基于SciVal的中国高校图书情报学科评价分析

郝若扬

DOI.10.3969/j.issn.1008-0821.2021.12.014

[中图分类号]G250.252 [文献标识码]A [文章编号]1008-0821（2021）12-0144-07

近几十年来，随着自然科学和社会科学的迅猛发展，不同学科领域的分类越来越精细，同时不同学科之间的交叉、渗透和融合也越来越深入。在这样的大背景之下，如何对科研成果进行科学、公正、客观地评价，并对高校和研究机构进行绩效与科研影响力的综合评价，已经成为信息和文献计量领域所面临的一个非常重要的问题。近些年来，许多文献计量评价指标应运而生，例如：H指数、Citescore指标和选择性计量指标等。这些评价指标主要是针对个人科研绩效、期刊或论文的影响力提出的，它们已经被广泛应用于个人科研绩效和科研成果的评价。然而，针对高校和研究机构的绩效和科研影响力的综合评价的指标和分析平台相对较少。目前，有两个主流的综合评价分析平台：科睿唯安（Clarivate Analytics）开发的InCites平台和爱思唯尔（Elsevier）开发的SciVal平台。这两个平台都是基于海量的数据，采用各种标准化的计量指标，对科研论文、学科领域以及科研课题进行定量评价，从而对与之关联的研究机构的科研产出、科研绩效以及科研影响力进行分析和比较，为研究机构的科研管理和决策提供一定的服务。这两个分析平台在结构组成、评价指标和评价维度设定方面具有一定的相似性，但是也存在一些显著的差异。随着SciVal平台不断完善，原有功能模块、评价指标和相关算法得到了很大的更新，已经被众多高校和研究机构用于科研绩效评价，为高校和研究机构的科研管理和决策提供一定的帮助和支持。

在过去10年中，伴随着SeiVal平台的不断发展和完善，SciVal得到了广泛的关注。国内外学者不仅深入研究了SciVal平台的具体功能、指标设定以及相关原理方法，而且采用SciVal对科研机构的科研绩效评价或前沿研究主题识别等进行了一些实证分析。同时，进一步探索了SciVal评价平台在交叉学科评价和发展趋势预测、学科领域研究前沿主题识别、图书馆的精确知识服务以及科技期刊选题和约稿等方面的应用。在本文中，作者将利用SciVal评价平台，对我国一些高校在图书情报学科领域中的科研产出、研究主题、国际合作以及作者贡献进行分析，并与两所欧美顶尖高校进行对比，从而反映出我国高校在图书情报学科领域中的科研实力和影响力，为高校在该学科的发展提供一定的决策。

1国内外相关研究

近年来，国内外学者对SciVal平台的研究主要关注于其中的计算方法、相关原理和模型，同时一些学者利用SciVal平台开展了一些应用研究，涉及科研绩效评价、交叉学科评价和前沿研究主题识别等。Vardell E等对于SciVal其中的一个模块SciVal Experts进行了研究，分析了SciVal Ex-perts的具体功能，并指出了它在跟踪科研人员研究工作和学术信息以及在促进学科交叉和合作等方面的应用。徐志玮剖析SciVal的数据来源、指标原理、组成结构以及计算方法，并将其与基本科学指标（Essential Science Indicators，ESI）进行了对比，指出SciVal采用与ESI不同的评价方式，其学科分类体系更接近于真实的科学结构，同时也指出了sciVal能够体现论文的竞争力，有助于发现优势学科领域和重要研究前沿。付佳佳等从数据来源、学科分类、计算方法和指标设计等方面将SciVal与InCites进行了比较，并通过实证分析，探究了这两个评价平台在学科化服务以及科研合作的评估等方面的作用。研究结果表明：相对于Incites，SciVal具有更为细致的学科分类标准和先进的数据分析技术，在交叉学科的评价以及未来学科发展趋势的预测方面具有较为显著的优势。夏玉华等介绍了SciVal的交叉学科评价体系，并分析了一些评价指标的基本原理，指出了SciVal不仅可以反映交叉学科发展的实际情况，而且可以用于评价科研机构交叉学科的影响力和竞争力。RodighieroD等利用SciVal分析了学术研究群体（包括科研管理层、研究者以及公众等）之间的关联及其演化，并指出SciVal能够为科研管理层提供一定的科学决策。崔宇红等采用全域微观模型，介绍了SciVal的主题创建方法和主题显著性算法，对9.6万个主题和研究前沿主题的特征进行深入分析。研究结果表明：SciVal能够准确地识别核心论文和跨学科主题，发现研究前沿，并反映科研机构的竞争力。钟铃采用SciVal评价工具对中小型院校的科研绩效和科研产出进行了对比评价，并对细分学科领域进行了探索分析。研究结果表明：SciVal能够对中小型院校的科研绩效进行合理的评价，并能够挖掘出潜在优势学科领域与研究主题。陈俐等运用SciVal分析平台，从成果质量、国际合作以及热点主题等角度，对基因编辑技术的研究趋势进行了细致分析。分析结果表明：SciVal能够捕捉到基因编辑技术的研究前沿和热点主题，并且预测基因编辑技术的发展态势。江艳萍等采用SciVal中的分析工具，梳理并分析了大量文献的研究主题，从中挖掘出了交叉学科领域的前沿主题，为相关科研人员寻找研究主题和开展创新研究提供了一定的支持，从而进一步探索图书馆的精确知识服务。陈振英等采用SciVal中的创建和分析主题的工具，对海量科技论文作者进行了快速遴选，为科技期刊编辑及时发现研究热点并精准约稿提供了有效的方法和途径。

2 SciVal的组成及功能简介

SciVal是由爱思唯尔（Elsevier）于2009年推出的一个对科学研究机构或研究人员进行绩效评价的综合分析平台和工具。该平台依托Scopus数据库（全球最大的同行评审期刊文摘和引文数据库），集成了科研管理、学科分析、人才绩效分析等功能，可以对全球230多个国家（地区）的20000多个研究机构及其相关研究人员的研究成果和绩效进行分析。基于互联网络，Seival平台可以通过可视化的图表全面展示所选择的研究机构或研究人员的研究绩效，并对其进行比较、分析和評价，为学术研究机构的科研管理和决策提供一定服务。同时，SciVal也可以识别和分析某一学科领域的研究趋势和热点内容，并综合一些评价指标对该学科的发展力和竞争力进行一定评价。

SciVal包含了5个主要的功能模块：总览概况（Overview）、对标比较（Benchmarking）、合作情况（Collaboration）、趋势分析（Trends）和定制报告（Report）。这5个模块的功能依次为：①针对从Scopus数据库的海量科技文献中选出特定的成果进行总览分析：②基于选定的指标对研究机构或个人进行分析比较：③基于可视化方式表示研究合作关系的发展和演化：④采用相关算法分析获得学科领域或研究主题的发展趋势：⑤通过跨模块分析方法，将相关功能模块中获得的分析数据定制为个性化的分析报告。SciVal的原始数据来源于Scopus数据库，该数据库包括了自1996年至今全球5 000多个出版商出版的约5.5千万科技文献。SciVal对于这些文献进行了精细的学科分类，共包括了27个一级学科和334个二级学科。不同于InCites平台，SciVal采用了共引分析的学科分类方法：首先对文学进行学科分类，通过引文学科分布对文献进行分数化处理，然后给出不同的权重分配到多个学科领域进行综合分析。这种科学的分类方法为跨学科评价提供了可靠的基础。SciVal囊括了论文产出贡献、引用影响力、合作评估以及显著性程度等30多种标准化评价指标。利用这些丰富的指标体系，可以对选定研究机构的科学绩效以及科研影响力进行全方位、多角度的评价，同时对研究机构的学科领域和研究主题进行分析，发现优势学科和热点主题，掌握研究态势，从而为科研管理和决策提供一定的支持。

相比于InCites，SciVal的数据源的开放性和透明度更高，数据获取更为灵活，评价的维度更为多元化。同时，SciVal平台识别出的研究主题精确性和稳定性更好，更适合描述和发现那些不能提前预知的突发热点主题。更为突出的是，SciVal平台采用了先进的理念、原理和计算方法：①将传统学科分析细化形成主题或主题群，便于小同行之间进行对比：②引入了共引聚类的分类方法，有利于对交叉学科进行合理评价;③能够对论文优势、引文优势和创新力优势进行检索，同时对论文的国际合作情况进行分析，从而体现研究机构或论文的竞争力，挖掘潜在的合作关系;④包含专利数据、使用数据及媒体数据，可以对研究成果的转化和贡献进行一定的评价。鉴于SciVal基于开放、透明的数据库，并具有丰富的评价指标体系、先进的设计原理和计算方法，因此，本文将运用SciVal平台对中国高校在图书情报学科领域的科研产出及其发展进行一定的分析。

3基于SciVal的中国高校图书情报学科评价

选择中国985高校中26所综合类高校作为主要研究和分析的对象，这些综合高校在图书情报学科方面具有较强的竞争力和发展优势，其中多所高校（包括武汉大学、南京大学、中国人民大学、北京大学、南开大学、中山大学、吉林大学等）近年来在我国高校图书情报与档案管理学科评估中位于前列。同时，也选取两所欧美顶尖高校（美国哈佛大学和英国牛津大学）作为参照，从而进一步分析我国高校在图书情报学科方面发展的国际化情况和相关研究水平。牛津大学与哈佛大学是综合实力顶尖的国际知名高校，在国际图书情报学科领域中排名不低，特别在SciVal平台的图书与信息科学分类（这一分类与我国图书情报与档案管理学科稍有不同）中的排名处于前列。研究中所有的数据均来自Sc叩us数据库，采用SciVal平台对28所国内外高校的相关数据进行分析。在SciVal平台中，限定学科分类为Social Science大类中的图书与信息科学（Library and Information Sciences），文献范围限定在2010—2019年，并在研究机构中选择加入28所综合类国内外大学（包括26所高校、美国哈佛大学和英国牛津大学），即可获得近10年这28所高校在圖书情报学科领域中的研究成果产出的统计信息。下文将从总体产出、研究主题、合作情况、作者贡献和社会影响5个方面来对这些高校进行比较分析。其中涉及的评价指标为SciVal中常用的标准化指标。评价分析的主要目的是评估近年来我国高校在图书情报学科领域中的科研实力和影响力，最终希望为我国高校图书情报学科的双一流建设提供一定的决策指导。

3.1总体产出情况

表1展示了2010—2019年28所国内外高校在图书情报学科领域中的发文量和一系列评价指标。从表1中的数据可以看出：我国高校中仅有武汉大学在总发文量、作者人数和H5指标方面超过了欧美两所顶尖高校，其他高校在这3个数据方面均低于欧美两所顶尖高校。武汉大学的总引用次数与欧美两所顶尖高校较为接近，但是其他高校与欧美两所顶尖高校差距较大。在归一化文献引用次数方面，我国高校的指标均低于欧美两所顶尖高校，且有明显的差距。通过这些数据和评价指标的对比，反映出我国一些高校在图书情报学科领域中的科研论文产出已经达到或超过部分欧美顶尖高校水平，但是论文的引用和产生的影响力仍距欧美顶尖高校有一定的差距。在图书情报学科的未来发展过程中，我国高校在追求成果数目的同时，应当注重成果的质量，使成果具有突出的竞争力和国际影响力。

3.2研究主题分析

图1展示了2010—2019年武汉大学、浙江大学、牛津大学和哈佛大学在图书情报学科领域研究主题聚类分析的结果。在图中，圆的位置表明研究主题所在的科学期刊分类，而圆的大小代表该研究主题成果在总产出中的占比。从图中可以看出：我国两所高校中的研究主题主要关注于知识结构、科学计量学、H因子、期刊影响因子、文献计量分析等方面，这也代表了我国高校在图书情报学科领域的热点主题：而欧美两所顶尖高校占比比较大的主题主要是信息哲学、信息伦理、H因子、期刊影响因子、数字分离、健康信息搜寻以及虚拟放映等，与我国高校的研究主题具有较为明显的差异，但是有一些研究主题与我国高校的主题是一致的。这些分析结果表明：我国高校在图书情报学科领域中的研究主题偏于传统，主要集中于科学计量学和文献计量指标，但是也涉及了一些前沿性较强的研究主题，如量子信息理论、知识共享等;而欧美两所顶尖高校的研究主题更为前沿，属于新兴研究主题。在未来发展的过程中，我国高校在保持传统研究主题的同时，应当开拓一些研究前沿，探索一些新兴研究主题。

3.3合作情况分析

表2～表5分别给出了2010—2019年武汉大学、浙江大学、牛津大学和哈佛大学在图书情报学科领域中的论文合作情况。通过对比这些表中的数据，可以看出我国高校论文的国际合作论文占比和发文量方面，与欧美两所顶尖高校相当，但是在国际合作论文被引次数和归一化文献引用次数方面与欧美两所顶尖高校有一定差距。我国高校在本国内和本校内合作的论文占比、发文量和被引次数要好于欧美两所顶尖高校，但是归一化文献引用次数显著低于欧美两所顶尖高校。在单一作者方面，我国高校的数据和指标要明显弱于欧美两所顶尖高校。这些分析结果表明：我国高校在图书情报学科领域中的国际合作已达到部分欧美顶尖高校的水平，未来还需要通过提升论文的质量和影响力来进一步提升论文被引次数和归一化文献引用次数。

3.4作者贡献情况

表6给出了2010—2019年4所国内外大学前5位学者的贡献情况。从表中的数据不难看出，我国高校在图书情报学科领域中的顶尖学者在发文量和H因子方面已经好于欧美两所顶尖高校的顶尖学者，但是在被引次数方面与欧美两所顶尖高校的顶尖学者有明显的差异。这一分析结果表明：在发表论文及成果的竞争力和影响力方面，我国高校的顶尖学者距离国际顶尖学者仍有差距，未来需要进一步提升。

3.5社会影响情况

图2展示了2010—2019年武汉大学、浙江大学、牛津大学和哈佛大学在图书情报学科领域研究成果被媒体报道统计。这里媒体报道统计表示研究成果被媒体提及的数量，在SciVal系统中按出版物类型、受众特征和受众群体进行加权统计。权重根据媒体的性质确定：如果是国际媒体报道，权重系数为1：如果是区域媒体报道，权重系数为0.5：对于国内媒体、当地媒体和当地受众的兴趣，权重系数分别为0.3、0.2和0.1。媒体报道统计主要是为了反映这些高校的研究成果对社会产生的影响，特别是大众对这些研究成果的了解和认可程度。从图2中可以看出：相对于欧美两所顶尖高校，我国高校的研究成果国际认可的媒体报道统计显著偏低。这说明我国高校在图书情报学科领域研究成果的国际影响力偏弱，需要亟待加强。但是这与我国高校不擅长国际宣传有关。因此，我国高校的研究学者应该增加国际宣传，譬如：推送优秀学术论文到国外主流媒体和国际常用的社交媒体，积极将研究成果通过网络与国外学者分享。

4结论

综上所述，Scival是一种新兴的评价科研绩效和学科竞争力的综合分析平台。SciVal平台不仅可以用于科学绩效和学科评价，而且可以用于科学主题探索和研究前沿识别。采用SciVal平台对我国26所高校的圖书情报学科进行分析评价，并与部分欧美顶尖高校进行定量对比。分析及对比结果表明：我国顶尖高校在图书情报学科领域的科研产出、研究主题和合作情况方面已经与部分欧美顶尖高校相当，但是其科研成果的竞争力和国际影响力仍距部分欧美顶尖高校有一定的差距，需要亟待提升。目前的评价分析也存在一定的不足，并没有考虑基金数据以及更为细致的学科分类和交叉学科的影响。下一步将基于更多、更全面的数据，采用SciVal平台中的全域微观模型对我国高校在图书情报学科领域研究前沿主题和学科交叉主题进行更为深入的分析，同时对其竞争力和国际影响力进行全方位、综合的评价，并基于这些评价分析为我国高校在图书情报学科的双一流建设和发展提供一定的决策。

（责任编辑：郭沫含）