因果推断视角下OA对论文影响力提升效应研究——以AI领域Altmetrics为例

分类： 信息资源管理 发布时间： 2024-12-10

王旭 戴春燕

摘要：【目的/意义】深入理解OA学术论文（简称：论文）影响力指标间关系并分析OA与论文影响力指标间因果关系，对于揭示OA论文影响力传播途径的内在优势、提升论文质量、促进学科间的知识交流与共享具有重要意义。【方法/过程】本文以人工智能领域论文为研究样本，从OA与非OA两层面出发，采用描述性统计分析、负二项回归分析以及双重差分模型，综合考虑社会影响力和学术影响力的关键指标，揭示人工智能领域相关论文指标数据分布规律与特征、分析OA论文影响力指标间关系并挖掘OA优势。【结果/结论】（1）人工智能领域OA与非OA论文各指标值差异较小，指标数据分布较为集中，推特提及量呈现右偏分布，而其余变量呈正态分布。OA论文各指标均值均高于非OA论文指标。（2）无论是OA论文还是非OA论文，各个Altmetrics指标对Dimensions被引次数均产生显著的正向影响，但OA论文的影响程度显著更高。其中，OA模式下，专利提及量对Dimensions被引次数的影响程度最为显著，而政策提及量、新闻提及量、推特提及量对Dimensions被引次数的影响程度依次减弱。（3）OA与论文新闻提及量和推特提及量存在显著因果关系，即OA显著提升了论文在新闻和推特平台上的提及量。但OA Altmetrics优势并非持续稳定，而是随时间呈现逐渐下降的趋势。【创新/价值】从相关性分析与因果推断的视角出发，逐步挖掘OA优势。在此基础上，本文进一步提出了针对性的策略，以期提升人工智能领域论文的可见性和影响力。

同行评议状态： 评论中

 点击量 138  下载量 34  评论 0