[论文解读] Applying centrality measures to impact analysis: A coauthorship network analysis

Erjia Yan, Ying Ding|arXiv (Cornell University)|Dec 22, 2010

scientometrics and bibliometrics research被引用 31

一句话总结

本研究将四种中心性度量——接近度、中介度、度数和PageRank——应用于图书馆与信息科学领域（1988–2007年）的20年合作者网络，表明这些度量与引文次数显著相关。研究结果表明，中心性度量可作为超越传统引文次数的稳健、基于网络的作者影响力分析指标。

ABSTRACT

Many studies on coauthorship networks focus on network topology and network statistical mechanics. This article takes a different approach by studying micro-level network properties, with the aim to apply centrality measures to impact analysis. Using coauthorship data from 16 journals in the field of library and information science (LIS) with a time span of twenty years (1988-2007), we construct an evolving coauthorship network and calculate four centrality measures (closeness, betweenness, degree and PageRank) for authors in this network. We find out that the four centrality measures are significantly correlated with citation counts. We also discuss the usability of centrality measures in author ranking, and suggest that centrality measures can be useful indicators for impact analysis.

研究动机与目标

• 探究网络中心性度量是否可作为合作者网络中学术影响力指标。
• 分析图书馆与信息科学领域历时20年（1988–2007年）的纵向合作者网络中的微观网络特性。
• 评估中心性度量在作者排名与影响力评估中的可用性。
• 比较中心性度量与传统引文次数在衡量学术影响力方面的预测能力。

提出的方法

• 基于16本LIS期刊（1988–2007年）的数据构建动态合作者网络。
• 为网络中的每位作者计算四种中心性度量：度数、接近度、中介度和PageRank。
• 对中心性得分进行纵向分析，以评估其稳定性及与引文影响力的关联性。
• 对每位作者的中心性度量与引文次数进行统计分析，检验其相关性。
• 利用网络可视化与描述性统计方法，解释作者合作的结构模式。

实验结果

研究问题

• RQ1 合作者网络中的中心性度量与引文次数（作为学术影响力衡量标准）的相关程度如何？
• RQ2 不同中心性度量（度数、接近度、中介度、PageRank）在预测作者影响力方面表现如何？
• RQ3 中心性度量能否提供比仅依赖引文次数更细致或更稳定的影响力指标？
• RQ4 中心性得分如何随时间演变，这对作者排名与影响力评估有何启示？

主要发现

• 四种中心性度量——接近度、中介度、度数和PageRank——与引文次数表现出显著的正相关性，表明其与传统影响力指标高度一致。
• 中介度中心性与引文次数的相关性最高，表明在合作网络中充当桥梁角色的作者往往具有较高的被引次数。
• 接近度和度数中心性也与引文影响力表现出强且统计显著的相关性，支持其在影响力分析中的应用。
• PageRank与引文次数表现出稳健的相关性，进一步证实其在识别合作网络中具有影响力的作者方面的有效性。
• 结果表明，中心性度量可作为可靠、基于网络的替代或补充指标，用于作者影响力评估。