作者學(xué)術(shù)影響力評(píng)價(jià)的相關(guān)方法分析概述1.1定性評(píng)價(jià)方法同行評(píng)審法是一種典型的定性評(píng)價(jià)方法，依據(jù)相同領(lǐng)域內(nèi)的多位專家打分，從而評(píng)價(jià)作者的學(xué)術(shù)影響力。同行評(píng)議最早起源于英國的皇家學(xué)會(huì)KronickDA.PeerReviewinEighteenth-CenturyScientificJournalism[J].JAMATheJournaloftheAmericanMedicalAssociation,1990,263(10):1321-1322.的稿件評(píng)審程序，后來該方法也被廣泛運(yùn)用到各種學(xué)術(shù)評(píng)價(jià)活動(dòng)中。依靠領(lǐng)域內(nèi)專家的知識(shí)經(jīng)驗(yàn)程度，同行專家的意見，可在一定程度上反映出同行對(duì)論文的認(rèn)可程度。KronickDA.PeerReviewinEighteenth-CenturyScientificJournalism[J].JAMATheJournaloftheAmericanMedicalAssociation,1990,263(10):1321-1322.同行評(píng)議中最著名的是德爾菲法（DelphiMethod），由若干領(lǐng)域內(nèi)具有代表性、權(quán)威性的專家學(xué)者組成專門的評(píng)議組織，通過匿名的、背對(duì)背的方式，進(jìn)行“征求意見-歸納匯總、統(tǒng)計(jì)分析到再征求意見-再歸納匯總、統(tǒng)計(jì)分析”的過程，通過幾輪的“征求意見-歸納分析”后，專家們的意見逐漸趨于一致，這時(shí)的評(píng)價(jià)結(jié)果更具有專業(yè)性和說服力，從而達(dá)到專業(yè)的評(píng)價(jià)結(jié)果。德爾菲法在國內(nèi)外評(píng)價(jià)研究領(lǐng)域的使用頻率較高，在各行各業(yè)、各個(gè)學(xué)科領(lǐng)域的評(píng)價(jià)研究中都有廣泛應(yīng)用。利用同行評(píng)議法對(duì)作者學(xué)術(shù)影響力進(jìn)行評(píng)價(jià)也有不足之處，雖然專家評(píng)價(jià)過程中會(huì)依據(jù)作者的論文打出一個(gè)相對(duì)客觀公正的分?jǐn)?shù)，但不同的專家知識(shí)儲(chǔ)備不同，還是會(huì)有不一樣的評(píng)判標(biāo)準(zhǔn)、不同的意見，標(biāo)準(zhǔn)難以統(tǒng)一，勢(shì)必會(huì)對(duì)評(píng)價(jià)結(jié)果造成一定的影響。同行評(píng)議主觀性較強(qiáng)、易受個(gè)人因素干擾，忽視了作者學(xué)術(shù)影響力的客觀數(shù)據(jù)。同時(shí)，由于專家的個(gè)人身份、知識(shí)水平、社會(huì)地位的不同也會(huì)對(duì)作者學(xué)術(shù)影響力評(píng)價(jià)有一定的偏頗。因此，利用同行評(píng)議法評(píng)價(jià)作者的學(xué)術(shù)影響力必須建立完善的同行評(píng)審制度，規(guī)范評(píng)審標(biāo)準(zhǔn)。1.2定量評(píng)價(jià)方法（1）以引文分析為基礎(chǔ)的評(píng)價(jià)方法①H指數(shù)H指數(shù)是Hirsch學(xué)者提出的用于測(cè)度作者長期累積的科研成果學(xué)術(shù)影響力的指標(biāo)，從作者的發(fā)文量與被引頻次兩方面綜合考量作者的學(xué)術(shù)影響力HirschJE.Anindextoquantifyanindividual'sscientificresearchoutput[J].ProceedingsoftheNationalacademyofSciences,2005,102(46):16569-16572.。H指數(shù)是指作者所發(fā)表的n篇文章中有h篇論文的被引頻次不少于h次，見公式（2-1）。例如，某位作者發(fā)表了30篇論文，其中有12篇論文的被引頻次至少為12次，剩下18篇論文的被引頻次均低于12次，那么該作者的H指數(shù)為12。HirschJE.Anindextoquantifyanindividual'sscientificresearchoutput[J].ProceedingsoftheNationalacademyofSciences,2005,102(46):16569-16572.（2-1）②z指數(shù)2014年P(guān)rathap學(xué)者提出z指數(shù)，該指數(shù)考慮了總被引頻次、平均被引頻次和引文分布，可從數(shù)量、質(zhì)量、引文分布一致性層面對(duì)學(xué)術(shù)實(shí)體進(jìn)行綜合測(cè)度。利用z指數(shù)可以有效評(píng)價(jià)期刊俞立平,王作功.z指數(shù)評(píng)價(jià)學(xué)術(shù)期刊的適用性及其改進(jìn)研究[J].情報(bào)學(xué)報(bào),2018,37(11):1132-1139.、學(xué)者何曉慶,王圣潔,胡琳.z指數(shù)在學(xué)者學(xué)術(shù)影響力評(píng)價(jià)中的應(yīng)用[J].情報(bào)理論與實(shí)踐,2018,41(05):50-54.、科研機(jī)構(gòu)的學(xué)術(shù)影響力以及識(shí)別學(xué)科研究熱點(diǎn)李長玲,牌艷欣,相富鐘,杜德慧.改進(jìn)z指數(shù)的高被引學(xué)科研究熱點(diǎn)識(shí)別方法探討[J].情報(bào)理論與實(shí)踐,2020,43(06):69-75+96.。z指數(shù)計(jì)算公式見公式（2-2）。俞立平,王作功.z指數(shù)評(píng)價(jià)學(xué)術(shù)期刊的適用性及其改進(jìn)研究[J].情報(bào)學(xué)報(bào),2018,37(11):1132-1139.何曉慶,王圣潔,胡琳.z指數(shù)在學(xué)者學(xué)術(shù)影響力評(píng)價(jià)中的應(yīng)用[J].情報(bào)理論與實(shí)踐,2018,41(05):50-54.李長玲,牌艷欣,相富鐘,杜德慧.改進(jìn)z指數(shù)的高被引學(xué)科研究熱點(diǎn)識(shí)別方法探討[J].情報(bào)理論與實(shí)踐,2020,43(06):69-75+96.（2-2）公式中，c為總被引頻次，代表研究對(duì)象總體的被引“數(shù)量”規(guī)模；n是發(fā)文數(shù)量，c/n為篇均平均被引頻次，表示研究對(duì)象在單篇論文上的平均影響力，是一個(gè)表征“質(zhì)量”的指標(biāo)；，，是平衡被引極值及引文分布頻次的調(diào)節(jié)因子，用于反映“引文分布”一致性，其中，為第k篇論文的被引頻次，k=1,2...n。本研究受z指數(shù)的啟發(fā)，但指標(biāo)構(gòu)建更加細(xì)化。（2）以網(wǎng)絡(luò)分析為基礎(chǔ)的評(píng)價(jià)方法社會(huì)化網(wǎng)絡(luò)主要由節(jié)點(diǎn)（Node）和節(jié)點(diǎn)之間的連接（Links）構(gòu)成，社會(huì)網(wǎng)絡(luò)分析（SocialNetworkAnalysis，簡(jiǎn)稱SNA）方法，可用于研究社會(huì)生活中成員之間因工作、學(xué)習(xí)等關(guān)系形成的網(wǎng)絡(luò)結(jié)構(gòu)，這種關(guān)系結(jié)構(gòu)表明了社會(huì)成員對(duì)個(gè)體行為或者群體的態(tài)度，從而分析網(wǎng)絡(luò)的領(lǐng)導(dǎo)者、用戶的行為數(shù)據(jù)等EngelA,CollC,BustosA.DistributedTeachingPresenceandcommunicativepatternsinasynchronouslearning:Nameversusreplynetworks[J].Computers&Education,2013,60(1):184–196.。社會(huì)網(wǎng)絡(luò)中的個(gè)體是相互關(guān)聯(lián)、相互協(xié)作、相互影響的，這也符合作者的引文網(wǎng)絡(luò)特征，作者之間因科研交流、學(xué)習(xí)借鑒或者為自己的研究工作提供理論或方法支持而引用其他作者的文章，表明了對(duì)其他作者學(xué)術(shù)成果的認(rèn)可態(tài)度，任何作者在學(xué)術(shù)研究中都不可能是孤立的，運(yùn)用社會(huì)網(wǎng)絡(luò)分析法測(cè)度作者學(xué)術(shù)影響力的常用指標(biāo)EngelA,CollC,BustosA.DistributedTeachingPresenceandcommunicativepatternsinasynchronouslearning:Nameversusreplynetworks[J].Computers&Education,2013,60(1):184–196.①點(diǎn)度中心度（DegreeCentrality）在社會(huì)網(wǎng)絡(luò)中，節(jié)點(diǎn)o的“度”就是與節(jié)點(diǎn)o直接相連的邊的數(shù)量，包括入度和出度，入度代表從其他節(jié)點(diǎn)指向節(jié)點(diǎn)o的邊的數(shù)量，出度代表節(jié)點(diǎn)o指向其他節(jié)點(diǎn)的邊的數(shù)量。點(diǎn)度中心度越高的節(jié)點(diǎn)代表其度值越大，表明該節(jié)點(diǎn)越重要Bródka,Piotr,SkibickiK,KazienkoP,etal.Adegreecentralityinmulti-layeredsocialnetwork[C]//InternationalConferenceonComputationalAspectsofSocialNetworks.。測(cè)度作者在網(wǎng)絡(luò)中的影響力，可以通過該作者的點(diǎn)度中心度來判斷，點(diǎn)度中心度越高，則該作者的中心地位越高，權(quán)力越大。Bródka,Piotr,SkibickiK,KazienkoP,etal.Adegreecentralityinmulti-layeredsocialnetwork[C]//InternationalConferenceonComputationalAspectsofSocialNetworks.②中介中心度（BetweennessCentrality）中介中心度能夠很好的反映出一個(gè)節(jié)點(diǎn)的橋梁或者媒介通道的能力。如果一個(gè)節(jié)點(diǎn)能夠連接其他多個(gè)節(jié)點(diǎn)，說明此節(jié)點(diǎn)居于重要的中間位置，刪除該節(jié)點(diǎn)會(huì)導(dǎo)致整個(gè)網(wǎng)絡(luò)的聯(lián)系發(fā)生斷裂，中介中心度測(cè)量的是一個(gè)行動(dòng)者“控制”他人行動(dòng)的能力。中介中心度高的節(jié)點(diǎn)在網(wǎng)絡(luò)中對(duì)資源傳送的橋梁作用越大，強(qiáng)調(diào)了節(jié)點(diǎn)在其他節(jié)點(diǎn)之間的傳輸能力曹丹.基于多源信息融合的科研團(tuán)隊(duì)績效評(píng)價(jià)問題研究與應(yīng)用[D].北京郵電大學(xué),2017.。引文網(wǎng)絡(luò)中高中介中心度的作者是知識(shí)傳播與學(xué)術(shù)交流的重要媒介。曹丹.基于多源信息融合的科研團(tuán)隊(duì)績效評(píng)價(jià)問題研究與應(yīng)用[D].北京郵電大學(xué),2017.③接近中心度（ClosenessCentrality）接近中心度可以測(cè)量每個(gè)節(jié)點(diǎn)到其他節(jié)點(diǎn)最短路徑的平均長度。接近中心度越高的節(jié)點(diǎn)，說明該節(jié)點(diǎn)與其他節(jié)點(diǎn)的距離越近，在作者引用網(wǎng)絡(luò)中，接近中心度越低，距離網(wǎng)絡(luò)交流中心越近。（3）以鏈接分析為基礎(chǔ)的評(píng)價(jià)方法PageRank算法又名佩奇算法或網(wǎng)頁排序算法，是Google創(chuàng)始人LawrencePage提出的一種鏈接分析算法，由于Google搜索引擎的成功，PageRank算法也受到學(xué)術(shù)界的廣泛關(guān)注。PageRank是用來評(píng)價(jià)網(wǎng)頁的等級(jí)或重要性，衡量一個(gè)網(wǎng)站的好壞的重要評(píng)判標(biāo)準(zhǔn)，使等級(jí)較高或重要性較高的網(wǎng)頁在搜索引擎中的排名上升，以提高搜索結(jié)果的精準(zhǔn)性和相關(guān)性。網(wǎng)頁等級(jí)分為0-10級(jí)，等級(jí)越高說明網(wǎng)頁越重要、越受歡迎。PageRank算法基于兩種思想，一種是一個(gè)網(wǎng)頁被多個(gè)網(wǎng)頁鏈接，那么該網(wǎng)頁是重要的。另一種是如果一個(gè)網(wǎng)頁沒有被多個(gè)網(wǎng)頁鏈接但被一個(gè)或幾個(gè)重要的網(wǎng)頁鏈接，那么該網(wǎng)頁也是重要的，將鏈入目標(biāo)網(wǎng)頁的其他網(wǎng)頁的重要性也考慮在內(nèi)。例如有兩個(gè)頁面A和B，A被很多普通的頁面所鏈接，而B被一個(gè)非常重要的頁面所鏈接，則頁面B的PageRank值可能比頁面A的PageRank值更大，PageRank指標(biāo)考慮了鏈入網(wǎng)頁的重要性。為更好的理解PageRank算法的計(jì)算原理，本文以有向圖的形式展現(xiàn)運(yùn)算過程，假設(shè)有A、B、C、D四個(gè)網(wǎng)頁，箭頭指向代表各個(gè)網(wǎng)頁相互跳轉(zhuǎn)的方向，如圖2-2所示。圖2-2網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)從圖2-2中可看出，A網(wǎng)頁鏈接到B、C、D三個(gè)網(wǎng)頁，假設(shè)用戶從A跳轉(zhuǎn)到其它網(wǎng)頁的概率是相等的，那么從A跳轉(zhuǎn)到B的概率是1/3，從B跳轉(zhuǎn)到C的概率是1/2，而B沒有鏈接D，所以從B跳轉(zhuǎn)到D的概率是0。矩陣M是圖2-2所對(duì)應(yīng)的轉(zhuǎn)移矩陣(TransitionMatrix)，網(wǎng)絡(luò)中一共有4個(gè)網(wǎng)頁，假設(shè)每個(gè)網(wǎng)頁的初始值相同，那么每個(gè)網(wǎng)頁的初始PageRank為1/4，其中第p行第q列的值為用戶從網(wǎng)頁q跳轉(zhuǎn)到網(wǎng)頁p的概率。將網(wǎng)頁A、B、C、D的值組成的向量設(shè)為，=[1/41/41/41/4]T。矩陣M第1至4行的數(shù)值對(duì)應(yīng)的是4個(gè)網(wǎng)頁分別跳轉(zhuǎn)到A、B、C、D的概率，向量第一列的數(shù)值對(duì)應(yīng)的是A、B、C、D初始的PageRank得分，M·所得結(jié)果就是網(wǎng)頁A、B、C、D新的PageRank得分，M·=[1/45/245/241/3]T。將M·作為新的PageRank得分重新賦值給向量，然后再用轉(zhuǎn)移矩陣M繼續(xù)乘以，反復(fù)執(zhí)行迭代過程，當(dāng)約等于M·，得分趨于穩(wěn)定時(shí)，迭代結(jié)束，此時(shí)的向量中的值就是各個(gè)網(wǎng)頁最終的PageRank得分王頂,徐軍,段存玉,吳玥瑤,孫靜.基于PageRank的用戶影響力評(píng)價(jià)改進(jìn)算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2018,50(05):60-67.。圖2-2的例子中，經(jīng)過若干步迭代計(jì)算后=[3/92/92/92/9]T。此時(shí)，就是A、B、C、D四個(gè)網(wǎng)頁最終的PageRank得分。PageRank值高的網(wǎng)頁就是影響力較大的網(wǎng)頁，因此，相較于B、C、D三個(gè)網(wǎng)頁，A網(wǎng)頁更加重要。王頂,徐軍,段存玉,吳玥瑤,孫靜.基于PageRank的用戶影響力評(píng)價(jià)改進(jìn)算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2018,50(05):60-67.實(shí)際運(yùn)算中，網(wǎng)頁的數(shù)量較多，人工計(jì)算效率低下，這時(shí)我們需要采用PageRank算法進(jìn)行迭代計(jì)算，公式為：（2-3）表示網(wǎng)頁的PageRank值，n為網(wǎng)絡(luò)中的節(jié)點(diǎn)總數(shù)，為鏈接的網(wǎng)頁集合，為網(wǎng)頁的出鏈數(shù)量，d為阻尼系數(shù)。作者的引用網(wǎng)絡(luò)和網(wǎng)頁鏈接網(wǎng)絡(luò)具有相似性，都是一個(gè)有向網(wǎng)絡(luò)圖中，節(jié)點(diǎn)間相互引用（鏈接）而成，網(wǎng)絡(luò)鏈接分析借鑒了引文分析理論，可將PageRank算法應(yīng)用于作者的引用網(wǎng)絡(luò)分析，通過作者間的引證關(guān)系反映作者在引文網(wǎng)絡(luò)中的引用強(qiáng)度，反映作者的被引質(zhì)量，從而評(píng)價(jià)作者的學(xué)術(shù)影響力。圖2-3PageRank值分配示意圖圖2-3是PageRank算法執(zhí)行過程中的一個(gè)中間環(huán)節(jié)，作者A、B、C的影響力受其施引作者D、E的影響，同時(shí)施引作者D、E的影響力也會(huì)受各自的施引作者的影響。要得到A作者的PageRank值，首先需要統(tǒng)計(jì)A作者的施引作者的數(shù)量，從圖中可以看出A作者的施引作者有D、E兩位作者，將D、E兩位作者的PageRank相加，就是A作者第一輪受到施引作者“投票”的權(quán)重值。第一輪完成后，會(huì)得到網(wǎng)絡(luò)中每位作者受其施引作者所貢獻(xiàn)的PageRank值，之后施引作者再將自身新的PageRank值貢獻(xiàn)給被引作者，如此反復(fù)迭代直到算法收斂。為了防止PageRank值堆積過多，在迭代運(yùn)算時(shí)加入阻尼系數(shù)d，通常d取0.85時(shí)，算法更容易收斂。1.3綜合評(píng)價(jià)方法（1）模糊綜合評(píng)價(jià)法（FuzzyComprehensiveAppraisal，F(xiàn)CA）模糊綜合評(píng)價(jià)方法（FCA）是1965年由自動(dòng)化控制專家扎德（L.A.Zadeh）在《模糊集合》的論文中提出，他使用了模糊數(shù)學(xué)中的一些概念，從多因素對(duì)被評(píng)價(jià)事務(wù)隸屬等級(jí)狀況進(jìn)行綜合性評(píng)價(jià)，第一次運(yùn)用精準(zhǔn)的數(shù)學(xué)方法表示模糊概念李航.我國社科拔尖人才評(píng)價(jià)研究[D].山西大學(xué),2020.。模糊綜合評(píng)價(jià)法具有系統(tǒng)性強(qiáng)、數(shù)學(xué)模型簡(jiǎn)單、結(jié)構(gòu)清晰等優(yōu)點(diǎn)，對(duì)多因素、多層次的復(fù)雜問題具有良好的評(píng)價(jià)效果。模糊綜合評(píng)價(jià)法廣泛應(yīng)用于人、事、物、方案等多因素問題的評(píng)價(jià)，并取得了良好的經(jīng)濟(jì)效益和社會(huì)效益。李航.我國社科拔尖人才評(píng)價(jià)研究[D].山西大學(xué),2020.模糊綜合評(píng)價(jià)法的過