一、导 论

政策文件对科学论文的引用是衡量论文社会影响力的关键指标^[1]。这种引用行为不仅揭示了科学研究与政策制定之间的关系演变过程，也体现了研究者与决策者在政策制定中的协同程度^[2]。然而，科学研究与政策制定不仅在价值观、激励机制和术语体系上存在差异^[3]，还在解决问题的方法和思路中各行其道^[4]。例如学者强调科学性、方法论与中立性，而决策者更多关注证据的实用性、时效性与可获得性以应对复杂的社会与政治环境^[5]，进而形成科学与政治的隔阂。随着知识复杂性和社会不确定性程度的逐渐攀升，决策过程中对专家知识的需求也日益增加^[6]。鸿沟的存在导致决策者如何有效提炼和应用科学研究成果成为难题，也是循证决策建设中存在的挑战。

科学知识应用于政策制定是广义的知识流反馈循环中的一环。该循环包括知识生产、研究成果和实践应用等过程，“知识利用”是其中的核心概念^[7]。杰克·诺特（Jack Knott）和亚伦·魏达夫斯基（Aaron Wildavsky）曾将知识的应用过程概括为七个阶段^[8]，瑞吉恩·兰德里（Réjean Landry）将其精简为六个^[9]。七个阶段中的“采纳”阶段（adoption）和六个阶段中的“影响”阶段（implication），皆指相关信息融入到决策制定中并影响决策结果的过程。除此之外，克里斯蒂娜·博斯维尔（Christina Boswell）对科学知识的政治化功能进行过分类，包括工具性（instrumental）、合法化（legitimizing）与证实性（substantiating）^[10]，代表了政策中引用科学知识的不同意图。这些理论肯定了科学证据在政策场域中的作用，但也发现其扮演着复杂的政治角色。

科学知识进入到政策制定中包含多种模式，其与科学家参与政策制定的模式相吻合。科学家参与政策制定主要分成直接和间接模式^[11]。直接模式指科学家以顾问、专家组成员等身份直接参与政策讨论和制定过程，从而就复杂议题提供实时建议。然而，这种模式往往限于部分具备专业资源或人脉的特定群体。相比之下，间接模式指专家通过学术论文、报告等出版物形式，为政策制定者提供科学参考。这种模式也被称为“萃取-吸收知识库”机制，即科学出版物是政策制定者吸收意见的知识库^[12]。约书亚·纽曼（Joshua Newman Newman）和阿德里安·秋麦（Adrian Cherney）等人研究发现，澳大利亚政策文本经常引用学术成果^[13]。对于绝大多数以推动研究成果传播为己任的科学家而言，这种方式更为常见，也更易于实现^[14]。这可让科学家在兼顾科研本职工作的同时，通过间接知识输出持续为政策提供支持，展现出“研究—政策”双重角色的现实价值。

本研究聚焦于间接模式，对政策文件偏爱引用的学术论文进行多维度分析，旨在揭示政策制定者在循证过程中青睐的研究成果特性，为优化科学与政策的互动衔接和科学证据的提炼提供参考依据。鉴于此，本研究通过分析3237篇被政策文件引用的科学论文，系统揭示了科学间接影响政策的路径，并进一步通过多维特征分析探讨政策文件引用出版物的趋势和特征，具体包括以下问题：政策引用科学出版物具有什么样的发展趋势及主要特征？政策性引文是否偏好特定因素？

二、研究方法与过程 1. 研究数据

本研究的分析基于两个核心数据库：Altmetric Attention Score（以下简称Altmetric）以及Web of Science核心合集。Altmetric用于识别和量化学术研究在政策文件中的引用情况，从而衡量其在政策制定领域的社会影响力。Web of Science则用于获取相关学术论文的详细元数据及学术论文引用信息，为分析提供补充。

Altmetric数据库由Digital Science公司于2011年推出。相较于Overton数据库，Altmetric旨在通过多元化的在线数据生成综合性的“注意力得分”（attention score），追踪和分析学术研究在学术圈之外的社会影响力。Altmetric自2013年开始专门设立政策文件（policy documents）板块，基于人工策划政策来源清单（政府指导方针、报告或白皮书，独立政策机构的出版物，特定主题的咨询委员会文件，研究机构报告，以及国际发展组织的资料 ^①），开发定制的信息“抓取器”，自动从该组织的出版物网站检索相关的 PDF 或 HTML 政策文件，以保证政策文件的实时更新。截至 2023 年初，Altmetric 报告已涵盖来自 60 个国家超过 514 个不同的政策来源，包括中、美、欧盟、日、澳等国家和地区。在本研究设计中，政策对文章的引用情况通过Altmetric的两个核心指标来反映：①政策文件引用数（policy document number）——单篇论文被政策文件引用的总次数；②政策来源机构数（policy source number）——引用某篇论文的政策机构总数量 ^②。

为确保研究样本的质量和代表性，本研究设定了严格的数据筛选标准。首先，研究选取的样本论文发表时间为2014年1月1日至2022年12月31日。选择2014年为起点是为了保证年度数据的完整性，而将2022年设为终点，则是为了规避新近发表论文因“政策引用滞后”而导致的数据偏差。其次，研究样本聚焦于Journal Citation Reports (JCR) 中“ 多学科科学”（multidisciplinary sciences）领域排名前十的期刊（见表1）。主要基于两点：第一，高影响力期刊（特别是Q1期刊，即在学科领域排名前25%的期刊）的研究成果更有可能获得政策引用。已有研究表明约69.31%的政策引用论文集中于Q1期刊^[1]。其次，选择多学科期刊有助于平衡不同学科在政策引用模式上的差异，避免研究结论受单一学科特性主导，从而获得更具普适性的跨学科视角。研究数据采集时间为2024年1月1—14日 ^③。

2. 研究过程

如图1所示，研究收集了2014—2022年间10本目标期刊发表的所有文献类型的论文 ^④。

依托Altmetric中的policy document number指标，筛选出至少被政策文件引用过一次的论文，共获得3237篇。在数据收集过程中，由于Science Bulletin、Journal of Advanced Research及Research三本期刊的政策引用数据不足或完全缺失 ^⑤，这些期刊被排除在后续分析之外。最终，后续研究基于剩余7本期刊展开（见表1）。

确定数据集后，研究进一步考察了论文发表时间对政策引用数量的影响，以评估是否需对数据进行下一步处理。具体做法为：计算每篇论文的发表时间与数据收集时间之间的时间差，与政策引用数量进行Pearson相关性分析。结果表明，二者的相关系数为R=0.09***。虽然统计显著性较高，提示二者存在线性正相关，但相关系数数值极低（<0.1），实质关联可以忽略不计，因为大样本量也可能产生统计学显著性，即便相关性很小^[15]。

最后，针对研究目的和数据特性，后续将开展一系列统计和内容分析，包括但不限于：描述性统计分析、方差分析、独立样本T检验、Pearson相关系数计算以及线性回归分析。在对论文内容进行分析时，将借助微词云软件统计关键词词频并生成词云图。此外，使用AntConc 4.1.1版本软件对论文摘要中的关键词进行提取，并参考AmE06_wordlist.txt和BE06_wordlist.txt两个标准语料库，以保证关键词分析的科学性和严谨性。

三、研究结果 1. 整体表现

为了系统评估科学出版物的政策影响力，本研究对Web of Science收录的7本顶级期刊在2014—2022年间发表的146,981篇文章进行了多维度分析。研究发现，共有3237篇（约2.2%）文章被政策文件所引（见表1）。在期刊层面，各刊物的政策影响力表现出差异性：Nature Human Behaviour的文章政策引用比例尤为突出，达4.97%。紧随其后的是Proceedings of the National Academy of Sciences of United States of America（PNAS）和Science Advances，其比例分别为3.82%和3.27%。从文献类型看，综述类文章（review）相较于原创研究型文章（article）展现出更强的政策转化潜力，其被引比例为9.29%，而Article为3.22%，但是该差异在统计学上并不显著（p=0.096，见表2）。

在引用广度（被引文章比例）与深度（篇均引用次数）方面，研究统计的3237篇被引文章，总共获得了来自6633个机构的11,542次政策引用，篇均引用3.57次。值得注意的是，尽管Science和Nature的政策引用文章占比并非最高，但篇均引用次数却位居榜首，分别达6.33次和4.63次，显示出其单篇文章的强大政策影响力。同时所有文章引用次数的分布呈现出长尾特征：50.08%的文章仅被引用一次，而高达93.88%的文章政策引用次数不足10次，这可能意味着多数文章的引用深度相对有限。与之形成鲜明对比的是，有两篇文章的政策引用次数在研究统计时间内超过100次，其中一篇的引用次数更是高达186次，成为极具影响力的个案。

从时间趋势上看，政策文件引用科学论文的数量和比例呈现持续上升的趋势（2021年和2022年除外）（见表3）。2020年，统计论文被政策文件引用比例达到了峰值——无论是按政策文件数量（policy document number, 15.72%）还是政策来源机构数量（policy source number, 16.52%）计算皆是如此。具体而言，当年共有512篇文章被1096个机构发布的1814份政策文件所引用。然而，若以篇均引用次数这一指标来衡量，2015年（5.09次）、2017年（4.24次）和2014年（4.05次）的表现更为优异。这揭示了文章对政策影响的广度与深度在时间趋势上可能存在不同步的现象。

2. 开放科学维度下政策索引论文表现

开放科学运动旨在通过提升科研过程的透明度、科研成果的可及性与可复用性，使公众更便捷地获取和利用科学成果，促进其社会影响力的转化^[16]。因而此次研究关注科学论文的社会影响力，需要关注开放科学视角。开放科学包括多个维度。开放获取（Open Access, OA）和开放同行评议（Open Peer Review, OPR）作为开放科学运动的两大核心实践^[17]，本研究对其在政策引用方面的表现进行了统计与分析。OA通过移除付费墙，解决了科研成果的可及性问题，降低了政策制定者获取前沿研究成果门槛。OPR通过公开审稿人信息或审稿意见，提升了科研过程的“透明度”，为是否采纳科研成果提供依据。

在开放获取方面，研究发现OA文章在被政策引用的广度上具有优势 ^⑥（见表4）。在所有3237篇被政策引用的文章中，OA文章多达2968篇，占比高达91.69% ^⑦，而非OA文章仅占8.31%。值得注意的是，除了Nature Communications、Science Advances、Nature Science Review期刊 ^⑧外，其他期刊发表所有文章中OA文章占比不超半数。这一发现表明开放获取的模式提升了科学文献被政策制定者发现和引用的可能性。然而，在引用深度上情况则呈现逆转。非OA文章的篇均政策引用次数（M = 4.99, SD = 9.359）显著高于OA文章（M = 3.44, SD = 7.042），且该差异具有统计学意义（p < 0.001）。综合来看，开放获取提高了更多研究进入政策视野的潜力；而非开放获取文章一旦被引用，则可能拥有更高的单篇影响力。

与开放获取不同，开放同行评议对政策引用的影响模式尚不明确。本研究根据审稿人身份（Open Identity, OI）和审稿报告（Open Review Report, ORR）的公开情况，将文章分为四类进行比较（见表4）。结果显示，采用传统非公开同行评议（Non-OPR）的文章在被引文章中仍占主导地位，达63.95%。在篇均引用次数方面，审稿人身份与审稿报告双公开的文章（OPR）表现最佳（M = 4.31, SD = 11.118），而仅公开审稿报告的文章（ORR）则最低（M = 3.07, SD = 5.422）。尽管存在上述均值差异，但方差分析结果显示，这四个类别间的篇均政策引用次数差异未达到传统的统计学显著水平（p = 0.056）。值得注意的是，该p值已非常接近0.05的显著性阈值，这可能暗示完全开放的同行评议模式（OPR）在提升政策影响力方面存在潜在趋势，但这一结论可能需更多样本的数据来进一步验证。

3. 学术声誉维度下政策索引论文表现

在学术评价体系中，学术声誉不仅鲜明体现了学术界同行对科研成果价值的认可，也间接反映了该成果的学科地位和后续传播能力。学术引用次数作为衡量学术声誉被广泛接受的客观指标，精确地捕捉了研究在科学共同体中的影响力。探究学术引用与政策引用之间的关系，有助于从知识传播与社会转化的双重维度评估科学研究的整体影响力，同时还能揭示学术评价体系与社会评价体系之间的关联与差异，为促进科学知识向社会应用的有效转化提供洞见。

为探究学术引用与政策影响之间关联，本研究基于Web of Science数据库的多维指标，选用了“Times Cited All Database”与“Times Cited WoS Core”两个不同统计口径。“Times Cited All Database”涵盖了Web of Science所有数据源的引用情况，而“Times Cited WoS Core”则仅包括WoS核心合集的引文数据。以“Times Cited All Database”为基准，对3237篇被政策引用的论文进行皮尔逊相关性分析，结果显示学术引用与政策引用之间存在一定的正相关性（R = 0.34, p < 0.001）。当采用更为严格的“Times Cited WoS Core”指标时，二者相关性进一步提升，Pearson系数达R = 0.83（p < 0.001），显示高学术声誉的论文更容易获得政策采纳和引用。

除学术引用外，核心科研机构的学术声誉和资助项目也被视为反映学术影响力及社会效益的重要指标。本研究梳理了政策索引论文产出量排名前十的科研机构。结果显示，前十机构在2014—2022年间，其政策索引论文占所有被政策引用论文的8.16%，大幅高于所有机构平均比例（2.2%）。牛津大学（10.73%）、斯坦福大学（10.68%）及哈佛大学（10.23%）在政策索引论文比例中位列所有机构前三名，凸显了世界一流学府在知识转化和社会服务方面的优势。

在项目资助层面，获得高水平政府或国际基金支持的论文同样显示出高政策影响力。通过分析主要资助机构的数据发现，英国国家自然环境研究委员会（NERC）、美国国家航空航天局（NASA）及美国国家科学基金会（NSF）资助下的论文，分别有27.87%、16.89%和8.67%的论文被政策文件引用（见表5），显示政府重点资助项目更易成为政策关注和采纳的对象。中国科学院共计有284篇论文被政策文件引用（占3.72%），国家自然科学基金（NSFC）支持的相关论文有189篇被引用（占1.36%），一定程度上反映中国科研机构和资助体系在全球科学政策中的影响力逐步提升。

4. 政策索引论文的研究主题表现

文章的主题词（包括摘要与Web of Science中的Keyword Plus ^⑨）为研判政策偏爱引用的论文主题提供了线索。本研究对上述文献的高频主题词进行了统计与聚类。分析结果显示，在被政策引用论文的前50个高频关键词中，环境可持续性与公共卫生相关主题占据主导地位（见图2、图3）。

具体而言，“气候变化”“二氧化碳”“水资源”“海洋”“森林”与“土地”等环境领域关键词的高频出现，表明生态环境是政策文件知识采纳较为集中的主题。与此同时，诸如“COVID-19”等关键词则突出了全球公共卫生事件在近年来对政策制定的影响力，印证了学术研究在突发性公共卫生事件中的重要作用。

四、讨 论 1. 政策索引论文的趋势特征

研究发现政策文件引用科学论文的数量和比例呈现持续上升的趋势（除后两年外），这一现象反映出科学成果在政策制定中日益受到重视。归根结底，科学研究的价值不仅体现在其工具性、合法化和证实性功能^[10]，更在于其应对社会新兴挑战的能力。科技进步引发的社会治理难题，需依托于以研究为基础的循证干预，这也促进了科学与政策共同演化模式（co-evolution model）的形成。例如，人工智能技术的快速发展促使美国相关法规数量在2023年同比增长56.3% ^⑩，而《国家人工智能倡议法案》则专门设立由科学家和行业专家组成的咨询委员会，为政策框架的构建提供专业建议。

将学术研究纳入政策过程，特别是通过多样化出版物建立知识库，能够提升决策的科学性和客观性。广泛汲取不同学科的研究成果，使科学信息得以转化为支撑决策的资源，并演化成政策参与的机制——“知识库”模式^[12]。该模式通过多学科知识的整合，丰富了政策议程。然而，需要注意的是，许多学者在研究时未必以政策应用为出发点，因此相关科研成果被引用时往往表现出“非蓄意性”，这也有助于提升其客观性，这与罗杰·皮尔克（Roger Piekle）所提出的“诚实的代理人”（honest broker）部分理念有些接近。“诚实的代理人”强调学者的中立性，通过提供多元化的、基于证据的政策选项，促进知识有效转化为理性决策^[2]。然而，现实中想要实现这种状态面临诸多挑战。首先，个别研究者可能会有意迎合预设的政策需求，调整研究视角和结论。其次，政策制定者和知识中介在引用科学文献时，往往倾向于择优采纳符合既有政策立场或偏好的研究成果，以强化政策合法性或政治正当性^[18]，变成“基于目标的循证”^[19]。

本研究发现仅约2.2%的学术论文被政策文件引用，这表明科学研究在政策制定中的实际利用程度有限。即使被引用，科研成果与政策内容之间的结合方式也表现为高度选择性的结果。基于“自治领域”模型^[20]，科学与政策之间并不存在直接的因果关系，政策制定者更多是出于实际问题的需要，有选择地采纳学术成果并赋予其政策意义^[10]。克里斯蒂娜·博斯维尔（Christina Boswell）提出的工具性功能意味着决策者为实现特定组织目标而寻求知识；而合法化功能则表现为决策者利用科学知识来验证既定政策的合理性，服务于组织的政治目标^[10]。这种选择性引用在一定程度上限制了学术贡献的广度，也可能侵蚀科学研究的独立性和公信力。

此外，尼森·卡普兰（Nathan Caplan）提出的“两个社区”理论强调了科学体系与政策体系之间的结构性鸿沟，这与查尔斯·珀西·斯诺（Charles Percy Snow）^[5]提出的“两种文化”相呼应。如克里斯蒂娜·博斯维尔（Christina Boswell）和凯瑟琳·史密斯（Katherine Smith）所指出，科学与政策分别受其学科规范和逻辑支配影响。科学领域强调客观性和学术自主性，重视方法严谨性和理论可靠性^[20]；而政策制定则更侧重于社会难题的实际解决、利益相关方的协调以及文化、经济和伦理等多元价值的综合考量^[21]。这些根本性差异限制了科学知识与政策制定过程中全面嵌入，也使得两者之间实现无缝衔接面临障碍。

因此，政策文件对学术论文的引用趋势从一个角度反映了科学研究对公共决策体系的支撑情况。然而，由于科学与政策在目标、规范和实践上的差异，科学成果在政策制定中的作用依然受到多重限制。

2. 开放科学的双重效应：可及性的突破与影响力转化的挑战

开放科学正在深刻地重塑知识生产与传播的范式，它通过强化非正式交流渠道，促进了科学界内部以及与包括决策领域在内的外部场域之间对话^{[7, 22]}。然而，本研究发现开放科学对政策引用的影响并非单一的线性关系，而是呈现出一种复杂的双重效应。

一方面，开放科学在提升研究成果的可及性方面，展现出明确的优势。本研究的数据证实，开放获取论文因其无障碍阅读的特性，在政策引用广度上（引用比例）显著高于非开放文章。这有力地表明，移除付费墙对于扩大研究成果在政策制定者群体中的传播范围是积极的，这本身也是开放科学的一项重要成就。

另一方面，将视角从绝对数量转向引用深度（篇均引用次数）时，非开放获取文章表现更为优异。一种可能的解释是，商业化驱动下“掠夺性期刊”的激增，在一定程度上稀释了开放获取出版物的整体质量感知^[23]。还有一种原因可能在于，在历史惯性与“路径依赖”下，部分具有影响力的研究成果倾向于在传统的、订阅制的顶尖期刊上发表。这些期刊具有的品牌效应和质量筛选机制，其发表的论文也被赋予了更高的学术信誉。因而本研究观察到的引用广度与深度差异，可能更多地反映了高影响力研究在不同出版模式间的不均衡分布，而开放获取与政策影响力之间的关系也较为复杂。

同样，开放同行评审政策影响亦呈现其复杂性。尽管开放同行评议文章在篇均引用次数上最高，但总引用量低于非开放模式，这可能与其在期刊实践中的应用范围有限相关。此外，学术界对于OPR能否提升评审质量的争论，也使其在决策者眼中的“质量信号”功能尚未完全建立。

必须强调，研究并未对影响因素进行因果检验，因而相关的解释仅是推断性结果，有待更多经验证据的确证。尽管现有文献强调了开放科学在重塑学术交流上的潜力，但关于其如何改变决策者筛选、采纳和运用科学证据的行为模式，实证研究仍然不足。政策制定者对研究成果的采纳是一个受多重复杂因素影响的过程，传播渠道的开放性或许仅是其中之一，可能还会受到论文学术影响力、发表机构声誉等影响，未来还需要研究关注。

3. 学术声誉的信号功能：高被引研究的政策偏好

研究发现高被引论文可能更易被政策引用，进而学术引用与政策引用之间可能存在正相关性。尽管学术引用作为衡量论文影响力的权威指标也备受争议^[24]，但目前尚无公认的替代方案。马太效应进一步强化了高被引论文的持续关注度，也提升了其在政策制定中的可见度。在面对信息过载和专业不确定性时，决策者倾向于将高被引研究作为一种认知捷径，信任并采纳那些已获得领域专家广泛认可的研究成果^[11]。

除了论文影响力，研究机构的声誉和研究经费资助也是学术声誉的重要表现维度。顶尖高校和研究机构因其“名校效应”获得更高的学术认可度和政策信任^[13]，还会在基金赞助率上展现出优势。经费资助不仅反映了研究的学术价值和社会认可，也有助于保证课题与国家战略目标及重大社会需求的契合度^{[25- 26]}。数据显示，受科学基金资助的论文在政策文件中的引用率整体高于未获资助论文。然而，以中国为例，国家自然科学基金支持的研究在政策文件中的引用率依然偏低，显示资助成果在政策应用方面仍有提升空间。目前，科研评估更偏重论文产出数量，较少关注其社会影响力和对政策制定的实际贡献。尤其在社会科学领域，国家社科基金成果常以内部研究报告形式直接服务决策，为应对紧急治理议题提供解决方案——这一机制在英国等国家也得到了积极实践^[20]。这与知识社会学有关学术成果社会属性的观点相契合^[27]。尽管科普活动已成为推动研究成果社会应用的重要手段^[28]，但仅靠科普尚难充分拓展科研成果在政策层面的影响力和相关性。

4. 科学不确定性的催化作用：风险议题与政策需求

从主题分析来看，涉及气候变化、突发公共卫生事件等高度不确定性议题的研究获得了政策文件较多关注。科技进步虽助力社会治理现代化，却也带来“风险社会”^[29]的挑战，使科学不确定性成为决策制定中的重要问题之一。在现实情境中，尽管科学研究本质上存在不确定性，政策制定者和公众仍普遍期望从研究中获得明确的证据支撑。由此也催生了“不确定性悖论”：一方面，高度不确定性限制了科学提供确定性证据的能力；但另一方面，正是这种不确定性和问题的紧迫性，迫使决策者和公众更加积极地寻求科学的洞见与指引。例如，人工智能的潜在风险加剧了社会焦虑与不确定性^[30]，这反过来促使政策机构更频繁地引用相关研究，以此作为决策合法化和风险沟通的基础。研究表明，不确定性程度与政策更新频率之间存在正相关^[31]。

值得注意的是，科学不确定性常被政治化乃至策略性地合法化使用，如美国在气候变化议题上出现明显党派分化，导致科学传播呈现极化趋势^[32]。在这样高度政治化的环境下，专业知识可能被用作政治工具^[18]，政策参与者通过选择性放大有利信息，强化既有政策立场，科学作为解决实际问题工具的角色反而被弱化。这也揭示出科学传播的媒介化与政治化之间的关系日益密切^[33]，以及信息选择偏好提升的政治后果。

五、结论与局限性

通过对九年期间的数据进行分析，本研究发现，除 2021 年和 2022 年外，政策文件中引用的科学论文数量和所占比例随着时间的推移持续增长。然而，与出版物总数相比，政策文件中引用论文的比例仍然相对较低。同时研究发现开放科学为知识传播提供了新的可能，但其对政策制定的直接影响力似乎有限，其可及性的提升并未直接转化为政策引用优势。相较之下，以高被引和机构声望为代表的学术声誉，以及由气候变化、公共卫生危机等议题所驱动的科学不确定性，似乎在吸引决策者注意力上具有优势。前者为决策者在信息迷雾中提供了可靠的“信号”，后者则源于社会现状，共同塑造了政策议程对特定科学知识的紧迫需求。

此次研究存在以下限制性：①它依赖的数据来自 2014 — 2022 年 Altmetric 数据库收录的顶级多学科期刊，因此排除了单一学科的专业期刊以及非顶级期刊；②研究主要侧重于政策索引论文的趋势和特点，以此来确定循证决策面临的挑战。然而，研究并没有考察这些论文中的知识融入政策的过程，也没有分析这些知识在影响政策制定中发挥的作用。以上方面值得在今后的研究中进一步进行探讨。

志谢：感谢加拿大西安大略大学计算机科学系的王浩然在研究数据收集上提供的帮助与支持。

① 关于Altmetric数据库提供的政策来源说明，详见网站：https://help.altmetric.com/support/solutions/articles/6000236695-policy-documents

② 关于Altmetric政策文件的核心指标概念解释，详见网站：https://help.altmetric.com/support/solutions/articles/6000240455-attention-sources-coverage-dates

③ Web of Science可能会根据撤稿情况实时调整发文总数，因此本研究的数据统计时间为2024年1月1-14日。

④ 十本期刊中有三本期刊迟于2014年发刊，研究的数据统计从其发刊时间开始计算。其中Science Advance于2015年发刊，Nature Human Behavior于2017年发刊。

⑤ Science Bulletin、Journal of Advanced Research两本期刊文章未提供Policy Document数据，Research期刊仅有一篇文章被引用，因而剔除三本期刊

⑥ 本文中金色开放获取（Gold Open Access）和绿色开放获取（Green Open Access）两个都合并为开放获取。

⑦ 计算该比例的分母为被政策引用的所有文章总数，其分母也适用于后面开放同行评议文章的比例计算中。

⑧ Nature Communications、Science Advances、Nature Science Review期刊发表的论文全是开放获取，但是其被政策引用的文章在本次统计的所有数据中分别占比25.05%、10.16%、0.28%。

⑨ 在此次统计的3237篇文章中，1876篇文章WOS未提供author keyword，因而未选择此维度进行词频统计。

⑩ 关于美国人工智能法规详情，请见网站：https://aiindex.stanford.edu/wp-content/uploads/2024/04/HAI_AI-Index-Report-2024_Chapter7.pdf