移动场景下学术期刊跨平台传播的实证研究

丛挺 明蔚 张蕾 赵婷婷

[摘 要] 移动社交平台兴起背景下，以新闻传播学CSSCI期刊为研究对象，采用使用计量（Usage Metrics）研究方法，对学术期刊跨平台传播行为进行实证研究。本研究发现：相较于传统主流平台，学术期刊文献基于移动社交平台的平均阅读量更高，且具有引用优势;学术期刊文獻在不同平台传播之间存在显著相关性;基于移动社交平台的高阅读量文献具有较强的社会话题性，且集中于少数期刊。

[关键词] 学术期刊 移动场景 跨平台传播

[中图分类号] G237[文献标识码] A[文章编号] 1009-5853 （2019） 03-0074-08

[Abstract] Under the environment of mobile social media， this paper conducts empirical research on cross-platform communication of academic journals with Usage Metrics methods. Firstly， compared with traditional mainstream platforms， the average reading rate of journal literature based on mobile platform is much higher. Secondly， there are correlations of usage counts between mobile platforms and traditional platforms. Thirdly， through content analysis， the top reading articles topics in mobile environment more focus on social activities than traditional environment.

[Key words] Academic journals Mobile environment Cross-platform communication

随着移动互联网与社交媒体的迅猛发展，面向移动社交平台的服务与应用不断增多。作为学术传播的主体，学术期刊亦开启面向移动端的出版服务。据相关学者调查显示，截至2017年12月，国内分别有53.1%的CSSCI期刊和56.5%的CSCD期刊开通了微信公众号[1]。在此背景下，学术期刊逐渐从早期的刊网互动向全媒体出版转型，进而形成以信息集成平台（如知网、万方、维普等）与移动社交平台（如学术类App、微信公众号）为代表的跨平台传播模式。如何把握在移动场景下学术期刊跨平台传播的运行机理和规律，以推动学术期刊服务转型与可持续发展，成为学界和业界关注的焦点。

现阶段相关研究主要围绕学术期刊或论文的移动出版模式[2] [3]、学术期刊微信公众号运营现状[4][5]、微信传播效果及影响因素[6][7]等展开;部分学者关注到学术期刊跨平台传播现象[8]，但更多是从定性层面[9]或单一期刊层面[10]探讨跨平台传播中的功能整合与平台运营等问题，从实证层面分析学术期刊跨平台传播运行规律的研究并不多见。本研究基于移动社交媒体兴起背景，运用使用计量（Usage Metrics）研究方法，对学术期刊跨平台传播过程中的相关问题展开研究。

1理论基础与研究问题

1.1 跨平台传播相关理论

关于跨平台传播问题，相关研究由来已久，相关的概念包括跨媒体传播、媒体联动、互媒体性、媒介间性等。关于跨媒体传播，赵云泽认为其作为一个整体性概念，包含宏观、中观和微观三个层面，在宏观层面跨媒体传播呈现出媒体联动的态势，在中观层面呈现出全媒体的形态，在微观层面表现为传播符号的共存与融合[11]。具体界定上，跨媒体传播是指一个媒介组织有机融合多种媒介的表现理念和技术手段形成的新的媒介技术形态，使各种媒介元素能发挥各自所长并在整体上形成更好传播效果的新闻传播。与之相对应的，媒体联动更聚焦于不同的媒体之间（既可以是同介质的，也可以是不同介质的）的相互联系[12]，并主要表现为话题联动[13]。

真正将媒体联动上升到学理性高度的是日本社会信息学会会长远藤熏。他提出“互媒体性”（intermediality）概念[14]，用于解答媒体与媒体之间如何相互作用，以及这种相互作用关系如何发展变化等问题。这一概念强调，每一种新媒体与旧媒体之间都存在密切联系，而这种相互关系以具有强大冲击力的新媒体作用为中心，各种媒体在震荡的媒体环境中寻求新的平衡关系。它既可用于传播的内容层面，也可用于传播的渠道层面。媒介间性作为intermediality的另一种译法[15]，更突出不同艺术媒介间的交叉关系。克劳斯·布鲁恩·延森（Klaus Bruhn Jensen）认为媒介间性是指现代传播媒介之间相互连接的现象[16]。作为表达和交流的途径，不同媒介趋向显性或隐性的互动与融合，并作为不同传播策略组合中的元素实现交互。相对于跨媒体传播与媒体联动理论，跨平台传播弱化了媒介属性，更突出不同平台价值和功能整合，探讨不同平台在信息传播过程中的交互作用规律。

1.2 联动性理论

本研究所提出的联动性，更多是借鉴金融学领域联动效应的概念。随着经济活动一体化程度的提高，全球资本市场逐渐形成整体联动的发展态势，相关学者对这一现象及形成机理展开研究[17]。所谓联动效应，指的是不同国家或地区的证券市场的股票收益具有较强的相关性或市场波动具有长期的均衡关系[18]。其中股票市场联动则是指多种股票资产价格的同方向变动。关于股票市场联动的作用机制，大致可总结为经济基础假说（Economic Fundamental Hypothesis）和市场传染假说（Market Contagion Hypothesis）[19]。经济基础假说基于投资者完全理性的传统金融理论，认为资产价格联动是由资产基本面引起的，即不同股市收益率相关性的根源之一是某些重要的宏观变量的变动。市场传染假说则以投资者行为特征作为研究重点，认为股市联动性不完全由可观察的宏观经济指标解释，还应该从投资者行为上寻找原因，如某一国股市受到负面冲击，负面影响会扩散到国际市场，导致危机时期各国股市关联性增强。相关学者认为，经济基础假说与市场传染假说是对立统一的，股市间的短期联动性实际上是两种机制共同作用的外在表现（张兵等，2010）。应用到学术期刊传播领域，经济基础假说可看作是文献质量的基础性共识导致不同平台的用户使用数据呈现出相关性，市场传染假说则表现为某一平台用户行为对其他平台的影响和传导。值得注意的是，到目前为止，在学术期刊传播领域，直接引入联动性理论对跨平台传播机理进行分析的研究较为缺乏。随着跨平台学术传播活动的日趋普遍，不同平台之间的相互影响和作用逐渐显现，结合学术交流活动的具体特性，联动性理论将得到更广泛的应用。

1.3 使用计量研究

随着学术信息资源数字化的发展，用户越来越多地倾向于通过网络获取学术文献，使得与网络文献利用相关的用户行为数据被记录下来。在此背景下，研究者尝试通过对用户使用数据进行采集、整理和分析，以揭示用户使用行为与科学交流规律，由此产生国际上统称的使用计量研究。相关学者从不同角度开展使用计量研究，其中包括学术论文及期刊评价[20] 、开放获取传播优势[21]、使用数据与引用数据的相关性[22]、跨平台使用数据的相关性[23][24]等。随着社交网络的普及，有学者提出将社交媒体数据作为补充性计量指标（alternative metrics），引入期刊影响力评价之中[25]，并且由普里姆（Priem）（2010）首先在推特上建立“Altmetrics”标签[26]。此后数年，国内外学者对基于社交媒体的学术交流行为、传统使用数据与学术社交平台数据相关性[27]等展开研究，其中针对补充性计量指标与传统被引次数的相关性分析最为受到关注，据相关学者研究发现，这两类指标间仅存在一定的弱相关[28]。

基于上述理论回顾，结合本研究目标，提出如下研究问题：

RQ1：当前基于移动社交平台的学术期刊传播效果是怎样的？

RQ2：基于移動社交平台的学术期刊传播与传统主流平台传播之间是否存在联动关系？

RQ3：相比于传统主流平台，基于移动社交平台的头部文献主题具有怎样的特征？

2 研究设计与步骤

2.1 研究设计

本研究尝试通过对学术期刊的移动社交平台和信息集成平台中的相关使用数据的整合、挖掘和分析，进而揭示学术期刊跨平台传播中的用户偏好和运行机理。作为一项探索性研究，我们优先选择新闻传播学领域的学术期刊进行研究对象，主要基于以下考虑：（1）新闻传播学作为研究媒体传播的学术领域，其学术期刊本身在新媒体建设方面较为领先，据相关学者调查显示，在新闻传播学核心期刊中有近四分之三的期刊开通微信号[29]，高于一般学术期刊微信开通比例，因此，对其跨平台传播行为的探索性研究具有一定的示范意义;（2）由于团队成员学科背景与新闻传播学接近，针对相关研究结果，尤其是跨平台传播行为的解释上具有较强的针对性。

考虑到平台的代表性与数据可获取性，移动社交平台选取微信公众号，重点采集学术期刊基于微信推送文献的阅读量和点赞数;信息集成平台选取中国知网，重点采集学术期刊文献在该平台的下载量和被引量。通过对相关数据的采集、处理和整合，进而采用描述性统计分析、相关性分析、内容分析等方法，对跨平台传播效果、跨平台联动性，以及传播主题特征等方面展开研究。具体设计流程如图1。

2.2 数据采集与处理

本文依据《中国社会科学引文索引（CSSCI）来源期刊目录》，选取新闻传播学的学术期刊作为研究样本。由于所有的新闻传播学领域核心期刊均被中国知网收录，因此这里主要针对期刊的微信公众号进行访问、筛查。具体筛选条件如下：（1）样本期刊建立有微信公众号且提供期刊论文的推送，同时被中国知网收录;（2）选取样本期刊论文发表时间跨度为2017年1月至2017年12月，避免因距离发表时间过近，导致使用数据不稳定。

具体采集步骤方面，针对符合上述条件的期刊，首先，从中国知网上批量获取这些期刊2017年发表的所有论文的下载数、被引数及其他元数据（如论文标题、作者、关键词等），去除非论文数据;其次，通过人工方式，从各个学术期刊微信公众号上采集被推送的2017年相关期刊文献的阅读数和点赞数;再次，通过“论文标题”与“作者”字段匹配，将中国知网数据与微信数据融合，针对不同期刊进行分类和汇总统计。采集时间为2018年7月20日至2018年8月10日。最终得到中国知网数据2416条，微信数据577条。具体数据见表1。

2.3 数据分析步骤

数据分析方法上，本研究采用描述性分析、相关性分析、内容分析等方法。具体而言，包括如下步骤：（1）对微信推送文献与知网发布文献使用数据的整体表现进行分析，包括中位数、平均值、峰值，并结合偏离度（skewness）方法比较不同平台数据的集聚效应;（2）通过交叉表、独立样本T检验等方法，进行微信传播的优势分析，即微信推送与非推送文章在中国知网的下载量和被引量上的差异表现;（3）通过斯皮尔曼系数指标，对期刊文献的微信阅读量与知网下载量、微信点赞数与被引数的相关性进行分析;（4）从内容与指标两个维度，对不同平台头部文献主题特征、所属期刊等进行分析，并计算不同平台头部文献的重合度。

3 数据分析与结果

3.1 跨平台传播效果分析

3.1.1 基本统计分析

根据对学术期刊跨平台传播数据统计发现，除《出版科学》以外，期刊在微信平台的阅读量均值普遍高于中国知网下载量的，其中《新闻记者》与《编辑之友》的微信阅读量均值超过中国知网下载量均值的6倍以上。 从峰值数据来看，除《新闻界》与《出版科学》以外，期刊在微信平台阅读量峰值都超过中国知网下载量的峰值，其中《新闻记者》与《编辑之友》两份期刊中均有阅读量超过10000次以上的文献。以上数据表明，相比于传统主流平台，新闻传播领域学术期刊通过微信传播获得更高的关注度，且更易产生“爆款”文献。

3.1.2 偏离度分析

根据表1分析，无论是基于微信平台，还是中国知网平台，所有样本期刊的篇均次数均高于其中位数，表明数据的分布存在集聚效应。为进一步揭示不同平台集聚效应的差异，本文采用偏离度（skewness）方法进行分析。首先将所有期刊微信阅读数、中国知网下载次数和被引次数分别降序排列，计算三类数据的累积百分比，最后合并到统一的表格，绘制出数据累积百分比与论文数量累计百分比的函数图。考虑到微信推送文献数量只占据中国知网文献数量的1/4左右，前者是577条，后者是2416条，为确保图中曲线具有可对比性，本文在对微信阅读数降序排列后，做4倍等比放大，不影响偏离度结果。

根据图2显示，微信阅读量与中国知网下载量的集聚效应较为接近，被引量则明显高于前两者。从具体数据来看，前10%的学术文献贡献了44.78%的微信阅读量和46.42%的中国知网下载量，而贡献被引量则接近60%;前20%的学术文献贡献65.20%的微信阅读量和64.14%的中国知网下载量，贡献被引量则超过80%。从“尾部数据”（90%—100%）来看，微信阅读量“尾部文献”的占比为0.72%，高于中国知网下载量的0.49%，表明微信平台“尾部文献”获得的关注度要高于中国知网平台。

3.1.3 微信传播的优势分析

移动社交平台传播是否会带来学术期刊在传统主流学术平台的优势，是本研究关注的重点之一。这里将移动社交平台的传播优势分为学术期刊在中国知网的下载使用优势和引用优势。通过数据统计发现，整体上在新闻传播领域，有微信推送的期刊文献在中国知网的下载量平均值为376.03，被引量平均为1.42次，均显著高于未推送文献的下载量和被引量均值（p<0.01）。具体到不同期刊，除《国际新闻界》《现代出版》《新闻界》以外，所有期刊均至少存在一种传播优势，表明整体上新闻传播领域学术期刊文献存在微信传播优势。

3.2 跨平台传播的联动性分析

针对跨平台传播的联动性，本研究主要将期刊文献在微信平台的阅读次数、点赞次数分别与其在中国知网平台的下载次数和被引次数做相关性分析。由于皮尔逊（Pearson）相关系数计算方法对数据有连续、正态分布的要求，本研究数据并不适用。而斯皮尔曼（Spearman）相关系数作为非参数统计方法，对数据的分布没有特定要求。因此，本研究采用斯皮尔曼相关系数方法。

通过斯皮尔曼相关系数的计算结果显示，微信阅读次数与中国知网下载次数间的相关系数为0.621（p<0.001），两者存在显著的中度相关，表明微信阅读量对中国知网下载使用次数具有一定预测性。

点赞数与被引数方面，根据计算结果显示，微信传播文献的点赞数与被引次数之间存在显著相关，相关系数为0.251，仅为低度相关。相比于微信阅读量对知网下载量的预测性，点赞与被引之间的相关性较低，表明现阶段点赞数尚不足以作为预测文献影响力的有效指标。

3.3 跨平台传播文献主题分析

由于不同平台的传播特性与用户偏好差异，使得同一文献在不同平台上获得的关注度可能存在明显差异。分析不同平台头部文献（即高阅读量、下载量或被引量），对理解跨平台传播文献主题特征具有一定帮助。

根据对微信平台阅读量排名前10的文献分析发现，这些文献具有较强的社会话题性，且与微信平台本身具有一定关联性，涉及主题包括职称制度改革、舆情、专业研究报告、微信表情等主题（见表6）。其中微信平台阅读量排名第1的《学术期刊发展的新机遇——职称制度改革对学术期刊的影响》一文，阅读量接近17000次，而其在中国知网的下载量当时仅为126次，差异极为明显，属于典型的“一高一低”型文献（即微信阅读量高而中国知网下载量低）。通过对“一高一低”型文献内容进一步分析发现，这类文献往往不是以学术理论深度为特征，其参考文献数量一般较少，甚至没有，而更多突出其社会话题性。同时，对排名前10文献的阅读量与中国知网下载量进行相关性分析，结果显示两者之间无显著相关。

进一步对微信阅读量与中国知网下载量、被引量前10位的文献进行统计，计算三者之间的重合度，发现三者总体上的重合率为10%，其中微信阅读量与中国知网下载量的重合率为10%，表明不同平台用户关注的学术期刊文献主题确实存在一定差异性。在具体期刊中，《国际新闻界》《编辑之友》《新闻记者》《中国出版》的重合率相对较高，达到30%。

值得注意的是，尽管从文献层面，基于微信阅读量、中国知网下载量和被引量的头部文献重合率较低，但从所属期刊来看，上述统计排名前10的文献均来自《国际新闻界》《新闻记者》与《编辑之友》，在期刊层面表现出一定的集中性。

4 结论与讨论

本研究利用使用计量研究方法，对学术期刊跨平台传播效果、联动性，以及文献主题特征等问题进行实证分析，以下对相关结果展开讨论。

4.1 学术期刊微信传播的价值探讨

根据数据结果分析，微信传播文献的平均阅读量整体高于中国知网下载量，且前者的峰值远高于后者。针对这一结果，首先需要分析微信与中国知网两个平台的客观差异。知网作为典型的学术信息集成平台，更多服务于专业学术群体，用户量相对有限。与之相比，微信作为一个面向大众群体的移动社交平台，本身具有庞大的用户规模，基于该平台传播内容更易获得较高的关注度。从传播特性分析，微信平台具备移动传播和社交网络分享的双重特性。关于移动传播，我们认为，其本质上是一种更高层次的开放获取。相关研究结果表明，开放获取有助于提高研究成果的显示度[30]。而随着移动互联网与智能设备的普及，用户通过移动终端可以更加方便地获取和阅读期刊文献，这使得學术期刊传播效果进一步增强。另一方面，微信传播并不只是提高用户获取文献的便利性，还促进了分享和交流，这使得学术期刊文献更容易扩散到非学术领域，尤其对于新闻传播这样与社会现实联系紧密的学科，微信传播的影响作用更为突出。

关于引用优势方面，本研究发现，微信传播文献在中国知网下载使用和引用上均存在一定的优势，这印证了前期相关学者关于开放获取引用优势的研究结论[31]。但值得注意的是，与开放获取期刊引用优势形成机理有所不同，学术期刊微信平台的引用优势并不仅仅来自开放获取这一单一变量，还受到其他因素影响。由于微信推送文章是由期刊编辑主动筛选发布的，编辑可能会主动选择那些具有潜在高影响力的文献发布到微信平台，并且在推送栏目设计上有所侧重，这在客观上对微信的传播优势产生影响。

4.2 学术期刊跨平台传播的联动性讨论

关于学术期刊跨平台传播的联动性，根据统计结果分析，微信阅读量与中国知网下载量在整体上具有相关性，但在阅读量排名前10的文献中两者并不存在显著相关。针对这一结果，同样需要关注知网和微信两个平台用户行为的差异性。作为国内最大的学术信息资源聚合平台，知网对期刊内容的发布方式与服务模式上享有绝对的主导权，而学术期刊出版机构则主要扮演内容供给的角色，对用户行为不产生直接影响。用户在集成平台服务范围内享有较高的自主性，如用户可以通过中国知网提供的搜索引擎和被引量降序排列功能，选择自己的目标文献，客观上会形成文献下载量分布的马太效应。这也反映在本研究主要发现之一，即中国知网被引量具有更高的集聚效应。而学术期刊微信公众号大多是期刊编辑部依托微信搭建的自主平台，更多反映期刊的主观意志，包括推送文章类型、时间和发布形式等，用户只能在推送的文献范围内阅读，他们或是在订阅的学术期刊公众号上看到，抑或是在学术交流群与朋友圈上发现。因此，对于两类平台使用数据的相关性，我们需要具体分析，究竟是因为用户在不同平台的独立行为所产生的一致性，还是由于跨平台之间的传导所形成的联动效应。

结合联动性理论中的经济基础假说和市场传染假说，从本研究中整体数据和头部数据的差异来看，我们更倾向于认为，“经济基础假说”是其主要的影响机制，也即不同平台用户对文献整体评价具有一致性。因为如果是不同平台的传导机制发挥主要作用，头部文献的传导效应是最为明显的，不太可能出现“一高一低”型的头部文献。尽管如此，我们并不否认两种机制都对跨平台传播的联动性起到一定作用。

除此之外，本研究发现微信点赞量与被引量之间整体相关性较弱，这验证了其他学者关于点赞的研究结论，即到目前为止，点赞只能作为评判学术成果影响力的参考指标之一。尽管点赞行为与引用行为在动机上具有一定的相似性，都有对学术成果表示认可或关注的动机，但从用户行为成本角度分析，点赞行为所付出的成本远远低于引用行为，前者只是举手之劳，后者则需要写作、投稿并完成发表。另外，本研究统计的点赞数是来自对微信推送文章底部的“点赞”记录，实际上更多的点赞行为发生在朋友圈、微信群当中，这些无法被完整记录下来，也可客观上影响统计结果的准确性。

4.3 学术期刊跨平台传播创新探讨

根据研究结果发现，不同平台“头部文献”在主题上存在一定差异性，其中微信平台的“头部文献”更具有社会话题性，但在期刊层面，不同平台的“头部文献”存在明显的集中性，主要集中在少数几家期刊。

针对上述结果，我们认为，一方面需要看到与传统主流平台相比，微信平台在学术传播中的差异性优势，有助于提升部分学术成果的社会影响力，特别是那些与社会现实紧密相关的议题，同时也要看到期刊品牌的延续性。从某种意义上说，微信平台对学术期刊传播来说，并不是一种颠覆式创新，反而更体现为一种维持性创新[32]，往往在传统主流平台具有先发优势的期刊，在移动社交平台上也更易形成品牌优势。《国际新闻界》《新闻记者》与《编辑之友》三本期刊本身在新闻传播领域就具有较高的影响力，同时这些期刊还加强在移动社交平台上的投入，如《编辑之友》的微信号通过固定的栏目设计，提升微信用户持续使用意愿。这提示国内传统学术期刊，尤其是已占据领先地位的期刊，应更重视在移动社交平台的布局，借助新媒体平台扩大传播范围，凸显品牌影响力。

5 研究不足与展望

本研究借助使用计量研究方法，将跨平台传播、联动性理论引入到学术期刊传播领域，拓展该领域研究的理论深度。实践层面，本研究揭示新闻传播领域学术期刊跨平台传播中用户行为特征，为促进学术期刊服务转型与可持续发展提供针对性的策略建议。

当然，本研究还存在诸多不足之处：（1）样本量的局限性，本研究作为一项探索性研究，选择新闻传播领域CSSCI期刊作为研究对象，而没有选取多个学科进行对比研究，这使得研究结论的可推广性受到一定制约;（2）相关数据历时变化造成的误差，本研究采集的是2017年整一年度学术期刊文献数据，采集时间为2018年7月，由于不同类型的数据作为计量研究的时间要求存在差异，如引用数据，往往在两年内存在较大的不确定性[33]，这使得针对引用数据的分析存在一定的误差;（3）传播效果分析的局限性，为避免主观判断所带来的干扰，本研究更多结合显性指标进行分析，并未设计相应的隐性指标，这使得有关学术期刊跨平台传播效果分析的完整性存在一定的欠缺。

针对上述不足，未来将进一步扩大样本范围，尤其是针对不同学科开展比较分析。同时注意数据选取的适用性，尝试对跨平台传播展开历时分析，并深入到隐性指标层面，探讨用户使用学术期刊微信公众号动机和行为机理。

注 释

[1]张小强， 吉媛， 游滨. 微信传播指数领先的学术期刊公众号运营调查及启示[J]. 中国科技期刊研究， 2018， 29（6）：574-584

[2]赵发珍， 刘燕权， 王勇. 我国图情学术期刊开展移动信息服务现状与发展对策研究[J]. 图书情报工作， 2017， 61（21）：49-55

[3]占莉娟， 方卿. 學术论文移动出版服务科研用户存在的问题及对策[J]. 出版发行研究， 2018（6）：29-33

[4]李广欣. 科技期刊微信公众号推文内容运营状况调查与分析[J]. 中国科技期刊研究， 2017， 28（12）：1141-1147

[5]蒋学东. 基于移动互联背景的学术期刊微信传播[J]. 出版科学， 2015， 23（2）：77-79

[6]赵文青， 宗明刚， 张向凤. 学术期刊微信公众平台传播效果分析与运营对策：以教育类CSSCI学术期刊为例[J]. 出版科学， 2016， 24（3）：92-95

[7]赵文青， 宗明刚. 学术期刊微信传播效果影响因素分析[J]. 中国科技期刊研究， 2016， 27（6）：611-616

[8]夏登武. 学术期刊跨平台传播问题研究[J]. 编辑学报， 2017（6）：520-523

[9]丛敏. 渠道融合：学术期刊的跨平台传播探析[J]. 暨南学报（哲学社会科学版）， 2015， 37（5）：27-31

[10]程海燕，明蔚.基于《科技与出版》期刊微信公众平台运营的实证研究与运营建议[J].科技与出版， 2018（12）：143-147

[11]赵云泽. 跨媒体传播基础教程[M].北京：中国人民大学出版社， 2011：8-9

[12]刘湘萍. 媒体联动的负面影响[J]. 当代传播（汉文版）， 2002（4）：19-20

[13]王文科， 胡蓓蓓. “话题时代”媒体联动传播效应分析[J]. 现代传播—中国传媒大学学报， 2007（2）：44-46

[14]遠藤薫.間メディア社会と世論形成[M].東京：電機大学出版局， 2007：5

[15]张玲玲. 媒介间性理论：理解媒介融合的另一个维度[J]. 新闻界， 2016（1）：12-18

[16]Jensen K B ， Rothenbuhler E W ， Pooley J D ， et al. The International Encyclopedia of Communication Theory and Philosophy || Community[J]. 2016：1-9

[17]Karolyi G A， Stulz R M. Why Do Markets Move Together？ An Investigation of U.S.‐Japan Stock Return Comovements[J]. Journal of Finance， 1996， 51（3）：951-986

[18]刘亚， 张曙东. 境内外金融市场联动效应：理论基础与文献综述[J]. 科学决策， 2010（8）：65-77

[19]韩非， 肖辉. 中美股市间的联动性分析[J]. 金融研究， 2005（11）：117-129

[20]袁顺波， 华薇娜. 基于引文与网络链接的开放存取期刊学术影响力评价[J]. 大学图书馆学报， 2010， 28（6）：107-115

[21]Lawrence， S. Online or Invisible？ [J]. Nature ，411 （6837）： 521

[22]曹艺， 王曰芬， 丁洁. 面向学术影响力评价的科技文献引用与下载的相关性研究[J]. 图书情报工作， 2012， 56（8）：56-64

[23]陈必坤， 周慧娴， 钟周燕， et al. 基于Usage Metrics的中文学术论文用户平台偏好和兴趣偏好比较研究[J]. 中国图书馆学报， 2018， 44（6）：90-104

[24]Chen B. Usage pattern comparison of the same scholarly articles between Web of Science （WoS） and Springer[J]. Scientometrics， 2017， 115（2）：519-537

[25]Bollen J， Sompel H V D， Smith J A， et al. Toward alternative metrics of journal impact： A comparison of download and citation data[J]. Information Processing & Management， 2005， 41（6）：1419-1440

[26]劉春丽. altmetrics：从理论假说、术语提出到内涵的重新界定[J]. 图书情报工作， 2015（6）：82-89

[27]Eysenbach G. Can tweets predict citations？ Metrics of social impact based on Twitter and correlation with traditional metrics of scientific impact[J]. Journal of Medical Internet Research， 2011， 13（4）：e123

[28]Costas R， Zahedi Z， Wouters P. Do “altmetrics” correlate with citations？ Extensive comparison of altmetric indicators with citations from a multidisciplinary perspective[J]. Journal of the Association for Information Science & Technology， 2015， 66（10）：200

[29]耿蕊， 陈倩. 新闻传播类学术期刊微信公众平台建设热的冷思考[J]. 中国科技期刊研究， 2017， 28（1）：53-57

[30]Wang X， Liu C， Mao W， et al. The open access advantage considering citation， article usage and social media attention[J]. Scientometrics， 2015， 103（2）：555-564

[31]刘锦宏， 徐丽芳， 方卿. 基于开放牛津期刊的开放获取引用优势分析[J]. 图书情报知识， 2011（2）：64-72

[32][美]克莱顿·克里斯坦森;胡建桥译.创新者的窘境[M].北京：中信出版社，2010：10

[33]王贤文.科学计量大数据及其应用[M].北京：科学出版社，2016：21

（收稿日期：2019-01-23）