学术社交网络知识交流效果研究述评

王瑞 袁勤俭

收稿日期：2020-06-06

基金项目：江苏省社会科学基金项目“学术虚拟社区知识交流的效果评价研究”（项目编号：17TQB003）。

作者简介：王瑞（1996-），女，硕士研究生，研究方向：电子商务，信息分析与应用。

通讯作者：袁勤俭（1969-），男，教授，博士，博士生导师，研究方向：电子商务、信息分析与应用。

摘  要：[目的/意义]梳理并总结学术社交网络知识交流效果的相关研究，帮助学界同仁把握其发展现状，为未来研究提供思路和方向。[方法/过程]将学术社交网络知识交流效果相关研究归纳为知识交流效果的影响因素研究、知识交流效果评价方法和评价指标体系研究、知识交流效果提升策略研究3个方面，分析各方面研究成果。[结果/结论]现有研究存在数据来源单一、相似概念混淆、构建评价体系考虑不全面等不足之处，未来可在这些方面取得进一步突破。

关键词：学术社交网络;知识交流;效果评价

DOI：10.3969/j.issn.1008-0821.2020.12.017

〔中图分类号〕G203  〔文献标识码〕A  〔文章编号〕1008-0821（2020）12-0170-08

A Review of Research on Knowledge Exchange Effect in

Academic Social Networks

Wang Rui  Yuan Qinjian*

（School of Information Management，Nanjing University，Nanjing 210023，China）

Abstract：[Purpose/Significance]This paper sorts out and summarizes the research on knowledge exchange effect in academic social networks to help academic colleagues grasp the development status，and provide ideas and directions for future research.[Method/Process]The researches were summarized into three aspects：research on influencing factors of knowledge exchange effect，research on evaluation method and evaluation index system of knowledge exchange effect，research on the strategy of improving the effect of knowledge exchange，and we analyzed the deficiencies of research results in each aspect.[Result/Conclusion]The existing researches had shortcomings such as single data source，confusion of similar concepts，incomplete consideration of constructing evaluation system，etc.Future research can make progress in these aspects.

Key words：academic social networks;knowledge exchange;evaluation

学术社交网络（Academic Social Networks，ASN）是指为了帮助科研人员完成学术互动和学术成果共享而搭建起的具有社交性质的网络平台，在ASN中，学者可以突破传统的学术交流模式，实现跨时空跨地域的学术资源共享和专业知识交流。早在2000年，SciLinks、Scientist Solutions等网站就尝试性地专门为研究人员的在线交流提供基本服务，随着在线知识交流的需求日益旺盛，Twitter、Facebook等面向大众的社交网站也开始尝试为研究人员搭建学术交流平台，然而其学术服务的专业性受到了不少质疑，直到2008年，以ResearchGate、Mendeley为代表的ASN开始涌现[1]，这使得社交网络的开放性和学术交流的专业性得以有效融合，各领域科研人员的联系日益紧密。

目前，ASN已成为科研工作者获取学术资源、进行知识交流的重要平臺，因此相关研究引起了广泛关注，知识交流行为、科研合作网络、平台功能设计等均成为重要研究话题，为揭示ASN的研究现状，有学者进行了研究述评，如赵杨等从ASN基本功能、用户使用行为、学术合作行为、学术成果影响力评价以及学术社交网络的服务模式与资源推荐多个方面对国内外研究现状进行了综合分析[1];聚焦于用户知识交流行为，孙思阳等结合定量和定性分析方法对ASN中用户知识交流行为的发文量、作者分布、高频词分布、期刊分布等进行科学计量，并采用CiteSpace等软件对结果进行可视化呈现[2];徐美凤等则关注ASN的知识共享，对共享成员构成、互动特征、共享行为影响因素等内容进行了评析[3];更进一步地，蔡小筱等从个人、人际、社区3个方面对ASN知识共享影响因素相关研究成果进行梳理，发现现有研究存在概念定义不清、社区特殊性分析不足、影响因素考虑不全面等不足之处[4]。由上可知，相关研究综述已经从ASN整体研究总结转移到了知识交流、知识共享等具体某一方面的研究述评，学者开始关注越来越细致的内容，且当前综述性研究更注重行为研究的整合，与知识交流效果相关的研究成果涵盖较少。ASN的知识交流效果不仅影响研究人员当下的平台使用体验，对于未来的持续使用意愿也具有重要意义，研究知识交流效果对于平台提高用户满意度和用户粘性具有重要推动作用。正因如此，大量学者关注ASN知识交流效果，相关研究已具备一定数量，然而鲜有文献对现有研究成果进行述评，因此本文拟对ASN知识交流效果相关研究进行梳理总结并分析当前研究存在的问题，以期帮助学界同仁全面系统地掌握相关研究进展，为后续研究提供参考。

1  学术社交网络知识交流效果相关研究

目前学术社交网络知识交流效果的相关研究主要集中在影响因素研究、评价方法和评价指标体系研究、效果提升策略研究3个方面。

1.1  知识交流效果影响因素研究

1.1.1  与知识共享和知识交流行为有关的影响因素

ASN中的知识交流与知识共享行为对知识交流效果产生最直接影响，知识需求者在平台上提问，其他用户分享相关经历和科研成果帮助解决问题，用户间借助ASN形成的长期有效的互动是保证知识交流效果的重要前提。学者们从不同角度提出了知识共享和知识交流行为的影响因素：在知识共享行为研究中，Lee J等提出了由娱乐、声誉、学习、自我效能、无私、互惠、信任、社会参与、社区兴趣等18个因素构成的影响因素模型[5];聚焦到具体方面，张鼐等从结构资本、关系资本和认知资本3方面构建了基于社会资本的影响因素模型，其中关系资本和认知资本都对知识共享绩效产生正向影响，社会联系对成员的共同语言和共享意愿也具有正面意义[6];进一步地，蔡小筱探究了基于熟人关系的知识共享行为，提出认同感、信任和自我效能等个人心理因素产生积极影响，人情互惠规范、个人形象和声誉、风险等外在环境因素则产生阻碍作用[7];在知识交流行为研究中，Yan W W等提出不同学术影响力水平机构下的用户具有不同的表现，高学术影响力机构的用户在交流过程中具备优势且更受欢迎，中等研究水平机构的学者积极寻求信息，低水平机构的用户则相对不活跃[8];也有学者对影响因素进行了程度划分，如孙富杰将用户满意度和激励因素视为主要因素，有用性、信任度和愉悦性为次要因素，个人动机、社会影响和易用性则为相关因素[9];上述研究均从正面探索促进知识共享和交流的因素，而发掘阻碍因素对于提升知识交流效果同样具有重要意义，如张帅等通过内容分析梳理出ASN用户社交不足的关键影响因素：个体意向因素包括学术资本、主观规范、分享意识和时间精力;平台客观条件包括学术声誉机制和后发劣势;信息因素包括信息效益、隐私信息和专业知识[10];另外，知识隐藏意愿[11]、版权问题[12-13]也在一定程度上阻碍知识交流效果的提升。

1.1.2  与科研合作行为有关的影响因素

利用ASN，科研人员线上的学术合作成为思维激发、研究创新的重要来源，研究人员间频繁紧密的科研合作对提升ASN知识交流效果具有重要意义。學者们针对科研合作行为的影响因素进行了深入研究：如谭春辉等通过分析质性访谈数据构建影响因素模型，其中自我效能、群体认同、社群影响、互惠均正向影响合作意愿，合作意愿与合作行为正向相关，激励机制和系统易用性对合作行为同样具有显著的正向影响[14];同样利用深度访谈数据，王仙雅对影响因素进行了区分，她指出社区吸引力是外部驱动因素，求助型和研讨型互动是社区互动因素，体验感提升是内部驱动因素;外部驱动因素既可以直接促进合作形成，也可以通过影响社区互动和内部驱动因素间接促进合作形成[15];聚焦于更细致的内容，Rodrigues M W等指出研究兴趣和预期生产率的提高是研究人员积极与他人进行科研合作的重要原因，同时学者们通过交流合作习得新技术，合作也使其更易获得基金支持[16];Mohdeb D等则关注合作者间的链接强度，通过构建并验证链接强度模型得出，合作者间的学术亲密程度和其在合作中的科学贡献都在不同程度上影响其科学协作关系[17];以上研究忽略了科研人员间合作关系网络的影响作用，王文秀等则利用社会网络分析法深入挖掘用户评论和回复数据并构建科研人员关系图谱，网络度数、平均路径长度、中心性等指标的分析结果表明：平台关键用户是促进知识流动的重要环节，科研人员间强弱关系的合理开发是显性和隐性知识相互转化的重要条件，用户关系网络的紧密和完善是知识交流效率得以提升的重要保证[18];此外，Jiang H Q等利用ResearchGate平台上学者间的关系网络构建了ASN信息传播模型，通过分析信息在网络中的流动趋势和传播概率可以充分挖掘平台上的知识交流规律[19]。

1.1.3  与平台管理能力和功能设计有关的影响因素

ASN平台自身的管理能力和功能设计是知识交流服务的重要组成部分，完备易用的功能设计和便捷高效的操作流程不仅为用户的知识交流提供牢靠的技术支持，还有利于提升用户知识交流效果和持续使用意愿，因而学者也针对影响知识交流效果的平台管理能力与功能设计进行了研究：黄甫军从平台整体功能出发，分析了信息功能、合作功能、凝聚功能和管理功能对知识交流行为即关注、互动、学术分享和科研合作行为的影响，结果表明：信息功能利于增强学术分享，合作功能对各行为影响较小，凝聚功能对学术分享与科研合作作用较大，管理功能同样有助于增强学术交流[20];更进一步地，Bhardwaj R K通过比较分析ResearchGate、Academia.edu、Mendeley和Zotero四大主流网站的功能，发现服务性能、输出功能、隐私设置、文本显示、书目特征的可用性等均会影响用户的使用体验，进而影响整体知识交流效果[21];聚焦于平台的激励政策，施涛等指出外在激励有助于提高知识交流的外在收益，使得复制型知识贡献数量显著增加;内在激励则有利于提高成就感、自主感等内在收益，从而增加创作型知识贡献行为，提升平台知识质量和交流效果[22];从平台满足科研需求出发，韩文等将科研活动中的需求归纳为：自我推广、学术成果管理、科研人员交互、科研动态实时推送，指出资源聚合能力、交流时效性和推动学术合作的能力、学术资源管理功能、学者能力评价指标等均对知识交流效果具有一定的促进作用[23];也有学者针对具体平台进行了分析，如许林玉等分析“经管之家”用户行为数据后得出，平台用户访问量、论坛币、活跃度以及好友数量对知识共享数量有正向影响，而是否论坛币、活跃度以及好友数量对知识共享质量具有显著的正向影响[24];另外，ResearchGate平台自身构建的学术影响力评价指标RGScore也受到了关注，学者们针对指标间关系[25]、评价结果准确性[26-27]等问题进行了探究，结果表明RGScore可以有效反映用户的参与程度，平台开发合理的指标有利于激励用户上传出版物、分享学术资源，增加其学术影响力，同时提升知识交流效果。

综上可知，现有文献以用户和平台作为两个不同的切入点来研究知识交流效果的影响因素，用户角度包含知识共享、知识交流和科研合作行为的影响因素，平台角度涉及社区管理能力和平台功能设计，多角度归因可以细致全面地得出影响ASN知识交流效果的各项因素，然而现有研究所提多是间接影响因素，少有研究揭示专门针对知识交流效果的直接影响因素;在研究方法上，大部分研究运用质性分析方法或调查问卷来获取所需数据，较少研究包含用户的实际行为数据。

1.2  知识交流效果评价方法和评价指标体系研究

1.2.1  知识交流效果的评价方法研究

引入当下较为完善成熟的评价方法对ASN知识交流效果进行评价是提升评价结果可靠性的重要保证，对于指导学术社交网络建设，促进其良性发展具有重要的现实意义。目前已有多种评价方法被验证适用于ASN知识交流效果的评价，如宗乾进等以“科学网”中的博客访问量、分享量、博主量、博文量为指标构建学术博客知识交流效率评价体系，引入数据包络方法（DEA）分析该平台的综合效率、技术效率、规模效率、规模报酬等[28]，DEA利用线性规划对具有可比性的决策单元进行相对有效性评价，适用于ASN这种没有绝对评价标准的对象[29];在这个基础上，万莉加入Malmquist生产率指数比较“人大经济论坛”和“小木虫”平台上不同时期知识交流效率和知识生产率的动态变化，结果表明“人大经济论坛”全要素生产率呈下降状态，ASN整体交流效率仍有巨大的改善空间[30];另外，考虑到非参数的DEA方法无法对模型中参数和模型本身进行检验，庞建刚等采用随机前沿分析方法（SFA）分析“经管之家”平台的知识交流面板数据，得到知识交流效率生产函数模型中各参数的估计值，并依据模型进行技术效率分析和动态效率演化，由于SFA方法将模型中的误差项分解为随机误差和技术无效率项，因此对于跨时期的面板数据SFA分析结果更接近现实[31];以上研究中的算法用于高维数据时稳健性较差，为解决此类问题，胡德华等引入遗传投影寻踪算法将知识交流效率评价体系中的多个指标转化为一个具有代表性的综合指数，测量了不同社区的交流效率，并确定了等级评价[32];也有学者引入单项度量指标-年度总引文增长率（K）的概念来衡量ASN在高被引学者学术传播过程中的作用[33];同时，ResearchGate平台所独有的RGScore也得到学者们的认可[34，26]，成为了该平台评价知识交流效果的又一重要指标。

1.2.2  知识交流效果的评价指标体系研究

客观、系统的评价准则和评价体系是准确判断ASN知识交流效果的基础和依据，学界首先基于理论分析确立了基本评价准则，如王东等借鉴开放存取期刊质量评价研究，结合ASN知识交流和学术傳播的开放性、便捷性、互动性等特点，以社区编辑、同行专家为评价参与主体阐述了各自的评价侧重点和评价依据，同时制定了学术性、规范性、创新性、效率性等评价准则[35];屈宝强则更关注学者间的科研合作，在深入分析学术合作诉求、合作规范、合作保障机制等要素后，提出评价科研交流效果主要应从资源利用和参与者满足两方面入手，资源利用包含知识的获取与互动、学术资源的质量、学术交流的聚类和累积效果等，参与者满足主要指参与者问题的解决、知识的延伸及心理满足[36]。随后，学者们从用户视角出发，通过分析调查问卷形成基于用户感知的效果评价体系，如杨瑞仙等构建了投入/产出和精神/物质两个维度的ASN知识交流效率评价指标体系，包含知识投入、非知识投入、知识产出、个体价值、经济报酬、社会价值6项二级指标，采用熵值赋权法确定各项指标权重，通过问卷反馈得出用户的感知有用性和感知易用性是评价结果的重要影响因素[37];另外，胥伟岚构建了基于粗糙集条件信息熵的层次式评价体系，通过10个平台用户的问卷调查，获取感知数据，分析不同平台的综合值验证评价体系的有效性[38]。为避免问卷数据的主观随意性，也有学者通过分析用户的实际行为数据进一步完善原有评价体系，如晋升选取了“小木虫”网站上6个学术主题分区的活跃用户作为研究对象，以用户数量、发帖数量、讨论时间作为投入指标，浏览数量、回帖数量和再回复数量作为产出指标，构建了ASN知识交流效率的评价体系[29];此外，吴佳玲等通过采集“小木虫”网站上用户真实的知识交流投入数据和产出数据构建了基于Super-SBM模型的知识交流效率投入产出指标体系，并从静态效率和动态演变两个方面测算平台知识交流整体效果，一定程度上提升了评价体系的可靠性[39]。

由上述研究可知，学界已将多种绩效评测方法引入知识交流效果的评价中，且逐步完善了评价体系，然而不同学者对于知识交流效果的理解不同，导致了不同研究中将知识交流效果、交流绩效、交流效率3个不同的概念混为一谈;另外，在构建指标体系的过程中，当前研究大多从投入产出角度考虑，缺乏新视角下的探索，且不同评价体系指标重合度较高。

1.3  知识交流效果提升策略研究

1.3.1  平台建设相关的改善策略

ASN平台的运营机制和服务策略是促使学者间积极主动地进行知识交流的助推剂，也是保证良好知识交流效果的必备条件，因此完善平台自身建设对改善知识交流效果尤为重要，学者们从激励制度、资源质量、数据安全性等不同角度出发提出了平台改善策略。为鼓励成员积极进行知识贡献和社区参与，平台可以设立完善的激励机制，如给话题参与者一定数量的虚拟币或平台积分，贡献达到一定程度后还可以赋予其一些特殊权限[40-41]，也可以让知识受益者赠送礼物表达感谢，或赋予主要知识贡献者一定的荣誉称号[42]，以激发贡献者的成就感和知识感知价值;同时也需要不断完善平台的技术支持，如增加移动端的访问渠道[41]、支持多种格式信息的浏览与流通、利用智能化搜索算法帮助用户快速查找和吸收利用平台上的已有知识[43]，或提高问题的清晰度、避免发生识题混乱[44];为提高社区资源质量，平台需要了解用户信息质量感知过程及其影响因素[45]，同时可利用元数据对成员所贡献的知识进行识别、描述和定位，依据知识属性和特征对其进行整理，使呈现给用户的知识更加标准化、规范化[43];或者采用知识融合技术定位采集分散异构的信息资源对象，对信息资源进行细粒度划分、转换、匹配、集成、挖掘等，降低冗余性和不完全性，优化知识结构、内涵和置信度，为用户提供多层面的精确决策知识或知识地图[46];为保障学术社交网络平台的安全性，可对社区中的学术话题设置安全等级，并赋予话题发起者一定权限，使其可以甄选参与研讨的人员身份，或设置话题公开级别[40];同时也需要完善平台各类规章制度及奖惩制度，及时处理平台各类违规行为和垃圾信息，建立垃圾及虚假信息甄别机制，增强对用户身份的识别，用户注册采取后台实名认证、前台匿名等形式，增加用户对平台的信任感[47];为提升社区信息运动效率，在设计信息通道时需要充分考虑拥挤状况下的信息速度和数量，避免其超过信道容量，阻塞平台内的信息运动，同时应减少广告信息、冗余信息对信道容量的挤占，对无效信息实施控制和管理，避免分散用户精力，降低知识流动效率[48]。

1.3.2  提升用户持续使用意愿的改善策略

ASN服务于用户并受用户主导，用户的持续使用是平台上知识不断丰富并源源流通的重要保障，而用户持續使用意愿受到感知有用性、感知易用性、信任度、满意度等多种因素的影响[41]，因此从服务接触过程中的用户感知出发实施改进策略，对增强用户持续使用意愿，提升平台知识交流效果具有重要意义。首先，从满足用户需求出发，可依据用户基本信息、知识交流行为数据等构建用户画像，识别不同群体的知识需求特征，及时准确地推荐其需要的内容[49]，具体可进行学术出版物推荐[50]、科研合作者推荐[51]、学者好友推荐[52-53]等精准化服务;其次，从提升用户信任感和参与感出发，平台需要准确检测学科领导者并充分发挥其带头作用，提升用户对知识质量的感知信任度[47，54];同时也可定期调查用户在平台使用过程中的满意度水平，积极采纳用户提供的宝贵建议，让用户为社区的建设和发展建言献策，提升其作为社区成员的参与感和使命感[41];另外也可采用精细化分区方法聚集具有相同爱好和需求的用户，使得话题趋同用户具有共同的区域空间进一步开展学术互动，实现多元话题的群体参与[46];最后，从增强社区归属感出发，平台可积极进行品牌建设，形成社区独有的文化氛围，使用户能够快速融入社区，积极主动地与其他用户进行知识互动，从而增强平台内部的亲切感和认同感[31];同时也可引入情感化设计，帮助用户与平台建立情感联结，既可以在平台界面、图表等视觉设计上打造高层次的感官美学体验，也可以在内容互动、成员沟通方面建立用户间的情感纽带[46];另外，为用户间的线下联系创造条件，也能增强用户互动频率和成员间的关系强度，有利于知识交流效果的提升。

由上述知识交流效果提升策略可知，学者们从平台和用户两个角度提出了知识交流效果提升策略，内容涉及激励机制、信息质量、用户感知等多个方面，然而现有研究大多以平台作为策略实施者提出建议，鲜有针对用户的知识交流建议。

2  总结与展望

通过文献的梳理和总结可知，目前我国ASN知识交流效果的相关研究已经积累了一定成果，研究内容主要集中在知识交流效果的影响因素研究、效果评价方法和评价指标体系研究、效果提升策略研究3个方面。

然而现有研究依然存在以下几点不足：1）在知识交流效果影响因素的研究中，学者们偏向于问卷调查、深度访谈等主观数据来源，对于平台上用户的实际行为数据采集较少，用户感知数据与其行为数据的偏差在一定程度上影响研究结果的客观性，且采纳主观数据进行分析不可避免地会遗漏一些影响因素;2）尽管用户知识共享、知识交流行为和科研合作行为的影响因素以及平台管理能力、功能设计等相关的因素均会对知识交流效果产生重要影响，但现有研究中的各影响因素只是被作为间接影响因素，知识交流效果的直接影响因素尚不明晰;3）在效果评价研究中，学者们无意识地将“效率”“效果”“绩效”3个不同的概念混为一谈，然而不同的概念具有不同的侧重点，选取正确的表达对于把握研究关注点具有重要意义;4）在构建评价指标体系时，由于所选评价方法的限制，学者们大多从投入产出角度计算不同平台的知识投入和绩效产出，这就导致不同学者构建的评价体系具有很大程度的相似性，且由于缺乏新视角的探索，评价指标的完备性还需要进一步补充;5）在提升策略研究中，学者们大多关注平台方的改进策略，忽视了从用户入手提升知识交流效果的建议，然而当前我国ASN普遍存在利用不足、学术互动不活跃的现象[55]，仅平台单方面改进还不足以充分利用ASN的知识交流价值。

针对上述不足，未来研究可在以下方面取得进展：1）采集不同平台上用户实际行为数据，以便客观反映用户真实的知识交流情况，或者将主客观数据相结合，通过客观数据检验依据主观数据构建的模型，以增强研究结果的说服力;2）将ASN知识交流效果作为因变量，构建知识交流效果的直接影响因素模型，探究知识共享意愿、科研合作需求、平台系统功能等因素如何影响知识交流效果，同时也需识别调节变量和中介变量的影响作用，进一步明晰不同因素之间的相互作用关系;3）明确管理学意义上“效果”“效率”“绩效”三者的区别与联系，依据自身研究主题选取合适的表述词汇和研究侧重点，增强学术研究的严谨性;4）在构建知识交流效果评价体系时从不同的范畴出发选取指标，除了学者的提问量、回答量、浏览量、互动频率等显性数据指标项，还可以考虑学者社会关系网络的扩展、隐性知识的增加、自我效能的提升等不易察觉的产出指标;5）考虑面向用户实施的知识交流效果提升策略，调查当前ASN用户信息搜寻、信息辨别、信息吸收等不同维度的信息素养水平，具有针对性地实施用户知识表达能力的培训和交流主动性的挖掘等，从而使用户自我提高与平台改进双管齐下，共同提升ASN知识交流效果。

参考文献

[1]赵杨，李露琪.国内外学术社交网络研究现状述评与思考[J].情报资料工作，2016，（6）：41-47.

[2]孙思阳，张海涛，任亮，等.虚拟学术社区用户知识交流行为研究综述[J].情报科学，2019，37（1）：171-176.

[3]徐美凤，叶继元.学术虚拟社区知识共享研究综述[J].图书情报工作，2011，55（13）：67-71.

[4]蔡小筱，张敏，郑伟伟.虚拟学术社区知识共享影响因素研究综述[J].图书馆，2016，（6）：44-49.

[5]Lee J，Oh S，Dong H，et al.Motivations for Self-archiving on an Academic Social Networking Site：A Study on ResearchGate[J].Journal of the Association for Information Science and Technology，2019，70（6）：563-574.

[6]张鼐，李英剑，周年喜.社会资本对虚拟学习社区知识共享绩效的影响研究[J].山东图书馆学刊，2017，（3）：13-17.

[7]蔡小筱.基于熟人關系的虚拟学术社区知识共享行为研究[D].重庆：西南大学，2015.

[8]Yan W W，Zhang Y.User Behaviors and Network Characteristics of US Research Universities on an Academic Social Networking Site[J].Higher Education，2019，78（2）：221-240.

[9]孙富杰.学术虚拟社区用户知识交流行为影响因素调查研究[D].郑州：郑州大学，2018.

[10]张帅，李晶，王文韬.学术社交网站用户社交不足的影响机理：基于质性方法的探索[J].图书情报工作，2018，62（4）：81-88.

[11]张磊，庞建刚，王艳霞.基于SVM的虚拟学术社区科研人员知识隐藏意愿评价研究[J].情报探索，2019，（10）：9-16.

[12]Laakso M，Lindman J，Shen C Y，et al.Research Output Availability on Academic Social Networks：Implications for Stakeholders in Academic Publishing[J].Electronic Markets，2017，27（2）：125-133.

[13]Jamali H R.Copyright Compliance and Infringement in ResearchGate Full-text Journal Articles[J].Scientometrics，2017，112（1）：241-254.

[14]谭春辉，朱宸良，苟凡.虚拟学术社区中科研人员合作行为影响因素研究——基于质性分析法与实证研究法相结合的视角[J].情报科学，2020，38（2）：52-58，108.

[15]王仙雅.虚拟学术社区促进科研合作形成的内在机理——一项扎根理论研究[J].科技进步与对策，2019，36（21）：19-25.

[16]Rodrigues M W，Brandao W C，Zarate L E.Recommending Scientific Collaboration from ResearchGate[C]//Brazilian Conference on Intelligent Systems，2018：336-341.

[17]Mohdeb D，Boubetra A，Charikhi M.Tie Persistence in Academic Social Networks[J].Informatica-Journal of Computing and Informatics，2016，40（3）：353-364.

[18]王文秀，陈果，岑咏华.面向网络社区知识交流与共享的用户关系图谱构建与可视化研究[J].情报科学，2017，35（11）：55-60.

[19]Jiang H Q，Pan Y C，Jie X，et al.Academic Social Network Information Dissemination Model[C]//International Conference on Information Science and Technology Applications（ICISTA），2013，58：111-113.

[20]皇甫军.科研社交网络平台功能因素和用户行为的相关性分析[J].情报科学，2017，35（8）：62-67.

[21]Bhardwaj R K.Academic Social Networking Sites Comparative Analysis of ResearchGate，Academia.edu，Mendeley and Zotero[J].Information and Learning Science，2017，118（5）：298-316.

[22]施涛，姜亦珂.学术虚拟社区激励政策对用户知识贡献行为的影响研究[J].图书馆，2017，（4）：82-86.

[23]韩文，刘畅，雷秋雨.分析学术社交网络对科研活动的辅助作用——以ResearchGate和Academia.edu为例[J].情报理论与实践，2017，40（8）：105-111.

[24]许林玉，杨建林.基于社会化媒体数据的学术社区知识共享行为影响因素研究——以经管之家平台为例[J].现代情报，2019，39（7）：56-65.

[25]Shrivastava R，Mahajan P.Relationship Amongst ResearchGate Altmetric Indicators and Scopus Bibliometric Indicators：The Case of Panjab University Chandigarh（India）ResearchGate[J].New Library World，2015，116（9）：564-577.

[26]Orduna-Malea E，Martin-Martin A，Lopez-Cozar E D.ResearchGate as a Source for Scientific Evaluation：Revealing Its Bibliometric Applications[J].Professional De La Information，2016，25（2）：303-310.

[27]Thelwall M，Kousha K.ResearchGate：Disseminating，Communicating，and Measuring Scholarship？[J].Journal of the Association for Information Science and Technology，2015，66（5）：876-889.

[28]宗乾进，吕鑫，袁勤俭，等.学术博客的知识交流效果评价研究[J].情报科学，2014，32（12）：72-76.

[29]晋升.基于DEA方法的学术虚拟社区知识交流效率研究[D].郑州：郑州大学，2019.

[30]万莉.学术虚拟社区知识交流效率测度研究[J].情报杂志，2015，34（9）：170-173.

[31]庞建刚，吴佳玲.基于SFA方法的虚拟学术社区知识交流效率研究[J].情报科学，2018，36（5）：104-109.

[32]胡德华，张又月，罗爱静.基于遗传投影寻踪算法的学术虚拟社区知识交流效率研究[J].图书馆论坛，2019，39（4）：67-73，83.

[33]Ye Q，Hong H M.ResearchGate，an Effective Way to Improve the Academic Dissemination for Highly Cited Researchers？[J].Journal of Zhejiang University Science A，2019，20（5）：375-379.

[34]Shrivastava R，Mahajan P.An Altmetric Analysis of ResearchGate Profiles of Physics Researchers：A Study of University of Delhi（India）[J].Performance Measurement and Metrics，2017，18（1）：52-66.

[35]王東，曲久龙，刘国亮.虚拟学术社区的学术质量评价流程与模式研究[J].情报理论与实践，2012，35（5）：94-98.

[36]屈宝强.网络学术论坛中的科研合作行为及其反思——以“小木虫”学术论坛为例[J].科技管理研究，2010，30（10）：215-218.

[37]杨瑞仙，权明喆，武亚倩，等.学术虚拟社区科研人员知识交流效率感知调查研究[J].图书与情报，2018，（6）：72-83.

[38]胥伟岚.学术社交网络知识交流绩效研究[D].武汉：华中师范大学，2018.

[39]吴佳玲，庞建刚.基于SBM模型的虚拟学术社区知识交流效率评价[J].情报科学，2017，35（9）：125-130.

[40]王仙雅.虚拟学术社区中科研合作的形成与激励：互惠视角[J].情报探索，2019，（10）：24-29.

[41]李曼静.学术虚拟社区用户持续使用意愿研究[D].武汉：华中师范大学，2015.

[42]王伟军，甘春梅.学术博客持续使用意愿的影响因素研究[J].科研管理，2014，35（10）：121-127.

[43]方婷.基于SNS的网络虚拟学术社区知识共享模型构建研究[J].农业图书情报学刊，2017，29（8）：47-51.

[44]Jeng W，DesAutels S，He D Q，et al.Information Exchange on an Academic Social Networking Site：A Multidiscipline Comparison on ResearchGate Q&A[J].Journal of the Association for Information Science and Technology，2017，68（3）：638-652.

[45]Zhang N，Yuan Q J.The Means-end Cognitions of Perceived Information Quality in Academic Social Networking Sites[J/OL].Journal of Librarianship and Information Science，DOI：10.1177/0961000619871612.

[46]陈为东，王萍，王美月.学术虚拟社区用户社会性交互的影响因素模型与优化策略研究[J].情报理论与实践，2018，41（6）：117-123.

[47]钟玲玲，王战平，谭春辉.虚拟学术社区用户知识交流影响因素研究[J].情报科学，2020，38（3）：137-144.

[48]毕强，王福，贯君.提升虚拟社区信息运动效率的策略研究[J].图书情报工作，2015，59（20）：119-125.

[49]王美月，王萍，贾琼，等.基于动态用户画像的学术虚拟社区粘性驱动机制研究[J].现代情报，2019，39（7）：9-17.

[50]Zhao P F，Ma J，Hua Z S.Academic Social Network-based Recommendation Approach for Knowledge Sharing[J].Data Base for Advances in Information Systems，2018，49（4）：78-91.

[51]Hoang D T，Nguyen N T，Tran V C，et al.Research Collaboration Model in Academic Social Networks[J].Enterprise Information Systems，2019，13（7）：1023-1045.

[52]Mao D，Li C Y，Li J J，et al.Academic Social Network Scholars Recommendation Model Based on Community Division[C]//22nd IEEE International Conference on Computer Supported Cooperative Work in Design（CSCWD），2018：265-270.

[53]Yang Z X，Li D D，Lin R H，et al.An Academic Social Network Friend Recommendation Algorithm Based on Decision Tree[C]//IEEE SmartWorld，Ubiquitous Intelligence & Computing，Advanced & Trusted Computing，Scalable Computing & Communications，Cloud & Big Data Computing，Internet of People and Smart City Innovation（SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI），2018：1311-1316.

[54]Ben Ahmed E.Detection of Leading Experts from ResearchGate[J].International Journal of Business Analytics，2018，5（3）：67-86.

[55]周庆山，杨志维.学术社交网络用户行为研究进展[J].图书情报工作，2017，61（16）：38-47.

[56]程豪杰，张宁，袁勤俭.学术虚拟社区知识交流的研究进展[J].现代情报，2018，38（5）：158-163.

[57]黄丽佳，袁勤俭.虚拟社区的系统功能设计相关研究进展[J].现代情报，2020，40（1）：170-177.

（责任编辑：陈  媛）