導(dǎo)語：科學(xué)論文首條推特積累速度與用戶類型一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1引言

較快的數(shù)據(jù)積累速度，與廣泛性、多樣性和開放性一同，被認(rèn)為是Altmetrics最主要的特征［1，2］。相比于出版延遲等因素所導(dǎo)致的傳統(tǒng)引用數(shù)據(jù)的時(shí)間滯后性［3－5］，Altmetrics數(shù)據(jù)可以在科學(xué)后的較短時(shí)間內(nèi)實(shí)現(xiàn)快速積累，以此為論文影響力計(jì)量提供早期評價(jià)指標(biāo)［6］。從科學(xué)論文在線發(fā)表的時(shí)刻開始，文獻(xiàn)管理工具或社交媒體平臺上圍繞論文所開展的學(xué)術(shù)交流活動和用戶傳播行為就有可能被追蹤記錄下來，構(gòu)成早期的Altmetrics數(shù)據(jù)。這些非正式的數(shù)字學(xué)術(shù)足跡，一般不需要經(jīng)過同行評議、學(xué)術(shù)出版等流程，因此能在論文在線可見后極短時(shí)間內(nèi)出現(xiàn)并且被捕捉［7，8］。例如論文在發(fā)表后不久，便會在Mendeley上積累起大量的讀者數(shù)據(jù)，而引用數(shù)據(jù)則一般需要經(jīng)過幾年的積累才初具規(guī)模［9，10］。反之，快速積累的社交媒體數(shù)據(jù)，也增強(qiáng)了論文在網(wǎng)絡(luò)環(huán)境中的可見度，為論文帶來更多點(diǎn)擊與訪問［11］。在諸多Altmetrics數(shù)據(jù)來源中，推特（Twitter）數(shù)據(jù)不僅是論文覆蓋率最高的數(shù)據(jù)來源之一［12，13］，而且表現(xiàn)出最快的積累速度［14，15］。推特?cái)?shù)據(jù)的快速積累具體表現(xiàn)為：當(dāng)科學(xué)論文可在線獲取的短短幾小時(shí)甚至幾分鐘內(nèi)，就已經(jīng)被推特用戶提及，從而積累起推特?cái)?shù)據(jù)［16，17］。受到預(yù)印本的影響，論文甚至?xí)谡桨l(fā)表之前就已經(jīng)受到推特關(guān)注［18］。因此，對于大部分僅擁有推特?cái)?shù)據(jù)的科學(xué)論文而言，它們的首條推特是Altmetrics數(shù)據(jù)從無到有的分界線，意味著它們首次在社交媒體平臺為用戶可見，是社交媒體傳播的起點(diǎn)。以往關(guān)于科學(xué)論文推特傳播問題的研究，大部分關(guān)注的是論文推特提及次數(shù)與未來引用次數(shù)的相關(guān)關(guān)系［19－21］，或是總推特提及次數(shù)隨時(shí)間推移的積累模式與速度［22］。但對于科學(xué)論文推特傳播的起點(diǎn)，即來自何地的哪類用戶在何時(shí)實(shí)現(xiàn)了科學(xué)論文的首次推特傳播，還缺乏具體定量分析。在傳統(tǒng)文獻(xiàn)計(jì)量學(xué)領(lǐng)域，科學(xué)論文獲得首次引用的積累速度與模式已受到學(xué)者關(guān)注［23，24］。本文則著眼于科學(xué)論文獲得的首條推特，對WebofScience的論文中擁有推特?cái)?shù)據(jù)進(jìn)行了大規(guī)模分析，以回答以下研究問題：第一，科學(xué)論文首條推特的積累速度如何？對于不同學(xué)科領(lǐng)域的論文而言，發(fā)表后一般需要經(jīng)歷多長時(shí)間才能獲得首條推特？第二，科學(xué)論文的首條推特是由哪些類型的推特用戶的？首條推特和后來的其他推特是否有不同的推特用戶構(gòu)成比例？第三，科學(xué)論文首條推特的用戶來自哪些國家／地區(qū)？來自論文作者國家／地區(qū)的推特用戶是否會最先關(guān)于這些論文的推特？

2數(shù)據(jù)來源與研究方法

要對科學(xué)論文的首條推特進(jìn)行分析，首先需要確定論文具體的正式發(fā)表日期和所有推特的時(shí)間。文獻(xiàn)計(jì)量學(xué)分析中常用的宏觀時(shí)間尺度，如年、月等，并不適用于分析在微觀時(shí)間尺度（日、小時(shí)等）內(nèi)能夠?qū)崿F(xiàn)快速積累的推特?cái)?shù)據(jù)，更無法用于識別科學(xué)論文的首條推特。因此，本文使用Crossref記錄的精確到日的DOI號創(chuàng)建日期代表論文正式發(fā)表日期，論文所有推特的日期與用戶信息則通過DOI號從Altmet－ric．com提供的數(shù)據(jù)集中匹配獲取。2．1Crossref記錄的DOI創(chuàng)建日期Crossref（www．crossref．org）是一個(gè)正式成立于2000年1月的國際學(xué)術(shù)出版商聯(lián)盟，目前已成為開放科學(xué)（OpenScience）的重要數(shù)據(jù)整合者和提供者。截至2018年9月，Crossref已收錄了逾1億條學(xué)術(shù)文獻(xiàn)記錄［25］。Crossref最主要的產(chǎn)品之一，是其為成員提供的數(shù)據(jù)對象標(biāo)識符（DOI）注冊與儲存服務(wù)。本文使用Crossref記錄的科學(xué)論文DOI號的創(chuàng)建日期，作為科學(xué)論文正式發(fā)表日期的。由于DOI創(chuàng)建日期精確到了具體日期的層次，本文得以實(shí)現(xiàn)在微觀時(shí)間尺度（日）上，對科學(xué)論文獲得首條推特的耗時(shí)進(jìn)行度量。Altmetric．com從2011年10月開始追蹤記錄論文的推特傳播數(shù)據(jù)，因此本文選取發(fā)表于該時(shí)間點(diǎn)之后的論文作為研究對象。自2012年1月1日至2016年12月31日的五年時(shí)間里，共有6，859，973篇WebofScience論文（僅考慮Article和Review兩種文獻(xiàn)類型）擁有被Crossref記錄的DOI號。通過對DOI號的匹配，本文從Crossref采集了這些論文的DOI創(chuàng)建日期，以代表論文正式發(fā)表日期。2．2Altmetric．com記錄的科學(xué)論文的推特?cái)?shù)據(jù)本文基于所選取的6，859，973篇論文的DOI號，通過Altmetric．com提供的數(shù)據(jù)集搜索匹配了它們的推特傳播數(shù)據(jù)。截至2017年10月，共有2，221，737篇論文（占32．4％）積累了推特?cái)?shù)據(jù)。根據(jù)Altmetric．com記錄的所有推特的時(shí)間，每篇論文的首條推特，以及與之相關(guān)的推特日期、推特用戶地理位置、用戶類型等數(shù)據(jù)，同時(shí)被提取出來以進(jìn)行分析。有預(yù)印本的論文相比于其他論文而言，具有在電子出版環(huán)境下優(yōu)先可見的優(yōu)勢，有可能更早被推特用戶提及，因此，33，879篇有預(yù)印本的論文（占1．5％，即Altmetric．com記錄有ArXivID的論文）被剔除。對于其余的2，187，858篇論文，本文比較了所有論文的DOI創(chuàng)建時(shí)間與Altmetric．com記錄的首條推特時(shí)間。正常情況下，推特提及應(yīng)該發(fā)生在之后，但有149，212篇論文的首條推特時(shí)間早于DOI創(chuàng)建時(shí)間，除預(yù)印本的影響外，可能的原因還包括：第一，部分情況下，Crossref記錄的DOI創(chuàng)建日期與出版商正式在線的日期之間存在細(xì)微偏差，論文上線日期可能實(shí)際上早于記錄中的DOI創(chuàng)建日期。當(dāng)這類論文在上線后迅速獲得推特提及，其首條推特時(shí)間便有可能早于記錄中的DOI創(chuàng)建日期；第二，由于出版商合并等客觀原因，Crossref記錄的DOI號可能根據(jù)要求更新創(chuàng)建日期，導(dǎo)致已經(jīng)發(fā)表了一段時(shí)期的論文獲得一個(gè)新的DOI創(chuàng)建日期，從而使得以往已經(jīng)積累的推特的時(shí)間早于新的DOI創(chuàng)建日期。為保證分析的準(zhǔn)確性，這些首條推特日期先于DOI創(chuàng)建日期的論文也被剔除。最終，2，038，646篇WebofScience論文及其首條推特?cái)?shù)據(jù)被選取為本文的研究對象。所有6，859，973篇論文以及2，038，646篇擁有首條推特的樣本論文的發(fā)表年份分布狀況如圖1所示。2012—2016年這五年間，總數(shù)呈增長趨勢，且獲得首條推特（即至少擁有一條推特?cái)?shù)據(jù)）的論文的數(shù)量也逐年增加。發(fā)表于2015、2016年擁有推特?cái)?shù)據(jù)的論文的比例相較于前幾年也有明顯提升，2015年和2016年分別有34．6％和34．1％的論文積累了推特?cái)?shù)據(jù)。2．3CWTS學(xué)科分類體系為比較不同學(xué)科領(lǐng)域科學(xué)論文在獲得首條推特時(shí)表現(xiàn)的差異性，本文使用CWTS學(xué)科分類體系對2，038，646篇樣本論文進(jìn)行了領(lǐng)域分類。CWTS學(xué)科分類體系是由Waltman和VanEck提出的基于引文關(guān)系的單篇論文學(xué)科分類體系［26］。相比于WebofScience使用的基于期刊的學(xué)科分類體系，基于單篇論文的CWTS學(xué)科分類體系能對論文的所屬學(xué)科和具體研究方向進(jìn)行更詳細(xì)的分類，并且解決了發(fā)表于多學(xué)科期刊上的論文無法進(jìn)行有效分類的問題［27］。在科研評價(jià)的實(shí)踐中，CWTS學(xué)科分類體系已被應(yīng)用于“萊頓世界大學(xué)排名”（LeidenRanking，http：／／www．leidenranking．com／）。CWTS學(xué)科分類體系基于引文關(guān)系，對WebofScience數(shù)據(jù)庫收錄的三種可引用類型的文獻(xiàn)：研究論文（Article）、綜述（Review）、信函（Letter）進(jìn)行了聚類，這些單篇論文形成了4047個(gè)有著各自具體研究主題的子類，即圖2中的4047個(gè)圓點(diǎn)。這些細(xì)分子類又聚集成高層的五大學(xué)科類型，分別是人文與社會科學(xué)、生物醫(yī)學(xué)與健康科學(xué)、物理學(xué)與工程學(xué)、生命與地質(zhì)科學(xué)、數(shù)學(xué)與計(jì)算機(jī)科學(xué)。五個(gè)學(xué)科類型的布局如圖2所示。

3結(jié)果分析

3．1具有推特?cái)?shù)據(jù)的論文的學(xué)科分布當(dāng)一篇論文收獲了首條推特，也就意味著該論文積累了至少一條推特?cái)?shù)據(jù)。圖3展示了6，859，973篇論文形成的4047個(gè)子領(lǐng)域中，2，038，646篇具有推特?cái)?shù)據(jù)的樣本論文的分布狀況。每個(gè)圓點(diǎn)代表一個(gè)子領(lǐng)域，圓點(diǎn)的大小由該領(lǐng)域內(nèi)總論文數(shù)量決定。圓點(diǎn)顏色取決于各個(gè)子領(lǐng)域中至少有一條推特?cái)?shù)據(jù)的論文的比例（Proportionofpaperswithatleastonetweet，PP（Tw≥1））。當(dāng)子領(lǐng)域內(nèi)擁有推特?cái)?shù)據(jù)的論文的比例較高（即PP（Tw≥1）數(shù)值更接近于1）時(shí)，圓點(diǎn)偏向紅色；當(dāng)該比例較低（即PP（Tw≥1）數(shù)值更接近于0）時(shí)，圓點(diǎn)偏向藍(lán)色。比照圖2的CWTS分類體系可以看出，人文與社會科學(xué)、生物醫(yī)學(xué)與健康科學(xué)、生命與地質(zhì)科學(xué)的論文推特?cái)?shù)據(jù)的覆蓋率更高，這些學(xué)科領(lǐng)域的論文更容易受到推特關(guān)注。而在物理學(xué)與工程學(xué)和數(shù)學(xué)與計(jì)算機(jī)科學(xué)這兩個(gè)領(lǐng)域，具有推特?cái)?shù)據(jù)的論文比例較低。從各個(gè)學(xué)科論文的具體推特?cái)?shù)據(jù)覆蓋比例來看（見表1），生物醫(yī)學(xué)與健康科學(xué)為44．8％，位列所有學(xué)科第一位；人文與社會科學(xué)位列第二，比例為42．2％；其后是生命與地質(zhì)科學(xué)領(lǐng)域，該領(lǐng)域有31．7％的論文受到了推特關(guān)注；物理學(xué)與工程學(xué)、數(shù)學(xué)與計(jì)算機(jī)科學(xué)的比例非常低，分別為13．4％和6．9％，出自這兩個(gè)學(xué)科領(lǐng)域的論文在推特平臺上的受關(guān)注度相對較低。3．2首條推特的積累速度通過計(jì)算論文正式發(fā)表日期（DOI號創(chuàng)建日期）與首條推特日期之間的天數(shù)差值，可以得知每篇論文收獲首條推特的耗時(shí)（天），即在后的第幾天，論文獲得了首條推特。圖4分別展示了五個(gè)學(xué)科領(lǐng)域內(nèi)，歷經(jīng)不同天數(shù)獲得首條推特的論文的比例。首條推特的耗時(shí)被分為六個(gè)時(shí)間階段：0—1天（當(dāng)天和接下來的第一天）、2—6天（后的第二天至第一周內(nèi)）、7—30天（的第一周后和第一個(gè)月內(nèi)）、31—180天（的第一月后和半年內(nèi)）、181—364天（的半年后和一年內(nèi)）、365天—（的一年后）。五個(gè)領(lǐng)域具有推特?cái)?shù)據(jù)的論文中，都有過半的論文在發(fā)表后一個(gè)月內(nèi)積累了首條推特，超過80％的論文在一年之內(nèi)被推特提及。但獲得首條推特的耗時(shí)，有著較明顯的學(xué)科差異。物理學(xué)與工程學(xué)領(lǐng)域的論文盡管推特覆蓋率不高，但總體收獲首條推特的速度更快，該領(lǐng)域論文的首條推特有43．5％是在后的前兩天獲得，約80％發(fā)生在后的第一個(gè)月內(nèi)。生命與地質(zhì)科學(xué)、生物醫(yī)學(xué)與健康科學(xué)的論文在各時(shí)期獲得首條推特的比例，僅次于物理學(xué)與工程學(xué)領(lǐng)域。相比之下，人文與社會科學(xué)和數(shù)學(xué)與計(jì)算機(jī)科學(xué)領(lǐng)域里，在發(fā)表較長一段時(shí)間后才獲得首條推特的論文比例更高。尤其是數(shù)學(xué)與計(jì)算機(jī)科學(xué)的論文，逾40％是在發(fā)表一個(gè)月之后才獲得首條推特，12．3％是在發(fā)表一年后才積累了首條推特。表2展示了五個(gè)學(xué)科領(lǐng)域內(nèi)，論文獲得首條推特的平均耗時(shí)。其中物理學(xué)與工程學(xué)領(lǐng)域的論文平均經(jīng)歷了最短的時(shí)間獲得了首條推特（約52天），隨后是生物醫(yī)學(xué)與健康科學(xué)、生命與地質(zhì)科學(xué)領(lǐng)域的論文，平均耗時(shí)約66天獲得首條推特。人文與社會科學(xué)和數(shù)學(xué)與計(jì)算機(jī)科學(xué)領(lǐng)域的論文獲得首條推特的耗時(shí)較長，分別為95天和134天。數(shù)學(xué)與計(jì)算機(jī)科學(xué)領(lǐng)域不僅只有很小比例的論文被推特提及，而且論文一般是在發(fā)表較長一段時(shí)間后，才被推特用戶關(guān)注。3．3首條推特的推特用戶類型分布Altmetric．com主要根據(jù)推特用戶的個(gè)人簡介關(guān)鍵詞、有鏈接關(guān)系的期刊的類型和關(guān)注者列表這三項(xiàng)個(gè)人用戶信息，將過科學(xué)論文相關(guān)推特內(nèi)容的推特術(shù)期刊和學(xué)術(shù)出版商存在頻繁鏈接關(guān)系的用戶；實(shí)踐工作者（Practitioner）：臨床醫(yī)師或者從事臨床醫(yī)學(xué)研究的研究者；科研人員（Researcher）：熟悉科學(xué)文獻(xiàn)的用戶；社會公眾（Memberofthepublic）：與科學(xué)文獻(xiàn)沒有鏈接關(guān)系并且不屬于以上任何一種類型的用戶。本文選取的2，038，646篇樣本論文的首條推特，是由180，114個(gè)不同的推特賬號的，其中169，312個(gè)推特用戶（占94．0％）擁有Altmetric．com識別并匹配的身份類型。此外，為比較論文獲得的首條推特和后來其他推特的用戶構(gòu)成，本文采集了這2，038，646篇樣本論文的全部推特?cái)?shù)據(jù)以及用戶類型數(shù)據(jù)。2，038，646篇論文獲得的全部推特由1，550，615個(gè)不同的推特賬號，其中1，438，031個(gè)推特用戶（92．7％）擁有Altmetric．com識別的身份類型。圖5比較了CWTS五大學(xué)科領(lǐng)域內(nèi)，首條推特和后來其他推特的四種類型的用戶構(gòu)成比例。對于各個(gè)學(xué)科的論文而言，科學(xué)傳播者在首條推特中所占的比例要明顯高于在后來其他推特中所占的比例?？茖W(xué)傳播者是與學(xué)術(shù)期刊、學(xué)術(shù)出版商頻繁關(guān)聯(lián)的一類推特用戶。期刊與出版商的工作促成了科學(xué)論文的在線發(fā)表，科學(xué)傳播者往往能第一時(shí)間接收到論文出版信息，并將其到推特平臺，從而提高了論文的可見度。實(shí)踐工作者主要是從事臨床科學(xué)的用戶，他們更加關(guān)注自身所處領(lǐng)域的論文，在生物醫(yī)學(xué)和健康科學(xué)中所占的比例明顯更高。科研人員是最熟悉科學(xué)論文的人，他們在推特傳播中的作用僅次于社會公眾（即Altmetric．com無法根據(jù)用戶資料明確劃分身份類型的高于在后來其他推特中所占的比例，其他領(lǐng)域的情況則相反。無論是首條推特還是其他推特，物理學(xué)與工程學(xué)領(lǐng)域的論文擁有最高比例的科研人員參與論文的推特傳播，該領(lǐng)域論文的首條推特有大約32％是由科研人員的，這一比例顯著高于其他學(xué)科領(lǐng)域。表3列舉了五大學(xué)科領(lǐng)域內(nèi)，四類推特用戶論文首條推特的平均耗時(shí)（天）。物理學(xué)與工程學(xué)領(lǐng)域的論文獲得首條推特的平均耗時(shí)最短，不論首條推特是由哪類用戶的。數(shù)學(xué)與計(jì)算機(jī)科學(xué)領(lǐng)域的論文獲得首條推特的平均耗時(shí)相對最長，除了科學(xué)傳播者貢獻(xiàn)的首條推特（平均58天），要快于對人文與社會科學(xué)領(lǐng)域論文的首條推特（平均83天）。總體來看，除人文與社會科學(xué)領(lǐng)域外，科學(xué)傳播者論文首條推特的平均耗時(shí)是最短的。在生物醫(yī)學(xué)與健康科學(xué)、物理學(xué)與工程學(xué)、生命與地質(zhì)科學(xué)領(lǐng)域，科研人員首條推特的速度僅次于科學(xué)傳播者。而在人文與社會科學(xué)和數(shù)學(xué)與計(jì)算機(jī)科學(xué)領(lǐng)域，實(shí)踐工作者卻展現(xiàn)出較快的首條推特速度。3．4首條推特的推特用戶國家／地區(qū)分布樣本論文獲得的2，038，646條首條推特中，1，002，728條（占49．2％）具有Altmetric．com識別的用戶地理位置信息。這些了論文首條推特的用戶的國家和地區(qū)分布狀況如圖6所示。美國與英國是最大的兩個(gè)首條推特用戶來源國。第一時(shí)間科學(xué)論文相關(guān)內(nèi)容的推特用戶絕大部分來自北美、西歐和澳洲，相比之下，來自南美、非洲、東歐和亞洲的用戶較少。本文從WebofScience中采集了首條推特用戶地理位置可被識別的論文的作者機(jī)構(gòu)數(shù)據(jù)，以統(tǒng)計(jì)這些論文是由來自哪些國家／地區(qū)的作者發(fā)表的。當(dāng)來自多個(gè)國家／地區(qū)的作者合作發(fā)表一篇論文時(shí)，每個(gè)國家／地區(qū)都計(jì)作發(fā)表了一篇論文。發(fā)表了具有推特?cái)?shù)據(jù)的論文最多的20個(gè)國家／地區(qū)及其論文積累的首條推特的數(shù)量（括號中）如圖7所示。這些國家／地區(qū)的論文所收獲的首條推特的用戶來源，則通過堆積百分比條形圖來表示。每一個(gè)子塊代表來自某一國家／地區(qū)了首條推特的用戶的比例，越靠近左側(cè)，就表示來自這個(gè)國家／地區(qū)的推特用戶比例越高。來自論文作者本國／地區(qū)的推特用戶用紅色子塊突出顯示。由美國、英國和西班牙這三個(gè)國家作者發(fā)表的論文，吸引了最高比例的來自本國的用戶第一時(shí)間在推特平臺相關(guān)內(nèi)容。由于來自美國和英國科學(xué)論文首條推特的用戶絕對數(shù)量最多，對于其他大部分國家／地區(qū)發(fā)表的論文，來自這兩個(gè)國家的推特用戶同樣占據(jù)了最高比例，緊隨其后的，是來自本國的推特用戶最早相應(yīng)論文的推特內(nèi)容。然而對于意大利、中國、韓國和中國臺灣而言，其論文首條推特的用戶來源構(gòu)成則較為特殊。來自西班牙的推特用戶在美國和英國之后，是意大利發(fā)表的科學(xué)論文收獲的首條推特的第三大來源。而中國、韓國和中國臺灣這三個(gè)亞洲國家和地區(qū)，盡管擁有推特?cái)?shù)據(jù)的論文總數(shù)量較高，但首條推特用戶來自本國／地區(qū)的比例則較低，分別僅有1．2％、1．4％和0．8％的首條推特是由本國／地區(qū)用戶的，遠(yuǎn)遠(yuǎn)低于其他國家／地區(qū)的這一比例。由圖6可知，來自這三個(gè)國家／地區(qū)了科學(xué)論文首條推特的用戶的數(shù)量較少，因而可能導(dǎo)致了相比于其他更為活躍首條推特的國家而言，來自本國／地區(qū)的用戶比例較低。圖8詳細(xì)列舉了積累了首條推特的論文數(shù)量最多的20個(gè)國家／地區(qū)所獲得的來自這20個(gè)國家／地區(qū)的用戶貢獻(xiàn)的首條推特的比例。美國與英國是最主要的了首條推特的用戶來源國，分別對各個(gè)國家／地區(qū)論文首條推特的貢獻(xiàn)比例幾乎都占據(jù)了20％以上。除西班牙、意大利、中國、韓國和中國臺灣以外，其他國家／地區(qū)來自當(dāng)?shù)氐耐铺赜脩魧Ρ緡貐^(qū)的首條推特貢獻(xiàn)率緊隨美國和英國之后，比例處于6．4％（丹麥）至21．2％（澳大利亞）之間。

4討論與結(jié)論

通過對大規(guī)模WebofScience論文首條推特?cái)?shù)據(jù)的分析，本文發(fā)現(xiàn)不同學(xué)科論文的推特覆蓋率有著較為明顯的差異。生物醫(yī)學(xué)與健康科學(xué)、人文與社會科學(xué)領(lǐng)域的論文擁有最高的推特?cái)?shù)據(jù)覆蓋率，來自這兩個(gè)領(lǐng)域的論文更容易積累推特?cái)?shù)據(jù)，其后是生命與地質(zhì)科學(xué)，而物理學(xué)與工程學(xué)和數(shù)學(xué)與計(jì)算機(jī)科學(xué)這兩個(gè)領(lǐng)域推特覆蓋率較低。盡管物理學(xué)與工程學(xué)領(lǐng)域的論文僅有較少一部分積累了推特?cái)?shù)據(jù)，但該領(lǐng)域論文獲得首條推特的平均速度是最快的?？傮w來看，物理學(xué)與工程學(xué)、生物醫(yī)學(xué)與健康科學(xué)、生命與地質(zhì)科學(xué)和人文與社會科學(xué)領(lǐng)域的論文表現(xiàn)出更快的首條推特積累速度，半數(shù)以上的首條推特是在后一周之內(nèi)積累起來的。數(shù)學(xué)與計(jì)算機(jī)科學(xué)的論文則需耗費(fèi)更長的時(shí)間才被推特用戶關(guān)注到。論文首條推特者的用戶類型構(gòu)成和后來其他推特者的用戶類型構(gòu)成之間也存在一定差異。各學(xué)科中，科學(xué)傳播者在首條推特者中所占的比例明顯高于在后來其他推特者中的比例，并且科學(xué)傳播者貢獻(xiàn)的首條推特的耗時(shí)在多數(shù)學(xué)科中是最短的。而科研人員這類較為熟悉科學(xué)論文的推特用戶，在多數(shù)領(lǐng)域內(nèi)同樣展現(xiàn)出較快的首條推特速度。尤其在物理學(xué)與工程學(xué)領(lǐng)域，科研人員在首條推特和其他推特者中所占的比例均高于其他學(xué)科，對科學(xué)論文推特傳播的參與度較高，并且首條推特的平均速度僅次于科學(xué)傳播者。以往的研究已證明用戶在推特或者點(diǎn)擊訪問論文的行為中都展現(xiàn)出地理鄰近性的特征，即一般情況下，用戶更多地關(guān)于本國／地區(qū)作者發(fā)表的論文的推特［29］，或點(diǎn)擊訪問本國／地區(qū)作者新發(fā)表的論文［30］。而從最先論文相關(guān)推特的角度出發(fā)，本文同樣發(fā)現(xiàn)，對具有推特?cái)?shù)據(jù)的論文數(shù)量較多的國家／地區(qū)而言，來自當(dāng)?shù)氐耐铺赜脩粼诒緡撐氖讞l推特的用戶中占比很高，除美國和英國這兩個(gè)貢獻(xiàn)首條推特絕對數(shù)量最多的國家外，來自本國／地區(qū)的推特用戶是第一時(shí)間在推特平臺傳播當(dāng)?shù)刈髡哒撐牡闹髁?。然而對于部分亞洲國家和地區(qū)，如中國、韓國、中國臺灣等，來自當(dāng)?shù)氐耐铺赜脩魧Ρ緡貐^(qū)論文首條推特的貢獻(xiàn)則比較弱，不及來自其他推特活躍國家／地區(qū)的用戶。本文的研究結(jié)果也存在一些局限性。第一，Crossref記錄的DOI創(chuàng)建日期與論文正式發(fā)表日期較為接近，但某些情況下不能完全準(zhǔn)確地代表論文正式在線發(fā)表并為推特用戶可見的時(shí)間。盡管本文已清除了部分日期存在疑義的論文，但其余論文的DOI創(chuàng)建日期也可能與正式在線發(fā)表日期之間存在細(xì)微偏差，從而一定程度上使首條推特積累速度的計(jì)算出現(xiàn)誤差。第二，本文使用的CWTS單篇論文學(xué)科分類體系只能對研究論文（Article）、綜述（Review）和信函（Let－ter）這三類文獻(xiàn)類型進(jìn)行分類，因此本文的樣本論文只選擇了研究論文（Article）和綜述（Review）這兩種最主要的文獻(xiàn)類型。其他擁有推特?cái)?shù)據(jù)的文獻(xiàn)類型沒有囊括在本文的分析之中。第三，本文所使用的推特用戶地理位置數(shù)據(jù)和用戶類型信息來自Altmetric．com。由于用戶資料填寫完整度不高、Altmetric．com分類標(biāo)準(zhǔn)與算法設(shè)計(jì)等客觀因素的影響，并非所有樣本論文的推特?cái)?shù)據(jù)都能識別出具體的推特用戶地理位置［31］和準(zhǔn)確身份，因此本文對于首條推特用戶身份構(gòu)成和地理位置來源的分析，分別是在約90％和50％的樣本量基礎(chǔ)上進(jìn)行的。另外Altmetric．com所界定的推特用戶身份類型，存在分類邊界的模糊。科學(xué)傳播者、科研人員和實(shí)踐工作者的分類界限并不十分清晰。在未來基于推特用戶地理位置與身份類型的研究中，如何更加全面、準(zhǔn)確地識別參與科學(xué)論文傳播的推特用戶的信息，是亟待解決的一個(gè)研究問題。