1数据源和分析流程
1.1以WebofScience为数据源
以WebofScience作为数据源，进行检索和筛选数据。论文以生物材料学科为例，分析科研人员及其团队，为学校挖掘可引进的人才，也为学校人才引进提供评估参考材料。
1.2分析流程
(具体见图1)论文采用h指数、R指数、AR指数作为衡量学者科研水平的3个量化指标。h指数不能区分h值相同但论文被引频次相差悬殊的情况，缺乏一定的灵敏度和区分度，结合采用了R指数、AR指数，解决h指数存在的一些不足［9］。
2以生物材料为例的应用分析
2.1基础数据检索与清洗、筛选
选取检索源:Webofscience的SCIE数据，因webofscience数据存在滞后，为保障期刊论文数据的完整性，选择数据库时间范围为:2003－2012(10年)，具体检索时间:2014.3.10。论文采用了材料科学－生物材料作为案例进行检索分析，假设某学校想引进生物材料方面的学者。选择的期刊以JCR－Q1期刊为参考，选取了webofscience的“MATERIALSSCIENCE，BIOMATERIALS”类目的Q1期刊，共六种期刊。通过webofscience检索出版物名称=(″BIOMATERIALS″or″ACTABIOMATER″or″EURCELLSMATER″or″DENTMATER″or″MACROMOLBIOSCI″or″BIOFABRICATION″)，时间跨度=2003－2012，检索结果:13179条。筛选出:article、review两种类型文献12970篇。
2.2作者基础排序分析
以webofscience的分析功能，选取排序前10位的发文作者，见表1列出了前10位作者及其发表的论文数量，论文中分别以A1、A2…标示各位作者。论文在此研究中，暂不考虑作者在论文中的贡献度，即不区分第一作者、通讯作者或是所处的其他合作位置。在webofscience中，作者名称基本采用了姓氏加名的首字母，存在较为严重的同名作者问题。考虑作者的同名现象，对每位作者结合作者机构进行较为精确的分析。在webofscience中作者同名问题基本没有得到解决，需要通过人工筛选才能达到精确。对上述10位学者对应的文献进行逐篇查看，可以确定出该检索集中，有3个作者姓名简称对应了多位学者，如对A3的70篇文献中的前20篇进行逐篇查看，20篇论文属于16位不同单位且姓名简称同为A3的学者。同样发现A9和A10具有多位学者共同构成论文篇数，均被排除出前10的位置。通过逐篇查看，筛选出排名前7的学者。
2.37位学者h指数、R指数、AR指数分析
对筛选出的前7名学者，进行SCI论文检索，检索时间范围为:2003－2012，检索日期为2014.3.16，文献类型为ARTICLE或REVIEW。因为涉及同名、作者曾在不同单位任职等现象，结合webofscience的“惟一作者集”等作者辅助检索工具，进行筛选。2.4A7学者及其团队的挖掘分析论文选用SATI文献题录信息统计分析工具［10］和UCI-NET社会网络分析软件［11］对A7的SCIE论文进行分析。通过分析挖掘与A7有更多直接合作关联的学者，拟挖掘“他们”作为某学校生物材料方面的外聘人才。利用两个软件，构建了如图3所示的A7的作者合作网路。从图3可以发现A7的合作网络错综复杂。利用k－核概念，研究网络合作的凝聚子群。所谓k－核是指如果一个子图中的全部点都至少与该子图中的k个其他点邻接，则称这个子图为k－核［11］。通过k－核，可以发现一些高合作、高凝聚的群体。对A7的社会网络进行k－核分析，如图4所示为A7文献作者k－核分析的部分截图。由图4可见，在A7的392篇文献的所有合作者中，可以进行8种分区，度数分别为2，3，4，5，6，7，8，9，即分别为2－核，3－核，……，9－核。9－核即是指A7和其他34位学者(图4所示的作者编号P1、……、P84)共同组成各个作者之间至少有9个邻接的子群，可能是学科团队、或项目合作的团队，其中可能存在一些具有知识引导的团队带头人。计算A7合作网络中学者们的在整体网络中个体密度值，图5为截取其中部分学者的个体密度值计算。从图5可以得出这个整体网中各个个体(科研人员)的密度值、及其他指标值。A7的个体密度值最低，值为9.44，Broker和EgoBet值最高，分别为3791.00、2927.17，他这个作者群网络中的知识引导人、合作引导人，其位置占据了结构洞位置，是作为“桥”位置者。结合图5所示的9－核团队，在这些学者中，P1的网络规模最大(值为45.00)，密度是19.90，Broker值是793，EgoBet值是326.90，仅次于A7，在其合作网络中，占据结构洞位置，可作为引进人才或外聘的人选。P3密度值为27.92，Broker值为253，EgoBet值是98.46，在合作网中与他人有合作、也有一定的知识引导作用。从图5也可以发现，学者P7的密度值最大，为100，Broker和Ego-Bet值均为0，在个体网中的中间性不强，不占据结构洞位置，可以猜测其为求学的学生或是某个项目的参与者。根据上述分析，P1和P3可作为外聘或引进的人选。对这两位学者，同样计算其2003－2012年期间发表论文的h指数、R指数、AR指数，通过和表3学者的各个指标进行比较、衡量。P1的各位指数都高于P3，且与表3中的7位学者的∑(h，R，AR)值进行排序，排列第4。
3结论与进一步思考
(1)文献是科研工作的成果积累，图书馆以学术文献为分析源进行评价分析，从第三方的角度，可以较为客观评估学者的学术水平，为学校引进人才提供参考建议。学科人才评价、学科团队挖掘中，在开展同行评议的同时，学校可以采用学者已发表的文献评估作为有效补充。(2)采用h指数、R指数、AR指数，综合考察学者的学术排名，有效消除了h指数存在的不足，较为完善地评价了学者相对学术水平。利用社会网络分析，分析科研团队，根据密度值、K－核分析等分析核心成员。图书馆可以结合自身优势，开展相应的人才评估情报服务，用于对学者进行挖掘、评估，为学校提供有意义的分析报告。(3)R指数、AR指数有效弥补了h指数不足，但传统的引文指标在数字出版时代、原创作品更多实现开放获取的时代，分析力度显得有些不足。社会网络驱动下，可以结合altmetrics补充计量学指标，例如文献管理系统(如Mendeley)、researchgate平台、评论、博客微博网络分享等，实现从学者多维的综合评估到学者的分析挖掘。(4)对于引进人才的评估，文献计量分析与评价只是一个角度，仅作为一种信息源参考，企业生产管理全面引进评估需要结合同行专家评议、个人累计信用评价、引进后期的评估等，构建完善的评估体系。
作者：金洁琴 单位：南京工业大学图书馆
