国产AV88|国产乱妇无码在线观看|国产影院精品在线观看十分钟福利|免费看橹橹网站

科學計量學手冊

發(fā)布時間:2023-12-27 | 雜志分類:其他
免費制作
更多內容

科學計量學手冊

? ? 圖書在版編目(CIP)數(shù)據(jù)科學計量學手冊 / 李杰 , 張琳 , 黃穎主編 . -- 北京 : 首都經濟貿易大學出版社, 2024.1ISBN 978-7-5638-3590-4Ⅰ . ①科… Ⅱ . ①李… ②張… ③黃… Ⅲ . ①科學計量學 - 手冊 Ⅳ . ① G301-62中國國家版本館 CIP 數(shù)據(jù)核字(2023)第 180245 號科學計量學手冊李杰? 張琳? 黃穎? 主編KEXUE JILIANGXUE SHOUCE責任編輯? 楊丹璇封面設計?出版發(fā)行? 首都經濟貿易大學出版社地? ? 址? 北京市朝陽區(qū)紅廟(郵編 100026)電? ? 話? (010)65976483 65065761 65071505(傳真)網(wǎng)? ? 址? http://www.sjmcb.comE - mail publish@cueb.edu.cn經? ? 銷? 全國新華書店照? ? 排? 北京硯祥志遠激光照排技術有限公司印? ? 刷? 唐山璽誠印務有限公司成品尺寸? 185 毫米 ×260 毫米 1/16字? ? 數(shù)? 1247 千字印? ? 張 51.25版? ? 次? 2024 ... [收起]
[展開]
科學計量學手冊
粉絲: {{bookData.followerCount}}
文本內容
第2頁

? ? 圖書在版編目(CIP)數(shù)據(jù)

科學計量學手冊 / 李杰 , 張琳 , 黃穎主編 . -- 北京 :

首都經濟貿易大學出版社, 2024.1

ISBN 978-7-5638-3590-4

Ⅰ . ①科… Ⅱ . ①李… ②張… ③黃… Ⅲ . ①科學計

量學 - 手冊 Ⅳ . ① G301-62

中國國家版本館 CIP 數(shù)據(jù)核字(2023)第 180245 號

科學計量學手冊

李杰? 張琳? 黃穎? 主編

KEXUE JILIANGXUE SHOUCE

責任編輯? 楊丹璇

封面設計?

出版發(fā)行? 首都經濟貿易大學出版社

地? ? 址? 北京市朝陽區(qū)紅廟(郵編 100026)

電? ? 話? (010)65976483 65065761 65071505(傳真)

網(wǎng)? ? 址? http://www.sjmcb.com

E - mail publish@cueb.edu.cn

經? ? 銷? 全國新華書店

照? ? 排? 北京硯祥志遠激光照排技術有限公司

印? ? 刷? 唐山璽誠印務有限公司

成品尺寸? 185 毫米 ×260 毫米 1/16

字? ? 數(shù)? 1247 千字

印? ? 張 51.25

版? ? 次? 2024 年 1 月第 1 版 2024 年 1 月第 1 次印刷

書? ? 號? ISBN 978-7-5638-3590-4

定? ? 價? 248.00 元

圖書印裝若有質量問題,本社負責調換

版權所有? 侵權必究

第3頁

謹以此書獻給我國科學計量學的先驅趙紅州先生,獻給耕耘在科學計量

學一線的學者們,獻給正在和將要學習科學計量學的青年學生們!

To all the scientometricians!

第4頁

《科學計量學手冊》編委會

(* 表示按姓氏拼音首字母排序)

顧問委員會(advisory committee)*

:

Ronald Rousseau Howard White

樊春良 馮長根 胡小君 蔣國華 梁立明 劉 潛

邱均平 王曰芬 葉 鷹 趙丹群 趙蓉英 吳晨生

項目總策劃(project planning):

李 杰(學術策劃)

楊 玲(出版策劃)

項目負責人(principal investigator):

李 杰

主編(editor in chief):

李 杰 張 琳 黃 穎

副主編(associate editor):

陳 悅 胡志剛 楊思洛

編委(editorial board members)*

白如江 步 一 陳 光 陳 悅 陳云偉 杜 建 付慧真 耿 哲 侯劍華

賀 穎 胡志剛 黃 萃 黃 偉 黃 穎 賈 韜 李際超 李 杰 李 睿

李自力 劉維樹 劉曉娟 劉筱敏 柳美君 魯 曉 馬 崢 毛 進 寧 筆

歐陽昭連 沈哲思 史東波 舒 非 宋艷輝 王 洋 魏瑞斌 吳登生 吳金閃

吳 強 伍軍紅 徐 碩 楊冠燦 楊國梁 楊立英 余厚強 俞立平 袁軍鵬

翟羽佳 曾 安 曾 利 張 琳 張 嶷 章成志 趙 星 趙 勇 鄭曉龍

學術支持(academic supports):

北京科學技術情報學會 元科學專業(yè)委員會

中國科學學與科技政策研究會 科學計量學與信息計量學專業(yè)委員會

中國科學學與科技政策研究會 科學學理論與學科建設專業(yè)委員會

第5頁

1

詞條撰寫與審校者

(按姓氏拼音首字母排序)

白如江

山東理工大學

白松冉

中國科學院自動化研究所

白 云

南京大學

步 一

北京大學

曹 喆

武漢大學

岑詠華

天津師范大學

朝樂門

中國人民大學

陳 安

中國科學院科技戰(zhàn)略咨詢研究院

陳超美

美國德雷塞爾大學

陳福佑

中國科學院文獻情報中心

陳國梁

武漢大學

陳洪侃

北京大學

陳仕吉

杭州電子科技大學

陳姝穎

浙江大學

陳思源

武漢大學

陳 挺

中國科學院科技戰(zhàn)略咨詢研究院

陳 悅

大連理工大學

陳云偉

中國科學院成都文獻情報中心

程 銘

武漢大學

程齊凱

武漢大學

初景利

中國科學院文獻情報中心

崔 雷

中國醫(yī)科大學

崔林蔚

大連理工大學

崔梓凝

北京工業(yè)大學

戴 婷

武漢大學

翟羽佳

天津師范大學

丁潔蘭

中國科學院文獻情報中心

杜 建

北京大學

第6頁

2

杜杏葉

中國科學院文獻情報中心

樊春良

中國科學院科技戰(zhàn)略咨詢研究院

方志超

中國人民大學

付慧真

浙江大學

傅 慧

武漢大學

傅 坦

中山大學

高 暢

中國社會科學評價研究院

高道斌

大連理工大學

高明珠

華東師范大學

耿 哲

復旦大學

茍震宇

武漢大學

顧立平

中國科學院文獻情報中心

管錚懿

中國科學院文獻情報中心

韓景怡

蘇州大學

韓 盟

大連理工大學

韓鈺馨

武漢大學

韓正琪

中國政法大學

何善平

武漢大學

賀 穎

天津師范大學

侯劍華

中山大學

胡傳鵬

南京師范大學

胡麗云

復旦大學

胡小君

浙江大學

胡志剛

大連理工大學

化柏林

北京大學

黃 萃

浙江大學

黃 福

桂林電子科技大學

黃海瑛

湘潭大學

黃航斌

大連理工大學

黃 楠

中山大學

黃 山

武漢大學

黃 偉

北京語言大學

黃 穎

武漢大學

霍朝光

中國人民大學

第7頁

3

賈 韜

西南大學

蔣國華

中國管理科學研究院

蔣思雯

浙江大學

李海波

齊魯工業(yè)大學

李海博

中國有研科技集團有限公司

李際超

國防科技大學

李 杰

中國科學院文獻情報中心

李美玲

西安交通大學

李墨馨

西安交通大學

李 祺

天津師范大學

李 睿

四川大學

李思佳

武漢大學

李 信

華中科技大學

李 巖

天津師范大學

梁國強

北京工業(yè)大學

梁立明

河南師范大學

梁以安

中山大學

梁鎮(zhèn)濤

武漢大學

林歌歌

大連理工大學

林嘉亮

廈門大學

劉愛原

集美大學

劉 兵

清華大學

劉春江

中國科學院成都文獻情報中心

劉春麗

中國醫(yī)科大學

劉桂鋒

江蘇大學

劉海濤

浙江大學

劉鴻霞

中國政法大學

劉慧暉

中國科學院科技戰(zhàn)略咨詢研究院

劉建華

北京萬方數(shù)據(jù)股份有限公司

劉俊婉

北京工業(yè)大學

劉啟巍

大連理工大學

劉維樹

浙江財經大學

劉小玲

天津師范大學

劉曉娟

北京師范大學

第8頁

4

劉曉婷

武漢大學

劉筱敏

中國科學院文獻情報中心

劉雪立

新鄉(xiāng)醫(yī)學院

劉玉仙

同濟大學

劉 鎮(zhèn)

北京工業(yè)大學

柳美君

復旦大學

樓 雯

華東師范大學

魯 曉

中國科學院科技戰(zhàn)略咨詢研究院

欒春娟

大連理工大學

羅昭鋒

中國科學院基礎醫(yī)學與腫瘤研究所

馬 崢

中國科學技術信息研究所

馬 卓

《現(xiàn)代情報》編輯部

毛 進

武漢大學

毛雨亭

武漢大學

孟 平

Journal of Data and Information Science 編輯部

閔 超

南京大學

穆榮平

中國科學院科技戰(zhàn)略咨詢研究院

倪超群

美國威斯康星大學麥迪遜分校

寧 筆

科睿唯安

歐陽昭連

中國醫(yī)學科學院醫(yī)學信息研究所

彭?,B

《數(shù)據(jù)分析與知識發(fā)現(xiàn)》編輯部

祁 凡

武漢大學

潛 偉

北京科技大學

邱均平

杭州電子科技大學

任 珩

中國科學院西北生態(tài)環(huán)境資源研究院

尚海茹

北京理工大學

沈夢菲

北京語言大學

沈哲思

中國科學院文獻情報中心

施順順

武漢大學

石 晶

《情報資料工作》編輯部

時慧敏

中國科學院文獻情報中心

史冬波

上海交通大學

舒 非

杭州電子科技大學

宋博文

大連理工大學

第9頁

5

宋恩梅

《圖書情報知識》編輯部

宋昊陽

中山大學

宋 凱

大連理工大學

宋欣雨

南京大學

宋艷輝

杭州電子科技大學

宋瑤瑤

首都經濟貿易大學

宋宜嘉

浙江大學

蘇金燕

中國社會科學評價研究院

孫蓓蓓

武漢大學

孫 蘭

《科學學與科學技術管理》編輯部

孫夢婷

武漢大學

孫紫涵

天津師范大學

唐 娟

武漢大學

唐 莉

復旦大學

佟 彤

南京大學

涂子依

武漢大學

萬 敬

愛思唯爾

汪乾坤

武漢大學

王 超

山東理工大學

王傳毅

清華大學

王聰聰

北京工業(yè)大學

王 公

中國科學院自然科學史研究所

王國燕

蘇州大學

王海燕

中國科學技術信息研究所

王宏鑫

信陽師范大學

王 康

大連理工大學

王 樂

復旦大學

王露荷

武漢大學

王 鵬

山東青年政治學院

王 萍

《科研管理》編輯部

王續(xù)琨

大連理工大學

王艷輝

《科學學研究》編輯部

王 洋

西安交通大學

王譯晗

復旦大學

第10頁

6

王玉奇

大連理工大學

王 媛

清華大學圖書館

王曰芬

天津師范大學

王澤林

武漢大學

王智琦

大連理工大學

王忠軍

《情報理論與實踐》編輯部

魏瑞斌

安徽財經大學

魏志鵬

《圖書與情報》編輯部

文庭孝

中南大學

吳登生

中國科學院科技戰(zhàn)略咨詢研究院

吳玲玲

大連理工大學

吳夢佳

悉尼科技大學

吳 強

中國科學技術大學

吳勝男

山西醫(yī)科大學

吳小蘭

南京師范大學

伍軍紅

《中國學術期刊光盤版》電子雜志社有限公司

武夷山

中國科學技術發(fā)展戰(zhàn)略研究院

席芳潔

浙江大學

肖宇凡

武漢大學

謝 靖

中國科學院文獻情報中心

謝前前

萊頓大學

謝迎花

中山大學

邢李志

北京工業(yè)大學

熊文靚

浙江大學

徐 暢

武漢大學

徐 芳

中國科學院科技戰(zhàn)略咨詢研究院

徐 碩

北京工業(yè)大學

徐亞男

《情報資料工作》編輯部

許海云

山東理工大學

許家偉

北京大學

楊冠燦

中國人民大學

楊光飛

大連理工大學

楊國梁

中國科學院科技戰(zhàn)略咨詢研究院

楊嘉敏

大連理工大學

第11頁

7

楊立英

中國科學院文獻情報中心

楊瑞仙

鄭州大學

楊思洛

武漢大學

楊依寧

浙江大學

姚 怡

復旦大學

葉冬梅

武漢大學

葉 瞳

南京審計大學

游晟奕

中國科學院文獻情報中心

于 嬡

《信息資源管理學報》編輯部

于思妍

大連理工大學

余德建

南京審計大學

余厚強

中山大學

余云龍

杭州電子科技大學

俞立平

浙江工商大學

虞逸飛

武漢大學

袁濟方

清華大學

袁 佳

武漢大學

袁軍鵬

中國科學院文獻情報中心

岳衛(wèi)平

科睿唯安

曾 安

北京師范大學

曾 利

國防科技大學

張碧暉

中國科學學與科技政策研究會

張 慧

武漢大學

張麗華

山西財經大學

張連峰

《情報科學》編輯部

張 琳

武漢大學

張靈欣

華東師范大學

張 婷

中國醫(yī)學科學院醫(yī)學信息研究所

張 薇

《情報雜志》編輯部

張 楊

西安交通大學

張 嶷

悉尼科技大學

張穎怡

蘇州大學

張躍富

北京工業(yè)大學

張志杰

愛思唯爾

第12頁

8

張子恒

中國科學院文獻情報中心

章成志

南京理工大學

趙丹群

北京大學

趙蓉英

武漢大學

趙文靜

北京大學

趙 星

復旦大學

趙雅潔

天津師范大學

趙一鳴

武漢大學

趙 勇

中國農業(yè)大學

鄭爾特

中國人民大學

鄭曉龍

中國科學院自動化研究所

周春雷

鄭州大學

周春彥

美國硅谷三螺旋研究所

周樂心

武漢大學

周清清

南京師范大學

周秋菊

中國科學院科技戰(zhàn)略咨詢研究院

周雙雙

天津師范大學

周文杰

中國人民大學

Bernd Markscheffel

Technischen Universit?t Ilmenau

Wolfgang Gl?nzel

KU Leuven

第13頁

1

Preface

When studying science, the main actors are scientists. As authors, they produce scientific

documents such as books and articles, as inventors they acquire patents, or they are active as

programmers, engineers, and independent thinkers. They usually work at an institute (such as a

university, independent research lab, industrial lab, hospital, funding institute, think tank, or ministry) that is situated in a city, in a region (such as a state or province), in a country, in a continent

or part thereof.

In their work, they handle concepts fitting (or not yet fitting) in theories. Such theories can

be part of a discipline or a larger field of science.

All this is time-dependent: a theory develops over time, while an article can be said to exist

from a specific time on.

Each of the concepts mentioned above can act as a node in a network. Authors can form

an author network in which links indicate co-authorship. Articles can form an article network in

which links indicate a citation relation, a co-citation relation, or a bibliographic coupling relation,

giving just the best-known examples. On a higher level, countries can be nodes in a network in

which links denoted co-occurrence in the byline of articles.

Networks can also consist of different types of nodes such as article-concept networks,

where articles are connected to concepts discussed in them. Clearly, there are legion possibilities

here, and the whole of science is a complex network.

Hence the study of science, including scientometrics, involves mathematical concepts, in

particular those concepts used in the study of complex networks.

Unfortunately, many colleagues scientometricians (bibliometricians, informetricicians) have

in the past narrowly focused on indicators and applications used for research evaluation. Indicators and research evaluation are not bad as such, because evaluation is one way to learn from

one’s mistakes and to be pushed to do better, but pure bean-counting may easily lead to misuse

and displacement of the real purpose of science, which should be performed for the benefit of

mankind. Nevertheless, evaluation is ubiquitous in science and for this reason, all scientists even

those not performing evaluation exercises need to be metric-wise in order not to become victims

of their naiveté. I define the concept of being metric-wise as being knowledgeable about the indicators used in evaluation exercises, i.e., to know the correct mathematical formula of indicators,

their consequences, and the context in which they can be used (or misused).

第14頁

2

Yet, one should realize that all indicators are probably approximately correct (in short:

PAC). Indeed, no database (as the origin of the data used to calculate indicators) is complete,

and most contain errors. Some indicators, such as the h-index, occasionally lead to counter

intuitive results and each evaluation is time-dependent.

In this context, a book such as this handbook led by my colleague Jie Li, and completed by

the Chinese scientometric community will undoubtedly play an important role in the education of

the young (while also older colleagues may learn a few things).

Ronald Rousseau

2023.6.30

第15頁

1

作為一位幾乎為中國的科學學/科學計量學事業(yè)奮斗了一輩子的老科學工作者,今年

遇到的最高興的一件事就是得知中國科學院文獻情報中心李杰博士組織主編了一本《科

學計量學手冊》。行將付梓之際,李博士還熱情地迭致電話,懇請老朽為之寫個序文。

古人云:“氣同則從,聲比則應?!崩畈┦恐?,說句心里話,我是非常樂意的。一

是借以對科學計量學在中國的誕生與發(fā)展,作為過來人,有個簡單的回顧,這對于年輕后

輩或許是有益的;二是趁機對我國科學計量學的今天和明天做個短評,以俟有志于科學學/

科學計量學研究的青年才俊參閱、批評和辯論。當然,若能成為學術批判的“靶子”,亦

不失好事一樁。

錢老是我國科學界明確提出開展科學學研究的第一人。

研究表明,作為我國最早著文倡導開展科學學研究的大科學家,早在1977年12月9

日,錢老就在《人民日報》發(fā)表了題為《現(xiàn)代科學技術》的著名論文,其中指出:“當現(xiàn)

代科學技術已經發(fā)展到高度綜合而又有基礎到應用的嚴密結構的體系,就應該有一門代替

消亡了的自然哲學的學問,它專門研究科學技術體系的組織結構,研究體系的邏輯性和嚴

謹性,研究科學技術與哲學的聯(lián)系等。這也可以稱為‘科學的科學’。這門學問在以前不

會有,因為自然科學沒有形成體系,當然也不會有研究體系的學問?!盿

那么,明確支持我國科學界開展科學計量學研究的第一人又是誰呢?其實,還是錢老!

眾所周知,中國科學學的早期組織是1978年全國科學大會后,1979年春夏之交,先

后成立的隸屬中國科學院學部辦公室的“科學學全國聯(lián)絡組”b和隸屬北京技術經濟和管理

現(xiàn)代化研究會的“科學學研究組”c。前者是其時主持中國科學院日常工作的常務副院長兼

黨組書記李昌和副院長錢三強指導下成立的管理組織,下設辦公室,由趙文彥、李秀果、

任豐平負責,工作人員有趙紅州、蔣國華、汪佩君;后者則是北京科協(xié)下屬新興研究會創(chuàng)設

的研究組織,該研究組共計39人,該研究會會長、清華大學教授霍俊任組長,王興成、李秀

果、楊沛霆、金良浚、周文森任副組長。記得“科學學全國聯(lián)絡組”成立不久后的一次碰頭

會上,趙文彥非常高興地把國防科工委錢學森辦公室寄來的一個厚厚的資料袋交給了趙紅州,

打開一看是普賴斯的名著《小科學,大科學》d(Little Science,Big Science)的復印件。錢老的

簡短附言告訴我們,該書是普賴斯本人親自寄贈給他的,現(xiàn)在把復印件轉贈給我們。此后,

在征得錢老同意的情況下,我們給普賴斯寫了一封信。沒想到,普賴斯很快就回了信,從此

開始了我們和普賴斯(默頓和加菲爾德在普賴斯身后聯(lián)名敬稱他為“科學計量學之父”)之

a 蔣國華 . 錢老的創(chuàng)新思想引領科學學研究:追憶錢老指導科學學與科學計量學研究二三事 [N]. 科學時報,

2009-12-17(A03).

b 李秀果,中國科學學與科技政策研究會早期組建過程的回憶,2022 年 9 月 20 日私人通信獲知。

c 北京技術經濟與管理現(xiàn)代化研究會(成立于 1979 年夏)科學學研究組成員:王興成、段合珊、李惠國、范岱年、

楊沛霆、鄭慕琦、韓秉承、丁元煦、劉仲春、柴本良、駱茹敏、賈新民、徐耀宗、符志良、劉澤芬、李漢林、李蓮馥、

莫慧芳、任亞玲、趙紅州、王敏慧、李秀果、曹聽生、桂樹聲、崔佑銑、胡樂真、蔡文煦、李延高、金良浚、霍俊、

邸鴻勛、王通訊、雷禎孝、朱新民、許立達、王士德、蔣國華。資料來源:早期油印原件,蔣國華存稿。

d PRICE D J S.Little Science , Big Science and Beyond[M]. New York : Columbia University Press, 1986.

第16頁

2

間差不多四年的交往和友誼,直到他不幸心臟病突發(fā),于1983年9月3日辭世。正是普賴斯告

訴我們,匈牙利科學院于1978年創(chuàng)辦了《科學計量學》(Scientometrics)雜志并建議我們投稿。

由此足見,錢老亦是我國科學界開展科學計量學研究引路的第一人。

此外,當年趙紅州聽說有科學計量學這門新學問,特別興奮。這是因為他還在中國

科學院河南羅山干校時,便以艱難得到的《復旦大學學報》刊登的“自然科學大事年表”,

靠做卡片和紙筆計算,1974年獨立發(fā)現(xiàn)了后來才知道的世界科學中心轉移現(xiàn)象,即“湯

淺現(xiàn)象”a。紅州曾對我說:“咱們做的不就屬于科學計量學范疇嗎?!”他興沖沖地按普賴

斯的建議,把他書稿中的“科學勞動的智力常數(shù)”一節(jié)譯成英文,寄給了《科學計量學》

(Scientometrics)編輯部執(zhí)行主編布勞溫。有趣的是,布勞溫又將紅州的文章直接寄給普

賴斯評審。普賴斯不久即回信稱,他通過了大作評審,而且就英文文字做了些許理順工

作。經普賴斯親自修改后,紅州的文章很快刊登了b。隨后,沒有想到的是,索要抽印本的

明信片像雪片一樣從世界各地飛來。據(jù)我記憶,索要抽印本的明信片有五六十張,涉及全

球20多個國家和地區(qū)的大學/研究所。

初戰(zhàn)的勝利總是非常鼓舞人的。紅州曾多次對我說過,今后主要研究方向就是科學

計量學了c。此后,紅州與我們所做的主要工作簡述如下:

(1)紅州連續(xù)在《科學計量學》雜志上發(fā)表了多篇重要論文(包括我倆合作的2篇),

以至于1987年11月25日,普賴斯去世后原創(chuàng)刊“四主編”架構撤銷、升任該刊唯一主編

的布勞溫來信,邀請趙紅州出任該刊編委。

(2)創(chuàng)新和開辟科學計量學研究新課題、新領域,諸如知識單元的智荷及其表示方

法、科學知識的波譜結構、物理定律靜智荷值分布規(guī)律的分維表征、知識結晶學研究、階

梯指數(shù)規(guī)律研究、科學發(fā)現(xiàn)的動力學模型、科學發(fā)現(xiàn)的采掘模型、物理定律的知識熵表示

問題、科學發(fā)現(xiàn)年齡定律的威布爾分布,等等。必須指出,由于我倆的數(shù)學功底不足,有

幾項研究及論文是和我國著名科學計量學家梁立明教授、唐敬年教授和物理學家劉易成教

授、王國忠教授合作完成的。

(3)獲得了國家自然科學基金資助項目,開創(chuàng)了科研量化評價的新領域。

(4)首創(chuàng)開發(fā)了中國的大學排行榜。這是在1987年,只比美英晚了幾年!我們用北

圖購買的紙質版的加菲爾德《科學引文索引》(SCI),對我國高??茖W論文產出做計量排

序,當時并不知道美國《新聞與世界報道》于1983年在全球首創(chuàng)搞起了美國的大學排行

榜。不過,后來我們才知道,他們的第一份排行榜指標只依據(jù)“大學聲譽”的問卷調查,

與科學計量學不沾邊d。

(5)進行了科學計量學的拓展研究e。

(6)成為科學計量學國際交流的開拓者和引領者。普賴斯不僅兩次邀請我們去夏威

夷美國東西方中心出席國際研討會(因為外事手續(xù)問題,我始終沒能成行),他還熱情介

a 趙紅州 . 科學能力學引論 [M]. 北京:科學出版社,1984:192.

b ZHAO H Z. An Intelligence Constant of Scientific Work[J]. Scientometrics, 1984,6(1):9-17.

c 蔣國華 . 科學學的起源 [M]. 石家莊:河北教育出版社,2001:374.

d 中國管理科學研究院科學學研究所 . 我國科學計量指標的排序 [N]. 科技日報,1987-09-13.

e 蔣國華,方勇,孫誠,等.科學計量學指標在職稱評審中的應用:石油大學案例研究[J].科學學與科學技術管理,

1999(02):25-28.

第17頁

3

紹了多位極富創(chuàng)新能力的學者與我們相識與交流。原本紅州設想,1983年9月夏威夷會議

拜見普賴斯時,要親自邀請他次年來華訪問。給中國科學院外事報告、籌措接待經費等都

準備得差不多了,沒想到普頓斯突然去世了。于是,我們轉而于1985年邀請了貝爾納的

嫡傳弟子、英國皇家學會會員、倫敦大學教授馬凱a,1986年邀請了布勞溫,二人成功訪

華b。布勞溫口才了得,符志良教授權充匈牙利文翻譯,語言準確、流暢、幽默,在友誼

賓館的連續(xù)幾場報告,座無虛席,轟動一時。這段時間與我們建立起密切交往的還有德國

科學學家萬英加特,瑞典科學學家厄爾英加,印度科學學家拉赫曼,蘇聯(lián)科學學家納里莫

夫、多勃羅夫、馬列茨基、格列諾伊、海通,等等。特別是納里莫夫,他是莫斯科大學科

學理論國家實驗室主任,“Наукометрия”(Scientometrics/科學計量學)一詞的創(chuàng)立者。他

在1969年出版了世界上第一本科學計量學專著——《科學計量學:把科學作為信息過程來

研究科學的發(fā)展》c。海通在1983年也出版了一本專著《科學計量學:現(xiàn)狀與前瞻》d。

紅州去世之后,我和金碧輝、梁立明、武夷山、邱均平、鄭文藝、李志仁、孫誠等

攜手,發(fā)揮科學計量學研究團隊的力量,繼承紅州的科學創(chuàng)新精神,在中國科學學與科技

政策研究會歷屆領導吳明瑜、馮之浚、方新、穆榮平、張碧暉等的鼓勵和支持下,把中國

科學計量學國際交流事業(yè)繼續(xù)推向前進。

1998年12月4—6日,在北京首次召開了“大學科研評價量化問題國際研討會暨第五

次全國科學計量學與信息計量學學術年會”,成功邀請了魯索、克雷奇默、埃格赫等國際

著名科學計量學家來京參會交流,由此開啟了我國科學計量學工作者國際交流的新篇章e。

重要標志就是經申請成功的第9屆國際科學計量學與信息計量學大會(International Society

for Scientometrics and Informetrics,簡稱ISSI)于2003年8月25—29日在北京成功舉辦f。

尤其值得在中國科學計量學發(fā)展史上大書一筆的是我國著名情報學家、文獻計量學家邱均

平教授,他不僅把我們在北京首辦的“全國科學計量學與信息計量學學術年會”承接過

去,連續(xù)舉辦至今,而且經他精心策劃和組織,2017年10月17日由中國科學學與科技政

策研究會主辦、武漢大學承辦的第16屆國際科學計量學與信息計量學大會(International

Conference on Scientometrics & Informetrics)在武漢順利舉行,近200名參會代表來自33

個國家和地區(qū)。此外,特別值得提的還有幾件事。首先是1989年中國科學院文獻情報中

心與國家自然科學基金委員會聯(lián)合研發(fā)的中國科學引文數(shù)據(jù)庫(Chinese Science Citation

Database,CSCD)。CSCD收錄了我國數(shù)學、物理、化學、天文學、地學、生物學、農林

科學、醫(yī)藥衛(wèi)生、工程技術和環(huán)境科學等領域出版的中英文科技核心期刊和優(yōu)秀期刊千

余種,自提供使用以來深受用戶好評,被譽為“中國的SCI ”。其次是中國科學技術信息

研究所,該所不僅建有我國最早中文數(shù)據(jù)庫之一的“萬方”、中國科技論文引文數(shù)據(jù)庫

a 趙紅州,蔣國華 . 在科學的交叉處探索科學 : 從科學學到科學計量學 [M]. 北京:紅旗出版社,2002:622-633.

b 司佾 . 科學計量學家布勞溫教授訪問中國 [J]. 科學學研究,1986(4):109-110.

c НАЛИМОВВВ.,МУЛЬЧЕНКОЗМ.,Наукометрия:изучение развития науки как информационного

ороцесса[M]. Москва:Наука,1969.

d ХАЙТУН,С. Д.,Наукометрия:Состояние и Перспективы[M]. Москва:Наука,1983.

e 蔣國華 . 科研評價與指標 [M]. 北京:紅旗出版社,2000.

f JIANG G H,ROUSSEAU R,WU Y S. Proceedings of the 9th International Conference on Scientometrics and Informetrics[C]. Dalian University of Technology Press,2003.

第18頁

4

(CSTPCD),還和科睿唯安(原湯森路透知識產權與科技事業(yè)部)聯(lián)合創(chuàng)辦了科學計量學

實驗室(成立于2008年12月9日),設立有開放基金研究項目,以推進科學計量與科技評價

工作。再次是大連理工大學,在劉則淵領導下,創(chuàng)建了網(wǎng)絡-信息-科學-經濟計量(WISE)

實驗室,帶領WISE實驗室團隊在中國開拓了知識計量學與知識圖譜研究的新方向。

記得在26年前,我應命寫過一篇綜述性文章,題目就取作《科學計量學與信息計量

學:今天和明天》 a。今天恰似歷史重復一般,又應命為《科學計量學手冊》寫個序。前

面,有關“科學計量學在中國的誕生與發(fā)展”之“簡單的回顧”寫完了,行文至此,疑似

也要對“明天”說幾句話。

現(xiàn)在學界公認,科學計量學已是一門對科學自身進行定量研究的顯學。這里的“科學”

不僅指作為人類知識體系的科學,也包括作為社會活動、社會建制和社會產業(yè)的科學。自

莫斯科大學納里莫夫提出“科學計量學”這個學科術語以來,已經半個多世紀過去了。當

我們回首過往,科學計量學做了些什么呢?毋庸諱言,絕大多數(shù)研究基本是研究作為后者的

“科學”,對于前者的“科學”,對不起,所做研究真可謂鳳毛麟角。盡管科學計量學之父普賴

斯作為1978年匈牙利科學院科學計量學雜志創(chuàng)始四位主編之一,在其“主編寄語”中說過,

用論文對科學進行計量要遠比用貨幣對經濟進行計量準確得多b。但顯而易見的是,論文內容

本身才構成和反映人類知識體系,而科學論文的數(shù)量、引文、研究人員數(shù)、研究經費數(shù)、普

賴斯指數(shù)、h指數(shù)、洛特卡定律、布拉福德定律、齊普夫定律,等等,基本上與科學的社會活

動存在正相關關系,其相對于作為知識體系的科學來說,只能算作一種折射。

《三國志·蜀書·龐統(tǒng)傳》裴松之注引《江表傳》有云:“天下智謀之士所見略同耳?!?/p>

非常榮幸的是,我國科學計量學工作者非常熟悉又備受尊敬的魯索教授,在其為《科學計

量學手冊》的序文中恰恰也有相似的表述。魯索寫道:“因此,研究包括科學計量學在內的

科學,必須聚焦數(shù)學概念,特別是適用于研究復雜系統(tǒng)的概念。遺憾的是,我們許多的科

學計量學/文獻計量學/信息計量學研究同仁,一段時間以來都把眼光窄窄地盯著用于評估的指

標及其應用上了?!边@個提醒其實在20世紀60年代,普賴斯在為紀念貝爾納《科學的社會功

能》發(fā)表25周年的撰文中就指出過。普賴斯告誡說:“‘科學的科學’如果把那個應用目的作

為自己的主要目標,它將會破產。這里,我們應當記住這個歷史教訓,并且必須懂得,所以

要探索這些知識,就是為了獲得知識所提供的全新認識,而不管它把我們帶到哪里?!眂

《科學計量學手冊》從策劃到詞條撰寫都非常好,堪稱佳作。尤其是李杰博士還邀請

了17位“普賴斯獎章”得主,為青年科學計量學研究者寫了熱情洋溢的鼓勵寄語,可謂

錦上添花。

際此《科學計量學手冊》付梓問世,謹向該書的主編們、一眾青年才俊致謝!致敬!

蔣國華

(Guohua Jiang)

2023年10月24日于北京

a 蔣國華 . 科學計量學與信息計量學:今天和明天 [J]. 科學學與科技管理,1997(7-11).

b PRICE D S D. Editorial statements. Scientometric[J]. Scientometrics, 1987,1(1):3-8.

c 戈德史密斯,馬凱 . 科學的科學:技術時代的社會 [M]. 趙紅州,蔣國華,譯 . 北京:科學出版社,1985:244.

第19頁

1

Please take over our great field and improve it! Write

papers that develop new, more powerful methods! Criticise

the work of the older generation and do better! Find new

topics to research that we have overlooked! In this way the

field can move forward and provide ever increasing value to

science.

Mike Thelwall (University of Sheffield, UK)

2023.6.11

* 2023 年 6 月 9 日起,《科學計量學手冊》主編李杰博士陸續(xù)聯(lián)系了在世的 20 位普賴斯獎獲得者,并邀請各位

學者撰寫“給青年一代的寄語”以作為《科學計量學手冊》的特殊序言,共收到 17 位普賴斯獎獲得者的寄語。本

部分按照收到的時間進行了排序。其中,魯索教授幫忙聯(lián)系了利歐·埃格赫(Leo Egghe)教授。

德瑞克 · 德索拉 · 普賴斯紀念獎章

(the Derek de Solla Price Memorial Medal)

邁克·塞沃爾

Mike Thelwall

(1965 —)

(UK)

特殊序言 : 普賴斯獎獲得者給年輕學者的寄語

Special Preface: To the younger generation

from the Price Memorial Medal awardees*

第20頁

科學計量學手冊

Handbook of Scientometrics

2

Since the 1930s scientists, beginning in Poland (Ossowska

and Ossowski, 1935), are studying science itself. But even these

scholars had predecessors such as de Candolle (Switzerland),

Galton (UK), Lotka (USA), and Gross & Gross (USA).

Moreover, techniques used in fields such as economics (Pareto),

linguistics (Zipf) and geography (Auerbach) were later used in

scientometrics and bibliometrics. Unfortunately, over the years

scientometrics and bibliometrics became more and more focused

on evaluation, not only on a large scale (countries, universities)

but even on individuals. Not surprisingly, the use of quantitative

indicators was abused by some (playing the numbers game),

leading to calls to abandon bibliometrics (by those who did not

understand the purpose of the field as a whole). It is my sincere

hope that young students when reading this book, will understand

the richness of our field, whatever its name (science of science,

scientometrics, bibliometrics, informetrics).

Ronald Rousseau (KU Leuven & University of Antwerp,Belgium)

2023.6.12

It is important to take a course on mathematics (at least

bachelor degree) before starting informetric research. This

is the only way to upgrade the field of informetrics to a real

science instead of merely a field of data gathering and making

superficial conclusions based on it. It is also important to

have knowledge of neighboring fields (such as econometrics,

biometrics, ...) so that one can avoid drawing conclusions that

have been made before in these other fields.

Leo Egghe(Hasselt University, Belgium)

2023.6.13

In the half century since we wrote Evaluative Bibliometrics

(Narin 1976) the data available for scientometrics has expanded

exponentially, the methodologies have expanded hundred folds,

but the challenge of policy relevance remains. Our continued

羅納德·魯索

Ronald Rousseau

(1949 —)

(Belgium)

利歐·埃格赫

Leo Egghe

(1952 —)

(Belgium)

第21頁

3

特殊序言 : 普賴斯獎獲得者給年輕學者的寄語

access to public funding requires that we demonstrate relevance

to public policy. We must strive for indicators that capture

the essence of important research advances, the tops of the

distributions, the science that is really important, rather than

try to learn more and more about less and less. We should aim

for indicators that are understandable to users, both academic

and policy, and outside as well as inside of our community.

There is still much of importance that we can do to foster

scientific advance: to do so we must make our findings clear

and our indicators relevant. I am reminded of the statement

by the Nobel laureate Peter Medawar in his book ‘Advice

to a young scientist’: “any scientist of any age who wants to

make important discoveries must study important problems”

(Medawar 1979: 13).

Francis Narin (Retired President, CHI Research, USA)

2023.6.13

Welcome to the new generation of bibliometricians/

scientometricians. My best advice, to young and old, is

to value serendipity when it offers you an opportunity, a

chance for collaboration, a new or previously unrecognized

data source and the like. Think laterally – if you encounter

something interesting, could it be applied to your research?

Could a technique from one discipline be brought into yours,

to add to your tool kit and bring new insights? What is going

on in a subject field that would be interesting to explore

using the quantitative tools we have? And don’t forget about

the scholars who are producing the literature and other data

sources we study. Small scale studies looking at interesting

phenomena in a field where you can chat with the participants

can be as valuable as another rummage through that megadata set.

Katherine W. McCain (Drexel University, USA)

2023.6.13

弗朗西斯·納林

Francis Narin

(1934 —)

(USA)

凱瑟琳·W. 麥凱恩

Katherine W. McCain

(1944 —)

(USA)

第22頁

科學計量學手冊

Handbook of Scientometrics

4

The advice I would give young scientometricians and

those new to the field is to try to think of some way to expand

the boundaries of the field. Scientometrics has many different

subareas from studies of individual papers or scientists

to studies of research areas or disciplines to analyses of

institutions, countries, and science policy. Whatever your

focus, study the existing literature and try to come up with

some new point of departure. Perhaps it is a new mathematical

tool or uses a method imported from some other field. Or it

might be a new kind of data or a combination of existing data

sources.

Ask yourself what you are interested in finding out. For

example, I have been interested in the history and philosophy

of science, and what makes scientific knowledge different

from other forms of knowledge, what leads scientists to reach

a consensus, how does scientific knowledge change, and how

are scientific findings confirmed? Of course, these are very

old problems and much has been written about them. The

challenge is to find some new point of departure that no one

else has attempted. If you were trained in science, you can

start by picking an area that is familiar to you and where

you have insight or expertise. Or start from another field

such as economics or psychology and think how it impacts

science. Another approach is to critique some previous school

of thought such as Mertonian norms, social construction of

knowledge, the use of citation counts for evaluation, or the

interpretation of maps of science. Don’t be afraid to offend

other researchers but always have good reasons for your

criticisms.

Scientometrics has traditionally dealt with databases of

scientific papers. But your approach may take you beyond

counts of papers or citations to the detailed consideration

of scientific ideas or institutions. Other sources of data

might include interviews with scientists, social media,

full text analyses, including citation contexts, or even

new large language models and software. AI offers many

亨瑞·斯莫爾

Henry Small

(1941 —)

(USA)

第23頁

5

特殊序言 : 普賴斯獎獲得者給年輕學者的寄語

new methods including classification and summarization.

Many researchers are now interested in social issues such

as gender studies or minority representation in science. I

would avoid trendy topics unless you have new ideas or

novel data that can be brought to bear. These are the kinds

of expansions of boundaries that I believe scientometrics

needs and will foster the growth and increase the vitality of

the field. Good luck.

Henry Small (SciTech Strategies Inc,USA)

2023.6.14

The research system plays a crucial role in satisfying

human curiosity, promoting technological progress, and

addressing global societal challenges. Given the huge scale

of the scientific enterprise and the large amounts of resources

invested, proper management of the system is absolutely critical.

By providing quantitative data-driven insights into the current

state of the research system and its ongoing development,

scientometrics (or quantitative science studies) offers essential

information to manage the system and to steer it in new

directions. I consider it a big privilege to be in the position to

contribute to this. Let’s all work together to keep improving the

data sources and the methods that we use in our scientometric

work, and let’s make sure we serve the research system, and

society at large, in the best possible way!

Ludo Waltman (CWTS, Leiden University)

2023.6.17

盧多·瓦特曼

Ludo Waltman

(1982 —)

(The Netherlands)

第24頁

科學計量學手冊

Handbook of Scientometrics

6

There are many crucial steps in bibliometric analysis where

mistakes are often made. Here we mention three. First, the

problem you are trying to solve should be both important and

well posed. Second, the data you use must be the right data for

the problem rather than just the data that are available. Third,

analysis and observations can rarely be extrapolated with any

robustness. These three principles lead to some do’s and don’ts

in bibliometric analysis.

Regarding problems, DO work on problems that matter,

where the results can lead to action that creates positive change

in the world. DO think deeply about your research problems and

anticipate ways to increase robustness and trust in your results.

DON’T work on problems just because you have a particular

dataset.

Regarding data, DO identify what data is needed for

analysis. DON’T settle for using the data you can get easily -

it may not be sufficient. DO the hard work to understand what

your data can and can’t do. DO learn about how your data

sources were created. DO get your hands dirty - work manually

with the data and develop a gut-level understanding of its

strengths and limitations. DON’T trust data you get from others

until you have examined it closely.

Regarding analysis, DO try to disprove your results.

DON’T believe them at first. If your analysis is field-specific,

DO restrict your observations and conclusions to that field.

DON’T extrapolate without justification. DO look for the

reasons underlying the phenomena you see - this greatly

increases the robustness of the analysis. DON’T just report

numbers without looking for the underlying stories.

We wish you success in your future endeavors.

Kevin Boyack and Richard Klavans(SciTech Strategies Inc,USA)

2023.6.18

凱文·博亞克

Kevin W. Boyack

(1962 —)

(USA)

理查德·克拉凡斯

Richard Klavans

(1948 —)

(USA)

第25頁

7

特殊序言 : 普賴斯獎獲得者給年輕學者的寄語

All statistical analysis, in general, and scientometric

analysis, in particular, can be compared to the preparation

of a meal. The main elements are the raw materials, the

preparation methods (cooking, baking), and the serving. In

scientometrics, the raw materials are the bibliographic data

sources and the raw data sets that can be extracted from them.

Data preparation is as important as properly marinating meat

or baking pasta; cooking is the use of “recipes” or algorithms

to determine indicators. Finally, serving is the presentation of

the final results.

The choice of which dish to prepare from a cookbook

may depend on the raw materials available, of course, but

the choice of raw materials and recipes depends above all

on the purpose of cooking: a quick and nutritious meal for

oneself, a spectacular meal for one’s guests, or a special

dietary meal for a convalescent. Nathan Myhrvold, the “pope

of modernist cooking,” warns: Good food can only come

from good ingredients. There was a time when this basic truth

was appreciated only by the finest chefs. Today, it seems that

the entire food world is placing more and more emphasis on the

quality of ingredients.

A truth worth considering. Even the most sophisticated

algorithms cannot compensate for the shortcomings of the

original data. Analyses using data from free databases can, at

best, provide approximate results.

But it is also worth remembering the admonition of

the statistician John W. Tukey: It is much better to have

an approximate answer to a vaguely formulated but correct

question than an exact answer to a precisely formulated but

incorrect question.

András Schubert (Hungarian Academy of Sciences, Budapest, Hungary)

2023.6.19

第26頁

科學計量學手冊

Handbook of Scientometrics

8

“Bibliometrics” is an attempt to capture science networks

that are generated by research activity and to then help to

understand the dynamics of knowledge in its political and socioeconomic environment, which is the object of scientometrics.

Evaluation comes as an application among others of this multinetwork of actors and related aspects: affiliation, collaboration,

citation, linguistic/semantic contents, etc. The magic of numbers

can hide data and methods biases - handling of very skew

distributions with strong influence of micro events on macro

states (e.g. pioneers’ oeuvre) with also visibility biases, a dark

side of the Matthew effect, mostly observed in other social

networks. Many obstacles can hinder the international knowledge

system, such as external constraints on circulation of information,

citations, etc. Scientometrics can shed light on that treasure of

universal communication, including on the “strength of weak

ties”, which is so vital for interdisciplinarity and breakthroughs.

Another upcoming issue is that of monitoring the potential of

artificial intelligence in the shaping of knowledge, with the open

question: will AI enhance creativity or favour conformism? There

is no doubt that AI is a challenge for scientometrics, too.

Michel Zitt (Lereco lab,Nantes, France)

2023.6.19

Scientometrics offers a powerful set of tools for understanding

how the world of science (or research more widely) operates.

But never forget that bibliometric data are merely imperfect or

partial indicators of a complex reality, and considerable work is

needed to clarify exactly what concepts they relate to and how

and to what extent. They should be used carefully and, wherever

possible, in combination with other approaches, in particular

interviews, before attempting to arrive at conclusions as to what

is happening in science.

Ben Martin(University of Sussex Business School, UK)

2023.6.20

米歇爾·齊特

Michel Zitt

(1947 —)

(France)

本·馬丁

Ben Martin

(1952 —)

(UK)

第27頁

9

特殊序言 : 普賴斯獎獲得者給年輕學者的寄語

Scientometrics is not limited to the natural sciences nor to

the mathematics of bibliographic core-and-scatter distributions.

The literatures of all fields generate such distributions, and

they consist not only of numeric data but of verbal data as

well. That is, they consist of bibliographic sources ranked

high-to-low by counts of the items they produce in response

to a seed term, and those sources have names. Names have

meanings, and the names brought together by the rankings can

often be interpreted jointly. For that reason, I have referred to

core-and-scatter distributions as “bibliograms”—as messages

that can be read for their human interest. For instance, in the

English-speaking West there is a literary field called redology,

which is the academic study of Cao Zuequin’s Dream of the

Red Chamber (in Chinese and in English or other translations).

If the name of that novel is entered as a subject-heading

into one version of WorldCat (OCLC’s international union

catalog), it retrieves the books with that heading ranked by

how many OCLC member libraries hold each book. That

result shows which editions of the novel and which critical

and historical monographs on it are most widely held—the

library “best sellers” of redology, so to speak. There’s a study

in that! I mention all this simply to convey my own take on

scientometrics, which you may not have considered—its

potential relevance to non-quantitative people in the social

sciences and even the humanities.

Howard White (Drexel University, USA)

2023.6.21

霍華德·懷特

Howard White

(1936 —)

(USA)

第28頁

科學計量學手冊

Handbook of Scientometrics

10

The future of societies depends primarily on the social

and economic development that is strongly influenced by

science and technology. The advance of science can be

followed by scientometric methods quantitatively. Accordingly,

scientometrics is a science on science for science.

From practical aspects one of the most important fields

of scientometrics is the evaluation of scientific performance of

individuals, teams, countries, fields, etc. This means primarily

the assessment of quantity and impact of scientific publications.

The essence of scientometrics (primarily: that of

evaluative scientometrics) is the indicator. The mission of

scientometricians is to offer relevant data, methods and

indicators for scientists, science politicians and managers for

making appropriate decisions when initiating new research

directions, selecting relevant topics, nominating research heads

or distributing grants, etc. A country or a university should

grant promising research fields and talented scientists because

“giants on the shoulder of giants could see further” (Newton)

than dwarfs on dwarfs.

It is often neclected that any evaluation requires: setting

goals, selecting appropriate data and elaborating relevant

indicators. One has to keep in mind that numbers are not data

and data are not indicators. The bibliometric conditions of the

evaluated items may be rather different, consequently, relative

indices and appropriate reference standards are needed.

The basic assumptions in evaluative scientometrics–

information unit of sciences is the scientific paper and unit of

impact is the citation - are crude approximations, but they work

in most science fields in practice.

Each scientometric system (i.e. publications, citations,

etc. of an individual, team, institute, country, topic, field, etc.)

is unique. Therefore the general rules should be adopted to the

special systems to be assessed.

第29頁

11

特殊序言 : 普賴斯獎獲得者給年輕學者的寄語

I am conviced, responsibility of scientometricians for

the correctness of their results is high as they may strongly

influence the future of science.

Péter Vinkler (Research Centre for Natural Sciences, Hungary)

2023.6.27

The quantitative study of science is mostly referred

to as scientometrics. Within scientometrics, the research

on scientific communication, particularly with data from

publications, patents, citations, and journals is called

bibliometrics. The development of a relatively new field such

as scientometrics as an ‘accepted’ field within the academic

community goes hand in hand with the rise and flourishing

of institutes and research groups that shape the field. Without

such an institutionalization, a field will disappear from the

academic scene or swallowed up by other fields. Scientometric

research was tremendously stimulated by the most crucial

breakthrough in the history of the quantitative studies of

science, the creation of the Science Citation Index (SCI). This

unprecedented availability of data stimulated the development

of scientometric analytical methods, particularly advanced

bibliometric research performance indicators and science

maps. This development had and still has the clear goal to

identify, within the enormous amount of current research

work all over the world, those researchers and their scientific

activities that really matter in advancing our knowledge, not

seldom pioneering work hidden in the mass.

It is interesting to find out to what extent all the new

databases that have been developed since the SCI are providing

us really new data with substantial added values for the above

formulated goal. At the same time the indicators and maps

originally developed for application offer us a set of effective

instruments for basic research on the development of the science

安東尼·范瑞安

Anthony van Raan

(1945 —)

(The Netherlands)

第30頁

科學計量學手冊

Handbook of Scientometrics

12

system. Provided of course that we (we = all scientometrics

researchers, including the newcomers…) are well educated

and experienced in mathematical methods and, particularly, in

statistics. And given that scientometrics is a data-intensive field,

that we are supported by computer science experts and relevant

facilities. And also, crucially important, that we have the ability

to connect scientometrics successfully with fields such as

economics, psychology, physics, urban studies, and other fields

of science that may inspire to new approaches, new methods,

new kind of data. But also, earlier literature is still a gold mine

of fascinating topics that have never been followed up on,

problems that have gone unaddressed.

We have to guard against tendencies to use scientometric

methods primarily for ‘steering’ science in directions that

are prescribed by current, often political correctness-driven

goals. Certainly, most of these goals are socially legitimate but

such a use of scientometrics must not work to the detriment

of fundamental research. Besides all the discussions about

relevance to our society, it is interesting to take a look at the

scientific knowledge that is rejected or ignored by the same

society. In other words, the gap between what we know and

what we do. For all fields of science, and also for scientometrics,

the most important ability is to find and to work on the crucial

problems. An example are science maps: what do they really

represent, why are they ‘flat’, how to construct continuous

time-series of maps. And in the interface between science

and technology, particularly the role of instrumentation in the

advancement of science. Enough unknown territory is waiting

to be explored...

Anthony van Raan (CWTS, Leiden University, the Netherlands)

2023.6.28

第31頁

13

特殊序言 : 普賴斯獎獲得者給年輕學者的寄語

Some young scientists may have the great luck and

honour to meet or even collaborate with pioneers in the field

of their activity. As a young scientist, I was one of these

privileged persons and learning from the first generation

of scientometricians have had a decisive influence on my

professional career. This first generation, renowned scientists

with professional backgrounds from various fields, in which

they were still working but, at the same time, conducting

professional scientometric research, have come up with visions

and ideas for quantifying and measuring various aspects of

scientific research and scholarly communication. They often

used models, methods and ways of thinking brought in from

their own fields and incorporated those into the new contexts of

interdisciplinary research in information science. And they often

collected and prepared the necessary data themselves, sometimes

even manually. What I learned from the first generation is

mainly two-fold. The first issue is, that retrieving, cleaning

and processing appropriate data for the use in quantitative

science studies is a long and stony road that demands modesty

and patience. The second one is more complex as this regards

interdisciplinarity in more general terms. Becoming a researcher

is not only the result of purposefully studying but is also shaped

by specific socialisation processes that may differ from field

to field. Collaborating with scientists form other fields does

therefore not only broaden the own professional horizon but

also helps better understand the subjects to which scientometrics

is applied and that models and techniques may not simply be

migrated and applied to other contexts without the necessary

adjustments.

I consider myself part of the “second” generation of

scientometricians, who gradually moved from the own field

to scientometrics. I still learned collecting and correcting data

manually, timidly and reverently watching hesitantly turning

magnetic tapes, working at the mainframe computer at nights

(because of cheaper CPU time), experienced some years later

that the content of forty magnetic tapes can fit on one CDROM, and authors may have names even longer than eleven

沃爾夫岡·格蘭澤

Wolfgang Gl?nzel

(1955 —)

(Germany/Hungary)

第32頁

科學計量學手冊

Handbook of Scientometrics

14

characters. Finally, the time arrived when source data became

part of a huge global data network with nearly unlimited

storage place. This spectacular evolution went hand in hand

with the development of scientometric tools and the associated

software. Finally, this second generation also largely contributed

to the institutionalisation of the field so that apart from the

institutionalised scholarly communication (with journals, books,

workshops, conferences), the field has become part of higher

education as well. The members of the “third” generation

have increasingly become scientists skilled in scientometrics,

informetrics or closely related fields.

My advice to young researchers in our field is based on my

own experience, namely, to consider these achievements a gift,

an offer but also a challenge that deserves the necessary respect.

The retrieval, preparation of clean and proper data, the choice

of appropriate models, the development and application of

sound methodology and contributing with meaningful and valid

outcomes is a hard job but is still imperative in doing research in

scientometrics. Despite the breath-taking development we have

witnessed during the last decades, the experiences and insights

of the previous generations in this respect still hold for presentday research too.

Wolfgang Gl?nzel (KU Leuven, Belgium)

2023.7.11

第33頁

15

特殊序言 : 普賴斯獎獲得者給年輕學者的寄語

When carrying out scientometric (including webometric

and altmetric) analyses the gathering of data is crucial to the

analytic outcome. From the 60es manual as well as (semi)

automatic information retrieval (IR) is hence applied to online

databases of various kinds and, in recent decades, also to the

WWW. Aside from citation databases like Scopus and Web

of Science, field-dependent and institutional repositories as

well as Web crawlers are used to gather data – depending on

the purpose of the scientometric analysis. In such cases IR

involves a high degree of knowledge of field structures and

retrieval possibilities in the databases used. However, often the

IR options are made very limited due to commercial secrecies,

e.g., in search engines like Google and Bing; one hardly knows

why the retrieval outcome looks the way it does. One should

remember that Google originally (and falsely) in 1998 assumed

web inlinks to be like citations, that is, the more inlinks to

an object, the more recognized it is, and thus assumed (again

falsely) more relevant. But it worked. Later on Google began to

mix many other parameters to produce its ranked lists of objects.

Bing’s retrieval algorithms was originally based on text-based

IR research and relevance as understood in IR; other parameters

are supposedly also included. In addition, the two search

engines’ crawlers are retrieving different data when crawling

the Web. Hence, it is always a good idea to search both engines

for the same query, download the data and find the overlap as

well as separate information. Another important limitation is the

question of coverage of the data source used. In the cases of the

large and recognized field-dependent and citation databases one

may argue that the latter cover almost all the central journals in

the academic landscape, although there are smaller differences

detected in some academic fields between Scopus and Web of

Science. Hence, one can argue that the extraction from those

sources does not constitute a sample but is the actual population.

This can be seen in contrast to most webometric and altmetric

measures for which analyses commonly operate with samples

of unknown populations. Thus, coverage, sampling and the way

data is combined in the scientometric analysis influence the way

statistics should be carried out.

彼得·英格森

Peter Ingwersen

(1947 —)

(Denmark)

第34頁

科學計量學手冊

Handbook of Scientometrics

16

Finally, one should not overlook the possibilities lying in the

application of citations to IR, mainly investigated in recent years

(Belter, 2017). In contrast to web links real academic citations

have a purpose following a social scientific code, for the most

part of neutral or positive nature and generated by humans. One

may see a citation as a representation of an interpretation (anchor

text, Garfield, 1979) by the citer on the cited work, additional to

other kinds of representation and other interpretations, e.g. by

other citers, human or artificial indexers, abstract generators, etc.

(poly representation, Ingwersen & Jarvelin, 2005; Ingwersen,

2012). The assumption is that citations (and in particular the

immediate citing context surrounding the reference placed in

the citing text) may have ‘something’ to do with relevance of

(parts of) the cited document and hence be applied as a tool for

(re)ranking of documents (Larsen, 2002). There are important

issues and limitations to be tested in this approach to IR: The

time issue: how far back do we have to go? – perhaps using

citing/cited half-life? Using cited journal and/or citing journal

impact factor for re-ranking of retrieval results? Using total

citations to cited items as well as author and/or citing author

impact (h-index) in addition – or should citation scores be

limited to recommendation of documents? Can co-citation be

usefully applied, e.g. in pseudo relevance feedback? How does

un-citedness (up to 70 % in a field) and multi-disciplinarity

influence the retrieval outcome when applying citations? There

are many questions to be tested in the future.

Peter Ingwersen(University of Copenhagen, Denmark)

2023. 9.16

第35頁

1

目? 錄

學者篇(scholars)

1. 阿爾弗雷德 · 詹姆斯 · 洛特卡(Alfred James Lotka) …………………………………… 3

2. 艾倫 · 林賽 · 馬凱(Alan Lindsay Mackay) ……………………………………………… 6

3. 艾倫 · 普里查德(Alan Pritchard) ………………………………………………………… 9

4. 安德拉斯 · 舒伯特(András Schubert) ………………………………………………… 11

5. 安東尼 · 范瑞安(Anthony van Raan)…………………………………………………… 13

6. 奧利 · 佩爾松(Olle Persson)…………………………………………………………… 15

7. 貝爾韋爾德 · 格里菲斯(Belver Griffith) ……………………………………………… 17

8. 貝特拉姆 · 克勞德 · 布魯克斯(Bertram Claude Brookes) …………………………… 19

9. 本 · 馬丁(Ben Martin)…………………………………………………………………… 21

10. 彼得 · 溫克勒(Péter Vinkler) ………………………………………………………… 23

11. 彼得 · 英格森(Peter Ingwersen) ……………………………………………………… 25

12. 布萊斯 · 克羅寧(Blaise Cronin)……………………………………………………… 27

13. 德瑞克 · 約翰 · 德索拉 · 普賴斯(Derek John de Solla Price)………………………… 29

14. 蒂博爾 · 布勞恩(Tibor Braun)………………………………………………………… 31

15. 弗朗西斯 · 納林(Francis Narin) ……………………………………………………… 33

16. 亨克 · 莫德(Henk Moed)……………………………………………………………… 35

17. 亨瑞 · 斯莫爾(Henry Small)…………………………………………………………… 38

18. 霍華德 · 懷特(Howard White)………………………………………………………… 40

19. 簡 · 弗拉奇(Jan Vlachy) ……………………………………………………………… 42

20. 蔣國華(Jiang Guohua)………………………………………………………………… 44

21. 金碧輝(Jin Bihui)……………………………………………………………………… 46

22. 凱瑟琳 · 麥凱恩(Katherine McCain) ………………………………………………… 48

23. 凱文 · 博亞克(Kevin Boyack)………………………………………………………… 50

24. 理查德 · 克拉凡斯(Richard Klavans)………………………………………………… 52

25. 利歐 · 埃格赫(Leo Egghe) …………………………………………………………… 54

26. 梁立明(Liang Liming)………………………………………………………………… 56

27. 劉則淵(Liu Zeyuan)…………………………………………………………………… 58

第36頁

科學計量學手冊

Handbook of Scientometrics

2

28. 盧茨 · 博曼(Lutz Bornmann) ………………………………………………………… 60

29. 盧多 · 瓦特曼(Ludo Waltman)………………………………………………………… 62

30. 路特 · 萊茲多夫(Loet Leydesdorff)…………………………………………………… 64

31. 羅伯特 · 金 · 默頓(Robert King Merton)……………………………………………… 66

32. 羅納德 · 魯索(Ronald Rousseau)……………………………………………………… 68

33. 邁克 · 塞沃爾(Mike Thelwall)………………………………………………………… 70

34. 邁克爾 · 莫拉夫奇克(Michael Moravcsik)…………………………………………… 72

35. 米歇爾 · 齊特(Michel Zitt)…………………………………………………………… 74

36. 喬治 · 金斯利 · 齊普夫(George Kingsley Zipf)……………………………………… 76

37. 邱均平(Qiu Junping)…………………………………………………………………… 79

38. 薩繆爾 · 克萊門特 · 布拉德福(Samuel Clement Bradford) ………………………… 81

39. 托馬斯 · 塞繆爾 · 庫恩(Thomas Samuel Kuhn)……………………………………… 83

40. 瓦西里 · 瓦西列維奇 · 納利莫夫(Vasiliy Vasilevich Nalimov)……………………… 85

41. 沃爾夫岡 · 格蘭澤(Wolfgang Gl?nzel) ……………………………………………… 88

42. 武夷山(Wu Yishan)…………………………………………………………………… 90

43. 葉鷹(Fred Y. Ye) ……………………………………………………………………… 92

44. 尤金 · 加菲爾德(Eugene Garfield)…………………………………………………… 94

45. 約翰 · 戴斯蒙德 · 貝爾納(John Desmond Bernal)…………………………………… 97

46. 約翰 · 歐文(John Irvine)……………………………………………………………… 99

47. 趙紅州(Zhao Hongzhou)……………………………………………………………… 101

48. 朱迪特 · 巴伊蘭(Judit Bar-Ilan)……………………………………………………… 103

術語篇(terminologies)

1. BERT模型(bidirectional encoder representations from transformers model) ………… 107

2. CPM算法(clique percolation method) ………………………………………………… 110

3. DIKW模型(data-information-knowledge-wisdom model)……………………………… 113

4. ESI高影響力論文(ESI top papers)……………………………………………………… 115

5. e指數(shù)(e-index)…………………………………………………………………………… 116

6. g指數(shù)(g-index) ………………………………………………………………………… 118

7. HITS算法(hyperlink induced topic search algorithm) ………………………………… 120

8. h指數(shù)(h-index) ………………………………………………………………………… 122

9. PageRank算法(PageRank algorithm)…………………………………………………… 125

第37頁

目錄

3

10. PI指數(shù)(productivity index) …………………………………………………………… 127

11. p指數(shù)(p-index)………………………………………………………………………… 129

12. R指數(shù)(R-index)………………………………………………………………………… 131

13. Scimago期刊排名(Scimago journal rank) …………………………………………… 133

14. VOS算法(visualization of similarities algorithm)……………………………………… 135

15. w指數(shù)(w-index)………………………………………………………………………… 137

16. Y指數(shù)(Y-index)………………………………………………………………………… 138

17. z指數(shù)(z-index)………………………………………………………………………… 140

18. π 指數(shù)( π -index)……………………………………………………………………… 142

19. 埃爾德什數(shù)(Erd?s number)…………………………………………………………… 143

20. 標準化影響系數(shù)(source normalized impact per paper) ……………………………… 145

21. 波普爾“三個世界”理論(Popper’s three world)…………………………………… 148

22. 布拉德福定律(Bradford’s law) ……………………………………………………… 150

23. 參考文獻出版年譜(reference publication year spectroscopy)………………………… 152

24. 詞頻分析(word frequency analysis)…………………………………………………… 154

25. 詞頻-逆文檔頻率(term frequency and inverse document frequency)………………… 157

26. 大數(shù)據(jù)(big data) ……………………………………………………………………… 159

27. 顛覆性技術(disruptive technology)…………………………………………………… 161

28. 顛覆性指數(shù)(disruption index)………………………………………………………… 163

29. 點互信息(point mutual information) ………………………………………………… 165

30. 多層網(wǎng)絡分析(multi-layer network analysis)………………………………………… 167

31. 多維尺度分析(multidimensional scaling) …………………………………………… 169

32. 多樣性測度指標(diversity measurement index)……………………………………… 171

33. 多源文獻數(shù)據(jù)融合(multi-source literature data fusion)……………………………… 174

34. 二分圖(bipartite graph)………………………………………………………………… 176

35. 分數(shù)計數(shù)(fractional counting)………………………………………………………… 178

36. 復雜網(wǎng)絡(complex networks)………………………………………………………… 182

37. 概率主題模型(probabilistic topic model)……………………………………………… 184

38. 共詞分析(co-word analysis)…………………………………………………………… 186

39. 共現(xiàn)分析(co-occurrence analysis) …………………………………………………… 188

40. 共引分析(co-citation analysis)………………………………………………………… 190

41. 關聯(lián)分析(association analysis)………………………………………………………… 192

42. 關聯(lián)數(shù)據(jù)(linked data)………………………………………………………………… 194

第38頁

科學計量學手冊

Handbook of Scientometrics

4

43. 核心期刊(core journals) ……………………………………………………………… 197

44. “黑天鵝”文獻與“白天鵝”文獻(black and white swans publications)…………… 199

45. 互信息(mutual information)…………………………………………………………… 201

46. “灰犀?!奔夹g(grey-rhino technologies) …………………………………………… 203

47. 回歸分析(regression analysis)………………………………………………………… 206

48. 活躍度指數(shù)(activity index)…………………………………………………………… 208

49. 火花型文獻(sparking foundational publications)……………………………………… 210

50. 機器學習(machine learning)…………………………………………………………… 212

51. 基尼系數(shù)(Gini coefficient) …………………………………………………………… 214

52. 計量語言學(quantitative linguistics) ………………………………………………… 216

53. 計算社會學(computational sociology)………………………………………………… 219

54. 技術會聚(technology convergence)…………………………………………………… 221

55. 技術挖掘(technology mining)………………………………………………………… 223

56. 加菲爾德文獻集中定律(Garfield’s law of concentration)…………………………… 225

57. 《舊金山宣言》(The San Francisco Declaration)……………………………………… 227

58. 巨型期刊(mega journal) ……………………………………………………………… 230

59. 距離測度(distance measures) ………………………………………………………… 232

60. 聚類分析(cluster analysis) …………………………………………………………… 236

61. 卷積神經網(wǎng)絡(convolutional neural networks) ……………………………………… 238

62. 開放存取(open access)………………………………………………………………… 241

63. 開放科學(open science) ……………………………………………………………… 243

64. 開放數(shù)據(jù)(open data)…………………………………………………………………… 244

65. 開放同行評議(open peer review)……………………………………………………… 246

66. 開放引文(open citation) ……………………………………………………………… 248

67. 科技政策學(science of science policy)………………………………………………… 249

68. 科學編史學(historiography of science) ……………………………………………… 251

69. 科學傳播(science communication)…………………………………………………… 253

70. 科學疊加圖(science overlay maps)…………………………………………………… 255

71. 科學發(fā)現(xiàn)的采掘模型(excavating models of scientific discovery)…………………… 258

72. 科學發(fā)展節(jié)律指標(indicator of the rhythm of science)……………………………… 261

73. 科學范式(scientific paradigm)………………………………………………………… 263

74. 科學合作(scientific collaboration) …………………………………………………… 265

75. 科學基金(science funding) …………………………………………………………… 268

第39頁

目錄

5

76. 科學計量學(scientometrics)…………………………………………………………… 270

77. 科學-技術關聯(lián)(science-technology linkage) ………………………………………… 272

78. 科學家聲望(scientist reputation)……………………………………………………… 274

79. 科學交流(scientific communication) ………………………………………………… 276

80. 科學經濟學(economics of science)…………………………………………………… 278

81. 科學社會學(sociology of science) …………………………………………………… 280

82. 科學史(history of science) …………………………………………………………… 282

83. 科學學(science of science) …………………………………………………………… 284

84. 科學研究的智力常數(shù)(intelligence constant of scientific work)……………………… 287

85. 科學哲學(philosophy of science)……………………………………………………… 289

86. 科學知識圖譜(map of science)………………………………………………………… 291

87. 科研評價(research evaluation)………………………………………………………… 294

88. 空間科學計量學(spatial scientometrics)……………………………………………… 297

89. 跨學科、多學科與超學科(interdisciplinary,multidisciplinary and

transdisciplinary)………………………………………………………………………… 299

90. 萊頓網(wǎng)絡聚類算法(Leiden network cluster algorithm)……………………………… 302

91. 《萊頓宣言》(The Leiden Manifesto)…………………………………………………… 305

92. 鏈路分析(link analysis) ……………………………………………………………… 308

93. 鏈路預測(link prediction)……………………………………………………………… 310

94. 領域加權引用影響力(field-weighted citation impact)………………………………… 312

95. 魯汶網(wǎng)絡聚類算法(Louvain network cluster algorithm)……………………………… 314

96. 掠奪性期刊(predatory journals) ……………………………………………………… 316

97. 輪廓系數(shù)(silhouette coefficient) ……………………………………………………… 318

98. 論文致謝(acknowledgement) ………………………………………………………… 320

99. 邏輯斯蒂曲線(logistic curve)………………………………………………………… 322

100. 洛特卡定律(Lotka’s law) …………………………………………………………… 324

101. 馬太效應(Matthew effect)…………………………………………………………… 326

102. 冪律分布(power-law distribution)…………………………………………………… 328

103. 帕累托分布(Pareto distribution)……………………………………………………… 330

104. 普賴斯指數(shù)(Price index) …………………………………………………………… 332

105. 期刊超越指數(shù)(field normalized citation success index)……………………………… 334

106. 期刊分區(qū)(journal division)…………………………………………………………… 336

107. 期刊即時指數(shù)(immediacy index)…………………………………………………… 338

第40頁

科學計量學手冊

Handbook of Scientometrics

6

108. 期刊引證報告(Journal Citation Reports) …………………………………………… 339

109. 期刊引證分數(shù)(CiteScore)…………………………………………………………… 341

110. 期刊引證指標(journal citation indicator)…………………………………………… 343

111. 期刊影響力指數(shù)(clout index)………………………………………………………… 345

112. 期刊影響因子(journal impact factor)………………………………………………… 347

113. 齊普夫定律(Zipf’s law)……………………………………………………………… 349

114. 潛語義分析(latent semantic analysis)………………………………………………… 352

115. 潛在狄利克雷分配模型(latent dirichlet allocation model) ………………………… 356

116. 情感分析(sentiment analysis)………………………………………………………… 358

117. 全文引文分析(full-text citation analysis)…………………………………………… 361

118. 人工智能(artificial intelligence)……………………………………………………… 364

119. 人工智能生成內容(artificial intelligence generated content) ……………………… 366

120. 三螺旋模型(triple helix model)……………………………………………………… 369

121. 熵(entropy)…………………………………………………………………………… 371

122. 社會網(wǎng)絡分析(social network analysis)……………………………………………… 373

123. 社區(qū)發(fā)現(xiàn)(community detection)……………………………………………………… 375

124. 深度學習(deep learning)……………………………………………………………… 377

125. 神經網(wǎng)絡(neural network)…………………………………………………………… 379

126. 數(shù)據(jù)包絡分析(data envelopment analysis) ………………………………………… 382

127. 數(shù)據(jù)挖掘(data mining) ……………………………………………………………… 384

128. 數(shù)字對象標識符(digital object identifier)…………………………………………… 387

129. 湯淺現(xiàn)象(Yuasa phenomenon) ……………………………………………………… 389

130. 特征因子分數(shù)(eigenfactor score)…………………………………………………… 391

131. 替代計量學(altmetrics)……………………………………………………………… 394

132. 《替代計量學宣言》(Altmetrics:A Manifesto)……………………………………… 396

133. 同行評議(peer review) ……………………………………………………………… 399

134. 突發(fā)檢測算法(burst detection algorithm)…………………………………………… 401

135. 圖機器學習(graph machine learning)………………………………………………… 403

136. 團隊科學學(science of team science)………………………………………………… 405

137. 王冠指數(shù)(crown indicator)…………………………………………………………… 407

138. 網(wǎng)絡計量學(webometrics)…………………………………………………………… 409

139. 網(wǎng)絡密度(network density)…………………………………………………………… 412

140. 網(wǎng)絡模塊化Q值(modularity Q)……………………………………………………… 414

141. 網(wǎng)絡中心性(network centrality)……………………………………………………… 416

第41頁

目錄

7

142. 文獻計量學(bibliometrics)…………………………………………………………… 419

143. 文獻老化定律(literature aging law) ………………………………………………… 421

144. 文獻類型(document type)…………………………………………………………… 423

145. 文獻耦合分析(bibliographic coupling analysis) …………………………………… 425

146.文獻網(wǎng)絡結構變異分析(references network structural variation analysis) ………… 427

147. 文章處理費用(article processing charge)…………………………………………… 430

148. 無標度網(wǎng)絡(scale-free network)……………………………………………………… 432

149. 無向網(wǎng)絡(undirected networks)……………………………………………………… 434

150. 無形學院(Invisible College)………………………………………………………… 436

151. 物理-事理-人理方法論(wuli-shili- renli system approach)………………………… 438

152. 小世界網(wǎng)絡(small-world network)…………………………………………………… 441

153. 新興技術(emerging technology)……………………………………………………… 443

154. 信息計量學(informetrics)…………………………………………………………… 446

155. 信息檢索(information retrieval)……………………………………………………… 448

156. 學科分類(category of disciplines)…………………………………………………… 450

157. 學科規(guī)范化引文影響力(category normalized citation impact)……………………… 453

158. 學術話語權(power of academic discourse) ………………………………………… 454

159. 學術鏈(science chain)………………………………………………………………… 456

160. 學術年齡(academic age)……………………………………………………………… 459

161. 學術型發(fā)明人(academic inventor)…………………………………………………… 462

162. 學術影響力(academic influence) …………………………………………………… 464

163. 研究前沿(research fronts)…………………………………………………………… 466

164. 一階科學與二階科學(first-order science and second-order science) ……………… 468

165. 異質性網(wǎng)絡(heterogeneous network)………………………………………………… 469

166. 引文半衰期(citation half-life)………………………………………………………… 471

167. 引文分析(citation analysis)…………………………………………………………… 473

168. 引文桂冠獎(Citation Laureate)……………………………………………………… 476

169. 引文俱樂部效應(citation club effect)………………………………………………… 478

170. 引文空間模型(citation space model)………………………………………………… 480

171. 引用動機(citation motivation) ……………………………………………………… 482

172. 引用認同(citation identity)…………………………………………………………… 485

173. 引用延遲(citation delay)……………………………………………………………… 487

174. 優(yōu)先連接(preferential attachment)…………………………………………………… 490

第42頁

科學計量學手冊

Handbook of Scientometrics

8

175. 有向網(wǎng)絡(directed network) ………………………………………………………… 492

176. 有向引文網(wǎng)絡(directed citation network)…………………………………………… 493

177. 語義網(wǎng)(semantic web)………………………………………………………………… 495

178. 預印本(preprints) …………………………………………………………………… 498

179. 元分析(meta-analysis)………………………………………………………………… 500

180. 元科學(metascience)………………………………………………………………… 502

181. 元數(shù)據(jù)(metadata) …………………………………………………………………… 504

182. 戰(zhàn)略坐標圖(strategic diagram)……………………………………………………… 507

183. 整數(shù)計數(shù)(full counting)……………………………………………………………… 509

184. 政策計量學(policymetrics)…………………………………………………………… 510

185. 政策信息學(policy informatics)……………………………………………………… 512

186. 支持向量機(support vector machine)………………………………………………… 514

187. 知識共享許可協(xié)議(creative commons licenses) …………………………………… 517

188. 知識計量學(knowledgometrics)……………………………………………………… 520

189. 知識圖譜(knowledge graph)………………………………………………………… 522

190. 知識網(wǎng)絡(knowledge network)……………………………………………………… 524

191. 知識系統(tǒng)工程(knowledge systems engineering) …………………………………… 525

192. 指數(shù)隨機圖模型(exponential random graph model)………………………………… 527

193. 智庫DIIS理論方法(DIIS Theory and Methodology in Think Tanks) ……………… 529

194. 智庫雙螺旋法(Double Helix Methodology in Think Tanks)………………………… 531

195. 主路徑分析(main path analysis)……………………………………………………… 534

196. 主謂賓三元組分析(subject-action-object)…………………………………………… 538

197. 專利分類(patent classification)……………………………………………………… 540

198. 專利計量學(patentometrics)………………………………………………………… 542

199. 專利家族(patent family)……………………………………………………………… 544

200. 專利權人合作網(wǎng)絡(patent assignees’ collaboration networks)……………………… 546

201. 專利引文網(wǎng)絡(patent citation network)……………………………………………… 547

202. 自然語言處理(natural language processing)………………………………………… 549

203. 自然指數(shù)(nature index)……………………………………………………………… 552

204. 綜合集成方法學(meta-synthesis approach)………………………………………… 554

205. 綜合影響指標(integrated impact indicator) ………………………………………… 556

206. 作者貢獻分配(authorship credit allocation)………………………………………… 558

第43頁

目錄

9

組織機構篇(organizations)

1. 北京科學技術情報學會元科學專業(yè)委員會(Metasciences Committee, Beijing Science &

Technology Information Society)………………………………………………………… 563

2. 比利時研發(fā)監(jiān)測中心(Centre for Research & Development Monitoring,Belgium)………565

3. 大連理工大學WISE實驗室(Webometrics-Informetrics-Scientometrics-

Econometrics Lab,Dalian University of Technology)…………………………………… 567

4. 復旦大學國家智能評價與治理實驗基地(National Experiment Base for Intelligent

Evaluation and Governance,F(xiàn)udan University)………………………………………… 568

5. 國際科學計量學與信息計量學學會(International Society for Scientometrics and

Informetrics)……………………………………………………………………………… 569

6. 杭州電子科技大學中國科教評價研究院(Chinese Academy of Science and Education

Evaluation, Hangzhou Dianzi University)………………………………………………… 572

7. 加拿大科學計量公司(Science-Metrix,Canada)……………………………………… 573

8. 萊頓大學科學技術元勘中心(Center for Science and Technology Studies,

Leiden University)………………………………………………………………………… 574

9. 美國科技戰(zhàn)略公司(SciTech Strategies,USA)………………………………………… 578

10. 美國科學信息研究所(Institute for Scientific Information,USA)…………………… 580

11. 全球跨學科研究網(wǎng)絡(COLLNET)…………………………………………………… 582

12. 薩塞克斯大學科技政策研究中心(Science Policy Research Unit,University of

Sussex)…………………………………………………………………………………… 584

13. 武漢大學科教管理與評價中心(Center for Science, Technology & Education

Assessment,Wuhan University) ……………………………………………………… 585

14. 武漢大學中國科學評價研究中心(Research Center for Chinese Science Evaluation,

Wuhan University) ……………………………………………………………………… 586

15. 西班牙Scimago實驗室(Scimago Lab,Spain) ……………………………………… 588

16. 中國科學技術信息研究所(Institute of Scientific and Technical Information of

China)…………………………………………………………………………………… 590

17. 中國科學學與科技政策研究會科技管理與評價專業(yè)委員會(Committee on Science and

Technology Management and Evaluation,Chinese Association of Science of Science

and S&T Policy Research)……………………………………………………………… 592

18. 中國科學學與科技政策研究會科學計量學與信息計量學專業(yè)委員會(Scientometrics

and Informetrics Professional Committee,Chinese Association of Science of Science

and S&T Policy Research)……………………………………………………………… 593

19. 中國科學院成都文獻情報中心科學計量與科技評價研究中心(Scientometrics &

Evaluation Research Center, National Science Library [Chengdu], Chinese Academy of

Sciences)………………………………………………………………………………… 596

第44頁

科學計量學手冊

Handbook of Scientometrics

10

20. 中國科學院文獻情報中心計量與評價部(Center of Scientometrics, National Science

Library, Chinese Academy of Sciences)………………………………………………… 598

21. 中國社會科學評價研究院(Chinese Academy of Social Sciences Evaluation

Studies) ………………………………………………………………………………… 600

22. 中國政法大學法治科學計量與評價中心(Scientometrics and Evaluation Center for

Rule of Law,China University of Political Science and Law)………………………… 602

期刊會議篇(journals and conferences)

學術期刊篇(journals)

1.《COLLNET 科學計量學與信息管理》(COLLNET Journal of Scientometrics and

Information Management)………………………………………………………………… 607

2.《科學計量學》(Scientometrics)………………………………………………………… 609

3.《科學計量學研究》(Journal of Scientometric Research)……………………………… 611

4.《科學學研究》(Studies in Science of Science) ………………………………………… 613

5.《科學學與科學技術管理》(Science of Science and Management of S.&T.)…………… 615

6.《科研管理》(Science Research Management) ………………………………………… 617

7.《量化科學元勘》(Quantitative Science Studies) ……………………………………… 619

8.《情報科學》(Information Science)……………………………………………………… 621

9.《情報理論與實踐》(Information studies:Theory & Application) …………………… 623

10.《情報學報》(Journal of The China Society for Scientific and Technical

Information) …………………………………………………………………………… 625

11.《情報雜志》(Journal of Intelligence) ………………………………………………… 627

12.《情報資料工作》(Information and Documentation Services)………………………… 629

13.《數(shù)據(jù)分析與知識發(fā)現(xiàn)》(Data Analysis and Knowledge Discovery)………………… 631

14.《數(shù)據(jù)科學與信息計量學》(Data Science and Informetrics)………………………… 633

15.《數(shù)據(jù)與情報科學學報》(Journal of Data and Information Science)………………… 635

16.《替代計量學雜志》(Journal of Altmetrics)…………………………………………… 636

17.《圖書情報工作》(Library and Information Service) ………………………………… 638

18.《圖書情報知識》(Documentation,Information & Knowledge)……………………… 640

19.《圖書與情報》(Library & Information)……………………………………………… 642

20.《文獻工作雜志》(Journal of Documentation)………………………………………… 643

21.《現(xiàn)代情報》(Journal of Modern Information)………………………………………… 645

22.《信息計量學學報》(Journal of Informetrics)………………………………………… 647

第45頁

目錄

11

23.《信息科學學報》(Journal of Information Science)…………………………………… 649

24.《信息科學與技術學會會刊》(Journal of the Association for Information

Science and Technology)……………………………………………………………… 651

25.《信息資源管理學報》(Journal of Information Resources Management) …………… 653

26.《學術計量與分析前沿》(Frontiers in Research Metrics and Analytics)……………… 655

27.《研究評價》(Research Evaluation)…………………………………………………… 657

28.《研究政策》(Research Policy)………………………………………………………… 659

學術會議篇(conferences)

29. COLLNET會議(COLLNET Meeting)………………………………………………… 661

30. 北歐文獻計量與研究政策研討會(Nordic Workshop on Bibliometrics and

Research Policy)………………………………………………………………………… 664

31. 國際科學計量學與信息計量學學會會議(International Conference on Scientometrics

and Informetrics)………………………………………………………………………… 667

32. 國際科學技術與創(chuàng)新指標會議(International Conference on Science,

Technology and Innovation Indicators) ………………………………………………… 670

33. 科學計量與科技評價天府論壇(Chengdu Conference on Scientometrics &

Evaluation) ……………………………………………………………………………… 673

34. 全國科技評價學術研討會(National Symposium on Science and

Technology Evaluation) ………………………………………………………………… 674

35. 全國科學計量學與科教評價研討會(National Conference on Scientometrics and

Scientific Evaluation)…………………………………………………………………… 676

36. 中國情報學年會(China Information Science Annual Conference)…………………… 678

數(shù)據(jù)庫、工具與獎勵篇(databases,tools and prizes)

數(shù)據(jù)庫篇(databases)

1. Altemetric數(shù)據(jù)庫(Altmetric Database)………………………………………………… 681

2. arXiv預印本數(shù)據(jù)庫(arXiv Database)…………………………………………………… 683

3. Crossref數(shù)據(jù)庫(Crossref Database) …………………………………………………… 685

4. Dimensions數(shù)據(jù)庫(Dimensions Database)……………………………………………… 687

5. incoPat專利數(shù)據(jù)庫(incoPat Patents Database)………………………………………… 688

6. Lens數(shù)據(jù)庫(Lens Database) …………………………………………………………… 689

7. OpenAlex數(shù)據(jù)庫(OpenAlex Database)………………………………………………… 690

8. Overton政策引文數(shù)據(jù)庫(Overton Policy Citation Database) ………………………… 691

9. PATSTAT數(shù)據(jù)庫(PATSTAT Database)………………………………………………… 693

第46頁

科學計量學手冊

Handbook of Scientometrics

12

10. PlumX數(shù)據(jù)庫(PlumX Database)……………………………………………………… 695

11. PubMed數(shù)據(jù)庫(PubMed Database)…………………………………………………… 697

12. Scopus索引數(shù)據(jù)庫(Scopus Abstract & Citation Database)…………………………… 699

13. Web of Science數(shù)據(jù)庫(Web of Science Database)…………………………………… 701

14. 德溫特創(chuàng)新平臺(Derwent Innovation) ……………………………………………… 702

15. 萬方數(shù)據(jù)庫(Wanfang Database)……………………………………………………… 703

16. 智慧芽全球專利數(shù)據(jù)庫(Zhihuiya Patents Database)………………………………… 704

17. 中國科學引文數(shù)據(jù)庫(Chinese Science Citation Database)…………………………… 705

18. 中國知網(wǎng)(China National Knowledge Infrastructure)………………………………… 706

19. 中文社會科學引文索引(Chinese Social Sciences Citation Index)…………………… 707

工具篇(tools)

20. BibExcel軟件(BibExcel Software) …………………………………………………… 708

21. Bibliometrix R工具包(Bibliometrix R Package)……………………………………… 711

22. CiteSpace軟件(CiteSpace Software)…………………………………………………… 714

23. CitNetExplorer軟件(CitNetExplorer Software) ……………………………………… 718

24. CRExplorer軟件(CRExplorer Software)……………………………………………… 721

25. HistCite軟件(HistCite Software)……………………………………………………… 724

26. Publish or Perish軟件(Publish or Perish Software)…………………………………… 727

27. Sci2軟件(Sci2 Software)……………………………………………………………… 730

28. SciMAT軟件(SciMAT Software)……………………………………………………… 733

29. VOSviewer軟件(VOSviewer Software) ……………………………………………… 738

獎項篇(prizes)

30. ISSI年度論文獎(ISSI Paper of the Year Award)……………………………………… 743

31. 德瑞克·德索拉·普賴斯紀念獎章(the Derek de Solla Price Memorial Medal)…… 745

32. 邱均平計量學獎(Qiu Junping Metrology Award) …………………………………… 748

33. 尤金·加菲爾德博士論文獎(Eugene Garfield Doctoral Dissertation Award) ……… 749

34. 尤金·加菲爾德引文分析創(chuàng)新獎(Eugene Garfield Award for Innovation in

Citation Analysis) ……………………………………………………………………… 750

詞條中文索引(index of articles in Chinese)…………………………………………… 752

詞條英文索引(index of articles in English) …………………………………………… 758

后記(afterword)…………………………………………………………………………… 765

第47頁

學者篇

1

學者篇 |

第49頁

學者篇

3

1. 阿爾弗雷德·詹姆斯·洛特卡

(Alfred James Lotka)

學者關鍵詞:統(tǒng)計學;生物數(shù)學;物理化

學;人口統(tǒng)計學;文獻計量

學;洛特卡定律

阿爾弗雷德·詹姆斯·洛特卡(Alfred

James Lotka,1880—1949),美國數(shù)學家、

物理化學家和統(tǒng)計學家。他先后擔任美國

人口協(xié)會主席(1938—1939)、美國統(tǒng)計協(xié)

會主席(1942)、科學調查人口問題聯(lián)盟副

主席、美國國家聯(lián)合委員會主席,他還是

美國公共衛(wèi)生協(xié)會會士、數(shù)理統(tǒng)計學會會

士。洛特卡在生物物理學、生物進化中的

能量學、人口統(tǒng)計學和公共衛(wèi)生、文獻計

量學等多個學科領域做出了重要貢獻。在

文獻計量學領域,洛特卡提出的一條定律

被稱為“洛特卡定律”,它是文獻計量學三

大定律之一。因此,洛特卡被視為文獻計

量學奠基者之一。

洛特卡 1880 年 3 月 2 日生于奧地利萊

伯格(現(xiàn)為烏克蘭的利沃夫),他的父親

雅克·洛特卡和母親瑪麗·洛特卡是來

自美國的外籍傳教士。洛特卡于 1901 年

在英國伯明翰大學獲得學士學位,1901—

1902年在德國萊比錫大學攻讀研究生課程;

1902—1908年移居美國期間,擔任通用化

學公司的助理化學家;1909年擔任美國專

利局審查員并在康奈爾大學獲得物理學碩

士學位;1909—1911年擔任美國標準局助

理物理學家;1911—1914年擔任《科學美

國人》副刊主編;1912年在英國伯明翰大

學獲得博士學位;1914—1919年在通用化

學公司工作;1922—1924年在約翰霍普金

斯大學工作;1924年加入大都會人壽保險

公司,擔任統(tǒng)計部主管;1925 年出版了

《生物物理學的元素》;1925年與達布林共

同發(fā)表了論文《關于自然增長率的真實速

率》;1926年在《華盛頓科學院雜志》上發(fā)

表了論文《科學生產率的頻度分布》,該文

后來引起學術界的關注,文中提出的科學

第50頁

科學計量學手冊

Handbook of Scientometrics

4

文獻按著者的分布規(guī)律被稱為洛特卡定律;

1934年晉升為大都會人壽保險公司的助理

統(tǒng)計學家;1938—1939年擔任美國人口協(xié)

會主席;1942 年擔任美國統(tǒng)計協(xié)會主席;

1948年從大都會人壽保險公司退休。1949

年12月5日卒于美國新澤西州雷德班克。

洛特卡擅長統(tǒng)計研究,在科學上的興

趣集中在生物體總數(shù)的動態(tài)狀況研究。他

的早期工作是研究氣體混合物的動力學。

1910年,他在化學反應研究中提出了捕食

者-獵物模型(洛特卡-沃爾特拉模型),該

模型是生態(tài)學中許多用于分析人口動態(tài)的

模型的基礎。洛特卡-沃爾特拉模型起源于

比利時數(shù)學家皮埃爾·弗朗索瓦·韋爾赫

爾斯特提出的邏輯方程,用來描述定義在

有限空間內的種群數(shù)量增長情況。1920年,

該模型被洛特卡擴展后,亦可分析植物和

食草動物。

洛特卡在人口統(tǒng)計學上的最大貢獻是

提出了穩(wěn)定人口模型。早在1907年,他按

照特定的生命表,說明了按固定增長率增

長的封閉人口之年齡結構是一定的,出生

率和死亡率也是一定的,即所謂的“穩(wěn)定

人口”。1911 年,他在和達布林一起合著

的論文中進一步運用數(shù)學方法,設定了穩(wěn)

定人口的幾個最重要的函數(shù)關系式,并開

始把它應用到實際人口分析中。后來,洛

特卡還把穩(wěn)定人口模型和“邏輯斯蒂曲線”

模型結合起來,運用于人口分析。他提出

的穩(wěn)定人口模型是人口再生產分析的重要

工具,使人口再生產研究進入一個新階段。

這一模型在人口分析和人口預測中已被廣

泛使用。二十多年間,洛特卡在《科學》

和《美國科學雜志》上發(fā)表了幾十篇關于

數(shù)理人口統(tǒng)計學方面的文章,最終形成了

專著《生物群叢的分析理論》(Analytical

Theory of Biological Associations),該書第

1部分的標題為“原理”,共45頁,于1934

年出版;第 2 部分標題為“種群分析,特

別應用于人類物種”,共149頁,于1939年

由赫爾曼與西出版社出版。

在對瘧疾傳播的數(shù)學模型產生興趣之

后,洛特卡在1925年出版了巨著《生物物

理學的元素》,該著作是數(shù)理生物學的基礎

之一。在該著作中他提出了一種新的進化

理論,該理論在很大程度上受到他的化學

知識的影響,即能量在進化中發(fā)揮關鍵作

用,最終進化是由生物為爭奪環(huán)境中可用

的能量而進行的不斷斗爭:生存下來的生

物是最能捕獲和利用其環(huán)境中可用能量的

生物。洛特卡將他的能量學框架擴展到了

人類社會。他特別建議,從依賴太陽能到

依賴不可再生能源之變遷將對社會構成獨

特和根本性的挑戰(zhàn)。這些理論使得洛特卡

成為生物物理經濟學和生態(tài)經濟學的重要

先驅。

1926年,洛特卡研究了科學文獻數(shù)量

與著者數(shù)量之間的關系,創(chuàng)造性地提出了

“科學生產率”(scientific productivity)的

概念,并在《華盛頓科學院雜志》上發(fā)表

了論文《科學生產率的頻度分布》。所謂

“科學生產率”,是指科學家(科研人員)

在科學上所表現(xiàn)出的能力和工作效率,通

常用其生產的科學文獻的數(shù)量來衡量。洛

特卡從“科學生產率”概念出發(fā),著手統(tǒng)

計和分析科研人員的論著數(shù)量,不僅定量

地說明了科學生產率的不平衡性,還首次

揭示了科學文獻按著者的分布規(guī)律。洛特

卡研究得出以下規(guī)律性結論:發(fā)表 n 篇論

文的作者數(shù)量大約是只發(fā)表了一篇論文的

作者數(shù)的1/ n2 。僅發(fā)表一篇論文的作者人

數(shù)占作者總數(shù)的比例大約是60%,這就是

著名的洛特卡定律的文字表述。由于多種

原因,洛特卡定律沉睡了30多年,后來經

由科學計量學創(chuàng)始人、美國科學史家普賴

斯等人的發(fā)掘,自20世紀60年代起引起人

百萬用戶使用云展網(wǎng)進行電子書本制作,只要您有文檔,即可一鍵上傳,自動生成鏈接和二維碼(獨立電子書),支持分享到微信和網(wǎng)站!
收藏
轉發(fā)
下載
免費制作
其他案例
更多案例
免費制作
x
{{item.desc}}
下載
{{item.title}}
{{toast}}