摘要：替代计量学（Altmetrics）需接受更为审慎和批判性的评估，以明确其在多大程度上反映研究的影响力与质量，而不仅仅是研究的流行度或关注度。Twitter（现已更名为X）是一个被广泛用于讨论和分享科学论文等内容的平台。早期替代计量学研究通常关注提及科学论文的推文数量能否作为科学影响力或关注度的指标，相关结果显示，其与引用次数之间通常存在弱到中等程度的相关性。然而，并非所有推文都具有相同含义，原创推文与转发可能反映不同层次的用户参与和影响。本研究基于超过330,000篇PLOS出版物的数据集，考察这两类Twitter活动与传统引用指标之间的相关性是否存在差异，以及这种关系在不同学科间如何变化。研究发现，引用次数与原创推文之间的相关性始终高于引用次数与转发之间的相关性，二者总体呈显著的弱到中等相关，且人文社科领域的相关性高于自然科学、工程学和医学领域。此外，将零引用计数纳入分析会提高原创推文的相关系数，但会降低转发的相关系数。这表明，原创推文可能更接近引用次数所反映的学术影响，而转发则可能更多体现更广泛的传播和受欢迎程度。总之，原创与转发是两类不同的替代计量指标，应作为两种不同度量分别加以分析。
关键词：Altmetrics；社交媒体指标；Twitter；科学影响；研究影响；网络影响；多学科研究影响；PLOS出版物
尽管替代计量学试图超越传统引用计数，更全面地衡量科研成果在网络环境中的关注度与影响力，但其解释方式仍存在争议。尤其是在X平台上，推文、转发、点赞等互动功能多样，用户参与程度也存在显著差异。因此，若将所有互动行为简单合并，容易导致指标解释过度简化，甚至高估论文的真实影响。
已有研究表明，推文未必主要反映社会影响，更多时候可能体现学术兴趣；视觉内容和更自然的表达方式虽然能够提升传播效果，但并不等同于科研影响力与研究质量。与此同时，机器人、普通公众和学术人员都可能参与相关科学内容的传播与讨论，这也进一步增加了指标解释的复杂性。
X因使用便捷、传播迅速且覆盖范围广，已成为科研传播的重要平台。原创推文、回复和引用推文通常体现较为主动的用户参与，而点赞和收藏则更多属于被动参与。转发虽然能够扩大内容传播范围，但几乎不需要内容创造成本，更像是对既有信息的扩散，而非深层次参与。由于现有替代计量学研究常将原创推文与转发合并统计，未能区分二者在参与程度、传播机制和潜在偏差上的差异，可能影响科研评价的准确性。因此，本研究主张应分别考察原创推文与转发推文，以更客观地理解X平台上的科研传播与影响。
自2010年代中期社交媒体平台兴起以来，X已成为学术传播与科研评价中的重要平台。研究出版物在该平台上被大量分享，用户分享研究成果的动机也较为多样，主要包括信息传播、推广宣传、自我宣传、教育补充、观点表达、互动参与、网络建设以及快速传播等。X上的内容不仅用于传递论文标题、摘要和关键结果，也被期刊、出版商、机构、学者及聚合账号广泛用于扩散科研成果；同时，用户还会通过讨论、批评、提问、@提及等方式参与科学交流。
研究表明，X上的科学传播具有明显的即时性，但其与后续引用之间通常只呈弱相关，不同学科在关注度、互动方式和内容特征上也存在差异。现有替代计量学研究多将原创推文与转发合并统计，但二者在参与成本、传播机制、人工或自动化程度以及表达深度上并不相同：原创推文更体现主动表达，而转发更侧重内容扩散。已有证据显示，原创推文与转发在内容构成、媒体使用、用户来源和网络传播稳定性方面均存在差别，转发也可能因集中分布和账号失效而影响指标可靠性。因此，有必要进一步区分二者，考察不同学科中的原创推文与转发差异，以及它们与引用次数之间的关系。由此，本研究提出以下两个研究问题：
1）不同学科领域中，科学内容被原创推文提及与被转发的方式是否存在差异？
2）同一篇文章的推文次数和转发次数与其引用次数之间的相关性是否存在差异？
本研究于2023年4月从Scopus中提取了2003—2023年间发表的330,022篇PLOS出版物，涵盖9种PLOS期刊和8个论文集，其中94%为期刊论文。选择PLOS作为研究对象，是因为其出版物具有跨学科特征且均为开放获取，有助于在不同学科之间进行比较。
随后，研究利用Altmetric.com分别获取“所有推文”和“原创推文”两类数据，并据此识别和统计每篇论文的转发次数。由于Scopus将PLOS论文整体归为“多学科”，本研究结合Dimensions基于澳大利亚和新西兰标准研究分类（ANZSRC 2020）所形成的学科分类，为每篇文章分配学科领域。
分析中主要采用每篇论文的第一学科分类，同时也检验了将学科作为非主学科分配时结果的差异。分析部分比较了不同学科和不同时期的引用、推文与转发差异，计算非零比例、EMNPC、几何均值以及MNLCS，并进行标准化处理，以评估各学科领域与总体平均水平之间的关系。
图1显示，PLOS发文量从2003年的87篇显著增长至2013年的近35,000篇，此后有所回落，并稳定在每年约20,000篇。非零被引比例随时间呈累积上升趋势；非零推文比例从2010年的约20%上升至2016年的76%，随后下降至2022年的约65%；非零转发比例则自2013年起滞后上升，到2018年达到40%，此后趋于稳定。
图2表明，STEM（科学、技术、工程、数学）领域平均有92%的论文获得引用，SSH（社会科学与人文学科）领域为82%；但SSH领域的推文覆盖率更高，为85%，高于STEM领域的75%；SSH领域的转发比例也高于STEM领域，分别为50%和35%。在不同学科分配方式下，各领域被引比例变化不大，但推文与转发比例存在差异：SSH导向更强的多学科论文更容易获得推文和转发关注，而STEM导向更强的论文则较少获得推文传播。
图3显示，对非零比例进行世界标准化处理后，SSH领域的推文和转发均显著高于总体平均水平（EMNPC＞1）。STEM领域的结果则较为分化：数学科学、地球科学、环境科学以及信息与计算科学的推文EMNPC＞1，转发EMNPC＞1.5，而其余STEM领域均低于总体平均水平。整体来看，各领域转发与总体平均值之间的偏离幅度大于推文，说明转发行为在不同学科间的差异更大，而引用和推文相对更为一致。
图4显示，引用次数的几何均值在2008年达到峰值，约为49，此后逐年下降；而X平台相关指标的趋势几乎相反，2003—2009年间略有下降，之后总体上升，并在2018年达到峰值：所有推文约为3，原创推文约为2，转发约为1.25，随后均开始回落。学科层面上，STEM领域的平均引用次数几何均值为14，高于SSH领域的约9；但STEM领域所有推文、原创推文和转发的几何均值分别为3、2和1，约为SSH领域对应数值6、4和2的一半，表明SSH领域更容易获得社交媒体传播。
图5显示，世界标准化后的ln（1+原始指标值）均值存在明显的学科偏向。在STEM领域中，化学科学等领域的推文和转发低于总体平均水平，而引用略高于总体平均水平；SSH领域则呈现不同情况。多数SSH领域的引用低于总体平均水平，但推文和原创推文明显高于总体平均水平，最高可达总体平均水平的约1.5倍；转发则最高可达总体平均水平的3.5倍，例如历史与考古学、创造性艺术与写作研究等领域。
表2以及图6、图7显示，2010—2023年间，引用与推文类指标之间的斯皮尔曼相关总体较弱但具有显著性。总体上，将零计数纳入分析时，引用与推文类指标之间的相关系数更高。引用与所有推文、原创推文之间的相关性在早期逐渐增强，但自2019年后开始下降，说明引用积累存在时间滞后，近年来的论文尚未充分形成引用。相比之下，转发与引用之间的相关性最弱，且近年平台变化导致转发比例上升，进一步削弱了所有推文与引用之间的统计关联。
从学科差异看，SSH领域中引用与推文类指标之间的相关性更高，原创推文与引用之间的中位相关可达到中等水平；而STEM领域整体相关性较弱，部分领域的转发与引用之间甚至呈显著的弱负相关。生物科学领域中，推文与引用之间的关系最不稳定，提示推文指标在该领域可能具有误导性，即高学术影响力研究可能缺乏推文关注，而学术影响力较低的研究也可能获得较多推文传播。
本研究将X平台上用于分享科学出版物的原创推文和转发视为两种不同的功能形式，并将其与传统引用指标进行比较，以考察其在不同时间和学科中作为影响评价指标的表现。研究结果表明，不同学科的科学论文在X上的提及和分享方式存在明显差异：社会科学与人文学科（SSH）论文的转发量最高可达世界平均水平的2—3倍，而自然科学与工程学领域则低于世界平均水平，说明不同学科在用户参与方式及转发程度上存在显著差异。总体而言，STEM领域论文在X上获得的发帖数量，并不能充分反映其由引用所体现的科学关注度或影响力；相较之下，SSH领域论文的科学影响与推文表现之间呈现中等程度的一致性。但由于转发与引用之间相关性较弱，任何试图将X发帖用于研究评价的做法，都不应将“受欢迎度”与“质量”因素混为一谈。
研究进一步发现，原创推文与引用之间通常呈现弱到中等但显著的相关性，而转发与引用之间的一致性明显较低；当将所有推文合并分析时，这种相关关系会被转发显著削弱。换言之，将转发纳入统一分析会在不同学科中持续造成结果偏移。因此，不同类型的推文传递的是混合信号，或指向不同类型的影响，不能简单合并处理。已有研究也持续发现，总推文量与引用之间仅存在弱到中等相关，转发数量与引用之间的相关性更低，这意味着论文在X上获得的受欢迎程度或关注度，并不必然转化为可由引用衡量的学术影响。关于包含Bitly短链接的学术X提及研究也显示，转发与Web of Science引用之间的斯皮尔曼相关系数极低，进一步说明转发虽然可以提升研究可见度，扩大科学内容在X上的传播范围，但并不能有效预测论文后续的学术影响。
SSH领域与X传播之间相关性更强，可能有多重原因。其一，SSH研究通常以更易理解、更接近自然语言的方式进行表达，而STEM研究由于研究对象本身的特点，往往依赖专业术语和技术性表达，这可能构成公众理解的障碍；词汇复杂性也可能对网络关注度产生负面影响，因为非专业受众更倾向于分享语言较为简明的研究。其二，SSH研究主题通常与紧迫的社会、政治和文化议题密切相关，更容易引发非学术受众的相关性认知和兴趣；相关领域研究者也可能更积极地分享自身成果，从而使SSH论文相较于自然科学与工程学论文，在学术和非学术讨论中获得更多关注。其三，SSH与STEM在交流规范、受众构成及互动行为方面存在差异，这也会导致二者在社交媒体参与度上的不同。可读性可能发挥一定作用，但不足以单独解释SSH与STEM之间的参与差异；这种差异更可能源于主题可理解性、传播规范以及受众行为等因素的共同作用。
本研究也提出了若干值得进一步探讨的问题。例如，出版社和研究机构的行动及政策会在多大程度上影响替代计量？出版社和研究机构是否鼓励或要求作者在社交媒体上分享其研究成果？研究者分享自身工作的激励是什么？SSH与STEM领域研究者是否对社交媒体分享的价值持有不同认知？对制度和编辑政策进行更深入的考察，有助于解释为何SSH研究在社交媒体上具有更高参与度，以及这种参与如何转化为引用影响。
总而言之，本研究的主要目标是分析原创推文和转发是否应被视为不同的度量或指标并分别进行分析，研究结果表明，二者作为X平台上的两种传播形式存在显著差异。分析结果显示，引用与原创推文之间的相关性强于引用与转发之间的相关性，且这种相关性在SSH领域整体上强于STEM领域。因此，撰写提及或链接科学论文的原创推文似乎更接近引用科学论文的行为，而转发则更多发挥传播扩散功能，有时甚至可能发生在并未阅读科学论文的情况下，并且可能更有助于科学内容触达更广泛的受众。将原创推文与转发合并，可能导致测量结果不可靠，也可能得出无法准确回应研究问题的结论。因而，至少在替代计量学研究中，原创推文与转发应被区别对待并分别分析。
尽管同行评议并非毫无争议，但利用X进行研究评价则具有更高复杂性，因为这种做法可能将关注度或受欢迎程度误读为质量。总体而言，原创推文、转发以及所有推文总量，都会以不同方式影响被分享或提及研究在X上所获得的感知关注度；因此，如果将X用于研究评价，这些指标差异也会影响评价的有效性。原创推文需要一定程度的参与投入，因此更可能代表研究及其成果所获得的较为主动且有意义的互动。相反，转发对用户的努力和参与要求较低，但可能包含更有助于吸引读者注意并促使其继续转发的功能特征。转发很可能在将科学论文传播给更广泛的网络受众方面发挥重要作用。所有推文的汇总指标能够提供关于可见度或关注度的总体视角，但也可能掩盖质量或参与程度方面的差异。
未来研究可在Twitter以外的其他替代计量平台上识别底层活动的多样性，进一步拓展我们对研究指标中质量与受欢迎度关系的理解。这些社交媒体指标与传统引用之间的弱相关性，凸显了利用替代计量指标开展研究评价的复杂性，也表明其应被解释为影响力或关注度的补充性指标，而不应被视为学术影响的直接衡量。随着社交媒体持续演变，网络平台使用方式日益多样化，研究影响的评价方式也将变得更加多元和复杂。关于不同社交媒体指标如何促进并细化研究评价中的替代计量模型，仍有更多经验需要积累；这也有助于更好地理解如何利用这些指标捕捉现代在线学术交流的复杂动态。
(全文及参考文献见Research Evaluation，原文链接：https://doi.org/10.1093/reseval/rvag014，本期推文为节选摘编，略有删减和编辑。)
本期策划 | 复旦大学国家智能评价与治理实验基地
供稿 | 王萱瑜 王译晗
本期编辑 | 王萱瑜
基地官网：https://statevalbase.fudan.edu.cn
