用无参数指标Bcp识别睡美人文献及其作者动态h指数变化规律.docx

会员专享推荐 · 你可能也用得上更多

开通会员，畅读全站文档

本篇文档已为你保留

本篇文档价值 ~~¥35.00~~会员免费解锁

全文不限次阅读，剩余内容即刻解锁
高速下载通道，免排队、无等待
专属客服 1 对 1 答疑，优先响应
每日赠送下载券，本篇文档免费送

有 86 篇商业计划书正在上传

下载原文档

用无参数指标Bep识别睡美人文献及其作者动态h指数变化规律“睡美人”文献是指论文发表之初未受到学术界广泛关注或被抵抗，一直处于低被引或零被引的状况，之后由于各种原因被“王子”文献唤醒，继而被引频次出现激增的文献［1］。这些文献之所以低被引或零被引，通常是因为其内容具有变革性或超前性，遭到学术界和社会的忽略或抵抗，形成了延迟成认的现象［2］。通常这些睡美人文献大都代表着领域重大科学发现或转折，因此研究睡美人文献对促进学科开展具有重要意义。睡美人文献由文献内容和两局部构成，本文通过代表影响力的h指数这一指标，研究睡美人文献，发现睡美人文献的动态h指数的变化规律及h指数特征，为睡美人的特征识别提供线索。1文献综述1.1睡美人文献识别方法20世纪六七十年代，学者开始通过引文曲线关注低被引或零被引文献以及延迟成认现象［3］。早期对睡美人文献的识别方法集中于曲线拟合［4］,将论文引文曲线与数学公式或具体曲线类型进行拟合,进行最终的睡美人文献识别。通过计算，共有558篇满足睡美人文献标准，占总篇数的2.38%,而李江等人于2022年发表的A study of the aheartbeat spectra”for asleeping beautiesw一文中利用Van Raan的参数标准识别得到的比例为1.29%[25],由于文献来源的不同、时间范围的扩大以及Bep指数对曲线整体趋势的兼顾等多个因素，相比之下本文增多1%,也在一定程度上验证了本文构建的识别标准具有一定的科学性和可行性。本文计算得到的睡美人文献比例与定义高被引文献所采用的前1%的标准相比，是其2倍之多，可说明睡美人文献不在少数。本文只对1960〜2022年被认可的睡美人文献进行统计分析，仍有大量正在沉睡的睡美人文献等待“王子”的出现，发挥其价值，推动社会开展和科技进步。因此，加强对睡美人文献沉睡原因和唤醒机制的研究，对预测睡美人文献、提前人为寻找“王子”来唤醒的“睡美人”，具有重要意义。本文摘取Bep指数大于10的77篇睡美人文献在此展示，并构成最终研究睡美人文献的样本数据库，以备后续h指数研究使用。文献结果数据见表lo本文所识别的558篇睡美人文献样本涉及学科领域主要有医学、生物科学、化学、物理学、心理学和海洋科学等[26],分布领域广泛,其所蕴含的学术价值也不可估量。文献的所属机构大多为美国、英国和加拿大等兴旺国家，其中美国以绝对优势领先于其他国家。其中Bep指数最高的文章是来自Science杂志的美国学者Schoenfeld发表的Lysergic acid diethylamide-and mescaline-induced attenuation of the effect of punishment in the rat,Bep指数为18.237。在1976年发表后的4至6年间，有两次年被引频次分别到达3和5（不排除自引的情况），从此之后沉睡深度一直保持在0〜2之间，说明当时有很少数人关注过此研究，并未被广泛传播和认可,随后进入深度睡眠时期，沉睡期长达40年之久，直到2022年才被唤醒，年度被引频次到达118次，2022年被引频次更是高达753次，说明在近两年内其成果才开始在学术界扩散且势头迅猛，得到广泛认可，为生物学领域带来革命性的转折。为了奠定所识别的睡美人文献时间分布规律的研究基础,本文先通过图1对睡美人文献的总体时间分布进行描述。从期刊方面观察,Science在1995年前为三本期刊中睡美人文献出现概率最高的期刊，但其分化明显，在1995年后鲜少再有睡美人文献出现的高峰；Nature前25年紧随Science之后，一直处于较高水平，仅在1986〜1996的10年间表现平平，但在1996年后反增趋势明显，领先其他期刊2〜3倍，整体上Nature与年度综合的趋势相吻合，也侧面反映了Nature在其中的带头作用；PNAS的睡美人文献数量相比前两者一直处于起优不定的低水平状态，对整体趋势影响甚小。三者比拟，不同期刊睡美人文献出现频率的高低可能与期刊影响因子存在正相关性［27］。从折线总体趋势观察，睡美人文献的出现总体分布在1964〜1984的20年间，其中有三个明显的高峰期，第一个是1965年前后，增长和消减的速度都很快，均为一年内变化，三本期刊分别出现了各自的波峰,与年度综合曲线走势相同；1970年为第二高峰，该波峰增长幅度略大于第一个高峰期，且持续时间较长，可达3〜5年；第三个高峰为1977年，也是增长最强势的一个，到达所有检索时间的最高点，但也很快下降，紧接着1980年和1982年又反弹出现小波峰，随后睡美人文献的出现一直处于较低水平，相对前期而言仅有些许起伏。图1期刊睡美人文献时间分布图睡美人文献出现的原因与社会开展的进程有关。第二次世界大战结束后，兴旺国家经过数年的休整，社会环境安定平稳，而各国为了恢复国力，开始迫切追求科技和经济的开展，加大对科技和经济的投入，在18世纪以来工业革命和电力革命的基础之上，信息需求成了人类征服自然最迫切需要解决的问题［28］,因此世界各国纷纷开始了第三次科技革命，这是一场信息控制技术的革命。主要以原子能、电子计算机、空间技术和生物工程的创造和应用为标志，涉及信息技术、新能源技术、新材料技术、生物技术、空间技术和海洋技术等诸多领域，与睡美人文献涉及的领域相吻合。20世纪中叶，尤其是1965〜1975年，以重组DNA实验的成功为标志，进入第三次科技革命的第三个10年，生物技术快速开展，人类开始控制遗传和生命过程[28],思想先进的学者发表了一些比拟前沿但不被认可的研究，也就是后来学术界所定义的睡美人文献。之后随着第三次科技革命成果的逐渐显现，各领域科技水平的提高和信息的爆炸式增长，人们对信息的使用需求和储存技术的提升，使得文献的曝光量增加[29],睡美人文献逐渐被唤醒。1990年后睡美人文献相对前三个高峰期有所减少，对此Raan和Winnink给出了解释：因科技专利的引用，大量的可能成为睡美人的文献被提前唤醒[30],“专利王子”逐渐代替了“科学王子”的作用。此外，现代网络与科技的兴旺，文献的可获取性逐渐提高[10],使得因文献传播问题而产生的睡美人文献也相应减少。3.2睡美人唤醒期识别本文首先需要识别睡美人文献的唤醒期，才能总结睡美人文献的出版年和唤醒年两大特殊节点的时间分布规律，并观察文献动态h指数的特殊节点特征及节点之间的成长规律。通过计算满足标准的558篇睡美人文献所得到的唤醒年份，如图2所示。图2睡美人文献发表年和唤醒年的分布及文献Bep指数右侧色标图例的颜色由浅到深代表Bep指数的增加，图中各圆点的颜色和大小均可表示Bep指数的大小。由图2观察可见，睡美人文献被唤醒主要分三个时期，1982〜1995年为第一时期，唤醒了大量处于上文分析得到的睡美人发表年第三高峰的文章，文献的Bep指数偏小，仅介于4〜8之间，原因推测为文献的沉睡期都在10〜15年,沉睡时间较短；1998〜2022年为第二时期，集中唤醒了数量更大、沉睡期更久即发表年更早的文章，这批文献主要集中在1965〜1970年发表，即睡美人文献发表的第一、二高峰，沉睡期大概在30年左右，图中颜色偏红色且直径大的圆点大多分布在此区域，说明高质量的睡美人文献（即Bep指数较大）基本集中在该时期；2000年至今为第三时期，相对前两个时期唤醒数量大幅下降，文献的发表年份也更晚，且Bep指数大小不等。从整体上看，满足Bep指数标准的睡美人文献，其沉睡期基本都大于10年，1982年之后文章被大量唤醒，且先唤醒的是时间距离较近的文献。又过了10多年，学者们的注意力转移到更早的文献，这也符合知识的涉猎规律，根据解释水平理论，人们对时间距离、空间距离和社会距离较近的事物有具体形象的表征，表示为低解释水平[31]。对于低解释水平的事物人们更容易产生低解释水平的行为，表现为关于自身的、近期的、简单易行的行为，将该理论应用于文献的发现与挖掘，人们近期更易对低解释水平的事物即时间距离较近的文献产生搜索、浏览等行为，远期才会去发现高解释水平的事物即时间距离较远的文献。而且，知识的开展具有持续性[32],人们对当前知识的掌握与前不久的先进知识更易产生联系，因此，时间距离较近的文献首先被检索发现。同时随着科学技术和思想的进步，社会和学术界也逐渐认知到被忽略的变革性思想和技术的可行性，被发现的文献随即被认可，即被唤醒后成为睡美人文献。需要说明的是，本文针对的是出现睡美人频率较高的三本期刊的文献，该规律对于其他期刊文献的适用性还有待考证。3.3睡美人文献动态h指数为了研究睡美人文献在特殊节点的影响力特征及其成长规律,本文通过h指数代表的影响力水平，观察的动态h指数变化情况。根据Web of Science平台的数据计算得到每位的历年h指数，进行数据整理和筛选。为了使研究特征明显突出，本文选取Bep指数大于等于10的77篇睡美人文献，按照每篇文献贡献度的排名顺序,排名靠后的贡献度较小，不具备研究价值，因此对于一篇文献而言,最多抽取前4名，缺乏或等于4名的那么全部纳入分析范围，共得到129名作为研究对象。对于h指数小于等于2的来说，其h指数浮动不超过1,自始至终几乎无变化，这对观察其h指数的动态变化和走势基本毫无意义，因此本文决定筛除h指数小于等于2的，对其他116条数据进行分析，得到h指数变化趋势图(见图3)。图中每条曲线表示该从学术生涯开始至今的h指数的变化趋势，“x”号标记出该在所发表的睡美人文献发表年时的h指数值，“x”号集中分布的年份较为靠前，约1960〜1980年之间，“*”标记出该在所发表的睡美人文献被唤醒时的h指数值，“*”号集中分布在1990年之后。从图3中可以清晰地观察到，睡美人文献的在文献发表时期的影响力基本都不超过5,而且从图中h指数的起始点观察，多数睡美人文献的出现都发生在这些的学术生涯初期，基本不超过10年，因此可推测，这些当时的年龄都在20〜30岁的青年阶段。以上两点结论也可以充分说明睡美人文献在发表初期被忽略甚至被抵抗的原因，这些进入研究领域时间较短，成果和被认可程度均处于较低水平，在学术领域不具有权威的发言权。由于“马太效应”的存在，使得他们的新发现并不能在第一时间吸引领域内领军人物的关注，或者支持他们观点的学者人数较少，在他人选择参考文献时就被剔除[33],没有这些权威的“伯乐”，学术“新秀”们自然会被埋没。从h指数值来看，根据美国科睿唯安(Clarivate)公布的“高被引科学家”名单及白皮书，查询所有“高被引科学家”的h指数，发现h指数大于40可认定为高被引［34］。截至2022年底，在116名睡美人文献中有20%的人可被认为“高被引”，大局部的h指数均处于30左右及以下，属正常影响力水平。出乎意想的是，个位数的h指数（包含h指数小于等于2的）也具有一定比例，常作为第三或第四出现。本文推断，因年龄年轻化特征，多数在年轻时期攻读学士、硕士或博士期间，参与指导教师相关研究，并在过程中做出一定贡献，而学业顺利完成后，可能选择就职于其他行业，没有继续进行更加深入的学术研究，使得一局部h指数较低。3.3.1动态h指数总体趋势从h指数曲线走势看，总体睡美人文献的h指数均呈线性增长趋势，Burrell在2022年也根据大量数据证实了科学家h指数的线性增长特点［35］,同时国内学者张晓阳也提出分子生物学和遗传学领域的高被引h指数呈线性成长规律［21］。本文在线性增长规律基础上,发现了三个表现突出的成长速率，以倾斜角度30。、45°和60。最为明显，h指数以每十年增加5、10、20的速度上升，分别在其h指数区间［10,20］、［25,35］、［50,60］时被唤醒。因此对于不同h指数成长速度的来说，均在其学术生涯的中期阶段被唤醒，究其原因可能是彼时睡美人文献找到了自己感兴趣的领域，并已在该领域开展了一段时间，文献的被认可度逐渐提升，同时也都具备了一定学术影响力，综合其他因素，文章即被唤醒。图3 h指数走势与分布图图4列出了在文献发表年和唤醒年之间h指数的成长幅度。依图可见，唤醒年与发表年h指数之差为2〜4的人数较多，推测原因主要是局部在求学之后并未从事科学研究,h指数受限于文献发表数量，整体水平较低，数量上也具有一定比例，因此使得［2,4］区间人数偏多。正常情况下h指数的增幅分布较多的区间为［8,12］,中位数为10,即睡美人文献被唤醒时，h指数提升10的概率最大，该数值在所有增幅大小排列中属偏小值，以其h指数判断也鲜有高被引（h指数大于40可被认为是高被引），因此可知睡美人文献的影响力水平并不需要到达该领域的最高标准，只需具有中等左右的水平即可被关注。学术影响力的提升，使其文章受到关注，进而被广泛引用，可见影响力也是文章被发现和唤醒的原因之一，但并非重要因素或唯一因素，因为较低影响力水平的发表的睡美人文献也将会被唤醒，对于睡美人文献被唤醒的要素还需进一步研究。图4唤醒年与发表年h指数之差3.3.2典型“睡美人”在针对睡美人文献进行研究时，发现了不同于线性增长的局部，本文称之为典型“睡美人”，这些的h指数成长趋势类似于睡美人文献的被引趋势，即前期h指数基本为持续低水平状态，在其发表的睡美人文献被唤醒后h指数呈现迅速飞跃的现象，本文从中摘取了6个典型案例进行展示，见图5。图5和图6中蓝色且变化较为平缓的曲线代表该的h指数的变化趋势，黄色且起伏较大、变动频繁的曲线代表该所发表的睡美人文献的引文曲线，在两条曲线中，“x”分别标记出该在睡美人文献发表年时的h指数值及总被引频次，分别标记出该在睡美人文献被唤醒时的h指数值及总被引频次。在每个坐标内，特意标明睡美人文献唤醒年份，并给出该文献引文曲线做对照。观察两条曲线的变化趋势可知，其在时间分布上具有一致性，即在睡美人文献被引频次发生突变时，该的h指数也在该点之后发生激增现象。该现象并非是简单的线性成长，其成长过程主要分为两阶段，通常以睡美人文献发表年为起点，睡美人文献唤醒年为两阶段转折点。第一阶段是“被埋没的”，h指数一直处于0〜2区间，影响力水平很低；第二阶段那么是从转折点至今的“飞跃期”，在转折点后的1〜5年期间，h指数的涨幅可到达前期的10倍，甚至更高。其主要原因还是在于文献的被引情况。在发表睡美人文献后，该文献被引情况不佳，即使继续发表更多的文章，但是受制于每篇文献的被引频次，该人为观察曲线走势［5］。中期大多数学者利用人为参数指标界定睡美人文献。Garfield通过对前期平均每年被引次数接近1且低被引时间大于5年的方法识别了5篇典型睡美人文献［6］。2022年，荷兰科学计量学者Raan提出了更加被普遍使用的识别标准，分别从睡眠深度、睡眠时长、唤醒强度三方面进行设定，睡眠时长一般大于等于5年，在文献睡眠期间，睡眠深度即平均每年被引频次介于0〜2次之间，唤醒强度即被唤醒的前4年累计被引频次一般应大于20次［1］。后来学者们又利用平均值标准和四分位数标准限定睡美人文献［7］,也有将以上多种标准结合使用的方法［8］。基于这些评判标准，李江和叶鹰两位学者还提出了四条评判原那么，即综合考虑全部引文历史,相同引文总量不同积累过程的文章应弱化前期累积引文量的影响，睡美人的唤醒时间不应随时间而变化，以及防止睡眠期间或觉醒强度的任意阈值［9］o近年来识别睡美人文献多使用无参数指标，即综合考虑文献的相关引文数据来判定睡美人文献。2022年Wang提出被引速率，即文献被引频次的累计增加速率［10］;2022年Ke等人提出“美丽指数（B指数）”以衡量睡美人文献的“美丽程度”，即描述睡美人文献三个相关参数的表现程度［11］;2022年杜建提出Bep指数，以“年度被引次数累计百分比”重新计算睡眠深度、唤醒时间和唤醒强度［12］；的h指数并没有得到提升；在该文献被唤醒之后，与该文献相关的一系列文献也将会被关注，因而该文献的h指数曲线那么会瞬间上升，这种情况符合睡美人文献的被引规律，与睡美人文献的引文曲线基本吻合。其中，图5中(3)和(6)的h指数激增趋势不明显，因该的h指数相对引文的被引频次数值较小，在同一坐标轴中显示时，其趋势被掩盖，因此在图6中分别画出了h指数曲线和睡美人文献的引文曲线,以此观察可以确定(3)和(6)属于典型的“睡美人”。(4)在唤醒年时的h指数没有像其他文献一样恰好处在转折点上，但也在h指数迅猛上升的初期，其原因可能是由于睡美人文献在被唤醒前期，其被引频次也有小幅度的累加，使得该的h指数也有所增加。由于其h指数的飙升是在睡美人文献被唤醒之后，睡美人文献被引频次的增加才带动了h指数的提升，说明在文献被唤醒时，该还不具备一定的学术影响力水平，可推断这一类的睡美人文献被唤醒要素并非影响力的提升,对于此类睡美人文献的唤醒要素还可进行更深层次的研究。图5典型睡美人h指数与睡美人文献引文曲线案例图6(3)和(6)h指数与引文曲线4结论本文针对睡美人文献时间分布和睡美人文献动态h指数进行研究，分别得出以下结论。(1)以所提供的Web of Science平台Science、Nature和PNAS期刊数据为基础，分析睡美人文献识别及睡美人文献时间分布规律,得到以下结论。①以Van Raan的参数标准和Bep无参数指标的计算方法为理论依据，构建了睡美人文献的Bep无参数指标识别标准。②利用Bep指数公式计算睡美人文献的“美丽程度”，并根据Bep无参数指标识别标准，识别出558篇睡美人文献，比例约为总篇数的2.383%,该结果与李江等人识别的睡美人文献比例比拟吻合，可验证所构建的标准具有一定的可行性。③睡美人文献的出版与唤醒时间分布规律具有阶段性特征。1960—2022年之间睡美人文献的出现分为三个阶段，唤醒期分布也主要分为三个阶段，并与出现的三个阶段相互对应，但先后次序不同，“唤醒一期”先唤醒了“出现三期”的文章，后唤醒了“出现一期”和“出现二期”的文章。(2)通过计算睡美人文献的动态h指数，研究分析睡美人文献影响力特征及成长规律，得到以下结论。①多数睡美人文献h指数成长规律总体呈线性趋势，与高被引的h指数成长线性规律相同，且有三个成长斜率的表现最为突出，分别是倾斜角度为30。、45。和60°,在发表至唤醒的时间段内，h指数的成长幅度以8〜12最为明显，该增幅属偏小值，影响力属中等水平，可推断影响力的提高是睡美人文献唤醒的要素之一，但并非是睡美人文献被唤醒的重要因素或唯一因素。②发现典型“睡美人”的特殊成长规律。研究发现，局部的动态h指数成长曲线并非简单的线性成长，而是与其发表的睡美人文献的年度被引曲线的变化趋势相吻合，呈现出前期h指数成长速度很低或一直处于。〜2的水平，后期睡美人文献的引文曲线与h指数同时得到飙升的变化规律。由于h指数的上升与文献被唤醒同时发生，可推断该类睡美人文献的唤醒要素不包括影响力。本文对数据的收集只限于1960-2022年，对于更早期的睡美人文献未收录在内，其睡美人h指数的变化规律也无法推测：另外对于无参数指标的识别标准，有待进一步寻找其他理论依据进行完善，对于不同睡美人文献的唤醒要素还可进行深入研究。2022年叶鹰和Bornmann以及国内学者张家榕等引入“引文角”概念测度睡美人文献［13-4］。目前较为前沿的研究是将机器学习方法引入到睡美人文献的识别中。2022年Dey等人利用机器学习的分类器方法，使用由文献、出版地点、关键词和每篇论文的引用情况等元数据所组成的特征集，识别计算机科学领域的睡美人文献并总结其沉睡因素［15］。同年Ho等人利用心理学计算机检索新方法从30多万篇心理学文章中识别出三篇典型睡美人文献及其王子文献，分析心理学中睡美人文献的细节特征［16-17］。上述方法中，曲线拟合法由人为观察决定，结果偏主观，参数标准对识别睡美人文献的沉睡期要求苛刻，相比于无参数标准公式计算的识别结果，沉睡期年均被引次数大于2次但也是低被引的文献可能会被忽略。综合考虑所有识别方法的优劣特征，本文采用Bep指数法计算Science、Nature和PNAS期刊中高被引文献的“美丽程度”，并结合Bep指数识别标准，依据计算结果识别出睡美人文献，构建睡美人文献样本，作为文献特征研究的基础。本文旨在通过研究睡美人文献的特征来完成后续的预测工作。但现有的对睡美人文献的预测研究仍处在探索阶段，集中于开发预测模型。潜在的睡美人文献，现阶段处于低被引状态，除了同行评议外,无法与普通低被引文献区分开；但同行评议仍面临多重问题，如工作量较大，或存在变革性、创造性的新思想和新发现继续被抵抗的可能性。因此，本文提出从文献的创造者一一即的角度出发，研究发现睡美人文献具有的共同特征，利用特征指标，识别现有低被引文献的,进而实现对睡美人文献的预测和挖掘。1.2动态h指数h指数是2022年被美国加州大学圣地亚哥分校物理系Hirsch教授提出口8］,作为评估科研人员成果与影响力的主要评价指标之一,其综合考量学术产出数量与学术产出水平，客观反映在某领域的被认可程度。h指数是指某一学者在一定期间内所发表的论文至少有h篇的被引频次不低于h次。关于h指数的改进也存在大量研究，但其计算相对复杂，且并未得到广泛运用，因此本文仍以h指数作为影响力的评价指标。多数学者对h指数的研究更多地关注当时h指数的意义,忽略了h指数的时间动态变化趋势。只有少数学者对动态指数有进一步研究。Rousseau和Ye利用R指数与有理数h指数基于连续时间变量的导函数的乘积定义了动态h指数［19］；Egghe基于引文老化速率和Lotka指数提出了h指数的时间函数模型［20］；张晓阳以分子生物学与遗传学的14位高被引科学家为例，发现高被引科学家的h指数的线性成长规律，以及学术生涯结束后h指数的对数成长特征［21］。吕娜通过ESI平台选定物理学领域篇均被引次数排名前5位的为研究对象，总结出3种h指数成长曲线类型［22］,并提出贡献程度与影响力即h指数的关系［23］。张琳等分别对国内外8位高被引进行h指数趋势监测，指出团队合之间h指数的相对变化规律［24］。在睡美人文献领域研究动态h指数还鲜有人涉及,本文从该角度探讨睡美人文献在影响力方面的特征及变化趋势，深入了解睡美人文献及其的内在性质，有利于后期对睡美人文献的甄别。2数据来源与研究方法数据来源睡美人文献研究对象的前提是高被引文献。本文挑选了Nature,Science,PNAS(Proceedings of the National Academy of Sciences of the United States of America)三大名干I,囊括了自然科学和社会科学两大领域，研究主题覆盖全面，同时杜建的博士论文对相关研究的统计结果也称上述三本期刊是产出睡美人文献最多的期刊［2］。本文通过Web of Science(WoS)平台数据库,以Science、Nature和PNAS杂志自1960年以来发表的论文的年度被引频次为基础数据，文献被引频次下载日期为2022年3月5日，发表文献数据统计截至2022年12月31日。为观察文献的年被引频次变化趋势，本文以10年为例，保证每篇文献至少有10年的引文窗，由于2022年被引频次数据不完整，因此将检索时间条件设定为I960—2022年。检索式为S0=(science OR nature OR PNAS),共得到有效统计数据270 639万条。上述三本期刊的5年影响因子分别为38.062、43.769和10.414,取平均值30.748,即平均每年每篇文献被引30.748次。以10年引文窗为例，取总被引频次大于307次的文献作为高被引文献，共计23 414条，构本钱文的研究文献列表。该文献列表可使用WoS平台提供的“创立引文报告”功能及下载功能，获得每篇文献自发表年起至检索日期的历年被引频次，构本钱文的文献引用数据库。计算h指数所需要的历年的引用数据仍通过Web of Science平台收集。在收集某一的文献成果时，为了排除重名的文章，特添加“所属机构”限定，但由于该在学术生涯期间有可能更换工作单位，因此还要参考的研究方向，同时也可以通过文献的其他合协同确定，因为他们的合作次数可能不止一次。综上，本文采用“姓名+所属机构+研究方向+期刊领域”的检索策略限定的查准率，为确保囊括所有成果，检索时间设定为“所有年份”。利用WoS平台提供的“创立引文报告”功能获得的每篇文献的历年引文数据，数据收集自该首篇文献的发表年起。相较于前人的动态h指数研究，本文收集了更大规模的数据，选取睡美人文献数据库中Bep指数大于10的77篇文献的129位，进行数据统计和分析，结果更具普适性。2.1研究方法1睡美人文献识别及唤醒计算本文通过对相关识别方法优劣的比照分析，选取较为完善的无参数指标Bep指数对数据进行睡美人文献识别，用“年度被引次数累计百分比”重新计算睡眠深度、唤醒时间和唤醒强度。计算公式如下:论文发表当年被引次数为，年度被引频次累计百分比p£[0,1L为文献累计百分比到达最高点时的年龄，即该文献的总生命周期，1为点纵坐标和点纵坐标的连线；任意tV,为年龄t的累积被引频次百分比，为年龄t对应连线上的点，对()求和，即为Bep指数值。借鉴B指数和Bep指数对唤醒期的计算原理，累计被引百分比曲线各点向曲线起点与终点的连线即1作垂线，取使得垂线距离最大时的年龄t对应的年份作为被唤醒年，对公式稍做修正，得到公式如下:te[0,],无参数指标Bep识别标准现有的无参数指标均以计算指数大小为主要目的，比拟指数之间的相对有效性，而指数的数值只能衡量睡美人的“美丽程度”，并不能给出确切的标准界定是否为睡美人文献。因此假设想使用无参数指标识别出睡美人文献，对睡美人文献进行总体分析，需要具体的阈值来划定睡美人文献的Bep指数范围。本文结合参数指标和无参数指标设定关于Bep指数的睡美人文献识别标准，即按照普遍认可的Raan提出的参数标准，利用Bep指数计算公式，计算得到满足睡美人文献定义的文献Bep指数阈值，即睡美人文献的识别标准。假设有两篇文献恰好符合Raan提出的参数标准的上限和下限，设定沉睡期取最小值5年；沉睡期每年被引频次为1〜2次，分别取两个数组｛1,1,1,1,1｝和[2,2,2,2,2)进行计算并求平均值；前4年累积被引频次大于等于20次，那么取前4年共20次，平均以每年5次累加，构成年被引频次矩阵两篇文献9年内的总被引频次为年被引频次累加比例矩阵为，文献年龄取整数te[0,8],为8。根据Bep计算公式，得到Bep指数向量⑶68 3.799 85),选定其平均值Bep=3.739 925为最低“睡美人”文献标准。该标准兼顾无参数指标的高查全率和客观性优势，防止参数指标对于沉睡期的严苛性和主观性偏差，同时给出了使用无参数指标的判定标准，由于现有相关研究成果匮乏，此标准的理论依据较为薄弱,仍需进一步实践验证。2.2.2动态h指数h指数会随文章发表量和被引频次的增长时刻发生变化，因此本文将动态h指数应用于睡美人文献的特征研究。而h指数及相关改进指数均以当前时间点定义计算方法，假设想获取历年h指数需尊重h指数的原始定义，按照初始计算方法，以文献篇数为单位，取h指数为整数，而非连续有理数，人工收集文献历年的总被引频次，并逐年累加，得到截至每年年底的累计被引频次，再对截至每年年底已发文献按照被引频次排序，进而可得到睡美人文献的历年h指数。动态h指数计算方法如下：①检索某一发表的所有文献集合；②对于D集合中文献(i=l…n),逐篇提取出版年并检索形成其引证文献集合；③对于C集合中的文献(尸1…n),逐篇统计其出版年；④对于某一时间节点T,可以计算出该时间节点发表的文献集合，从C集合中找出中每篇文献的引证文献并提取时间节点T之前的引证文献集合及引证文献数量;⑤将步骤④中集合中的文献按照引证文献数量由高到低进行排序，根据传统h指数计算方式即可获得该时间节点的h指数［22］。由此，本文通过观察睡美人文献发表年的h指数值的共同特征、发表年到唤醒年间h指数的走势、唤醒年h指数的变化，以及合之间的h指数比拟与相互影响，归纳总结睡美人文献的内在特征与成长规律。3结果与讨论3.1基于Bep标准的睡美人文献识别以所提供的期刊高被引文献为数据基础，利用Bep指数的计算方法，将Bep指数结果由大到小排序，结合无参数指标Bep识别标准,。