科学计量学的几个定律(7)

其中的文献2，由于多次被引用，显然在该网络中占有突出的位置。而文献7、9则可能在专业内容或方法上有较大的相似之

处，因为它们不约而同地引用了许多相同的文献。

文献5、3也可能具有文献7、9那样的关系，因为它们被一些文献分别共同引用。这被称为“同被

引”。

“同被引”，意两篇独立的论文，客观地被引用它们的著文作者结成了一对（或多于两篇被引论文）。研究同被引的目的是讨论文献的聚类，也就是利用论文间的同被引关系，来把本来无人为关系的论文聚在一起，形成一个“类”。这里，同被引强度是具有同被引关系的论文可否有资格聚为一类的标准。聚类必须有一个人为标准，也就是要规定同被引的阈值，一般称之为聚类级(Cluster level)，聚类级通常规定同被引强度在3以上。这样人们可以不必通过繁琐的主题分析，只通过同被引强度，依据规定聚类标准，便可把有相关关系的论文归并成类，并展开分析。

引文分析的作用：

例：科研人才的评价

客观地评价科技工作者的成就从来就不是一件容易的事情，近年来，引文分析已被证明是一种可以信赖的行之有效的方法之一。

加菲尔德等人曾利用SCIl968年所提供的数据成功地预测了1969年诺贝尔奖获得者。

下表是根据SCI数据得到的1967年被引次数最多的前50名科学家的被引次数及相应的名次排队表。

非常有趣的是，果然在这

里面便有两名科学家（列下表第41位和第6位者）双双榜上有名。要知道当时全世界科学工作者的数量当以百万计，加菲尔德等人仅用简单的引文计数法便在预测的50名预选人中言中两人，的确不能不算是一件不小的成就。