刘丽敏+王晴

〔摘 要〕 为揭示研究动态和启迪创新，将信息计量学研究引向深入。以《Journal of Informetrics》为样本，运用文献计量、内容分析等方法，从研究足迹和知识结构两个维度透视国际信息计量学近十年的发展脉络。研究表明：中、美、欧在科研产出上呈“三足鼎立”之势，其中，比利时的天主教鲁汶大学和安特卫普大学以及中国的国立台湾大学的发文量排名前三；德国马普学会的博恩曼是发文最多的顶级专家，且在合作网络中居中心地位；知识基础由h-指数及改进指标、引用测量及优化机制、科学学与科学管理等3个知识集群构成；研究热点包括引文分析、h-指数、影响因子、研究评价（绩效评估）等四大领域。

〔关键词〕信息计量学；引文分析；h-指数；科学计量学；altmetrics；知识图谱

DOI：10.3969/j.issn.1008-0821.2017.08.022

〔中图分类号〕 G250.252 〔文献标识码〕A 〔文章编号〕1008-0821（2017）08-0154-07

〔Abstract〕The purpose of this paper was to reveal the dynamic state and inspire innovation，promote the sustainable development of informetrics. Taking the“Journal of Informetrics”as sample，the author analyzed the research footprint and knowledge structure of informetrics in the past decade，using the methods of bibliometrics and content analysis. The study showed that the output of China，USA and Europe like “a situation of tripartite confrontation”，the three institutions with the largest output were Catholic University of Louvain，University of Antwerp of Belgium and National Taiwan University of China. Lutz Bornmann from Max Planck Gesell was the top expert who had published maximum papers，and he was occupying a central position in a cooperative network. The Basic knowledge was composed of three clusters that were h-index and improved indexes，citation measurement and optimization mechanism，science of science and science management. Research hotspots included citation analysis，h-index，impact factor，and research evaluation.

〔Key words〕 informetrics；citation analysis；h-index；scientometrics；altmetrics；knowledge map

1979年，西德学者奥托·纳克 （Otto Nacke）首次提出“Informetrie”术语，翌年，与之相对应的英文名称“Informetrics”（信息计量学）便出现在当年的美国国家科学基金会（NSF）课题指南中。广义的信息计量学以信息论为理论基础，探讨广义信息的计量问题，而目前信息计量学更侧重狭义层面，即应用定量方法来分析和研究文献信息特征及规律[1]。从理论与方法的角度来看，信息计量学是应用数学方法研究信息对象的专业领域，核心特征是涵盖所有类型的信息；而科学计量学的特点是将科学发展作为信息过程，主要聚焦于科学研究的探索与评价[2]。从学科发展的角度讲，信息计量学是信息科学与科学计量学融合发展的结果，是一门不断发展的交叉学科，已被广泛应用于各种与信息相关的活动[3]。

20世纪80年代初至今，信息计量学相继获得国际文献联合会（FID）、国际科学计量学与信息计量学协会（ISSI）等国际学术组织的认可和支持，也受到相关领域国际知名学者和专家的关注和推动，并在新环境下衍生出新的概念体系（如Webometrics），拓展了信息计量学的发展空间[4]。2007年，《Journal of Informetrics》（简称JOI）的创刊标志着信息计量学的发展迈上新台阶，为信息计量学的国际化和专业化发展以及学术研究与交流提供共享平台。作为一个持续发展的学术领域，信息计量学理论和方法已经在传承和创新过程中取得长足进步，相关研究和学术交流活动也更趋繁荣。

上世纪90年代初，信息计量学开始被引入国内，现已发展成为经久不衰的学术热点，相关理论和方法已经渗透到更多的应用领域。国内学者已从不同的视角对国际信息计量学的发展态势进行解读，就研究创新而言，相關研究仍有值得改进之处：过于强调量化结果的表层特征、缺乏内容的挖掘与解析，本文在此基础之上，选取国际公认的信息计量学权威期刊JOI作为数据源，注重定性与定量分析的融合，从研究足迹和知识结构两个维度深度解读国际信息计量学的发展格局。

1 数据来源与研究方法

本研究以Web of ScienceTM（WoS）为检索来源，检索式为：出版物名称=journal of informetrics，时间跨度=所有年份，索引=SCI-EXPANDED，SSCI，CPCI-S，CPCI-SSH，检索到698项结果，以文献类型ARTICLE、REVIEW和PROCEEDINGS PAPER作为精炼条件，剔除社论材料、校正和信报后，共获得632条题录。JOI每年出版4期（季刊），每年的载文量均不相等，总体上呈先增后减的态势，具体而言，JOI在创刊初期（2007-2009年）年均载文量为33篇，发展中期（2010-2012）年均载文量为65篇，2013年达到顶峰，近三年趋于稳定，年均发文量为81篇。

本研究将综合运用文献计量和内容分析等方法，以文献耦合、知识网络、共现分析、共被引分析等理论为基础，从不同维度挖掘并揭示国际信息计量学研究足迹和知识结构。研究中主要借助于“文献题录信息统计分析工具”（SATI）提取、转换和处理过程性数据[5]，并利用主流的可视化图谱绘制工具展示知识网络结构。VOSviewer是荷兰莱顿（Leiden）大学N. J. Eck和L. Waltman共同研发的知识图谱构建与分析程序，该软件提供3种共被引和4种耦合分析功能，在聚类和图形化展示方面具有独特优势[6]。在知识网络视图中，项目在网络中的节点大小与其重要性成正相关。相比其他同类软件，VOSviewer的特色是采用特殊算法设计程序，有效克服了知识网络中标签重叠的缺陷，研究者可以通过调节参数和定向操作来获取宏观概要、节点信息和内部结构特征[7]。

2 国家与机构分布

2.1 国际研究机构

632篇文献涉及到48个国家（地区）的447个研究机构，其中，发文量仅为1篇的边缘性科研机构有268个，约占总数的59.96%，发文量高于10篇的科研机构有25个，主要的研究机构及其所属国家（地区）信息见表1所示。

从表1可知，中国（包括台湾地区）是国际信息计量学领域发文量最大的國家，也是发文量唯一超过100篇的国家。美国的发文量虽居第二，但仅有1个机构入围前25强。发文量排在3～8名的国家均来自欧洲，其中，在所有的发文机构中，比利时天主教鲁汶大学（47，篇数，下同）和安特卫普大学（39）分别位居冠亚军，中国国立台湾大学居第三，美国印第安纳大学和意大利罗马第二大学（29）并列第四，荷兰莱顿大学（28）和阿姆斯特丹大学（25）以及英国胡佛汉顿大学（23）紧随其后。除了表中所列机构外，瑞士苏黎世联邦理工学院（ETH，14）和苏黎世大学（Univ Zurich，12）、波兰卢布林工业大学（Lublin Univ Technol，13）、匈牙利科学院（Hungarian Acad Sci，11）、韩国延世大学（Yonsei Univ，11）等世界一流大学及科研院所也有较好的学术表现。总体上看，国际信息计量学的科研重镇主要集中在以比利时、荷兰为代表的欧洲发达国家，中美实力相当，美国的机构分布更趋集中。

2.2 中国机构分布

在447个研究机构中，发文量大于3篇的中国机构共有10个。在JOI期刊上发文的中国机构中，排名第一的是国立台湾大学（33），台大已发展成为国际信息计量学领域最活跃的研究机构之一，中国大陆地区的大连理工大学（19）和浙江大学（17）分列第二、三名。此外，清华大学、北京理工大学、同济大学、中国科学技术大学、北京航空航天大学、台湾元智大学和国立台湾科技大学也有一定的学术活跃度。

3 作者合作网络及其结构

经统计可知，632篇文献涉及883位署名作者，其中，仅发表1篇论文的作者共有663位，亦即边缘作者占总数的比例超过3/4。

从作者合作网络（见图1所示）可知，38位核心作者形成6个主要的聚类簇（亦即为共现网络中的子群）。发表论文最多（40篇）的是瑞士苏黎世联邦理工学院（2010年及以前）和德国马普学会（2011年及以后）的博恩曼（L. Bornmann），他目前的研究兴趣主要集中于科研评价、同行评议、文献计量和Altmetrics等领域，他还是JOI、JASIST、《Scientometrics》以及PLOS ONE等期刊的编委会成员。与博恩曼具有合作关系的学者主要有苏黎世联邦理工学院社会心理学和高等教育专业的丹尼尔（H. Daniel）教授和穆茨（R. Mutz）教授以及阿姆斯特丹大学科学交流与创新研究领域的雷德斯道夫（L. Leydesdorff）教授等。在核心作者合作网络中，还有一个子群在整体网络中比较突出，罗马第二大学的阿布拉莫（G. Abramo）、丹吉洛（C. A. DAngelo）和西塞罗（T. Cicero）等组成的科研团队实力非凡，在科研绩效评估、大学产出与评价等领域深耕已久，颇具学术影响力。

相较而言，发文量排名第二的鲁索（R. Rousseau）更为国内同行熟知。鲁索是当今活跃于国际学界的最知名科学计量学家之一，2001年荣获科学计量学领域最高奖——普赖斯奖，现为比利时天主教鲁汶大学和安特卫普大学副教授，担任JOI、JASIST等国际顶级期刊编委，曾任国际科学计量学与信息计量学学会（ISSI）主席。与鲁索存在合作关系的一端是安特卫普大学的甘斯（R. Guns）博士，另一端是南京大学的叶鹰教授与国立台湾大学的黄慕萱教授、陈达仁博士形成的合作子群。另外，胡佛汉顿大学数学与计算学院的情报学教授塞沃尔（M. Thelwall）、莱顿大学的沃尔特曼（L. Waltman）教授和埃克（N. J. Eck）教授、比利时哈塞尔特大学的埃格赫（L. Egghe）教授等计量研究专家也有较高的学术产出。

4 知识基础

为挖掘国际信息计量学的基础性知识来源，可利用最小生成树算法和静态修饰技术，将源数据导入CiteSpace，勾选对应的时间切片和节点类型，经预测试，阈值（c，cc，ccv）的3个子项可设定为（5，2，10），生成高影响力被引文献的聚类网络如图2所示。

图2 高影响力被引文献知识网络

经内容分析可知，近十年国际信息计量学的知识基础由三大文献集群组成。第一大文献集群的研究主题是h-指数及改进指标。最具影响力的文献是美国加州大学圣地亚哥分校（UCSD）物理学教授赫希（J. E. Hirsch）2005年发表在《美国科学院院刊》（PNAS）上的开创性论文《量化个人科研产出的指标》。赫希在文中提出了一种旨在评估科学家累积研究贡献的重要性和广泛影响力的“简易”指标，为不同个人的资源竞争和科研绩效提供公正的比较与评价标准[8]，该指标即为学界熟知的h-指数。其后，针对h-指数的优缺点，一些学者提出了衍生指标。代表性成果包括两篇：一是比利时哈塞尔特大学（UHasselt）科学计量学家埃格赫（L. Egghe）2006年发表在《Scientometrics》上的《G-指数理论与实践》。埃格赫提出的g-指数是用来测量一组论文整体性被引表现力的指标，是对h-指数的补充和提高。从定义可知，在一般情况下，g≥h，指数的分值越高，表示被测对象的影响力和成就越大，这与h-指数的评价逻辑是一致的[9]。二是中国科学院文献情报中心研究员金碧辉等中国学者与鲁索等国外专家2007年合作发表在《科学通报》上的《R-与AR-指数：H-指数的补充》，该文的学术贡献是在克服h-指数某些不足的基础上，引入R-和AR-两种新的评价指标，其中，R-用于测量h-核心引用强度，AR则将出版物的年龄也考虑在内[10]。

第二大文献集群的研究主题是引用测度及优化机制。其中，最经典的文章是“SCI之父”加菲尔德（E. Garfield）的《引文分析作为期刊评价的工具》，该文发表45年以来的被引量经久不衰。该文的贡献在于首次提出基于引用频次进行期刊排名，引文分析结果可为期刊采访和馆藏决策提供量化参考，而最重要的应用在于科学政策研究和研究评价[11]。在改进方案中，有3项成果备受关注，其一是意大利科学交流基金会研究科学家（现为美国印第安纳大学助理教授）拉迪基（F. Radicchi）2008年在PNAS上发表的《引文分布的普遍性：对科学影响的客观测量》。该文的贡献是提出Cf指标，通过该指标可以探测到跨学科和年份的引文分布呈现为一个基本一致的曲线（累积轨迹）[12]。其二是沃尔特曼（L. Waltman）等2011年发表在JOI上的《迈向一个新的皇冠指标：理论考量》。皇冠指标是由荷兰莱顿大学科学技术研究中心（CWTS）开发的文献计量指标，但沃尔特曼等研究发现，皇冠指标的致命缺陷是缺乏相容性机制，因此需要构建一种新的替代性的规范化机制[13]。其三是莱顿大学莫德（H. F. Moed）博士2010发表的《测量科学期刊的语境引用影响》，该文提出一种新的称为“论文源归一化影响”（SNIP）指标，增加学科领域要素，用以测量不同学科领域之间科技期刊影响力，以确保不同领域论文影响力评估的公平性[14]。

第三大文献集群的研究主题是科学学与科学管理。代表性的高被引文献有3篇，均发表在顶级期刊《Science》上。一是美国哥伦比亚（Columbia）大学社会学教授莫顿（R. K. Merton）1968年发表的《科学中的马太效应》，该文的贡献在于揭示并解释了科学研究中的马太效应，分析了科学交流系统和科研奖励体系中的马太效应，以及马太效应与科技资源配置的关系等重要论断，社会选择（如科技资源和人才的集中趋势）过程中也显见地存在着马太效应[15]。二是美国耶鲁（Yale）大学科学史教授普赖斯（D. J. D. Price）1965年发表的《科学论文网络》，该文描述了科学论文的知识网络，并期刊引证分析方法测试和解析这种“特殊关系”，在此基础上提出了“文献著录模式反映了科研前沿的本质”这一重要观点[16]。三是加菲尔德（E. Garfield）1955年发表的《科学引文索引》，加菲尔德在该文中提出排除了非批判性数据的科学文献书目系统，这是一种“前人栽树，后人乘凉”式的科学贡献，能够有效节约研究人员查找相关文献的时间和精力，能够起到这种作用的书目系统就是著名的“科學引文索引”（SCI）。同时，加菲尔德也强调，这种新的书目工具仅仅是文献研究的一个起点，它可能发挥很多作用，但不能期望用它解决所有问题[17]。

5 研究热点

提取关键词和主题词并按其出现的频次高低排序，共获取到1846个关键词和990个主题词，仅出现一次的关键词有1454个，约占总数的78.77%，仅出现一次的主题词有595个，约占总数的60.10%。为了揭示词共现的网络结构特征，采用分式算法和“关键词+”技术，将出现频次≥20的关键词和主题词生成热点知识网络，见图3所示。从聚类结果来看，研究热点可划分为4个版块，分别是：引文分析、H-指数、影响因子、研究（绩效）评价。

5.1 引文分析

引文分析是利用数学及统计方法揭示科学知识结构及规律的一种计量方法，是国际信息计量学领域最重要的研究领域之一。从主题来看，近十年的引文分析研究更偏向于模型优化、方法创新和应用实践，主要内容至少涉及以下方面：从时间序列的角度描述引文的动态演化趋势、商业数据库与开放存取（OA）数据库引文结构的跨学科比较、全作者与第一作者共被引的比较、不同学科或不同数据源的引用差异、学者引用的区域分布、科学引文网络的时空分布与评价、不同算法下的引文结果对比、引用计数方法比较、引用行为与动机分析。引文分析涉及的一个基础性问题是预测近期出版物的长期被引趋势，部分学者尝试着提出更加精准而有效的适用模型和方法以增强预测结果的可信度，如文献[18]提出一种基于两项预测指标的分析模型，旨在预测某一出版物未来被引数量的可能性分布情况。

引文分析涉及的另一个热点问题是共被引分析（ACA），ACA常被作为一种识别某个研究领域的知识结构的有效方法，共被引分析的计算逻辑主要是基于简单的被引量统计，针对这样一种长期以来形成的路径依赖，有很多学者从不同的视角和维度提出了创新性的探索方法和实现路径。如文献[19]从作者引用的内容角度，提出计算引用语句之间相似性距离的方法，并将计算结果与传统的ACA方法进行比较。文献[20]提出基于内容和邻近度（接近性）相融合的方法，用以从全文本中提取引用语句，可以识别出学科中作者的相关性和差异度。总体来看，引文分析的数据来源更加广泛和多样化，计量方法和分析模型也在不断创新和发展，引文分析对象已经从传统的形式特征拓展到引用行为、质量等内容特征。

5.2 H-指数

Hirsch指数（简称h-指数）最初是由美国加州大学圣地亚哥分校的赫希（Jorge E. Hirsch）教授提出的学术与科研绩效评价指标，自2005年诞生以来，概念清晰且易于计算的h-指数颇受学界关注并迅速赢得广泛认同，同时也遭受一些批评和质疑。后又衍生出许多变异指数，如g-指数、r-指数、a-指数等。有研究指出，h-指数的变异指标多达37种，经过3个不同层级的跨类混合影响分析可知，这些变异指标与h-指数之间具有统计学意义上的高度相关性，但也有极少数变异指标（如m-指数）对h-指数的改进贡献不大[21]。

H-指数的研究主题从早期（2008年之前）的属性、特征、优缺点及其对科研评价与管理的影响分析，发展到h-指数的有效性实证分析、应用拓展、理论分析、新指标构建以及文献综述[22]。从主题的角度看，h-指数的研究内容至少包括以下方面：h-指数一般性规律的探讨、基于不同数据源的h-指数评价结果比较、面向不同评价对象的跨学科（领域）分析、h-指数与“软评议”方法（如同行评审）的效果对比、专利h-指数、基于h-指数及混合指标的出版物评价与排名。其中，h-指数的应用实例解析及其指标改进是研究的一大热点。如文献[23]研究认为学者h-指数的高低不仅与其出版物和被引率有关，还与职业生涯的长度相关；文献[24]以意大利1400名物理学家为研究对象，分析进一步证实了科学家h-指数的高低与其科研年限的长短具有显著的内在关联性。从现状论及趋势，算法优化、实证检验及应用探索仍将是h-指数研究的主要方向。

5.3 影响因子

影响因子（IF）是SCI之父加菲尔德1955年提出的用于评估期刊影响力或表现力的量化指标，在期刊评价、馆藏规划、科学产出评估、信息分析等领域具有重要的实用价值。在大多数的学术语境下，IF与期刊影响因子（JIF）研究指向的对象及内容是相通的。JIF的研究内容主要包括4个方面：一是探讨不同类型JIF的应用差异；二是基于数学建模或实证方法，分析不同领域或数据源的JIF的分布特征；三是利用随机计算、数学推导等方法，对JIF与其他排名方法在不同学科的实际效果进行比较；四是JIF的变异或衍生指标及其应用效果评估，但这些“新指标”的稳健性和可信度检验仍是一个难点。

提炼研究主题的分布特点可知，JIF研究中始终贯穿着这样两条相互交织的线索：一方面，部分学者对JIF用于期刊质量评价的可靠性或有效性提出质疑，并试图通过融入某种分析模型、数学定理或统计规律来构建更具说服力的新指标，如文献[25]认为JIF仅考虑被引数量，而忽略了引证期刊的质量及权威性等因素，提出加权影响因子（WIF）计算规则，诚然，这种新的评价方案也存在一定的局限性。另一方面，部分学者从新的视角检验JIF的有效性，如文献[26]以100本经济学期刊为样本，重新计算其影响因子，证实2年期和5年期的JIF都是相对稳健的；文献[27]采用自主抽样法评估不同测试条件下JIF的变异性，提出JIF的点估计与区间估计建议。总之，JIF和其他变异指标的主要区别在于算法的不同，期刊排名的量化指标与软评价方法各有千秋，两者的关系仍需更全面的检验。

5.4 研究（绩效）评价

研究（绩效）评价是反映组织或个人科研竞争力的常态化方式，在基金申请与资助评审、科研业绩考核、机构排名以及科研管理等方面发挥着重要作用。在过去的10余年里，研究评价的话语权已经从软评议（如同行评审）方法向文献计量指标开放，在开展跨学科研究评价时，引文数据必须经过标准化处理。从个人层面上评价科研绩效是形成管理决策的重要基石，但现实问题是不同领域的研究绩效如何比较？这就像评价苹果与桔子一样，不同的定标因素产生不一样的效果[28]。一般来说，研究机构的绩效评估一般有两种路径：单个科学家的表现（个人层面）和机构内学科领域的整体性表现，而绝大部分的评估对象又都具有多学科特点，不同的评价指标一般会产生差异化的排名结果，因此，不同领域的科学家研究绩效评价方法的有效整合是一个难点，需要特别注意方法论的选择问题[29]。

研究评价的切入点主要有：研究绩效的影响因素、个案研究、基于不同数据源的研究绩效比较、评价指标的改进及其效果验证。研究方法包括引文分析、聚类分析、数据包络分析（DEA）模型、高被引论文（HCAs）、H-指数及其变异指标、专家小组、被引频次标准化以及分式引用计数等，其中，讨论的热点是计数指标的归一化。但也有学者提出质疑，如文献[30]研究表明：平均归一化引用计数（MNCS）以及其他的与大小无关的指标不是评估研究绩效的最佳选择，科学社区的排名要注重研究效率。在效率指标（投入产出）的方法选择上常遇到的问题是找不到有效测量投入数据的指标，文献[31]提出“分式科学实力”（FSS）指标，并通过大学排名的实证研究很好地佐证了该指标的有效性。研究评价未来应聚焦于探索更加精准的方法，有效整合质性和定量方法，从实证、案例和实践应用中反思和改进评价指标的适用性和可信度。

6 结论与讨论

以10年作为一个分期，通过对国际信息计量学的研究足迹与知识结构进行分析，可以得出以下主要结论：首先，从发文总量上看，主要的研究机构分布呈中、美、欧“三足鼎立”之态势。美国机构分布较广，但入选核心机构的数量最少；欧洲是信息计量学研究机构最集中的地区，以比利时、荷兰为主要代表；在入选核心机构的中国机构中，国立台湾大学独占鳌头，稳居国际前三甲。其次，从核心作者及合作情况来看，德国马普学会的博恩曼是发文最多的顶级专家，比利时天主教鲁汶大学的鲁索紧随其后；在合作网络中，主要有两个最为突出的“子群”，一是以罗马第二大学的阿布拉莫和丹吉洛为核心的专家小组，二是以博恩曼和阿姆斯特丹大学的雷德斯道夫为中心的科研团队。再次，从知识基础来看，有3个知识集群对国际信息计量学产生较大影响，涉及的主题分别是h-指数及改进指标、引用测量及优化机制、科学学与科学管理，其中，h-指数的提出者赫希发表的《量化个人科研产出的指标》一文最具影响力。最后，从研究的内容来看，引文分析、H-指数、影响因子、研究评价（绩效评估）等4大领域已成为国际信息计量学人最关注的学术热点。

JOI是国际信息计量学界公认的权威期刊，它的發展足迹和主题结构在很大程度上反映了国际信息计量学发展的整体走向和未来趋势。限于篇幅，本文未能完全地描述、揭示和解释全部的宏观动态与中微观信息，但从主要的信息点和知识链来看，国际信息计量学研究的“内核”是指数（指标），而研究的“外延”边界始终围绕该主线在拓展。应用是目的，指数的价值是通过科研评价体现出来的，正如本文所揭示的研究热点那样，前三个研究热点（引文分析、h-指数、影响因子）是第四个研究热点（研究评价）的理论基础，也是方法论之源。同时，应当看到的是，信息计量学的发展也是深受科研环境影响的，研究方法和工具也在持续创新。在E-science时代，在线社交媒体的兴起，也在一定程度上改变着科学研究与学术交流模式，新的学术生态系统需要新的评价工具，Altmetrics的诞生为科研评价提供了新的视角，但也存在着诸多争议。此处仍以前文中已引述的加菲尔德的观点作为结束语：新的计量工具，只是文献研究的另一个起点而已，不能指望它解决所有的问题。

参 考 文 献

[ 1 ]吴爱芝.信息技术进步与文献计量学发展[J].现代情报，2016，36（2）：32-37.

[ 2 ] John Mingers，Loet Leydesdorff. A Review of Theory and Practice in Scientometrics[J]. European Journal of Operational Research，2015，246（1）：1-19.

[ 3 ]周海花，華薇娜.从世界顶级计量学期刊看信息计量学和科学计量学的现状及发展——Journal of Informetrics和Scientometrics发文分析[J].现代情报，2014，34（2）：115-120.

[ 4 ]赵丹群.新世纪信息计量学研究进展评述[J].图书情报工作，2009，53（2）：14-18，82.

[ 5 ]刘启元，叶鹰.文献题录信息挖掘技术方法及其软件SATI的实现——以中外图书情报学为例[J].信息资源管理学报，2012，（1）：50-58.

[ 6 ] Nees Jan van Eck，Ludo Waltman. Software Survey：VOSviewer，A Computer Program for Bibliometric Mapping[J]. Scientometrics，2010，84（2）：523-538.

[ 7 ]陈超美.CiteSpaceⅡ：科学文献中新趋势与新动态的识别与可视化[J].情报学报，2009，28（3）：401-421.

[ 8 ] J. E. Hirsch. An Index to Quantify an Individuals Scientific Research Output[J]. Proceedings of the National Academy of Sciences，2005，102（46）：16569-16572.

[ 9 ] Leo Egghe. Theory and Practise of the g-index[J]. Scientometrics，2006，69（1）：131-152.

[ 10 ] Jin BiHui，Liang LiMing，Ronald Rousseau，et al. The R-and AR-indices：Complementing the H-index[J]. Chinese Science Bulletin，2007，52（6）：855-863.

[ 11 ] Eugene Garfield. Citation analysis as a Tool in Journal Evaluation[J]. Science，1972，178（4060）：471-479.

[ 12 ] Radicchia Filippo，Fortunatoa Santo，Castellanob Claudio. Universality of Citation Distributions：Toward an Objective Measure of Scientific Impact[J]. Proceedings of the National Academy of Sciences，2008，105（45）：17268-17272.

[ 13 ] Ludo Waltman，Nees Jan van Eck，Thed N. van Leeuwen，et al. Towards a New Crown Indicator：Some Theoretical Considerations[J]. Journal of Informetrics，2011，5（1）：37-47.

[ 14 ] Henk F. Moed. Measuring Contextual Citation Impact of Scientific Journals[J]. Journal of Informetrics，2010，4（3）：265-277.

[ 15 ] Robert K. Merton. The Matthew Effect in Science[J]. Science，1968，159（3810）：56-63.

[ 16 ] Derek J. De Solla Price. Networks of Scientific Papers[J]. Science，1965，149（3683）：510-515.

[ 17 ] Eugene Garfield. Citation Indexes for Science[J]. Science，1955，122（3159）：108-111.

[ 18 ] Clara Stegehuis，Nelly Litvak，Ludo Waltman. Predicting the Long-term Citation Impact of Recent Publications[J]. Journal of Informetrics，2015，9（3）：642-657.

[ 19 ] Yoo Kyung Jeong，Min Song，Ying Ding. Content-based Author Co-citation Analysis[J]. Journal of Informetrics，2014，8（1）：197-211.

[ 20 ] Ha Jin Kim，Yoo Kyung Jeong，Min Song. Content-and Proximity-based Author Co-citation Analysis Using Citation Sentences[J]. Journal of Informetrics，2016，10（4）：954-966.

[ 21 ] Lutz Bornmann，Ruediger Mutz，Sven E. Hug，et al. A Multilevel Meta-analysis of Studies Reporting Correlations Between the h Index and 37 Different h Index Variants[J]. Journal of Informetrics，2011，5（3）：346-359.

[ 22 ] Lutz Bornmann，Werner Marx. Hist Cite Analysis of Papers Constituting the h Index Research Front[J]. Journal of Informetrics，2012，6（2）：285-288.

[ 23 ] Quentin L. Burrell. The h-index：A case of the Tail Wagging the Dog？[J]. Journal of Informetrics，2013，7（4）：774-783.

[ 24 ] Riccardo Mannella，Paolo Rossi. On the Time Dependence of the H-index[J]. Journal of Informetrics，2013，7（1）：176-182.

[ 25 ] Farrokh Habibzadeh，Mahboobeh Yadollahie. Journal Weighted Impact Factor：A Proposal[J]. Journal of Informetrics，2008，2（2）：164-172.

[ 26 ] Christian Seiler，Klaus Wohlrabe. How Robust are Journal Rankings Based on the Impact Factor？ Evidence from the Economic Sciences[J]. Journal of Informetrics，2014，8（4）：904-911.

[ 27 ] Kuan-Ming Chen，Tsung-Hau Jen，Margaret Wu. Estimating the Accuracies of Journal Impact Factor Through Bootstrap[J]. Journal of Informetrics，2014，8（1）：181-196.

[ 28 ] Giovanni Abramo，Tindaro Cicero，Ciriaco Andrea DAngelo. Individual Research Performance：A Proposal for Comparing Apples to Oranges[J]. Journal of Informetrics，2013，7（2）：528-539.

[ 29 ]Giovanni Abramo，Ciriaco Andrea DAngelo. Evaluating University Research：Same Performance Indicator，Different Rankings[J]. Journal of Informetrics，2015，9（3）：514-525.

[ 30 ] Giovanni Abramo，Ciriaco Andrea DAngelo. A Farewell to the MNCS and Like Size-independent Indicators[J]. Journal of Informetrics，2016，10（2）：646-651.

[ 31 ] Giovanni Abramo，Ciriaco Andrea DAngelo. A Comparison of University Performance Scores and Ranks by MNCS and FSS[J]. Journal of Informetrics，2016，10（4）：889-901.

（本文責任编辑：孙国雷）