文摘
一篇科学论文的引文代表其影响力,这是最直观的指标来访问文件的质量。本文主要采用社会网络分析方法,使用中国体育产业的论文的作者和关键字构成的网络协作和知识,探索影响作者和学位中心的关键词和作者和关键字的结构洞的引用文件的协作和知识网络,得出以下结论:(1)对于协作网络,学位论文级别的中心与引文呈正相关;(2)在合作网络结构洞之间的正相关关系在论文水平和引用不存在;(3)在知识网络,一个倒置的-学位中心和论文的引文之间的形状被发现;(4)在知识网络,结构洞之间存在一种正相关的论文及其引文。本研究综合已经广泛使用的协作网络与知识网络构建通过关键词,区分从先前的网络功能集中在作者水平,并探讨了中国体育产业研究项目的论文水平,提供一个新的视角研究体育产业在中国,补充体育产业研究的方法和观点,以及为其他学科领域的研究提供参考。
1。介绍
一篇文章的引用体现文章的时间将用于后续研究[1,2),也最简单和直接的方式来评估,代表的位置纸在学术研究的背景下,它在科学活动中所起的作用从历史的角度回顾(3),它扮演着一个重要的角色在人才评价、科研项目,和科学研究奖。此外,一系列的索引是来自论文的引文数量。因此,论文的引用通常被用来评价论文的影响(4,5]。作为研究成果的最终体现,论文可以反映效用的影响在某些领域(6- - - - - -8];论文的引文越高,越认识到论文的结论和参考和意义越大其他学者进行后续研究。先前的研究已经发现,论文的引用率差异很大,一些论文接收许多引用,有些达到成百上千的引用,而大部分的论文获得更少的引用,甚至近20%的论文不引用(9,10]。这可能引起学术界的考虑:到底的主要影响因素是论文的引文?
学者研究了几个因素从不同的角度影响论文的引文。例如,Bornmann et al。(2008)发现,在学术论文中引用关系的出现可能是由于学术方面,或者它可能是由于一些非学术因素(11]。Tahamtan et al。(2016)大纲引用论文的几个影响因素,最值得注意的是,紧随其后的是原因,如抽象和其他纸制品因素相关,影响因子和其他journal-related因素,作者和其他author-related因素(12]。
随着社交网络的发展研究、Abbasi和Jaafari(2013)表明,它是可行的探索的引用数量的论文通过构建社交网络(13]。科学合作网络也是一个典型的类型的社交网络,进入聚光灯下(14,15]。作者有相对不同的资源访问根据他们的位置在科学合作网络,可以显著影响引用他们收到的数量16,17]。例如,李et al。(2013)发现,学位中心的作者合作网络呈正相关,他们引用(18]。Abbasi et al。(2011)之间的关系进行了研究作者的网络特性在他们引用科学合作网络和性能,发现作者的学位中心与作者引用性能呈正相关,与结构洞(19]。在此基础上,从知识网络和协作网络也是典型的社交网络,在同一时间,他们将影响引用,本研究试图进一步探索知识网络如何影响论文的引用,也就是说,数量。
与协作网络相比,另一个典型的社交网络,这是知识网络,没有被重视的研究论文被引用次数。知识网络是由科学知识的结合形成的网络元素可以代表类别的知识领域。例如,专利通常分为类别区分技术特性,以及不同专利类别代表不同的知识元素(20.]。同样,体现知识元素的关键字后科学研究论文,收集的论文还可以从宏观的角度构建一个复杂的知识网络。目前的研究也证明了关键字的论文可以被视为知识元素。例如,苏和李(2010),Assefa和Rorissa(2013),和杨et al。(2016)建立了一个知识结构的地图通过主题关键字(21- - - - - -23),谢et al。(2008)使用关键词来分析趋势发展的研究热点24,陈(2006)使用关键字检测知识热点[25]。然而,很少有研究项目在这个问题上的知识网络如何影响论文的影响。在理论层面上,知识网络的协作网络解耦相反地,和作者的位置不符合他的知识元素的位置。一方面,报纸通常有不同的网络结构特征在嵌入式两个网络。另一方面,两种类型的网络结构形成机制的特点是不同的。合作网络结构特征的形成主要取决于该论文的作者之一。知识网络的结构特征的形成取决于大量的其他过去的研究,所以这两种类型的网络应该区别对待。在实践层面上,因为协作网络的优化主要包括合作者选择、知识网络的优化进一步涉及调整的研究主题和表达的方式在整个研究过程中,其中的内容和时间优化是不同的。因此,两者之间的一个单独的讨论还可以进一步丰富的解决问题的办法增加论文引证和影响力。
在此基础上,本研究使用关键词来表示知识文件的元素,因为知识共生元素关联的关键词在前任的研究中,我们通过关键词同现构建知识网络。知识网络的大小会随着时间的推移会越来越大,而知识元素的种类将变得更加富有和知识要素的新组合将被添加26]。知识的丰富的各种元素和新组合,不断添加最终也推动了知识网络的演进。在这个研究中,我们认为知识元素的位置影响的机会与他人相结合的知识元素。例如,一个中心的知识元素是可搜索的因为它有更多element-coupled内容和经验。因此,我们认为知识元素的位置属性影响论文的引文。通过引入知识网络,我们希望丰富研究论文被引用次数的影响因素。
在这项研究中使用的数据是出版物对中国体育产业从2000年到2021年。2018年政府工作报告中明确表示,体育产业进入了国民经济的整体布局,首次和体育产业也由国家发展和改革委员会明确作为经济发展的“新风出口”。2019年,建设领先体育国家的轮廓是国务院办公厅颁发的提议,到2035年,体育产业将发展成为国民经济的支柱产业之一。它可以预测,体育产业的发展将迎来一个黄金时期。体育产业的科学研究还提供了科学保证体育产业成为国民经济的支柱产业。当然,研究的深入和推广离不开带来的参考和意义相关的引用。以前的出版物在引文作者关注的层面上,制度层面,或期刊的水平。然而,考虑到在不同的出版物引用相同的作者,和平均引文不足以反映每篇论文的影响程度,本文具体分析了论文的引文量水平。考虑到作者的平均水平或关键字在每篇论文,本文研究的影响平均学位中心和平均结构洞的作者或关键字引用协作和知识网络,分别。它关注作者和关键字的位置属性如何影响论文的引文网络,给出了一个新的维度研究引用体育产业的影响因素,并提供一个参考的论文质量的提高体育产业和体育科学领域。 At the same time, this study can not only provide theoretical reference for subsequent scholars on how to improve scientific research quality and the amount of citation but also provide the theory basis for performance evaluation of the scientific research of scholars and the scientific guarantee for the sports industry to become a pillar industry of the national economy. This study has the following contributions: (1) we have constructed a knowledge network by using keywords from the paper, which fills a gap in previous research and will inspire further relevant research; (2) particularly, the mechanism about how degree centrality and structural holes in collaboration and knowledge networks impinge on citations is probed respectively. Specifically, the location attributes of nodes in those two networks are taken as the influencing factors on citations; and (3) this study places emphasis on article-level citations.
2。理论背景和研究假设
协作和知识网络是社会网络分析的重要内容和科学研究中常用的方法。网络中的每个节点的网络特点不同,和机会获得新的信息在网络也不同27]。节点协作和知识网络的特性分析是社会网络分析的应用程序的关键方法和高质量的成果。在我们的研究中,学位中心和结构洞选为两个网络属性指标进行相关研究。学位中心显示了节点的数量在直接接触节点我在一个n个节点网络。学历越高的中心节点,节点越多接触,更优越的网络中的节点。网络中的结构洞是指,如果一个节点直接连接两个节点不直接互相连接,那么这个节点占据结构洞的位置。结构洞是一个网络中节点的关键属性。通过占据结构洞的位置,可以有效地获得nonredundant信息节点。两个网络特征指标,学位中心和结构洞,被选为以下两个原因:首先,科学研究的深入,更多的学者倾向于研究当地的网络指标属性,和中心的程度,不仅是一种常用的结构洞指标在网络分析,而且网络属性本地索引(27];第二,如果其他独立变量,如介数中心和接近中心,添加,抑制效应可能建立模型时生成和合并后的自变量对因变量的影响进行了分析,从而导致相反β系数(19]。
2.1。合作网络
本研究合作网络,换句话说,研究者coauthorship网络,节点和关系表示在先前的论文研究人员的合作关系。协作网络是指科学合作网络,每个节点意味着一个作者,和现有的边缘节点表明两个作者之间的合作。
2.1.1。的影响程度在引文网络合作中心
如果中央位置是被作者合作网络,这意味着作者可能会有大量的连接和访问所需的信息和资源16]。提供的外部信息和新鲜的思想资源可以促进研究过程。同时,通过交换想法不同的作者,他们的理论视野可以扩大到一定程度上,这是提高研究质量的巨大好处。所有这些使他们更容易产生高度影响力的科学研究结果(28]。同时,更高的学位中心作者,他们更频繁地与他人合作的协作网络,这势必会增强他们的人气,获得结构性社会资本,因为自己的成就而获得更多的关注和引用。一些学者发现,在作者合作网络层面,学位中心作者引用绩效呈正相关。Abbasi et al。(2011)发现的程度呈正相关,作者的中心地位 - - - - - -索引构建基于引用的文章(19]。郝et al。(2020)研究了14913的出版物在科学杂志从2000年到2018年,发现,在科学合作网络作者水平,作者的学位中心与引用的论文(有正相关29日]。因此,
H1a:一篇论文,其作者合作网络的平均度中心对其引用计数呈正相关。
2.1.2。结构洞的影响在引用合作网络
如果一个作者是与那些不连接到对方,然后他跨越结构洞。例如,作者有A、B和C,作者是一个结构性的漏洞连接作者B和C .当作者作者是在直接接触两个合作伙伴(B和C)作者作者,没有这两个合作伙伴之间的联系。换句话说,作者占据结构洞位置。说明了结构洞的程度之间的相互关系作者与作者合作网络中的合作。作者占据结构洞,越多就越容易控制的优势(30.),也就是说,作者占据结构洞更可能有潜在的机会控制流之间的信息无关的作者(31日]。此外,结构洞的中心是异构网络中的信息流。建立的关系结构洞nonredundant,作者占据结构洞的位置可以获得大量的nonredundant信息。这样nonredundant信息,作者更有可能提高他们的研究质量和获得更多的引用。
H1b:一篇论文,其作者合作网络的结构洞是它的引用计数呈正相关。
2.2。知识网络
这里的知识网络是由在论文中关键词的知识元素,每个节点代表一个关键字,和之间的互连节点意味着关键词同现的先前的研究。知识网络是指网络组成的论文的关键词作为知识元素,每个节点意味着一个关键字,和现有的节点之间的边表示关键词同现的先前的研究。
2.2.1。学位中心的影响在知识网络引文
知识元素的学位中心知识网络表示与其他元素结合的程度。知识元素组成部分相互依赖,形成更大规模的知识体系(32]。组合的机会趋于上升的增加知识元素的中心,这里有两种主要的原因发表。首先,一个元素与更高的学位中心一定是集成更多的他们,也就是说,这是一个知识元素与一个更广泛的范围和更好的适用性,这也会促使作者进行更深入的讨论这个知识元素在随后的研究(33]。其次,更高的学位中心的知识元素可以为作者提供更多的例子,这种组合的知识元素和激励他们开展创新研究从不同的想法和观点。因此,论文相关知识元素的引用计数也会加强与相关研究的不断发展在这个知识元素。然而,当知识的学位中心元素达到一定程度,知识元素的组合的机会可能会减少。也就是说,当知识过度元素结合,他们的结合价值将减少。结合这些知识元素可能导致最终的科学研究成果,创新不足,论文相关知识元素的引用计数在后续的研究中也将减少。因此,
H2a:一篇论文,其关键词的知识网络的平均度中心有一个反向-形状在其引用计数。
2.2.2。结构洞的影响在知识网络引文
如果知识元素两个间接连接元素直接相关的知识网络,然后知识元素占据结构洞的位置。对知识的探索主要是内部搜索或相关搜索(34]。因此,知识元素位于结构洞可以提供更多机会的结合两个知识元素(没有直接的联系35]。如果知识元素占据结构洞,然后作者可以找到更多nonredundant相关知识通过这个知识元素和元素可以找到更多的知识组合元素,从未出现,和包含这个知识元素的纸也会得到更多的引用。因此,
H2b:一篇论文,其关键词的平均知识网络中的结构洞正相关的引用计数。
3所示。研究方法
3.1。数据收集
所有数据获得来自中国社会科学引文索引(CSSCI)数据库和中国的一般内容核心期刊(北京大学)的核心数据库。我们搜索“体育产业”在检索领域,仅限于“,”,2000 - 2021年的出版时间是有限的。最后摘录保存名称、作者、关键词、引文数和其他信息的出版物,7465块的原始数据。
3.2。变量选择和测量
3.2.1之上。因变量
因变量是每篇论文的引文已标准化样本的出版物。指Cannella McFadyen并在2016年提出的方法(36),一篇文章的引用计数是首先减去平均引文的体育产业的文章发表在同年,然后除以标准差引用的所有体育产业文章发表在同年。最后,本文的规范化的引用。这种方法可以消除引文偏见的文章发表在不同的年份。其规范化引用计算如下:
3.2.2。独立变量
研究的独立变量参与学位中心和结构洞协作和知识网络构建基于样本中所有的文件。具体方法如下:
(1)建设协作和知识网络。这里的协作和知识网络是典型的社会网络构建基于体育产业期刊的论文在中国从2000年到2021年。在这项研究中都是由Python。
(2)测量程度的中心和结构洞。两组独立的变量,学位中心和结构洞,在这两种协作和知识网络,讨论了本研究的论文。计算了特定的节点度和结构洞Python。(一)度的计算中心(我)首先,获取学位中心,我们认为节点数直接相关的节点。然后,我们让标准化治疗。获得标准化学位中心,价值除以剩余的节点的数量。公式如下: (2)的公式,表示网络中节点的数量。(b)计算结构洞(我)伯特的约束方法,首次采用(37,38认为网络约束C我,这表明强度我是受限于其相邻节点。我们使用2 -约束指标C我2获得的控制优势我生成跨越结构洞。 在哪里我目标节点和表示代表节点的比例j接触点的节点我。例如,我连接到五节点包括吗j,然后= 1/5。节点k有一个连接节点我和j同时进行。更多的关系我和其他元素存在,值越小和和更少的约束节点我有。与此同时,更多的关系k与其他元素,较低的k,从而降低限制呢我。
(3)学位论文水平中心和结构洞。基本单位关注paper-level学位中心和结构洞。由于作者和元素的非唯一性的一篇论文中,这两个指标需要平均水平。本研究利用计算的方法paper-level学位中心和结构洞关et al。(2017)提出的27]。例如,有三个作者的一篇论文度是1.2,1.3,和1.4,分别,那么平均学位中心价值的论文作者合作网络(1.2 + 1.3 + 1.4)/ 3 = 1.3。在合作网络结构洞和学位中心知识网络都等于结构洞。
4所示。回归结果与分析
4.1。描述性统计
在协作网络,如果作者的学位中心是0,它表明作者与其他作者没有合作关系。因此,作者与学位中心(0)可以被排除在协作网络。处理后,在协作网络的节点数量终于4851年。均值、中位数、标准差、最小和最大值变量的协作网络中描述表1。在知识网络,虽然没有知识元素学位中心0,一些关键字需要手动相结合。例如,“2008年奥运会”和“2008年北京奥运会”指的是2008年奥运会在北京举行,所以他们可以合并成一个。通过人工筛选和合并的所有关键字,知识网络节点的最终数量是7379。均值、中位数、标准差、最小值和最大值的变量在表中列出的知识网络2。
在表中1和2协作网络,学位中心是明显不同于知识网络。学位中心协作网络的平均值等于0.001,标准差为0.001,最大值为0.014。然而,在知识网络,学位中心的平均值等于0.008,标准差和最大值是0.009和0.074,分别。之间的区别在协作网络和知识网络结构洞很小。的平均值在合作网络结构洞等于1.335,标准差为0.295,最小和最大的值是0.009和1.959,分别。然而,在知识网络结构洞的平均值为1.783,标准差为0.21,最小值为0.875,最大值为1.997。因为正常化,引用的平均合作和知识网络是0。
4.2。回归分析
4.2.1。准备合作网络
(1)学位中心作为独立的变量。为了验证是否存在非线性关系学位中心的协作网络和论文的引文数,增加了二次项的回归,回归分析是由使用占据。结果如表所示3。
表3意味着二次回归是显著的 ,和二次系数−6441.203 < 0,初步确定为一个倒置的-U的关系。ut测试进行进一步验证关系。结果如表所示4。
从表可以看出4,极端值[0.000,0.014],所以不能拒绝零假设。因此,不存在或倒的关系。为了验证是否存在线性关系,一元线性回归。结果如表所示5。
表5象征的意义 一元线性回归的系数是135.674 > 0,表明程度是显著正相关的引用计数,验证假说H1a,也就是说,平均度中心的一篇论文的作者合作网络引文数呈正相关。
(2)结构洞作为独立的变量。为了验证是否存在非线性关系在合作网络结构洞和论文的引用计数,增加了二次项的回归,回归分析是由使用占据。结果如表所示6。
表6显示二次回归的结果是显著的 ,和二次系数是0.981 > 0,初步确定为 - - - - - -形状的关系。ut测试进行进一步验证关系。结果如表所示7。
从表可以看出7极端点的范围[0.875,1.959]的数据,和ut结果意义重大 ,所以零假设被拒绝在5%的统计水平。同时,斜率间隔在结果范围从−0.361到1.767,这是与初步一致由二次回归关系。因此,我们可以认为有一个的关系。回归结果与研究假设H1b不一致。
4.2.2。知识网络
(1)学位中心作为独立的变量。为了验证是否存在非线性关系知识的温和的中心网络和论文的引文量、二次项添加到回归,回归分析是由使用占据。结果如表所示8。
我们可以看到从表8二次回归是显著的 ,和二次系数−204.433 < 0,初步确定为一个倒置的-的关系。ut测试进行进一步验证关系。结果见表9。
从表可以看出9,极端值在[0,0.074],和ut结果意义重大 ,所以零假设被拒绝在5%的统计水平。同时,斜率间隔在结果范围从10.138−20.003,这与二次回归的初步结果是一致的,它是一个反向-U的关系。因此,可以认为存在一个倒-关系,这也验证了假设H2a。
(2)结构洞作为独立的变量。为了验证是否存在非线性关系在知识网络结构洞和论文的引用计数,二次项添加到回归,回归分析是由使用占据。结果如表所示10。
表10象征的意义 二次回归,二次系数是0.444 > 0,初步确定为的关系。ut测试进行进一步验证关系。结果如表所示11。
表11表明,极端值的范围[0.875,1.997],但ut结果并不重要 。因此,不存在或倒形状的关系。为了验证是否存在线性关系,一元线性回归。结果如表所示12。
在表12一元线性回归结果是显著的 ,系数为0.298 > 0,表明结构洞是显著正相关的引用,这也验证了假设H2b,也就是说,一篇论文,其关键词的平均知识网络中的结构洞正相关的引用计数。
5。结论
本文利用2000 - 2021年中国社会科学引文索引(CSSCI)数据库和中国的北京大学核心期刊概览(核心)特定的数据库在中国体育产业数据,构建关键词知识和作者合作网络,探讨了网络结构属性和引用计数之间的关系从两个角度。我们上面的计算结果可以得出以下结论。
首先,至于合作网络的平均度中心的一篇论文的作者是引用计数呈正相关,也就是说,随着平均程度的增加论文的中心地位的作者,引文的数量也增加了。作者高学位中心与中心高度倾向于与他人合作,这使得它更容易找到更多的创新想法和获得更多的机会来分享资源,从而提高论文质量的研究。同时,作者与更高的学位中心通常获得相对较高的学术地位,并与他们合作更有可能获得同行的关注和支持,从而增加他们的论文的引用计数。
其次,在合作网络,一篇论文的平均结构洞与引文的作者并不呈正相关。
第三,我们确认关键词在知识网络的平均度中心有一个反向-形状对引用计数的影响,随着平均程度的增加中心的所有关键字,最初一篇论文引文的增加然后减少当它达到一定高度。知识元素往往与其他知识元素结合的速度的增加程度的知识元素的中心。它将改善现有的知识元素的利用率和提供更多的元素组合模型,和相关的知识元素论文引用计数与知识要素的增长将会上升。当知识的学位中心元素达到一定程度时,研究这些知识元素相对充足,并结合和学习这方面的知识元素的值相对较低。因此,论文的引文数量与此相关的知识元素也将减少由于缺乏创新。
最后,我们发现在知识网络关键词的平均结构洞的纸与引用计数呈正相关。所有关键字的结构洞的增加会导致增加的一篇论文中引用计数的一篇论文。当知识元素占据了更多的结构洞,知识元素连接更多与nonredundant知识元素和可能会发现更多的新鲜知识元素的组合。因此,作为论文的丰富性的平均结构洞,也许它包含更多的新颖的知识元素组合,从而增加引用计数。
6。研究的意义和局限性
通过分析社交网络的特点在纸层,本文丰富了体育产业的协作和知识网络的研究论文被引用次数和显示两个网络的影响体育产业在引用计数。通过本研究,我们可以发现,体育产业论文的引用计数将受到自己的网络结构的属性的影响。因此,有必要寻求合作,更多的学者而写论文并选择合作者高度尽可能的中心地位,这有利于增加论文的引用计数,提高科学研究的影响。同时,这项研究将使纸高度引用的元素和创新知识,这有利于提高论文的引用计数。此外,占据结构洞的知识元素越多,越有利于提高论文的引用计数。
与此同时,一些贡献理论水平。首先,本研究不仅涉及到合作网络,得到了广泛的应用,而且通过关键词和应用协作构建知识网络和知识网络的研究体育产业,它提供了新的方法和思想的研究在中国体育产业。其次,与先前的研究相比,主要集中于作者的网络属性层面,本研究的基本研究单位集中在纸上水平,提供一个新的视角研究项目后的体育产业和其他学科。最后,该研究不仅可以为学者提供理论参考的体育产业如何提高科研的质量和增加引用计数也提供一个理论依据预测的论文引用计数和评价学者的研究性能通过更科学全面的方式。
我们的研究也有一些局限性。首先,作者协作和关键词的知识网络没有被赋予一定的重量,和作者的贡献程度和关键词的重要性在每篇论文没有区别,在学术界已达成共识,我们需要在后续研究中进一步促进项目。其次,结构洞之间的关系和协作网络和引用的原因他们这一代人需要讨论和解释在以下研究项目。
数据可用性
在这项研究中使用的原始数据是中国社会科学引文索引(CSSCI)数据库和一般内容,中国核心期刊(北京大学)的核心数据库。原始数据用来支持本研究的发现是可用的https://cssci.nju.edu.cn/。
的利益冲突
作者宣称没有利益冲突。