本文發表在《大眾科學》的前部落格網路中，反映了作者的觀點，不一定代表《大眾科學》的觀點
當遇到麻煩或疑慮時，發明新詞。我們有印刷時代的文獻計量學和科學計量學。現在，它們加入了資訊計量學、網路計量學、網路計量學和替代計量學，後者可能不是一個準確的術語，但它很流行（肯定比基於社交媒體的補充指標更流行）。在 PLoS 期刊的論文級指標 (ALM)、《自然》為每篇出版物添加了色彩鮮豔的 altmetric.com 甜甜圈以及愛思唯爾巨頭在某些期刊中試用甜甜圈之間，我認為我們可以說替代計量學正在席捲全球。從心理學角度來說，替代指標有些令人興奮。您可以每天看到指標上升，這幾乎是一種即時的滿足感，而基於引用的滿足感可能需要數年時間。另一方面，這會帶來很大的壓力。我的文章是否被部落格報道、在推特上釋出、被收藏？這又意味著什麼呢？
最後一個問題的答案是 a)“我們還不確定”，以及 b)“取決於指標來源”。替代指標的使用似乎在我們有機會深入研究之前就開始了。這很像七十年代引用被使用的方式，當時關於引用行為的研究才剛剛起步。現在，邁克·泰勒寫了一篇關於替代指標的用途及其動機的優秀文章。去讀讀吧！（當然，在你完成這篇文章之後）。
泰勒列出了替代指標的多種用途
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
最終引用的預測——這裡有一個有趣的問題：我們是關聯說，至少被推文一次的文章的推文和引用，還是將引用與被推文的文章與未被推文的類似文章關聯起來？我迄今為止看到的大多數文章都採用第一種方法，並將引用次數與在社交媒體上的出現次數關聯起來。然而，在我們的研究中，我們比較了在部落格文章中報道的文章和來自同一期刊和同一年但未被我們樣本涵蓋的文章。我們忽略了出現的次數，而採用了二進位制的是/否方法。兩種系統在一定程度上都有效，但我們無法判斷它們是否適用於所研究學科以外的其他學科。
衡量/識別元件重用/準備工作/可重複性——資料、程式碼等——只要您可以可靠地重用它，一切皆可。然而，泰勒提到，材料的使用更多地可能是因為其可用性，而不是學術需求（這讓我想起了開放獲取文章，它們往往比付費牆後的文章獲得更多引用）。
隱藏的影響（沒有引用的影響）——這是一個好主意。泰勒提到了 Mendeley 中被收藏最多的文章（超過 43,000 名讀者），《如何選擇一個好的科學問題》，它在 Scopus 中僅被引用了 4 次。關於“獲取資助的十條簡單規則”之類的文章也可以這樣說（雖然沒有那麼誇張），它們在 Mendeley 中有超過 300 名讀者，但在 Scopus 中僅有 3 次引用。這些是有用的文章，但不是那種會被引用的文章。在這種情況下，替代指標是真正的補充指標，可以幫助我們記錄一篇文章在正式引用之外的全部影響。
即時過濾/即時評估——即時接收關於文章影響的資料。泰勒警告說，“尚不清楚是否有足夠的資料來使這項工作以足夠精細的粒度進行，這是否對學者有用，以及他們是否會信任這樣的系統。”簡而言之，需要更多的研究。我認為這可能會受到馬太效應（富者更富）的影響，但這也可以用於許多指標——畢竟，這個術語最初就是用來描述傳統學術討論中的這種現象的。
衡量社會影響/估計社會影響力——替代指標可以幫助我們衡量學術材料向公眾的傳播情況。
並非所有替代指標來源都是平等的。我在這裡有很大的偏見，但我認為不能從推文的數量中學習太多。一篇文章可能因為標題吸引人或獲得了搞笑諾貝爾獎而被轉發，但這並不能告訴我們太多關於它的學術影響。現在想想，獲得搞笑諾貝爾獎也可以為你贏得部落格報道，所以這可能不是一個好例子，但總的來說，我認為真正的（非宣傳/垃圾）部落格報道比推文更能說明一篇文章未來的影響。推特是關於新聞傳播的，它不需要深入的思考和考慮。
儘管 Mendeley 的書籤也不需要付出太多努力，但它與引用次數有中等程度的相關性。例如，在 2007 年的《自然》和《科學》文章中，Mendeley 書籤與 Web of Science 引用之間的相關係數為 r=0.55。其他學術書籤服務的相關性較低，可能是由於受歡迎程度較低（另一個書籤服務 Connotea 最近關閉）。
另一方面，F1000 推薦（應該）是經過深思熟慮的，並由相關領域的專業人士撰寫的。然而，文章的推薦評級與其引用次數之間的相關性相當弱。也許這是可以預料的，因為只有 2% 的生物醫學文章在 F1000 中被推薦。正如作者所說“從某種意義上說，不能期望 F1000 推薦與引用有很強的相關性，因為大約 98% 的生物醫學出版物根本沒有任何推薦。” 有些 F1000 文章可能是另一個有用但引用較少的文章的例子，因為有一些 F1000 審稿人是臨床醫生。
我在我的第一篇替代指標文章中說過，但值得重複：替代指標的最大問題是資料並不總是可持續的。一份期刊可以持續幾個世紀，並有完善的記錄；部落格文章可能有一天會消失。另一個問題是資料的相關性。我們不知道這些資料在五年、十年、二十年後是否還有任何意義。替代指標本質上是短暫的，可能會過時，而已經建立的期刊引用則會繼續存在。
Li, X, Thelwall, M, & Giustini, D (2012). 驗證學術計量學的線上參考文獻管理器 (91), 461-471 DOI: 10.1007/s11192-011-0580-x
Ludo Waltman, & Rodrigo Costas (2013). F1000 推薦作為研究評估的新資料來源：
與 JASIST arXiv 引用的比較：1303.3875v1
Taylor, M. (2013). 走向通用的引用模型：關於合併替代指標和文獻計量學的一些思考研究趨勢