受众、转移环境有关[15]，Simonin认为信息的内隐性、复杂性、受众经验、转移各方文化距离也会影响黏性[16]。学者们为黏性提供大致分析框架，但缺少对各要素内在关系表述及各自贡献程度的考量。

传统定量研究是“确定因变量和自变量，进而验证自变量对因变量显著性”，而传统定性研究是“对案例描述进而形成规律总结”。与传统以自变量及其影响为导向的回归分析不同，定性比较分析（Qualitative Comparative Analysis，简称QCA）融合定性和定量研究各自优势，以条件组合为分析对象，基于布尔数学原理，通过集合间隶属关系分析，挖掘多案例普遍特征[17-18]，关注结果变量和条件变量间非对称关系，认为结果有多条原因路径[19]。

为此，本文围绕“如何让科技论文标题有黏性”这一主题，使用定性比较分析方法（QCA），挖掘论文标题黏性的影响因素，探索提升科技论文标题黏性的多重策略组合。

2 研究设计

2.1 分析策略——清晰集定性比较分析（CS-QCA）

QCA应用时有清晰集（Crisp Set）、模糊集（Fuzzy Set）和多值集（Multi Value Set）3种操作：清晰集定性分析比较（CS-QCA）主要处理二分变量;模糊集定性比较（FS-QCA）使用0～1之间模糊集得分，对结果和条件发生可能性进行解释;多值集定性比较（MV-QCA）则在二分法基础上，对变量多分并增加其他变量信息。本研究所涉及变量都有明确赋值标准，可进行二分变量处理，故此，选择清晰集定性比较分析（CS-QCA）作为分析策略。

2.2 样本来源

QCA选择样本并不遵循随机抽样原则，但须尽可能保持样本同质性，以增加信度和效度。鉴于学术期刊专业性，为形成研究聚焦及控制，选择研究团队所熟知的管理学领域国内顶级期刊《管理世界》作为样本集来源。

考虑同一文章发表越久，累计下载量及引用率越大，为剔除时间影响，兼顾广泛性、代表性及时效性，选取该期刊2018年1～3期共40篇论文（不包括短论）为样本来源。

2.3 变量解释

2.3.1 结果变量：黏性强度。自Garfield开创引文索引理论以来[21]，被引率常被作为学术影响力重要评价指标。然而，论文从发表到被引存在时滞（尤其高质量期刊发表周期更长），弱化了被引率对论文现实影响力反映。同时，出于人情而自引或互引、为迎合发表刻意引用等，使得被引率无法自动识别引用动机、性质及功能[22]，甚至导致引用后异化及“量引背离”现象[23]。

下载率作为论文学术影响力另一评价标准，受阅读者下载动机、认知能力、人格情绪、信息需求等影响，并与被阅读次数对应，可第一时间反映论文受关注程度、被扩散及使用价值（不一定被引用，可能是增加阅读、开阔视野）。本研究更关注标题对阅读者吸引力及对读者偏好模式把握，而非阅读后可用性评价，故此，选取“下载量”而非“引用率”作为黏性强度测量及赋值依据。

2.3.2 条件变量。使用Heath的黏性“SUCCESs”分析框架，对条件变量内在机理说明如下。

简单性——通过建构逻辑简单性和语言表达简单性，剔除冗余、精炼核心信息，以减少“知识诅咒”（The Curse of Knowledge）和理解成本，并让读者感受简洁美。

意外性——通过对受众期望整合，打破其预测模型及思维定式，激发好奇、吸引注意。具体性——通过具体事例代替抽象概念，帮助受众通过现有知识、感官等模块，搭建更高抽象内涵。可信性——信任被视为除物质资本、人力资本之外决定经济和社会进步的主要社会资本，信息不对称及受众认知能力有限性，往往须借助真实信任证据预测信任关系。情感性——受众在接收新信息时，理性常处于休眠状态，通过赋予信息“人格化”属性，使信息与受众感情、认知、行为关联，唤起受众情感需求，构建情感认同。故事性——通过叙事加工构建受众心理情境，帮助其理解、体会、评价并处理感情[24]。进而，对各条件变量设定及赋值进行说明（表1）。

2.4 数据获取

结果变量数据获取时，根据“较少论文产生较多影响”的帕累托法则（二八规律）[25]，将40个样本标题按下载量降序排列，取排名前20%样本认定为“高黏性”，赋值为“1”，剩下的80%标题认定为“低黏性”，赋值为“0”。

条件变量数据获取时，组建1名教授、2名副教授、3名博士研究生、5名硕士研究生涵盖“老中青”三代共11人的科研读者团队，依次按“简单性”“意外性”“具体性”“可信性”“情感性”“故事性”等变量赋值要求，对40个样本集体赋值评价。考虑读者多层次性，并未按职称或学历赋予不同表决权重，而是采取“超半数为准”少数服从多数原则进行打分。

2.5 真值表建立

变量赋值后，对样本进行编码汇总，形成解释变量和结果变量全部数据组合，即真值表（如表2所示）。

3 分析结果

3.1 单因素必要性分析

QCA采用“一致性”指标衡量结果变量需要某一条件变量存在的程度，若X为Y的必要条件，则Y集合是X集合的子集，即：

[ConsistencyYiXi=minXi，Yi/YI]

（1）

Skaaning提出吻合度达到0.9是条件变量形成结果的必要条件标准[26]，当一致性得到满足以后，进一步通过覆盖率指标分析X对Y的解释力。

使用QCA软件进行单因素必要性分析发现：6个条件变量各自必要一致性均小于0.9，单一条件变量无法构成标题黏性来源，即标题黏性形成是多种要素共同作用的结果（表3）。

3.2 多因素组合分析

由于单一条件变量不足以构成结果变量出现，进而实施多因素组合分析。

设定最小案例阈值为“1”，删除不能解释任何一次黏性结果出现的因素组合，设定吻合度阈值为“0.75”。多因素组合求解时有复杂解（Complex Solution）、吝啬解（Parsimonious Solution）和中间解（Intermediate Solution）三种方案：复杂解是完全按变量设置而出现的结果，可以排除几乎所有反事实组合。

选择复杂解算法，形成多因素组合分析结果（表4）。

得到5种不同条件组合，总体覆盖率（Solution Coverage）和总体一致性（Solution Consistency）均为1.0，表示对结果有很強的解释力，也代表形成标题黏性的5种路径。

进而，根据布尔逻辑运算对结果简化合并，得到形成标题黏性的5种路径文字表达式。

标题黏性=简单性*意外性*具体性*可信性*故事性+简单性*意外性+意外性*故事性+具体性*可信性*故事性+简单性*具体性*可信性*情感性。

3.3 路径组合逻辑解释

3.3.1 路径一：简单性*意外性*具体性*可信性*故事性。该路径原生覆盖率（Raw Coverage）和唯一覆盖率（Unique Coverage）均为0.5，在5条路径中分值最大，表示该路径相对其他路径更易产生黏性。值得一提的是，该路径涵盖了Heath的“SUCCESs”模型中除“情感性”外的5个要素，也反映了学术论文与文学作品（对情感性追求）不同，更侧重对客观理性的追求。

例如，标题《通才还是专才：CEO的能力结构和公司创新》（案例25），下载量在40个样本中排名第1。主标题开门见山，简单明了提出“公司领导者到底让通才担任还是专才担任”这一个仁者见仁智者见智的问题，唤起读者参与式思考。进而，副标题紧跟其后，提出“CEO的能力结构和公司创新”，这两个组织是进行顶层设计时的重要难题，既指出“公司创新”这一研究视角，又指出“能力结构到创新的生成路经”这一研究内容，充满故事性，激起读者阅读欲望。

3.3.2 路径二：简单性*意外性。该路径含义是当论文标题同时满足简单性和意外性时会产生黏性，可对读者产生印象并激发阅读欲望。与路径一相比，该路径仅保留“SUCCESs”模型的2个条件变量，再次说明QCA的研究价值——提供的不是唯一对策路径，而是多重方案组合。

例如，标题《城市级别、全要素生产率和资源错配》（案例31），使用当下不少论文常用“变量关系简单表达式为标题”的方法，简单明了。同时，联系我国当前多级财政体制下，高级别城市所享有的资源配置便利，选择“城市级别”这一独特视角分析城市生产率和资源配置问题，吸引读者形成新思考。

3.3.3 路径三：意外性*故事性。该路径含义是当论文标题同时满足意外性和故事性时也会产生黏性。根据一般经验，意外性也同时更能促进故事性形成。

例如，《开放式创新网络中的价值独占机制——打开“开放性”和“与狼共舞”悖论》（案例26），虽然标题字数较多，但副标题在主标题基础上提出“‘开放性和‘与狼共舞悖论”，反映了竞合关系中弱小者“既要与强者合作又担心被打压”的矛盾，吸引读者形成“如何通过创新网络中价值独占机制保护弱小者利益”的思考。

3.3.4 路径四：具体性*可信性*故事性。该路径含义是当论文标题同时满足具体性、可信性和故事性时会产生黏性。

例如，《资本市场开放能提高股价信息含量吗？——基于“沪港通”效应的实证检验》（案例14），虽然从字数上看标题不具备简单性要求，但主标题开门见山抛出问题，引人思考;进而，副标题具体地指出案例对象（“沪港通”效应）、研究方法（实证检验）等内容，让读者形成对“我国股市典型‘政策市特征”“资本市场开放经济后果”等问题的联想。

3.3.5 路径五：简单性*具体性*可信性*情感性。该路径含义是当论文标题同时满足简单性、具体性、可信性和情感性时也会产生黏性。5条路径中，简单性、意外性、具体性、可信性、故事性分布出现的次数均为3次，而只有在此路径才会出现情感性。

例如，《领导非权变惩罚行为对员工组织认同影响的实证研究》（案例11），标题也是采取“变量关系简单表达式”，并很具体指出研究内容及方法，具有较好可信性。进一步对样本原始测量数据分析，发现该题目在进行条件变量赋值时，针对“情感性”要素，11位测评小组成员中1名教授、1名副教授、1名博士研究生共3人并不认为题目有“情感性”，而剩下的1位年轻副教授、2名博士研究生（其中1名有短暂工作经验）和5名即将毕业的硕士研究生共8人认为题目具有“情感性”，一定程度也说明标题信息如能更结合读者自身境遇，才能更好引起共鸣。

4 研究总结

围绕“如何让科技论文标题有黏性”这一主题，采取定性比较分析方法（QCA），参考Heath的黏性“SUCCESs”分析框架，从简单性、意外性、具体性、可信性、情感性、故事性等六方面对科技论文标题黏性来源进行探索。

通过单因素必要性分析发现：6个条件变量各自必要一致性均小于0.9，即标题黏性形成是多种要素共同作用结果。通过多因素组合分析，形成提升科技论文标题黏性的5种路径：①简单性*意外性*具体性*可信性*故事性;②简单性*意外性;③意外性*故事性;④具体性*可信性*故事性;⑤简单性*具体性*可信性*情感性。

根据分析结果，形成提升科技论文标题黏性的若干对策建议：①论文选题阶段，应充分了解研究现状及趋势，明确理论价值及实践意义，结合自身积累及专长，预判研究可行性，做到“有所为有所不为”，形成对“可信性”的把握;②论文拟题阶段，应界定研究问题，明确研究对象、内容、视角及方法，形成对“具体性”的把握，遵循学术语言科学性、理论性、规范性要求，筛除冗余，力求简洁，形成对“简单性”的把握;③论文定题阶段，进一步对研究创新及特色提炼，构思新颖性的标题，力争“脱颖而出”，形成对“故事性”“意外性”的把握，并分析拟投刊物风格及选题偏好，选择合适的黏性策略路径。

研究表明，Heath的黏性“SUCCESs”分析框架在本研究具有适用性，研究结论也与任海英“主题词组合新颖性和高常规性有助提升论文影响力”的观点互为佐证[27]。然而，鉴于学术期刊的专业性，为形成聚焦及控制，样本局限于研究团队熟悉的管理学领域，未来有必要向其他学科领域进行比对分析。数据获取局限于中国知网在线期刊，未来有必要从多类型开放平台（微博、微信、数据集和源代码）及多语言环境（外文期刊）获取数据，形成更为深入的分析。同时，还可考虑论文被推送、标注、推荐、博客提及等多指标，将单纯的学术影响力分析向社会影响力分析进行拓展。

参考文献：

[1] 索傳军，盖双双.基于引文的论文质量与影响力探析[J].情报理论与实践，2018（5）：15-19.

[2] 陈小清，刘丽，邢美园.单篇论著影响力评价指标比较分析：学术迹与Altmetrics评分、F1000评分、Comment的比较[J].情报理论与实践，2017（3）：114-118.

[3] Bornmann L. What Do Altmetrics Counts Mean？ A Plea for Content Analyses[J].Journal of the Association for Information Science and Technology， 2016（4）：1016-1017.

[4] 匡登辉.高被引论文的论文级计量分析[J].情报杂志，2016（5）：149-154.

[5] 李根.TOP 10研究前沿中高被引学术论文特征分析及启示：基于ESI数据库[J]. 编辑学报，2018（2）：178-181.

[6] 邓侨侨，王琪，刘念才.国别迁移：高被引科学家美国集聚的特征与原因分析[J].清华大学教育研究，，2014（2）：51-59.

[7] 王志楠，汪雪锋，黄颖.高被引学者论文跨学科特征分析：以经济与商业领域为例[J].科学学研究，2016（6）：807-813.

[8] 黎苑楚，徐春燕，程斌.我国高被引作者群体属性研究：基于中国引文数据库统计分析[J].科技进步与对策，2015（5）：150-155.

[9] MartinM A，OrdunaM E， Harzing A W. Can We Use Google Scholar to Identify Highly-Cited Documents？[J]. Journal of Informetrics， 2017（1）：152-163.

[10] 张俊瑞，薛晓琳，余思佳.会计领域“高被引论文”的学术特征与创新思想：回顾与借鉴[J].会计研究，2018（1）：32-38.

[11] 曹祖毅，谭力文，贾慧英.中国管理研究道路选择：康庄大道，羊肠小道，还是求真之道？：基于2009～2014年中文管理学期刊的实证研究与反思[J].管理世界，2017（3）：159-169.

[12] Mabe M A， Amin M. Dr Jekyll and Dr Hyde： Author-Reader Asymmetries in Scholarly Publishing[J].Aslib Proceedings， 2002（54）：149-157.

[13] 石庆玲，郭峰. 检索优势、论文标题与互联网时代的论文影响力：来自中国经济学权威期刊的证据[J]. 世界经济文汇，2017（1）：99-120.

[14] Heath C， Heath D. Made to Stick： Why Some Ideas Survive and Others Die[M]. New York： Random House，2007.

[15] Szulanski G. Exploring Internal Stickiness： Impediments to the Transfer of Best Practice within the Firm[J]. Strategic Management Journal， 2015（S2）：27-43.

[16]Simonin B L.Ambiguity and the Process of Knowledge Transfer in Strategic Alliances[J].Strategic Management Journal，2015（7）：595-623.

[17] Ragin C C.The Comparative Method：Moving Beyond Qualitative and Quantitative Strategies[M].Berkeley： University of California Press，1987.

[18] Wagemann C，Schneider C Q.Qualitative Comparative Analysis （QCA） and Fuzzy-Sets： Agenda for a Research Approach and a Data Analysis Technique[J].Comparative Sociology， 2010（3）：376-396.

[19] 杜運周，贾良定.组态视角与定性比较分析（QCA）：管理学研究的一条新道路[J].管理世界，2017（6）：155-167.

[20] 潘昆峰，孙怡帆，何章立.中文顶级教育类期刊的论文偏好模式与期刊影响力：来自2015年18家教育类中文核心期刊论文的证据[J].中国高教研究，2016（4）：30-38.

[21] Garfield E.Citation Analysis as a Tool in Journal Evaluation Journals can be Ranked by Frequency and Impact of Citations for Science Policy Studies[J].Science，1972（4060）：471-479.

[22] 章娟，段志光，于琦.论文影响力与变异视角的科学家学术影响研究[J].科学学研究，2017（5）：39-43.

[23] 索传军，盖双双. 基于引文的论文质量与影响力探析[J].情报理论与实践，2018（5）：11-15.

[24] Escalas J E.Narrative Processing： Building Consumer Connections to Brands[J].Journal of Consumer Psychology， 2013（1）：168-180.

[25] 张建合.《编辑学报》高被引论文分析[J].编辑学报，2010（6）：562-564.

[26] Skaaning S E.Assessing the Robustness of Crisp-Set and Fuzzy-Set QCA Results[J].Sociological Methods & Research， 2011（2）：391-408.

[27] 任海英，王德营，王菲菲.主题词组合新颖性与论文学术影响力的关系研究[J].图书情报工作，2017（9）：87-93.

TheTitle Stickiness Strategy for Scientific PaperBased on Qualitative Comparative Analysis

Luo Wei

（Business School， Henan University， Kaifeng Henan 47500）

Abstract：The title is the primary channel for scientific paper to exert influence.Focusing on "how to make scientific paper title sticky"， this paperadopts the qualitative comparative analysis method （QCA）， refers to the "SUCCESs" analysis framework， analyzes the sources of title stickiness. The research finds that a single factor can not constitute the source of title stickiness， through multi-factor combination analysis， it summarizes five realization paths of title stickiness for scientific paper. Furthermore， relevant countermeasures and suggestions are proposed from the stages of title selection， title formulation and title determination.

Key words：scientificpaper;title;stickiness;qualitative comparative analysis;Boolean mathematics