科学计量学手册

发布时间:2023-12-27 | 杂志分类:其他
免费制作
更多内容

科学计量学手册

    图书在版编目(CIP)数据科学计量学手册 / 李杰 , 张琳 , 黄颖主编 . -- 北京 : 首都经济贸易大学出版社, 2024.1ISBN 978-7-5638-3590-4Ⅰ . ①科… Ⅱ . ①李… ②张… ③黄… Ⅲ . ①科学计量学 - 手册 Ⅳ . ① G301-62中国国家版本馆 CIP 数据核字(2023)第 180245 号科学计量学手册李杰  张琳  黄颖  主编KEXUE JILIANGXUE SHOUCE责任编辑  杨丹璇封面设计 出版发行  首都经济贸易大学出版社地    址  北京市朝阳区红庙(邮编 100026)电    话  (010)65976483 65065761 65071505(传真)网    址  http://www.sjmcb.comE - mail publish@cueb.edu.cn经    销  全国新华书店照    排  北京砚祥志远激光照排技术有限公司印    刷  唐山玺诚印务有限公司成品尺寸  185 毫米 ×260 毫米 1/16字    数  1247 千字印    张 51.25版    次  2024 ... [收起]
[展开]
科学计量学手册
粉丝: {{bookData.followerCount}}
文本内容
第2页

    图书在版编目(CIP)数据

科学计量学手册 / 李杰 , 张琳 , 黄颖主编 . -- 北京 :

首都经济贸易大学出版社, 2024.1

ISBN 978-7-5638-3590-4

Ⅰ . ①科… Ⅱ . ①李… ②张… ③黄… Ⅲ . ①科学计

量学 - 手册 Ⅳ . ① G301-62

中国国家版本馆 CIP 数据核字(2023)第 180245 号

科学计量学手册

李杰  张琳  黄颖  主编

KEXUE JILIANGXUE SHOUCE

责任编辑  杨丹璇

封面设计 

出版发行  首都经济贸易大学出版社

地    址  北京市朝阳区红庙(邮编 100026)

电    话  (010)65976483 65065761 65071505(传真)

网    址  http://www.sjmcb.com

E - mail publish@cueb.edu.cn

经    销  全国新华书店

照    排  北京砚祥志远激光照排技术有限公司

印    刷  唐山玺诚印务有限公司

成品尺寸  185 毫米 ×260 毫米 1/16

字    数  1247 千字

印    张 51.25

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

书    号  ISBN 978-7-5638-3590-4

定    价  248.00 元

图书印装若有质量问题,本社负责调换

版权所有  侵权必究

第3页

谨以此书献给我国科学计量学的先驱赵红州先生,献给耕耘在科学计量

学一线的学者们,献给正在和将要学习科学计量学的青年学生们!

To all the scientometricians!

第4页

《科学计量学手册》编委会

(* 表示按姓氏拼音首字母排序)

顾问委员会(advisory committee)*

:

Ronald Rousseau Howard White

樊春良 冯长根 胡小君 蒋国华 梁立明 刘 潜

邱均平 王曰芬 叶 鹰 赵丹群 赵蓉英 吴晨生

项目总策划(project planning):

李 杰(学术策划)

杨 玲(出版策划)

项目负责人(principal investigator):

李 杰

主编(editor in chief):

李 杰 张 琳 黄 颖

副主编(associate editor):

陈 悦 胡志刚 杨思洛

编委(editorial board members)*

白如江 步 一 陈 光 陈 悦 陈云伟 杜 建 付慧真 耿 哲 侯剑华

贺 颖 胡志刚 黄 萃 黄 伟 黄 颖 贾 韬 李际超 李 杰 李 睿

李自力 刘维树 刘晓娟 刘筱敏 柳美君 鲁 晓 马 峥 毛 进 宁 笔

欧阳昭连 沈哲思 史东波 舒 非 宋艳辉 王 洋 魏瑞斌 吴登生 吴金闪

吴 强 伍军红 徐 硕 杨冠灿 杨国梁 杨立英 余厚强 俞立平 袁军鹏

翟羽佳 曾 安 曾 利 张 琳 张 嶷 章成志 赵 星 赵 勇 郑晓龙

学术支持(academic supports):

北京科学技术情报学会 元科学专业委员会

中国科学学与科技政策研究会 科学计量学与信息计量学专业委员会

中国科学学与科技政策研究会 科学学理论与学科建设专业委员会

第5页

1

词条撰写与审校者

(按姓氏拼音首字母排序)

白如江

山东理工大学

白松冉

中国科学院自动化研究所

白 云

南京大学

步 一

北京大学

曹 喆

武汉大学

岑咏华

天津师范大学

朝乐门

中国人民大学

陈 安

中国科学院科技战略咨询研究院

陈超美

美国德雷塞尔大学

陈福佑

中国科学院文献情报中心

陈国梁

武汉大学

陈洪侃

北京大学

陈仕吉

杭州电子科技大学

陈姝颖

浙江大学

陈思源

武汉大学

陈 挺

中国科学院科技战略咨询研究院

陈 悦

大连理工大学

陈云伟

中国科学院成都文献情报中心

程 铭

武汉大学

程齐凯

武汉大学

初景利

中国科学院文献情报中心

崔 雷

中国医科大学

崔林蔚

大连理工大学

崔梓凝

北京工业大学

戴 婷

武汉大学

翟羽佳

天津师范大学

丁洁兰

中国科学院文献情报中心

杜 建

北京大学

第6页

2

杜杏叶

中国科学院文献情报中心

樊春良

中国科学院科技战略咨询研究院

方志超

中国人民大学

付慧真

浙江大学

傅 慧

武汉大学

傅 坦

中山大学

高 畅

中国社会科学评价研究院

高道斌

大连理工大学

高明珠

华东师范大学

耿 哲

复旦大学

苟震宇

武汉大学

顾立平

中国科学院文献情报中心

管铮懿

中国科学院文献情报中心

韩景怡

苏州大学

韩 盟

大连理工大学

韩钰馨

武汉大学

韩正琪

中国政法大学

何善平

武汉大学

贺 颖

天津师范大学

侯剑华

中山大学

胡传鹏

南京师范大学

胡丽云

复旦大学

胡小君

浙江大学

胡志刚

大连理工大学

化柏林

北京大学

黄 萃

浙江大学

黄 福

桂林电子科技大学

黄海瑛

湘潭大学

黄航斌

大连理工大学

黄 楠

中山大学

黄 山

武汉大学

黄 伟

北京语言大学

黄 颖

武汉大学

霍朝光

中国人民大学

第7页

3

贾 韬

西南大学

蒋国华

中国管理科学研究院

蒋思雯

浙江大学

李海波

齐鲁工业大学

李海博

中国有研科技集团有限公司

李际超

国防科技大学

李 杰

中国科学院文献情报中心

李美玲

西安交通大学

李墨馨

西安交通大学

李 祺

天津师范大学

李 睿

四川大学

李思佳

武汉大学

李 信

华中科技大学

李 岩

天津师范大学

梁国强

北京工业大学

梁立明

河南师范大学

梁以安

中山大学

梁镇涛

武汉大学

林歌歌

大连理工大学

林嘉亮

厦门大学

刘爱原

集美大学

刘 兵

清华大学

刘春江

中国科学院成都文献情报中心

刘春丽

中国医科大学

刘桂锋

江苏大学

刘海涛

浙江大学

刘鸿霞

中国政法大学

刘慧晖

中国科学院科技战略咨询研究院

刘建华

北京万方数据股份有限公司

刘俊婉

北京工业大学

刘启巍

大连理工大学

刘维树

浙江财经大学

刘小玲

天津师范大学

刘晓娟

北京师范大学

第8页

4

刘晓婷

武汉大学

刘筱敏

中国科学院文献情报中心

刘雪立

新乡医学院

刘玉仙

同济大学

刘 镇

北京工业大学

柳美君

复旦大学

楼 雯

华东师范大学

鲁 晓

中国科学院科技战略咨询研究院

栾春娟

大连理工大学

罗昭锋

中国科学院基础医学与肿瘤研究所

马 峥

中国科学技术信息研究所

马 卓

《现代情报》编辑部

毛 进

武汉大学

毛雨亭

武汉大学

孟 平

Journal of Data and Information Science 编辑部

闵 超

南京大学

穆荣平

中国科学院科技战略咨询研究院

倪超群

美国威斯康星大学麦迪逊分校

宁 笔

科睿唯安

欧阳昭连

中国医学科学院医学信息研究所

彭希珺

《数据分析与知识发现》编辑部

祁 凡

武汉大学

潜 伟

北京科技大学

邱均平

杭州电子科技大学

任 珩

中国科学院西北生态环境资源研究院

尚海茹

北京理工大学

沈梦菲

北京语言大学

沈哲思

中国科学院文献情报中心

施顺顺

武汉大学

石 晶

《情报资料工作》编辑部

时慧敏

中国科学院文献情报中心

史冬波

上海交通大学

舒 非

杭州电子科技大学

宋博文

大连理工大学

第9页

5

宋恩梅

《图书情报知识》编辑部

宋昊阳

中山大学

宋 凯

大连理工大学

宋欣雨

南京大学

宋艳辉

杭州电子科技大学

宋瑶瑶

首都经济贸易大学

宋宜嘉

浙江大学

苏金燕

中国社会科学评价研究院

孙蓓蓓

武汉大学

孙 兰

《科学学与科学技术管理》编辑部

孙梦婷

武汉大学

孙紫涵

天津师范大学

唐 娟

武汉大学

唐 莉

复旦大学

佟 彤

南京大学

涂子依

武汉大学

万 敬

爱思唯尔

汪乾坤

武汉大学

王 超

山东理工大学

王传毅

清华大学

王聪聪

北京工业大学

王 公

中国科学院自然科学史研究所

王国燕

苏州大学

王海燕

中国科学技术信息研究所

王宏鑫

信阳师范大学

王 康

大连理工大学

王 乐

复旦大学

王露荷

武汉大学

王 鹏

山东青年政治学院

王 萍

《科研管理》编辑部

王续琨

大连理工大学

王艳辉

《科学学研究》编辑部

王 洋

西安交通大学

王译晗

复旦大学

第10页

6

王玉奇

大连理工大学

王 媛

清华大学图书馆

王曰芬

天津师范大学

王泽林

武汉大学

王智琦

大连理工大学

王忠军

《情报理论与实践》编辑部

魏瑞斌

安徽财经大学

魏志鹏

《图书与情报》编辑部

文庭孝

中南大学

吴登生

中国科学院科技战略咨询研究院

吴玲玲

大连理工大学

吴梦佳

悉尼科技大学

吴 强

中国科学技术大学

吴胜男

山西医科大学

吴小兰

南京师范大学

伍军红

《中国学术期刊光盘版》电子杂志社有限公司

武夷山

中国科学技术发展战略研究院

席芳洁

浙江大学

肖宇凡

武汉大学

谢 靖

中国科学院文献情报中心

谢前前

莱顿大学

谢迎花

中山大学

邢李志

北京工业大学

熊文靓

浙江大学

徐 畅

武汉大学

徐 芳

中国科学院科技战略咨询研究院

徐 硕

北京工业大学

徐亚男

《情报资料工作》编辑部

许海云

山东理工大学

许家伟

北京大学

杨冠灿

中国人民大学

杨光飞

大连理工大学

杨国梁

中国科学院科技战略咨询研究院

杨嘉敏

大连理工大学

第11页

7

杨立英

中国科学院文献情报中心

杨瑞仙

郑州大学

杨思洛

武汉大学

杨依宁

浙江大学

姚 怡

复旦大学

叶冬梅

武汉大学

叶 瞳

南京审计大学

游晟奕

中国科学院文献情报中心

于 嫒

《信息资源管理学报》编辑部

于思妍

大连理工大学

余德建

南京审计大学

余厚强

中山大学

余云龙

杭州电子科技大学

俞立平

浙江工商大学

虞逸飞

武汉大学

袁济方

清华大学

袁 佳

武汉大学

袁军鹏

中国科学院文献情报中心

岳卫平

科睿唯安

曾 安

北京师范大学

曾 利

国防科技大学

张碧晖

中国科学学与科技政策研究会

张 慧

武汉大学

张丽华

山西财经大学

张连峰

《情报科学》编辑部

张 琳

武汉大学

张灵欣

华东师范大学

张 婷

中国医学科学院医学信息研究所

张 薇

《情报杂志》编辑部

张 杨

西安交通大学

张 嶷

悉尼科技大学

张颖怡

苏州大学

张跃富

北京工业大学

张志杰

爱思唯尔

第12页

8

张子恒

中国科学院文献情报中心

章成志

南京理工大学

赵丹群

北京大学

赵蓉英

武汉大学

赵文静

北京大学

赵 星

复旦大学

赵雅洁

天津师范大学

赵一鸣

武汉大学

赵 勇

中国农业大学

郑尔特

中国人民大学

郑晓龙

中国科学院自动化研究所

周春雷

郑州大学

周春彦

美国硅谷三螺旋研究所

周乐心

武汉大学

周清清

南京师范大学

周秋菊

中国科学院科技战略咨询研究院

周双双

天津师范大学

周文杰

中国人民大学

Bernd Markscheffel

Technischen Universität Ilmenau

Wolfgang Glänzel

KU Leuven

第13页

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页

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页

1

作为一位几乎为中国的科学学/科学计量学事业奋斗了一辈子的老科学工作者,今年

遇到的最高兴的一件事就是得知中国科学院文献情报中心李杰博士组织主编了一本《科

学计量学手册》。行将付梓之际,李博士还热情地迭致电话,恳请老朽为之写个序文。

古人云:“气同则从,声比则应。”李博士之邀,说句心里话,我是非常乐意的。一

是借以对科学计量学在中国的诞生与发展,作为过来人,有个简单的回顾,这对于年轻后

辈或许是有益的;二是趁机对我国科学计量学的今天和明天做个短评,以俟有志于科学学/

科学计量学研究的青年才俊参阅、批评和辩论。当然,若能成为学术批判的“靶子”,亦

不失好事一桩。

钱老是我国科学界明确提出开展科学学研究的第一人。

研究表明,作为我国最早著文倡导开展科学学研究的大科学家,早在1977年12月9

日,钱老就在《人民日报》发表了题为《现代科学技术》的著名论文,其中指出:“当现

代科学技术已经发展到高度综合而又有基础到应用的严密结构的体系,就应该有一门代替

消亡了的自然哲学的学问,它专门研究科学技术体系的组织结构,研究体系的逻辑性和严

谨性,研究科学技术与哲学的联系等。这也可以称为‘科学的科学’。这门学问在以前不

会有,因为自然科学没有形成体系,当然也不会有研究体系的学问。”a

那么,明确支持我国科学界开展科学计量学研究的第一人又是谁呢?其实,还是钱老!

众所周知,中国科学学的早期组织是1978年全国科学大会后,1979年春夏之交,先

后成立的隶属中国科学院学部办公室的“科学学全国联络组”b和隶属北京技术经济和管理

现代化研究会的“科学学研究组”c。前者是其时主持中国科学院日常工作的常务副院长兼

党组书记李昌和副院长钱三强指导下成立的管理组织,下设办公室,由赵文彦、李秀果、

任丰平负责,工作人员有赵红州、蒋国华、汪佩君;后者则是北京科协下属新兴研究会创设

的研究组织,该研究组共计39人,该研究会会长、清华大学教授霍俊任组长,王兴成、李秀

果、杨沛霆、金良浚、周文森任副组长。记得“科学学全国联络组”成立不久后的一次碰头

会上,赵文彦非常高兴地把国防科工委钱学森办公室寄来的一个厚厚的资料袋交给了赵红州,

打开一看是普赖斯的名著《小科学,大科学》d(Little Science,Big Science)的复印件。钱老的

简短附言告诉我们,该书是普赖斯本人亲自寄赠给他的,现在把复印件转赠给我们。此后,

在征得钱老同意的情况下,我们给普赖斯写了一封信。没想到,普赖斯很快就回了信,从此

开始了我们和普赖斯(默顿和加菲尔德在普赖斯身后联名敬称他为“科学计量学之父”)之

a 蒋国华 . 钱老的创新思想引领科学学研究:追忆钱老指导科学学与科学计量学研究二三事 [N]. 科学时报,

2009-12-17(A03).

b 李秀果,中国科学学与科技政策研究会早期组建过程的回忆,2022 年 9 月 20 日私人通信获知。

c 北京技术经济与管理现代化研究会(成立于 1979 年夏)科学学研究组成员:王兴成、段合珊、李惠国、范岱年、

杨沛霆、郑慕琦、韩秉承、丁元煦、刘仲春、柴本良、骆茹敏、贾新民、徐耀宗、符志良、刘泽芬、李汉林、李莲馥、

莫慧芳、任亚玲、赵红州、王敏慧、李秀果、曹听生、桂树声、崔佑铣、胡乐真、蔡文煦、李延高、金良浚、霍俊、

邸鸿勋、王通讯、雷祯孝、朱新民、许立达、王士德、蒋国华。资料来源:早期油印原件,蒋国华存稿。

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

第16页

2

间差不多四年的交往和友谊,直到他不幸心脏病突发,于1983年9月3日辞世。正是普赖斯告

诉我们,匈牙利科学院于1978年创办了《科学计量学》(Scientometrics)杂志并建议我们投稿。

由此足见,钱老亦是我国科学界开展科学计量学研究引路的第一人。

此外,当年赵红州听说有科学计量学这门新学问,特别兴奋。这是因为他还在中国

科学院河南罗山干校时,便以艰难得到的《复旦大学学报》刊登的“自然科学大事年表”,

靠做卡片和纸笔计算,1974年独立发现了后来才知道的世界科学中心转移现象,即“汤

浅现象”a。红州曾对我说:“咱们做的不就属于科学计量学范畴吗?!”他兴冲冲地按普赖

斯的建议,把他书稿中的“科学劳动的智力常数”一节译成英文,寄给了《科学计量学》

(Scientometrics)编辑部执行主编布劳温。有趣的是,布劳温又将红州的文章直接寄给普

赖斯评审。普赖斯不久即回信称,他通过了大作评审,而且就英文文字做了些许理顺工

作。经普赖斯亲自修改后,红州的文章很快刊登了b。随后,没有想到的是,索要抽印本的

明信片像雪片一样从世界各地飞来。据我记忆,索要抽印本的明信片有五六十张,涉及全

球20多个国家和地区的大学/研究所。

初战的胜利总是非常鼓舞人的。红州曾多次对我说过,今后主要研究方向就是科学

计量学了c。此后,红州与我们所做的主要工作简述如下:

(1)红州连续在《科学计量学》杂志上发表了多篇重要论文(包括我俩合作的2篇),

以至于1987年11月25日,普赖斯去世后原创刊“四主编”架构撤销、升任该刊唯一主编

的布劳温来信,邀请赵红州出任该刊编委。

(2)创新和开辟科学计量学研究新课题、新领域,诸如知识单元的智荷及其表示方

法、科学知识的波谱结构、物理定律静智荷值分布规律的分维表征、知识结晶学研究、阶

梯指数规律研究、科学发现的动力学模型、科学发现的采掘模型、物理定律的知识熵表示

问题、科学发现年龄定律的威布尔分布,等等。必须指出,由于我俩的数学功底不足,有

几项研究及论文是和我国著名科学计量学家梁立明教授、唐敬年教授和物理学家刘易成教

授、王国忠教授合作完成的。

(3)获得了国家自然科学基金资助项目,开创了科研量化评价的新领域。

(4)首创开发了中国的大学排行榜。这是在1987年,只比美英晚了几年!我们用北

图购买的纸质版的加菲尔德《科学引文索引》(SCI),对我国高校科学论文产出做计量排

序,当时并不知道美国《新闻与世界报道》于1983年在全球首创搞起了美国的大学排行

榜。不过,后来我们才知道,他们的第一份排行榜指标只依据“大学声誉”的问卷调查,

与科学计量学不沾边d。

(5)进行了科学计量学的拓展研究e。

(6)成为科学计量学国际交流的开拓者和引领者。普赖斯不仅两次邀请我们去夏威

夷美国东西方中心出席国际研讨会(因为外事手续问题,我始终没能成行),他还热情介

a 赵红州 . 科学能力学引论 [M]. 北京:科学出版社,1984:192.

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

c 蒋国华 . 科学学的起源 [M]. 石家庄:河北教育出版社,2001:374.

d 中国管理科学研究院科学学研究所 . 我国科学计量指标的排序 [N]. 科技日报,1987-09-13.

e 蒋国华,方勇,孙诚,等.科学计量学指标在职称评审中的应用:石油大学案例研究[J].科学学与科学技术管理,

1999(02):25-28.

第17页

3

绍了多位极富创新能力的学者与我们相识与交流。原本红州设想,1983年9月夏威夷会议

拜见普赖斯时,要亲自邀请他次年来华访问。给中国科学院外事报告、筹措接待经费等都

准备得差不多了,没想到普顿斯突然去世了。于是,我们转而于1985年邀请了贝尔纳的

嫡传弟子、英国皇家学会会员、伦敦大学教授马凯a,1986年邀请了布劳温,二人成功访

华b。布劳温口才了得,符志良教授权充匈牙利文翻译,语言准确、流畅、幽默,在友谊

宾馆的连续几场报告,座无虚席,轰动一时。这段时间与我们建立起密切交往的还有德国

科学学家万英加特,瑞典科学学家厄尔英加,印度科学学家拉赫曼,苏联科学学家纳里莫

夫、多勃罗夫、马列茨基、格列诺伊、海通,等等。特别是纳里莫夫,他是莫斯科大学科

学理论国家实验室主任,“Наукометрия”(Scientometrics/科学计量学)一词的创立者。他

在1969年出版了世界上第一本科学计量学专著——《科学计量学:把科学作为信息过程来

研究科学的发展》c。海通在1983年也出版了一本专著《科学计量学:现状与前瞻》d。

红州去世之后,我和金碧辉、梁立明、武夷山、邱均平、郑文艺、李志仁、孙诚等

携手,发挥科学计量学研究团队的力量,继承红州的科学创新精神,在中国科学学与科技

政策研究会历届领导吴明瑜、冯之浚、方新、穆荣平、张碧晖等的鼓励和支持下,把中国

科学计量学国际交流事业继续推向前进。

1998年12月4—6日,在北京首次召开了“大学科研评价量化问题国际研讨会暨第五

次全国科学计量学与信息计量学学术年会”,成功邀请了鲁索、克雷奇默、埃格赫等国际

著名科学计量学家来京参会交流,由此开启了我国科学计量学工作者国际交流的新篇章e。

重要标志就是经申请成功的第9届国际科学计量学与信息计量学大会(International Society

for Scientometrics and Informetrics,简称ISSI)于2003年8月25—29日在北京成功举办f。

尤其值得在中国科学计量学发展史上大书一笔的是我国著名情报学家、文献计量学家邱均

平教授,他不仅把我们在北京首办的“全国科学计量学与信息计量学学术年会”承接过

去,连续举办至今,而且经他精心策划和组织,2017年10月17日由中国科学学与科技政

策研究会主办、武汉大学承办的第16届国际科学计量学与信息计量学大会(International

Conference on Scientometrics & Informetrics)在武汉顺利举行,近200名参会代表来自33

个国家和地区。此外,特别值得提的还有几件事。首先是1989年中国科学院文献情报中

心与国家自然科学基金委员会联合研发的中国科学引文数据库(Chinese Science Citation

Database,CSCD)。CSCD收录了我国数学、物理、化学、天文学、地学、生物学、农林

科学、医药卫生、工程技术和环境科学等领域出版的中英文科技核心期刊和优秀期刊千

余种,自提供使用以来深受用户好评,被誉为“中国的SCI ”。其次是中国科学技术信息

研究所,该所不仅建有我国最早中文数据库之一的“万方”、中国科技论文引文数据库

a 赵红州,蒋国华 . 在科学的交叉处探索科学 : 从科学学到科学计量学 [M]. 北京:红旗出版社,2002:622-633.

b 司佾 . 科学计量学家布劳温教授访问中国 [J]. 科学学研究,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 蒋国华 . 科研评价与指标 [M]. 北京:红旗出版社,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页

4

(CSTPCD),还和科睿唯安(原汤森路透知识产权与科技事业部)联合创办了科学计量学

实验室(成立于2008年12月9日),设立有开放基金研究项目,以推进科学计量与科技评价

工作。再次是大连理工大学,在刘则渊领导下,创建了网络-信息-科学-经济计量(WISE)

实验室,带领WISE实验室团队在中国开拓了知识计量学与知识图谱研究的新方向。

记得在26年前,我应命写过一篇综述性文章,题目就取作《科学计量学与信息计量

学:今天和明天》 a。今天恰似历史重复一般,又应命为《科学计量学手册》写个序。前

面,有关“科学计量学在中国的诞生与发展”之“简单的回顾”写完了,行文至此,疑似

也要对“明天”说几句话。

现在学界公认,科学计量学已是一门对科学自身进行定量研究的显学。这里的“科学”

不仅指作为人类知识体系的科学,也包括作为社会活动、社会建制和社会产业的科学。自

莫斯科大学纳里莫夫提出“科学计量学”这个学科术语以来,已经半个多世纪过去了。当

我们回首过往,科学计量学做了些什么呢?毋庸讳言,绝大多数研究基本是研究作为后者的

“科学”,对于前者的“科学”,对不起,所做研究真可谓凤毛麟角。尽管科学计量学之父普赖

斯作为1978年匈牙利科学院科学计量学杂志创始四位主编之一,在其“主编寄语”中说过,

用论文对科学进行计量要远比用货币对经济进行计量准确得多b。但显而易见的是,论文内容

本身才构成和反映人类知识体系,而科学论文的数量、引文、研究人员数、研究经费数、普

赖斯指数、h指数、洛特卡定律、布拉福德定律、齐普夫定律,等等,基本上与科学的社会活

动存在正相关关系,其相对于作为知识体系的科学来说,只能算作一种折射。

《三国志·蜀书·庞统传》裴松之注引《江表传》有云:“天下智谋之士所见略同耳。”

非常荣幸的是,我国科学计量学工作者非常熟悉又备受尊敬的鲁索教授,在其为《科学计

量学手册》的序文中恰恰也有相似的表述。鲁索写道:“因此,研究包括科学计量学在内的

科学,必须聚焦数学概念,特别是适用于研究复杂系统的概念。遗憾的是,我们许多的科

学计量学/文献计量学/信息计量学研究同仁,一段时间以来都把眼光窄窄地盯着用于评估的指

标及其应用上了。”这个提醒其实在20世纪60年代,普赖斯在为纪念贝尔纳《科学的社会功

能》发表25周年的撰文中就指出过。普赖斯告诫说:“‘科学的科学’如果把那个应用目的作

为自己的主要目标,它将会破产。这里,我们应当记住这个历史教训,并且必须懂得,所以

要探索这些知识,就是为了获得知识所提供的全新认识,而不管它把我们带到哪里。”c

《科学计量学手册》从策划到词条撰写都非常好,堪称佳作。尤其是李杰博士还邀请

了17位“普赖斯奖章”得主,为青年科学计量学研究者写了热情洋溢的鼓励寄语,可谓

锦上添花。

际此《科学计量学手册》付梓问世,谨向该书的主编们、一众青年才俊致谢!致敬!

蒋国华

(Guohua Jiang)

2023年10月24日于北京

a 蒋国华 . 科学计量学与信息计量学:今天和明天 [J]. 科学学与科技管理,1997(7-11).

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

c 戈德史密斯,马凯 . 科学的科学:技术时代的社会 [M]. 赵红州,蒋国华,译 . 北京:科学出版社,1985:244.

第19页

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,《科学计量学手册》主编李杰博士陆续联系了在世的 20 位普赖斯奖获得者,并邀请各位

学者撰写“给青年一代的寄语”以作为《科学计量学手册》的特殊序言,共收到 17 位普赖斯奖获得者的寄语。本

部分按照收到的时间进行了排序。其中,鲁索教授帮忙联系了利欧·埃格赫(Leo Egghe)教授。

德瑞克 · 德索拉 · 普赖斯纪念奖章

(the Derek de Solla Price Memorial Medal)

迈克·塞沃尔

Mike Thelwall

(1965 —)

(UK)

特殊序言 : 普赖斯奖获得者给年轻学者的寄语

Special Preface: To the younger generation

from the Price Memorial Medal awardees*

第20页

科学计量学手册

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

罗纳德·鲁索

Ronald Rousseau

(1949 —)

(Belgium)

利欧·埃格赫

Leo Egghe

(1952 —)

(Belgium)

第21页

3

特殊序言 : 普赖斯奖获得者给年轻学者的寄语

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·纳林

Francis Narin

(1934 —)

(USA)

凯瑟琳·W. 麦凯恩

Katherine W. McCain

(1944 —)

(USA)

第22页

科学计量学手册

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·斯莫尔

Henry Small

(1941 —)

(USA)

第23页

5

特殊序言 : 普赖斯奖获得者给年轻学者的寄语

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

卢多·瓦特曼

Ludo Waltman

(1982 —)

(The Netherlands)

第24页

科学计量学手册

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

凯文·博亚克

Kevin W. Boyack

(1962 —)

(USA)

理查德·克拉凡斯

Richard Klavans

(1948 —)

(USA)

第25页

7

特殊序言 : 普赖斯奖获得者给年轻学者的寄语

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页

科学计量学手册

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

米歇尔·齐特

Michel Zitt

(1947 —)

(France)

本·马丁

Ben Martin

(1952 —)

(UK)

第27页

9

特殊序言 : 普赖斯奖获得者给年轻学者的寄语

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

霍华德·怀特

Howard White

(1936 —)

(USA)

第28页

科学计量学手册

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页

11

特殊序言 : 普赖斯奖获得者给年轻学者的寄语

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

安东尼·范瑞安

Anthony van Raan

(1945 —)

(The Netherlands)

第30页

科学计量学手册

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页

13

特殊序言 : 普赖斯奖获得者给年轻学者的寄语

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

沃尔夫冈·格兰泽

Wolfgang Glänzel

(1955 —)

(Germany/Hungary)

第32页

科学计量学手册

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 Glänzel (KU Leuven, Belgium)

2023.7.11

第33页

15

特殊序言 : 普赖斯奖获得者给年轻学者的寄语

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页

科学计量学手册

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页

1

目  录

学者篇(scholars)

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

2. 艾伦 · 林赛 · 马凯(Alan Lindsay Mackay) ……………………………………………… 6

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

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

5. 安东尼 · 范瑞安(Anthony van Raan)…………………………………………………… 13

6. 奥利 · 佩尔松(Olle Persson)…………………………………………………………… 15

7. 贝尔韦尔德 · 格里菲斯(Belver Griffith) ……………………………………………… 17

8. 贝特拉姆 · 克劳德 · 布鲁克斯(Bertram Claude Brookes) …………………………… 19

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

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

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

12. 布莱斯 · 克罗宁(Blaise Cronin)……………………………………………………… 27

13. 德瑞克 · 约翰 · 德索拉 · 普赖斯(Derek John de Solla Price)………………………… 29

14. 蒂博尔 · 布劳恩(Tibor Braun)………………………………………………………… 31

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

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

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

18. 霍华德 · 怀特(Howard White)………………………………………………………… 40

19. 简 · 弗拉奇(Jan Vlachý) ……………………………………………………………… 42

20. 蒋国华(Jiang Guohua)………………………………………………………………… 44

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

22. 凯瑟琳 · 麦凯恩(Katherine McCain) ………………………………………………… 48

23. 凯文 · 博亚克(Kevin Boyack)………………………………………………………… 50

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

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

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

27. 刘则渊(Liu Zeyuan)…………………………………………………………………… 58

第36页

科学计量学手册

Handbook of Scientometrics

2

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

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

30. 路特 · 莱兹多夫(Loet Leydesdorff)…………………………………………………… 64

31. 罗伯特 · 金 · 默顿(Robert King Merton)……………………………………………… 66

32. 罗纳德 · 鲁索(Ronald Rousseau)……………………………………………………… 68

33. 迈克 · 塞沃尔(Mike Thelwall)………………………………………………………… 70

34. 迈克尔 · 莫拉夫奇克(Michael Moravcsik)…………………………………………… 72

35. 米歇尔 · 齐特(Michel Zitt)…………………………………………………………… 74

36. 乔治 · 金斯利 · 齐普夫(George Kingsley Zipf)……………………………………… 76

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

38. 萨缪尔 · 克莱门特 · 布拉德福(Samuel Clement Bradford) ………………………… 81

39. 托马斯 · 塞缪尔 · 库恩(Thomas Samuel Kuhn)……………………………………… 83

40. 瓦西里 · 瓦西列维奇 · 纳利莫夫(Vasiliy Vasilevich Nalimov)……………………… 85

41. 沃尔夫冈 · 格兰泽(Wolfgang Glänzel) ……………………………………………… 88

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

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

44. 尤金 · 加菲尔德(Eugene Garfield)…………………………………………………… 94

45. 约翰 · 戴斯蒙德 · 贝尔纳(John Desmond Bernal)…………………………………… 97

46. 约翰 · 欧文(John Irvine)……………………………………………………………… 99

47. 赵红州(Zhao Hongzhou)……………………………………………………………… 101

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

术语篇(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高影响力论文(ESI top papers)……………………………………………………… 115

5. e指数(e-index)…………………………………………………………………………… 116

6. g指数(g-index) ………………………………………………………………………… 118

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

8. h指数(h-index) ………………………………………………………………………… 122

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

第37页

目录

3

10. PI指数(productivity index) …………………………………………………………… 127

11. p指数(p-index)………………………………………………………………………… 129

12. R指数(R-index)………………………………………………………………………… 131

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

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

15. w指数(w-index)………………………………………………………………………… 137

16. Y指数(Y-index)………………………………………………………………………… 138

17. z指数(z-index)………………………………………………………………………… 140

18. π 指数( π -index)……………………………………………………………………… 142

19. 埃尔德什数(Erdős number)…………………………………………………………… 143

20. 标准化影响系数(source normalized impact per paper) ……………………………… 145

21. 波普尔“三个世界”理论(Popper’s three world)…………………………………… 148

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

23. 参考文献出版年谱(reference publication year spectroscopy)………………………… 152

24. 词频分析(word frequency analysis)…………………………………………………… 154

25. 词频-逆文档频率(term frequency and inverse document frequency)………………… 157

26. 大数据(big data) ……………………………………………………………………… 159

27. 颠覆性技术(disruptive technology)…………………………………………………… 161

28. 颠覆性指数(disruption index)………………………………………………………… 163

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

30. 多层网络分析(multi-layer network analysis)………………………………………… 167

31. 多维尺度分析(multidimensional scaling) …………………………………………… 169

32. 多样性测度指标(diversity measurement index)……………………………………… 171

33. 多源文献数据融合(multi-source literature data fusion)……………………………… 174

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

35. 分数计数(fractional counting)………………………………………………………… 178

36. 复杂网络(complex networks)………………………………………………………… 182

37. 概率主题模型(probabilistic topic model)……………………………………………… 184

38. 共词分析(co-word analysis)…………………………………………………………… 186

39. 共现分析(co-occurrence analysis) …………………………………………………… 188

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

41. 关联分析(association analysis)………………………………………………………… 192

42. 关联数据(linked data)………………………………………………………………… 194

第38页

科学计量学手册

Handbook of Scientometrics

4

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

44. “黑天鹅”文献与“白天鹅”文献(black and white swans publications)…………… 199

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

46. “灰犀牛”技术(grey-rhino technologies) …………………………………………… 203

47. 回归分析(regression analysis)………………………………………………………… 206

48. 活跃度指数(activity index)…………………………………………………………… 208

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

50. 机器学习(machine learning)…………………………………………………………… 212

51. 基尼系数(Gini coefficient) …………………………………………………………… 214

52. 计量语言学(quantitative linguistics) ………………………………………………… 216

53. 计算社会学(computational sociology)………………………………………………… 219

54. 技术会聚(technology convergence)…………………………………………………… 221

55. 技术挖掘(technology mining)………………………………………………………… 223

56. 加菲尔德文献集中定律(Garfield’s law of concentration)…………………………… 225

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

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

59. 距离测度(distance measures) ………………………………………………………… 232

60. 聚类分析(cluster analysis) …………………………………………………………… 236

61. 卷积神经网络(convolutional neural networks) ……………………………………… 238

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

63. 开放科学(open science) ……………………………………………………………… 243

64. 开放数据(open data)…………………………………………………………………… 244

65. 开放同行评议(open peer review)……………………………………………………… 246

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

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

68. 科学编史学(historiography of science) ……………………………………………… 251

69. 科学传播(science communication)…………………………………………………… 253

70. 科学叠加图(science overlay maps)…………………………………………………… 255

71. 科学发现的采掘模型(excavating models of scientific discovery)…………………… 258

72. 科学发展节律指标(indicator of the rhythm of science)……………………………… 261

73. 科学范式(scientific paradigm)………………………………………………………… 263

74. 科学合作(scientific collaboration) …………………………………………………… 265

75. 科学基金(science funding) …………………………………………………………… 268

第39页

目录

5

76. 科学计量学(scientometrics)…………………………………………………………… 270

77. 科学-技术关联(science-technology linkage) ………………………………………… 272

78. 科学家声望(scientist reputation)……………………………………………………… 274

79. 科学交流(scientific communication) ………………………………………………… 276

80. 科学经济学(economics of science)…………………………………………………… 278

81. 科学社会学(sociology of science) …………………………………………………… 280

82. 科学史(history of science) …………………………………………………………… 282

83. 科学学(science of science) …………………………………………………………… 284

84. 科学研究的智力常数(intelligence constant of scientific work)……………………… 287

85. 科学哲学(philosophy of science)……………………………………………………… 289

86. 科学知识图谱(map of science)………………………………………………………… 291

87. 科研评价(research evaluation)………………………………………………………… 294

88. 空间科学计量学(spatial scientometrics)……………………………………………… 297

89. 跨学科、多学科与超学科(interdisciplinary,multidisciplinary and

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

90. 莱顿网络聚类算法(Leiden network cluster algorithm)……………………………… 302

91. 《莱顿宣言》(The Leiden Manifesto)…………………………………………………… 305

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

93. 链路预测(link prediction)……………………………………………………………… 310

94. 领域加权引用影响力(field-weighted citation impact)………………………………… 312

95. 鲁汶网络聚类算法(Louvain network cluster algorithm)……………………………… 314

96. 掠夺性期刊(predatory journals) ……………………………………………………… 316

97. 轮廓系数(silhouette coefficient) ……………………………………………………… 318

98. 论文致谢(acknowledgement) ………………………………………………………… 320

99. 逻辑斯蒂曲线(logistic curve)………………………………………………………… 322

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

101. 马太效应(Matthew effect)…………………………………………………………… 326

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

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

104. 普赖斯指数(Price index) …………………………………………………………… 332

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

106. 期刊分区(journal division)…………………………………………………………… 336

107. 期刊即时指数(immediacy index)…………………………………………………… 338

第40页

科学计量学手册

Handbook of Scientometrics

6

108. 期刊引证报告(Journal Citation Reports) …………………………………………… 339

109. 期刊引证分数(CiteScore)…………………………………………………………… 341

110. 期刊引证指标(journal citation indicator)…………………………………………… 343

111. 期刊影响力指数(clout index)………………………………………………………… 345

112. 期刊影响因子(journal impact factor)………………………………………………… 347

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

114. 潜语义分析(latent semantic analysis)………………………………………………… 352

115. 潜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. 人工智能生成内容(artificial intelligence generated content) ……………………… 366

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

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

122. 社会网络分析(social network analysis)……………………………………………… 373

123. 社区发现(community detection)……………………………………………………… 375

124. 深度学习(deep learning)……………………………………………………………… 377

125. 神经网络(neural network)…………………………………………………………… 379

126. 数据包络分析(data envelopment analysis) ………………………………………… 382

127. 数据挖掘(data mining) ……………………………………………………………… 384

128. 数字对象标识符(digital object identifier)…………………………………………… 387

129. 汤浅现象(Yuasa phenomenon) ……………………………………………………… 389

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

131. 替代计量学(altmetrics)……………………………………………………………… 394

132. 《替代计量学宣言》(Altmetrics:A Manifesto)……………………………………… 396

133. 同行评议(peer review) ……………………………………………………………… 399

134. 突发检测算法(burst detection algorithm)…………………………………………… 401

135. 图机器学习(graph machine learning)………………………………………………… 403

136. 团队科学学(science of team science)………………………………………………… 405

137. 王冠指数(crown indicator)…………………………………………………………… 407

138. 网络计量学(webometrics)…………………………………………………………… 409

139. 网络密度(network density)…………………………………………………………… 412

140. 网络模块化Q值(modularity Q)……………………………………………………… 414

141. 网络中心性(network centrality)……………………………………………………… 416

第41页

目录

7

142. 文献计量学(bibliometrics)…………………………………………………………… 419

143. 文献老化定律(literature aging law) ………………………………………………… 421

144. 文献类型(document type)…………………………………………………………… 423

145. 文献耦合分析(bibliographic coupling analysis) …………………………………… 425

146.文献网络结构变异分析(references network structural variation analysis) ………… 427

147. 文章处理费用(article processing charge)…………………………………………… 430

148. 无标度网络(scale-free network)……………………………………………………… 432

149. 无向网络(undirected networks)……………………………………………………… 434

150. 无形学院(Invisible College)………………………………………………………… 436

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

152. 小世界网络(small-world network)…………………………………………………… 441

153. 新兴技术(emerging technology)……………………………………………………… 443

154. 信息计量学(informetrics)…………………………………………………………… 446

155. 信息检索(information retrieval)……………………………………………………… 448

156. 学科分类(category of disciplines)…………………………………………………… 450

157. 学科规范化引文影响力(category normalized citation impact)……………………… 453

158. 学术话语权(power of academic discourse) ………………………………………… 454

159. 学术链(science chain)………………………………………………………………… 456

160. 学术年龄(academic age)……………………………………………………………… 459

161. 学术型发明人(academic inventor)…………………………………………………… 462

162. 学术影响力(academic influence) …………………………………………………… 464

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

164. 一阶科学与二阶科学(first-order science and second-order science) ……………… 468

165. 异质性网络(heterogeneous network)………………………………………………… 469

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

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

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

169. 引文俱乐部效应(citation club effect)………………………………………………… 478

170. 引文空间模型(citation space model)………………………………………………… 480

171. 引用动机(citation motivation) ……………………………………………………… 482

172. 引用认同(citation identity)…………………………………………………………… 485

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

174. 优先连接(preferential attachment)…………………………………………………… 490

第42页

科学计量学手册

Handbook of Scientometrics

8

175. 有向网络(directed network) ………………………………………………………… 492

176. 有向引文网络(directed citation network)…………………………………………… 493

177. 语义网(semantic web)………………………………………………………………… 495

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

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

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

181. 元数据(metadata) …………………………………………………………………… 504

182. 战略坐标图(strategic diagram)……………………………………………………… 507

183. 整数计数(full counting)……………………………………………………………… 509

184. 政策计量学(policymetrics)…………………………………………………………… 510

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

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

187. 知识共享许可协议(creative commons licenses) …………………………………… 517

188. 知识计量学(knowledgometrics)……………………………………………………… 520

189. 知识图谱(knowledge graph)………………………………………………………… 522

190. 知识网络(knowledge network)……………………………………………………… 524

191. 知识系统工程(knowledge systems engineering) …………………………………… 525

192. 指数随机图模型(exponential random graph model)………………………………… 527

193. 智库DIIS理论方法(DIIS Theory and Methodology in Think Tanks) ……………… 529

194. 智库双螺旋法(Double Helix Methodology in Think Tanks)………………………… 531

195. 主路径分析(main path analysis)……………………………………………………… 534

196. 主谓宾三元组分析(subject-action-object)…………………………………………… 538

197. 专利分类(patent classification)……………………………………………………… 540

198. 专利计量学(patentometrics)………………………………………………………… 542

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

200. 专利权人合作网络(patent assignees’ collaboration networks)……………………… 546

201. 专利引文网络(patent citation network)……………………………………………… 547

202. 自然语言处理(natural language processing)………………………………………… 549

203. 自然指数(nature index)……………………………………………………………… 552

204. 综合集成方法学(meta-synthesis approach)………………………………………… 554

205. 综合影响指标(integrated impact indicator) ………………………………………… 556

206. 作者贡献分配(authorship credit allocation)………………………………………… 558

第43页

目录

9

组织机构篇(organizations)

1. 北京科学技术情报学会元科学专业委员会(Metasciences Committee, Beijing Science &

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

2. 比利时研发监测中心(Centre for Research & Development Monitoring,Belgium)………565

3. 大连理工大学WISE实验室(Webometrics-Informetrics-Scientometrics-

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

4. 复旦大学国家智能评价与治理实验基地(National Experiment Base for Intelligent

Evaluation and Governance,Fudan University)………………………………………… 568

5. 国际科学计量学与信息计量学学会(International Society for Scientometrics and

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

6. 杭州电子科技大学中国科教评价研究院(Chinese Academy of Science and Education

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

7. 加拿大科学计量公司(Science-Metrix,Canada)……………………………………… 573

8. 莱顿大学科学技术元勘中心(Center for Science and Technology Studies,

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

9. 美国科技战略公司(SciTech Strategies,USA)………………………………………… 578

10. 美国科学信息研究所(Institute for Scientific Information,USA)…………………… 580

11. 全球跨学科研究网络(COLLNET)…………………………………………………… 582

12. 萨塞克斯大学科技政策研究中心(Science Policy Research Unit,University of

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

13. 武汉大学科教管理与评价中心(Center for Science, Technology & Education

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

14. 武汉大学中国科学评价研究中心(Research Center for Chinese Science Evaluation,

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

15. 西班牙Scimago实验室(Scimago Lab,Spain) ……………………………………… 588

16. 中国科学技术信息研究所(Institute of Scientific and Technical Information of

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

17. 中国科学学与科技政策研究会科技管理与评价专业委员会(Committee on Science and

Technology Management and Evaluation,Chinese Association of Science of Science

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

18. 中国科学学与科技政策研究会科学计量学与信息计量学专业委员会(Scientometrics

and Informetrics Professional Committee,Chinese Association of Science of Science

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

19. 中国科学院成都文献情报中心科学计量与科技评价研究中心(Scientometrics &

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

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

第44页

科学计量学手册

Handbook of Scientometrics

10

20. 中国科学院文献情报中心计量与评价部(Center of Scientometrics, National Science

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

21. 中国社会科学评价研究院(Chinese Academy of Social Sciences Evaluation

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

22. 中国政法大学法治科学计量与评价中心(Scientometrics and Evaluation Center for

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

期刊会议篇(journals and conferences)

学术期刊篇(journals)

1.《COLLNET 科学计量学与信息管理》(COLLNET Journal of Scientometrics and

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

2.《科学计量学》(Scientometrics)………………………………………………………… 609

3.《科学计量学研究》(Journal of Scientometric Research)……………………………… 611

4.《科学学研究》(Studies in Science of Science) ………………………………………… 613

5.《科学学与科学技术管理》(Science of Science and Management of S.&T.)…………… 615

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

7.《量化科学元勘》(Quantitative Science Studies) ……………………………………… 619

8.《情报科学》(Information Science)……………………………………………………… 621

9.《情报理论与实践》(Information studies:Theory & Application) …………………… 623

10.《情报学报》(Journal of The China Society for Scientific and Technical

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

11.《情报杂志》(Journal of Intelligence) ………………………………………………… 627

12.《情报资料工作》(Information and Documentation Services)………………………… 629

13.《数据分析与知识发现》(Data Analysis and Knowledge Discovery)………………… 631

14.《数据科学与信息计量学》(Data Science and Informetrics)………………………… 633

15.《数据与情报科学学报》(Journal of Data and Information Science)………………… 635

16.《替代计量学杂志》(Journal of Altmetrics)…………………………………………… 636

17.《图书情报工作》(Library and Information Service) ………………………………… 638

18.《图书情报知识》(Documentation,Information & Knowledge)……………………… 640

19.《图书与情报》(Library & Information)……………………………………………… 642

20.《文献工作杂志》(Journal of Documentation)………………………………………… 643

21.《现代情报》(Journal of Modern Information)………………………………………… 645

22.《信息计量学学报》(Journal of Informetrics)………………………………………… 647

第45页

目录

11

23.《信息科学学报》(Journal of Information Science)…………………………………… 649

24.《信息科学与技术学会会刊》(Journal of the Association for Information

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

25.《信息资源管理学报》(Journal of Information Resources Management) …………… 653

26.《学术计量与分析前沿》(Frontiers in Research Metrics and Analytics)……………… 655

27.《研究评价》(Research Evaluation)…………………………………………………… 657

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

学术会议篇(conferences)

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

30. 北欧文献计量与研究政策研讨会(Nordic Workshop on Bibliometrics and

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

31. 国际科学计量学与信息计量学学会会议(International Conference on Scientometrics

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

32. 国际科学技术与创新指标会议(International Conference on Science,

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

33. 科学计量与科技评价天府论坛(Chengdu Conference on Scientometrics &

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

34. 全国科技评价学术研讨会(National Symposium on Science and

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

35. 全国科学计量学与科教评价研讨会(National Conference on Scientometrics and

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

36. 中国情报学年会(China Information Science Annual Conference)…………………… 678

数据库、工具与奖励篇(databases,tools and prizes)

数据库篇(databases)

1. Altemetric数据库(Altmetric Database)………………………………………………… 681

2. arXiv预印本数据库(arXiv Database)…………………………………………………… 683

3. Crossref数据库(Crossref Database) …………………………………………………… 685

4. Dimensions数据库(Dimensions Database)……………………………………………… 687

5. incoPat专利数据库(incoPat Patents Database)………………………………………… 688

6. Lens数据库(Lens Database) …………………………………………………………… 689

7. OpenAlex数据库(OpenAlex Database)………………………………………………… 690

8. Overton政策引文数据库(Overton Policy Citation Database) ………………………… 691

9. PATSTAT数据库(PATSTAT Database)………………………………………………… 693

第46页

科学计量学手册

Handbook of Scientometrics

12

10. PlumX数据库(PlumX Database)……………………………………………………… 695

11. PubMed数据库(PubMed Database)…………………………………………………… 697

12. Scopus索引数据库(Scopus Abstract & Citation Database)…………………………… 699

13. Web of Science数据库(Web of Science Database)…………………………………… 701

14. 德温特创新平台(Derwent Innovation) ……………………………………………… 702

15. 万方数据库(Wanfang Database)……………………………………………………… 703

16. 智慧芽全球专利数据库(Zhihuiya Patents Database)………………………………… 704

17. 中国科学引文数据库(Chinese Science Citation Database)…………………………… 705

18. 中国知网(China National Knowledge Infrastructure)………………………………… 706

19. 中文社会科学引文索引(Chinese Social Sciences Citation Index)…………………… 707

工具篇(tools)

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

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

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

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

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

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

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

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

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

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

奖项篇(prizes)

30. ISSI年度论文奖(ISSI Paper of the Year Award)……………………………………… 743

31. 德瑞克·德索拉·普赖斯纪念奖章(the Derek de Solla Price Memorial Medal)…… 745

32. 邱均平计量学奖(Qiu Junping Metrology Award) …………………………………… 748

33. 尤金·加菲尔德博士论文奖(Eugene Garfield Doctoral Dissertation Award) ……… 749

34. 尤金·加菲尔德引文分析创新奖(Eugene Garfield Award for Innovation in

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

词条中文索引(index of articles in Chinese)…………………………………………… 752

词条英文索引(index of articles in English) …………………………………………… 758

后记(afterword)…………………………………………………………………………… 765

第47页

学者篇

1

学者篇 |

第49页

学者篇

3

1. 阿尔弗雷德·詹姆斯·洛特卡

(Alfred James Lotka)

学者关键词:统计学;生物数学;物理化

学;人口统计学;文献计量

学;洛特卡定律

阿尔弗雷德·詹姆斯·洛特卡(Alfred

James Lotka,1880—1949),美国数学家、

物理化学家和统计学家。他先后担任美国

人口协会主席(1938—1939)、美国统计协

会主席(1942)、科学调查人口问题联盟副

主席、美国国家联合委员会主席,他还是

美国公共卫生协会会士、数理统计学会会

士。洛特卡在生物物理学、生物进化中的

能量学、人口统计学和公共卫生、文献计

量学等多个学科领域做出了重要贡献。在

文献计量学领域,洛特卡提出的一条定律

被称为“洛特卡定律”,它是文献计量学三

大定律之一。因此,洛特卡被视为文献计

量学奠基者之一。

洛特卡 1880 年 3 月 2 日生于奥地利莱

伯格(现为乌克兰的利沃夫),他的父亲

雅克·洛特卡和母亲玛丽·洛特卡是来

自美国的外籍传教士。洛特卡于 1901 年

在英国伯明翰大学获得学士学位,1901—

1902年在德国莱比锡大学攻读研究生课程;

1902—1908年移居美国期间,担任通用化

学公司的助理化学家;1909年担任美国专

利局审查员并在康奈尔大学获得物理学硕

士学位;1909—1911年担任美国标准局助

理物理学家;1911—1914年担任《科学美

国人》副刊主编;1912年在英国伯明翰大

学获得博士学位;1914—1919年在通用化

学公司工作;1922—1924年在约翰霍普金

斯大学工作;1924年加入大都会人寿保险

公司,担任统计部主管;1925 年出版了

《生物物理学的元素》;1925年与达布林共

同发表了论文《关于自然增长率的真实速

率》;1926年在《华盛顿科学院杂志》上发

表了论文《科学生产率的频度分布》,该文

后来引起学术界的关注,文中提出的科学

第50页

科学计量学手册

Handbook of Scientometrics

4

文献按著者的分布规律被称为洛特卡定律;

1934年晋升为大都会人寿保险公司的助理

统计学家;1938—1939年担任美国人口协

会主席;1942 年担任美国统计协会主席;

1948年从大都会人寿保险公司退休。1949

年12月5日卒于美国新泽西州雷德班克。

洛特卡擅长统计研究,在科学上的兴

趣集中在生物体总数的动态状况研究。他

的早期工作是研究气体混合物的动力学。

1910年,他在化学反应研究中提出了捕食

者-猎物模型(洛特卡-沃尔特拉模型),该

模型是生态学中许多用于分析人口动态的

模型的基础。洛特卡-沃尔特拉模型起源于

比利时数学家皮埃尔·弗朗索瓦·韦尔赫

尔斯特提出的逻辑方程,用来描述定义在

有限空间内的种群数量增长情况。1920年,

该模型被洛特卡扩展后,亦可分析植物和

食草动物。

洛特卡在人口统计学上的最大贡献是

提出了稳定人口模型。早在1907年,他按

照特定的生命表,说明了按固定增长率增

长的封闭人口之年龄结构是一定的,出生

率和死亡率也是一定的,即所谓的“稳定

人口”。1911 年,他在和达布林一起合著

的论文中进一步运用数学方法,设定了稳

定人口的几个最重要的函数关系式,并开

始把它应用到实际人口分析中。后来,洛

特卡还把稳定人口模型和“逻辑斯蒂曲线”

模型结合起来,运用于人口分析。他提出

的稳定人口模型是人口再生产分析的重要

工具,使人口再生产研究进入一个新阶段。

这一模型在人口分析和人口预测中已被广

泛使用。二十多年间,洛特卡在《科学》

和《美国科学杂志》上发表了几十篇关于

数理人口统计学方面的文章,最终形成了

专著《生物群丛的分析理论》(Analytical

Theory of Biological Associations),该书第

1部分的标题为“原理”,共45页,于1934

年出版;第 2 部分标题为“种群分析,特

别应用于人类物种”,共149页,于1939年

由赫尔曼与西出版社出版。

在对疟疾传播的数学模型产生兴趣之

后,洛特卡在1925年出版了巨著《生物物

理学的元素》,该著作是数理生物学的基础

之一。在该著作中他提出了一种新的进化

理论,该理论在很大程度上受到他的化学

知识的影响,即能量在进化中发挥关键作

用,最终进化是由生物为争夺环境中可用

的能量而进行的不断斗争:生存下来的生

物是最能捕获和利用其环境中可用能量的

生物。洛特卡将他的能量学框架扩展到了

人类社会。他特别建议,从依赖太阳能到

依赖不可再生能源之变迁将对社会构成独

特和根本性的挑战。这些理论使得洛特卡

成为生物物理经济学和生态经济学的重要

先驱。

1926年,洛特卡研究了科学文献数量

与著者数量之间的关系,创造性地提出了

“科学生产率”(scientific productivity)的

概念,并在《华盛顿科学院杂志》上发表

了论文《科学生产率的频度分布》。所谓

“科学生产率”,是指科学家(科研人员)

在科学上所表现出的能力和工作效率,通

常用其生产的科学文献的数量来衡量。洛

特卡从“科学生产率”概念出发,着手统

计和分析科研人员的论著数量,不仅定量

地说明了科学生产率的不平衡性,还首次

揭示了科学文献按著者的分布规律。洛特

卡研究得出以下规律性结论:发表 n 篇论

文的作者数量大约是只发表了一篇论文的

作者数的1/ n2 。仅发表一篇论文的作者人

数占作者总数的比例大约是60%,这就是

著名的洛特卡定律的文字表述。由于多种

原因,洛特卡定律沉睡了30多年,后来经

由科学计量学创始人、美国科学史家普赖

斯等人的发掘,自20世纪60年代起引起人

百万用户使用云展网进行电子书本制作,只要您有文档,即可一键上传,自动生成链接和二维码(独立电子书),支持分享到微信和网站!
收藏
转发
下载
免费制作
其他案例
更多案例
免费制作
x
{{item.desc}}
下载
{{item.title}}
{{toast}}