Altmetrics视角下的科研院校学术影响力综合评价研究

王菲菲 李佳慧 黄雅雯 王雨薇

摘 要：[目的/意义]伴随着网络化的科学交流，新的计量指标的提出，科研院校评价方法也随之改变。本文旨在探讨Altmetrics视角下科研院校学术影响力综合评价的可行途径，并以医学信息学领域为例进行实证研究，进而为院校影响力的全面综合判定提供参考。[方法/过程]融合Altmetric.com和Web of Science两类数据源，编程并筛选获取627个院校的Altmetrics数据和引文数据，选取7个计量指标进行相关性分析。再使用熵权法和层次分析法给指标赋权，并在此基础上，用TOPSIS方法分别计算出主观和客观的院校得分，并与QS排名作对比。[结果/结论]指标之间存在中强相关性，主观和客观赋权方法所得的院校综合排名QS医学与生命科学排名，三者具有较强一致性，进而验证了Altmetrics指标在院校影响力评价中的有效性。又分别把层次分析-TOPSIS和熵权-TOPSIS与QS进行了相关性检验，就整体角度来讲，熵权-TOPSIS的评价结果更好。此外，根据两个评价方法和QS前30院校之间的交集，筛选出了各方面综合表现俱佳的10所院校，美国院校占绝大多數。且根据与QS交集个数，在高水平院校中，层次分析-TOPSIS评价效果更好。

关键词：学术影响力评价;Altmetrics;医学信息学;熵权法;层析分析法;TOPSIS

DOI：10.3969/j.issn.1008-0821.2020.02.015

〔中图分类号〕G304 〔文献标识码〕A 〔文章编号〕1008-0821（2020）02-0132-09

Research on Comprehensive Evaluation of Academic Influence of

Scientific Research Institutions from the Perspective of Altmetrics

Wang Feifei Li Jiahui Huang Yawen Wang Yuwei

（School of Economics and Management，Beijing University of Technology，Beijing 100124，China）

Abstract：[Purpose/Meaning]With the scientific exchange of networking and the introduction of new measurement indicators，the evaluation methods of scientific institutions have also changed.This paper aimed to explore the feasible ways to comprehensively evaluate the academic influence of scientific research institutions from the perspective of Altmetrics，and to conduct empirical research in the field of medical informatics，and to provide reference for the comprehensive judgment of institutional influence.[Method/Process]Combining Altmetric.com and Web of Science data sources，we programed and filtered the Altmetrics data and citation data of 627 institutions，and selected 7 metrology indicators for correlation analysis.Then the entropy weight method and the analytic hierarchy process were used to assign weights to the indicators.On this basis，the subjective and objective institutional scores were calculated by the methods of TOPSIS，and compared with the QS rankings.[Results/Conclusions]There was a strong correlation between the indicators.The subjective and objective weighting methods had a comprehensive ranking of QS medical and life sciences rankings.The three had strong consistency，which further validated the Altmetrics indicators in institutional impact evaluation.The correlation analysis between analytic hierarchy-TOPSIS and entropy weight-TOPSIS and QS was carried out.On the whole，the evaluation result of entropy weight-TOPSIS was better.Furthermore，basing the intersection of two models，this paper selected 10 excellent institutions and most of them were from America.And based on the number of intersections with QS，the analytic hierarchy-TOPSIS evaluation was better when evaluating high-level institutions.

Key words：scholarly impact evaluations;Altmetrics;medical informatics;entropy weight method;AHP;TOPSIS

大学与研究院校是帮助社会进步，提高国家综合实力和国际地位的关键因素之一。对于科研院校的学术影响力进行科学评价也是科技管理部门和学术界广泛关注的议题。在其中的定量评价环节，传统研究主要以文献计量类指标应用居多，但是由于网络环境快速发展创造了新的科学交流与评价环境，面向科学进步与决策的科研院校影响力评价也迫切需要引入更具及时性和综合性的量化指标，Altmetrics理论的提出和数据平台的涌现恰好为此提供了一个很好的切入视角。邱均平等[1]于2015年明确提出传统计量评价指标可以与Altmetrics指标互相补充，并且在院校知识库的应用中具有良好的发展前景。另外，也有大量的实证研究揭示出Altmetrics类指标与传统文献计量类指标之间的相关性，可以在一定程度上作為学术影响力前瞻性评价的有效补充。因此，融合社会网络媒体时效性和传统学术交流利用价值性的综合评价指标应用，可以得到科研院校学术影响力情况的全方位解读。这也是本文选题的主要契机和出发点所在。

1 相关研究述评

1.1 关于Altmetrics评价指标的研究

伴随着数字化、网络化、开放化环境中的Web2.0用户的社群影响力增强[2]，Priem J等提出“Altmetrics”概念[3]，旨在为计量学术影响力提供新的指标来源[4]，通过捕捉多网络平台上的学术轨迹，试图揭示学者的研究行为，提供更好的评价体系，进而更好地促进科学交流[5]、科学评价和文献发现[6]。并且前人在基因编辑[7]、汉语言文学[8]、文献计量学[9]等领域的实证研究证实了Altmetrics这个新的指标来源是可以作为传统计量的补充说明的，因为两者具有相关性。在Altmetrics指标与传统计量指标引文量的相关性分析中，Mendeley与引文量呈显著强相关，政策文件10与引文量成强相关，博客、新闻、Twitter和Facebook与引文量呈弱相关性[11]。但是在不同领域，Altmetrics各个指标关注度可能有所不同，所以Altmetrics指标与传统计量指标相关性强弱也不尽相同。其中，大众对生物医疗研究的普遍关注高[12]，所以Altmetric指标论文主要集中于医疗和健康、生物科学领域。由此看来，医学领域下的可替代计量指标更具有充分数据资源和研究价值。孟伟花等的研究也证实替代计量学指标在医学领域表现突出[13]。这为本文研究对象的选定提供了一定的参考依据。

1.2 关于院校学术影响力综合评价的研究

最初，学术影响力评价采用定性的传统文献计量法进行探究，如文献综述法、引文分析法，但是发现单纯的定性存在主观随意性、低效性等问题。随后，学者把目光转移到定量评价，但是定量评价存在结论简单、公正性不足的缺点[14]。由此，学者们提出定性与定量评价相结合的研究角度。在院校学术影响力的指标选取研究中，Li J根据传统计量定性的方法[15]选取17个适用于信息管理领域院校的指标，用定量的方法全方位（从数量和质量两个角度）探究指标的适用性与一致性。研究角度确定之后，选取恰当的适用于多指标模型至关重要，熵权-TOPSIS的院校影响力评价模型已被证实适用于评价院校[16]。没有权威性研究数据来源，再好的角度和模型也成为空谈。所以，学者多采用多数据源，其均来自权威的数据库，例如Web of Science[17]、Google、Scholar、Springer、CNKI[18]。

但传统文献计量学指标存在时滞性，指标冗余复杂，评估成果类型单一，指标异化与过分关注而使价值导向偏颇等问题[19]，所以采用Altmetrics指标能有效避免上述问题。Altmetrics视角的院校学术影响力研究集中于Altmetrics指标之间的相关性研究[20]和Altmetrics指标与传统计量指标的相关性研究[21]。然而，将Altmetrics指标与传统引文指标融合应用于科研院校学术影响力综合评价的可行途径探讨和实证案例研究还较为鲜见，本文将致力在该方面做出一定的尝试。

基于此，提出本文的研究思路：在引入Altmetrics的视角下，以医学信息领域科研院校为基本研究对象，综合Web of Science和Altmetrics.com两大数据库平台上获取的引文类和社媒类两大类型指标，进行科研院校学术影响力综合评价的探索研究。具体地，从主客观分别赋权评价的角度出发，使用熵权TOPSIS和层次分析TOPSIS方法，构建多维指标融合下的院校影响力评价模型，进一步与被誉为“世界三大具有影响力的全球性大学排名”之一的QS世界大学学科排名进行对照分析，辅证本文构建的评价模型的有效性，揭示主客观赋权方法对院校整体影响力的影响以及证明替代计量指标可以作为院校影响力评价的辅助材料。

2 研究方法与工具

为了探讨Altmetrics视角下的医学信息领域机构影响力评价，本文选用TOPSIS综合评价法计算在各指标下每个机构的得分，TOPSIS为一种逼近理想解的排序方法，利用加权后的决策矩阵，广泛用于多指标的决策。本文从两个角度，使用操作性和客观性强的熵权法对各指标进行客观赋权，增强指标的分辨意义和差异性;使用层次分析法对各指标进行主观赋权，将复杂的多目标问题转化为多层次单目标的问题。再对熵权法-TOPSIS和层次分析法-TOPSIS所得结果进行解读，并进一步与QS排名用肯德尔和谐系数进行一致性分析，以衡量3种评价结果的一致性程度。本文又分别把层次分析-TOPSIS和熵权-TOPSIS与QS进行了相关性检验，以评价哪种方法表现更好。

2.1 指标赋权

2.1.1 客观赋权——熵权法

在客观赋权方面本文选用的是熵权法，是在客观条件下，由评价指标值来确定指标权重的一种方法。按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量;如果指标的信息熵越小，该指标提供的信息量越大，在综合评价中所起作用理当越大，权重就应该越高。因此，可利用信息熵这个工具，客观地计算出各项指标的权重，为多指标综合评价提供依据。熵权法具有操作性和客观性强的特点，能够反映数据隐含的信息，增强指标的分辨意义和差异性，以避免因选用指标的差异过小造成的分析困难，全面反映各类信息[22]。

2.1.2 主观赋权——层次分析

层次分析法是一种将定性与定量分析方法相结合的方法，常常用于多目标决策分析。这种方法将复杂且无法全部量化的多目标问题转化为多层次单目标的问题，将复杂问题分解，为最佳方案的选择提供科学依据，为决策层作出正确的决策提供理论参考[23]。层次分析法根据问题的性质以及目标，将复杂问题分解为若干层次和若干因素，并按照因素间的关系将其按不同层次聚集组合，形成一个多层次的分析结构模型，将原本复杂的问题转化为不同决策方案对于目标的相对重要程度的排定。步骤如下：

1）建立层次结构模型。

2）构造判断矩阵。对两两指标之间的重要程度作出比较判断，建立判断矩阵。

3）计算重要性排序。计算特征根、特征向量。并对特征向量进行归一化处理。

4）一致性检验。

2.2 综合评价

TOPSIS法为逼近理想解的排序方法，相对客观真实地反映各指标之间的差异，广泛用于多指标决策[24]。TOPSIS法利用决策矩阵的信息，客观地赋以各指标权重系数，却只以离理想点最近作为最后判据，未考虑到负理想点。余雁等[25]利用双基点法的基本思想，对TOPSIS法进一步完善。在多指标决策方案的优选上，改进的TOPSIS法更具合理性、现实性与通用性，因此本文使用改进的TOPSIS法进行综合评价。改进的TOPSIS法以欧几里得范数作为距离测度，即各方案点到理想点距离以及负理想点距离的加权平方和的平方根作为综合评价的判据，同时引入另一种测度，即相對贴近度Ci，以衡量各方案目标值靠近理想解和远离负理想解的程度。相对贴近度Ci定义为：

D+：指标与理想解的距离。D-：指标与负理想解的距离。

2.3 变量关系度量方法

2.3.1 肯德尔等级相关系数（The Kendalls Tau Rank Correlation Coefficient（τ））

肯德尔τ等级相关系数是一种非参数系数，用来测量每一对指标之间相关性，适用于有偏态分布的数据，且适用于数据量是多个相关的量化值[27]，可被应用于多个文献计量指标之间的比较。肯德尔τ系数定义为：

系数的范围是-1≤τ≤1，n为一个指标的观察值的个数。若两个指标之间。如果两个指标的排序是相同的，则系数为1;如果两个指标的排序是不同的，则系数为-1;如果两个指标的排名是独立的，则期望系数近似为0。

2.3.2 肯德尔和谐系数（Kendalls Coefficient of Concordance）

这种检验是非参数检验，是通过各评价方法对评价对象的评价等级及其差异大小，来衡量各种评价结果的一致性程度一种方法[28]。其基本原理是由b个评判员对k个观察指标进行评分，然后检验b个评判员的评价结果是否具有一致性。检验步骤如下：

1）建立假设检验

H0：3种评价方法对各院校的评分没有一致性;

H1：3种评价方法对各院校的评分有一致性。

2）计算检验统计量

其中，b为评价方法个数，k为院校个数，Rj是b种评价方法对第j个院校所给评价等级的总和。

3）确定P值，推断结论

若p<0.05，则拒绝原假设，说明该数据有统计学意义。在拒绝原假设的条件下，当各评价方法接近一致时，W值较大，倾向于1。

3 数据获取与指标分析

3.1 获取数据

笔者首先选定2016年JCR所收录的医学信息领域（Medical Informatics）内的29种期刊，然后使用ISSN号在Altmetric.com平台上获取发文时间在2006-2016年间所有文献的Altmetric数据指标，共计21 245条数据，获取时间为2017年12月15日。同时在Web of Science核心合集中以“WC=（Medical Informatics） and PY=（2006-2016）”为检索式，获得该领域所有期刊文献的全部题录信息（含被引频次等数据），共计44 585条。通过Vba编程进行DOI匹配，筛选出共计14 499条有效数据。继而识别出每个院校的信息，然后根据院校名称进行分类，并把每个院校下对应的文献各指标进行加和汇总，得到9 641个院校。筛选出院校的发文数量大于等于10的院校，共计728条，手工合并同院校不同名字的院校，整合最后共计627个科研院校，这便构成了本文的主要研究对象。

进一步获取这些院校所著32 904篇次文献（含重复计数）的各类计量指标。首先，汇总院校文献被引频次，作为传统学术影响力评价的基本指标。随后针对Altmetric类指标进行处理。考虑到Altmetric.com采集数据来源平台对各文献覆盖率的不同，统一删除指标覆盖率最低（即0变量占80%以上）的指标：Peer Review，Weibo Mentions，Wikipedia，Google+ Mention，LinkedIn Mention，Reddit Mention，F1000，Q&A Mention，Video Mention。最终选用评价科研院校学术影响力的7个指标为：总被引频次，Blog Mentions，Policy Mentions，News Mentions，Twitter Mentions，Facebook Mentions，Number of Mendeley。把7个指标单独排序，按照被引频次排名取前10名的院校，结果如表1，可以看出指标改变对于院校的排名影响很大。但是在Twitter Mentions排名，Facebook Mentions排名，Number of Mendeley排名中改变指标，排名结果不变。

3.2 指标的描述统计

本文首先对7个指标进行描述性分析，如表2所示，展示了指标的数量极大值、极小值、均值和方差。从结果中可以看出，被引频次，Twitter Mentions，Number of Mendeley的标准差很大，说明数据很不稳定。

3.3 指标的相关性分析

在探究完指标的整体情况，本文对指标进行了相关性，探究指标之间的关系。因为指标变化对于结果影响大，本文使用Kendall Rank Correlation Coefficient去计算指标之间的相关性，如表3所示。从结果中可以看出，文章的被引用频次与Mendeley被提及数量具有强相关性，两个指标非常密切相关。此外，被引频次与替代计量指标的相关性系数都大于0.4，说明其余的指标均与被引频次呈中强相关性。Twitter Mentions，Mendeley被提及数量与Facebook Mentions之间的相关数均大于0.6，也表现了强相关性，联系紧密。

由于在整体分析的时候发现指标很不稳定，所以本文对其相关性系数做了鲁棒性分析，以验证数据波动对于相关性系数的影响。本文在对全部院校求的相关性（τfull）的基础上，又对前100和前200的院校求它们的Kendall相关性系数，把两者的相关性系数分别表示为τT100和τT200。为了了解三者的相关系数的绝对差异，本文又对其两两之间求相关系数的绝对差值，结果如图1所示。相对差异较小，这说明即使数据不稳定，对于相关性分析的影响也甚小。

4 结 果

4.1 权重计算结果

本文使用层次分析法对本文的7个指标进行赋权。根据前人关于Altmetrics指标相对重要性的研究[29]和Altmetric.com上的得分的计算方法[30]，并结合相关领域专家的意见，在层次分析法中将各指标的重要性排序为：引用频次>Mendeley>News Mentions>Blog Mentions>Policy Nentions>Twitter Mentions>Facebook Mentions。客觀赋权方法为熵权法。主客观赋权的结果如表4，从表中可以得到，主观权重最高的是被引频次，次之的是Mendeley。客观赋权权重最高的是News Mentions，次之是Blog Mentions。

两个相比较客观赋权与主观赋权的侧重点不一样，主观赋权侧重于学术维度。而熵权则侧重于媒体维度。且熵权法权重赋权比较均匀，都在0.1～0.2之间。

4.2 综合评价结果

得到权重的结果之后，分别把主客观赋权的结果带入TOPSIS中，得到层次分析-TOPSIS和熵权-TOPSIS的结果，如表5所示。可以看出主客观赋权的加TOPSIS方法排名最高的都是Harvard University。Stanford University只入围了熵权-TOPSIS的排名的前10，其他的大学均入围两表。

4.3 结果比较

QS排名是迄今为止唯一被“国际排名专家组”认定的排名，学术同行评议是其重点。并且数据来源丰富，包含交互式的网络平台[31]，与本文的两种院校学术影响力评价方法的数据来源有很大可能相同。在比较方法上，使用肯德尔和谐系数检验两种分数计算方法与QS医学与生命科学排名3种不同评价方法之间的一致性。结果如图2和图3所示，图2说明结果有统计学意义，图3可以看出一致性系数为0.731，具有较强一致性。可以侧面印证本文使用层次分析-TOPSIS和熵权分析-TOPSIS两种方法去计算排名是有意义的。QS官网的计算得分指标有4个：学术声望（25%），雇主声望（25%），文章被引用（25%）和h-index引用（学者个人的写h篇文章至少被引用h次）（25%）。QS与本文的评价方法共同的指标就是文章被引。虽然只有一个指标是相同的，但是因为三者的一致性很高，可能的原因是本文的Altmetrics指标与除了文章被引用以外的其他QS评价指标是有一致性的。

本文又分别把层次分析-TOPSIS和熵权-TOPSIS与QS进行了相关性检验，熵权-TOPSIS与QS的皮尔逊相关性系数为0.438，而层次分析-TOPSISQS的皮尔逊相关性系数为0.396。就整体角度来讲，熵权-TOPSIS的评价结果更好。

进一步，对两种评价模型前30名的院校进行更详细的分析，图4为两种评价方法前30名和QS前30名之间的集合关系图，可以看出层次分析-TOPSIS法与QS的交集最多，说明高水平的院校评价上，层次分析-TOPSIS的结果更好。其中，在本文两种评价方法与QS上都上榜的院校有10个，见图4中箭头所指。3种排名都包含这些院校为各方面综合表现俱佳的院校，他们绝大多数都来自于美国。实际上，在3种排名的Top30的结果中，美国院校数量最多，在医学信息领域的实力，可见一斑。

5 结 论

本文综合使用熵权法、层次分析法、TOPSIS等方法，构建了在Altmetrics视角下关于医学信息学领域多维度的主观和客观的院校影响力评价模型。

本文首先展示7个指标的整体情况，进行描述统计分析和相关性分析，发现指标均与被引频次呈中强相关性，可以说明这些替代计量指标可以作为院校评价的补充指标。被引频次与Mendeley Mentions是强相关，两者都是较直接学术相关的指标。Twitter Mentions与Facebook Mentions之间的相关数很高，说明二者相似程度较高，两者都是大众媒体的评价指标。在News Mentions中，Blog Mentions是与其最相关的，两者可以归为一类指标，两者重点关注创新性内容。所以指标之间还可以再归成不同的类。由于指标的标准差相差过大，为了消除指标之间一致性的影响，对数据进行鲁棒性分析后，发现数据不稳定对一致性分析结果影响可忽略。

再者，本文通過主观和客观两种赋权方式用TOPSIS对院校进行评价，并分别用熵权-TOPSIS（客观）和层次分析-TOPSIS（主观）的方法计算出排名前十的院校。两种院校排名计算方法都排名第一Harvard University是世界一流的私立研究型大学，也是世界最顶尖的高等教育院校之一，在医学方面拥有崇高的学术地位及广泛的影响力。数据上也充分地体现出其优势地位。在计算排名中贡献最大的Policy和News Mentions上，Harvard University的数据均位列第一，并且与其他院校有较大悬殊，与University of California Berkeley相较，Harvard University在Policy和News上的提及量近似第二名的两倍。同时，Harvard University在科学交流网站Mendeley上的数据也一骑绝尘，与其他平台相较，该平台上的学者观众较多，因此，在Mendeley上很高的数据也体现了Harvard University在医学类院校中顶尖的地位。Stanford University只入围了熵权-TOPSIS，原因是它的News Mentions和Blog Mentions排名很高，而熵权最关注的两个指标恰好是这两个。总体来讲每个大学被受到的关注平台不尽相同，各有侧重。从国家的角度来说，在综合两种评价方法和QS来看，美国大学在医学信息领域具有压倒性优势。

为了检验模型的准确性，本文使用熵权-TOPSIS和层次分析-TOPSIS的方法计算出的排名与医学与生命科学QS排名三者进行一致性检验。发现主观与客观赋权对评价结果影响不大，且两者与QS高度相关，可以说明该层次分析-TOPSIS模型与熵权法-TOPSIS模型合理性高，且此方法可以作为院校影响力评价的补充参考。本文又把两个模型分别与QS进行相关性检验，熵权-TOPSIS的结果更高。所以从整体上来看，熵权法-TOPSIS模型评价效果更好。针对于高水平院校，根据与QS的交集个数可以判断层次分析-TOPSIS模型评价效果更好。

而替代计量的数据来源替代计量指标来自于不同的网络平台，可以实时获取，所以相比较于传统计量指标，具有很高的时效性，不仅可以评价院校现在的影响力，还可以作为预测院校未来影响力的重要指标，具有很大的研究前景。

但本文的研究仍有遗憾之处，由于医学院校的数据覆盖率较低，数据量相对来讲较少，未来可以用更大的数据集进行研究，并且可以对院校学术影响力进行预测分析。此外，Altmetric.com的数据来源和精准度还有待进一步的考证。

参考文献

[1]邱均平，张心源，董克.Altmetrics指标在院校知识库中的应用研究[J].图书情报工作，2015，59（2）：100-105.

[2]顾立平.论文级别计量研究：应用案例分析[J].现代图书情报技术，2013，（11）：17.

[3]Priem J，Taraborelli D，Groth P，et al.Altmetrics：Amanifesto[EB/OL].http：//altmetrics.org/manifesto/，2019-03-09.

[4]张立伟.社交网络平台非正式科学交流的探讨———基于Evolutionary Biology学科Altmetrics数据计量[J].科学学研究，2018，36（6）：1008-1016.

[5]Thelwall M.Using Altmetrics to Support Research Evaluation[M].Altmetrics for Research Outputs Measurement and Scholarly Information Management，2018.

[6]舒非，StefanieHaustein，全薇.推特（Twitter）对中国论文的国际关注度影响研究[J].图书馆论坛，2017，（6）：55-60.

[7]王菲菲，贾晨冉，王筱涵.多维计量指标融合下的学者综合影响力评价研究——以基因编辑领域为例[J].科研管理，2019，40（1）：178-190.

[8]赵蓉英，郭凤娇，谭洁.基于Altmetrics的学术论文影响力评价研究——以汉语言文学学科为例[J].中国图书馆学报，2016，42（1）：96-108.

[9]任全娥，耿海英.2017年国外文献计量学研究的学科动态与研究热点[J].国外社会科学，2018，（4）：147-152.

[10]王菲菲，贾晨冉，韩文菲，等.政策文件替代计量视角下的学术成果利用效率分布态势剖析[J].北京工业大学学报：社会科学版，2018，94（4）：59-70.

[11]余厚强.替代计量指标与引文量相关性的大规模跨学科研究——数值类型、指标种类与用户类别的影响[J].情报学报，2017，（6）：74-85.

[12]郝若扬.高Altmetrics指标论文的特征分析及影响力分析[J].图书情报工作，2018，62（8）：107-114.

[13]孟伟花，向菲.替代计量学在医学领域的实证与应用研究分析[J].医学与社会，2016，29（11）：8-10，14.

[14]苏新宁.学术评价与学术考核奖励机制的辩证观[J].西南民族大学学报：人文社科版，2017，38（9）：1-5.

[15]Li J.A Comparison of 17 Article-level Bibliometric Indicators of Institutional Research Productivity：Evidence from the Information Management Literature of China[J].Information Processing and Management，2017，53：1156-70.

[16]赵雅馨，杨志萍.研究热点探测的替代计量学方法和应用——以信息与计算科学为例[J].情报杂志，2016，35（11）：39-44.

[17]杜静玲，夏芸，周波.中美日韩印五国国立核科研院校学术影响力比较研究[J].情报探索，2018，（6）：64-68.

[18]蒋世银，李春旺.基于关联数据科研院校综合评价模型研究[J].情报理论与实践，2015，38（11）：71-75，114.

[19]王菲菲.论文层面计量视角下的核心文献价值测度与识别研究———以人工智能领域为例[J].情报理论与实践，2017，40（6）：91-98.

[20]杨柳，陈贡.Altmetrics视角下科研院校影响力评价指标的相关性研究[J].图书情报工作，2015，59（15）：106-114，132.

[21]何文.Altmetrics与引文分析法在期刊影响力评价上的相关性研究[D].南京：南京大学，2015.

[22]周文华，王如松.基于熵权的北京城市生态系统健康模糊综合评价[J].生态学报，2005，25（12）：3244-3251.

[23]郭金玉，张忠彬，孙庆云.层次分析法的研究与应用[J].中国安全科学学报，2008，（5）：148-153.

[24]管莺莺.基于替代计量和改进TOPSIS的科研绩效评价研究[D].上海：东华大学，2016.

[25]余雁，梁樑.多指标决策TOPSIS方法的进一步探讨[J].系统工程，2003，（2）：98-101.

[26]Sidiropoulos A，Gogoglou A，Katsaros D，et al.Gazing at the Skyline for Star Scientists[J].Journal of Informetrics，2016，（10）：789-813.

[27]孙银山，张文涛，张一茗，等.基于肯德尔相关系数的高压开关设备机械状态评估方法研究[J].电气自动化，2014，（3）：86-88，100.

[28]许萍，张立军，陈菲菲.TOPSlS评价模型的稳健性分析及参数选择[J].统计与决策，2013，（17）：20-23.

[29]王贤文，方志超，王虹茵.连续、动态和复合的单篇论文评价体系构建研究[J].科学学与科学技术管理，2015，36（8）：37-48.

[30]How is the Altmetric Attention Score Calculated？[EB/OL].https：//help.altmetric.com/support/solutions/articles/6000060969-how-is-the-altmetric-score-calculated-，2019-03-09.

[31]施艳萍，袁曦临，宋歌.基于ARWU的世界大学排名体系比较及实证研究[J].图书情报工作，2017，61（15）：95-103.

（責任编辑：陈 媛）