[摘要]以《中國圖書館學報》1995至2008年所載論文引用的網(wǎng)絡信息為樣本，利用網(wǎng)絡計量學方法，就“l(fā)inkrot”的發(fā)生率及其與時間因素的關系進行統(tǒng)計和分析，從而證實網(wǎng)絡學術信息存在“l(fā)inkrot”現(xiàn)象。最后，提出應建立一套被引網(wǎng)絡學術信息的長期保存機制來解決因“l(fā)inkrot”而造成的人類記憶缺失。
　　[關鍵詞]學術文獻　網(wǎng)絡信息　linkrot
　　[分類號]G203
　　
　　隨著網(wǎng)絡信息量的激增和網(wǎng)絡應用的普及，學術文獻中引用的網(wǎng)絡信息數(shù)量日益增多。然而，這些信息的內(nèi)容變化甚至消逝(即“l(fā)inkrot”現(xiàn)象)成為阻礙人們再現(xiàn)研究過程、繼承既有成果和實現(xiàn)創(chuàng)新的障礙。本文在綜述研究現(xiàn)狀的基礎上，以《中國圖書館學報》為例，客觀地反映我國學術期刊所引網(wǎng)絡信息的“l(fā)inkrot”現(xiàn)象，以此呼吁社會關注和解決這一問題。
　　
　　1　研究現(xiàn)狀
　　
　　“l(fā)inkrot”不僅影響網(wǎng)絡信息的獲取和利用，更重要的是它會造成人類記憶的缺失。因此，自20世紀90年代中期至今，國外進行了大量研究。
　　1.1　國外研究現(xiàn)狀
　　1.1.1　一般網(wǎng)絡信息“l(fā)inkrot”現(xiàn)象的研究GUY在1997年4月的調(diào)查顯示，59.65％的用戶認為“brokenlinks”嚴重影響他們對互聯(lián)網(wǎng)的使用；次年，JakobNielsen(1998)注意到，“broken links”的比例比1997年的6％幾乎增加了1倍，因而指出要高度重視“l(fā)inkrot”現(xiàn)象；此后，許多學者對“l(fā)inkrot”進行了研究，最有代表性的是Wallace Koehler。Koehler在1999年和2002年的研究中發(fā)現(xiàn)在6個月和1年內(nèi)發(fā)生過變化的網(wǎng)站分別占97％和超過99％，而網(wǎng)頁則達到98.3％和99.1％；同時，有一半的網(wǎng)絡信息會在2年內(nèi)消失。在近7年跟蹤研究的基礎上Koehler總結出兩個結論：其一，“l(fā)inkrot”與網(wǎng)絡信息的存續(xù)時間相關，盡管約2/3的URL在4年內(nèi)失效，但隨后卻相當穩(wěn)定；其二，信息類型、學科屬性和所屬域名與“l(fā)inkrot”相關。
　　
　　1.1.2　網(wǎng)絡學術信息“l(fā)inkrot”現(xiàn)象的研究StephenP.Harter和Hak Joon Kim(1996)是最早關注網(wǎng)絡學術信息“l(fā)inkrot”現(xiàn)象的學者。他們從74種同行評議電子期刊發(fā)表的279篇文獻中提取到83條被引網(wǎng)絡信息，但能訪問到的只有43個，占51.8％。他們因此對引用網(wǎng)上學術信息的合理性提出質(zhì)疑。此后，許多學者對學術數(shù)字資源所含URL進行了研究，代表性研究有：Bar-Ilan和Pentz(1999)、John Markwell和Davidw.Brooks(2002)、Steve Lawrence等(2001)、CarmineSellitto(2005)。
　　還有一些研究描述了紙質(zhì)期刊文獻所引網(wǎng)絡信息的“l(fā)inkrot”狀況，典型研究包括：Carol Anne Gemain(2000)對隨機抽取的31篇文獻中引用的64個URL進行了為期三年的觀察，1997至1999年無法訪問的比例分別占26.5％、37.5％、48.4％。Mary K.Taylor和Diane Hudson(2000)對College＆Research LibraryNews的“Internet Resource”欄目所列482個URL跟蹤研究9個月，發(fā)現(xiàn)“l(fā)inkrot”比例從13.3％上升到22.2％，時間、域名、所有者等因素可能與此有關；此后，David c.Tyler和Beth McNeil(2003)、Mary F.Casserly和James E.Bird(2003)、Evangelos Evangelou等(2005)、Dion Hoe-Lian Goh和Peng Kin Ng(2006)也對紙質(zhì)期刊文獻所引網(wǎng)絡信息的“l(fā)inkrot”現(xiàn)象進行了不同的研究。
　　除上述成果，比較有代表性的研究還有Donna Bergmark(2000)、Diomidis spinellis(2003)、Frank McCown等(2005)、JoseLuis Ortega等(2006)、Dominik Aronsky等(2007)、DanielaV.Dimitova和Michael Bugeja(2007)、Matthew E.Falagas等(2007)、Ailsa Parker(2007)、Edmund Russell和Jennifer Kane(2008)。
　　1.1.3　“l(fā)inkrot”問題的對策研究
　　目前，深入探討“l(fā)inkrot”應對策略的研究不多，專門針對網(wǎng)絡學術信息的就更少。依據(jù)解決方式，現(xiàn)有解決方案分為三類：一是依靠網(wǎng)絡工具(主要指軟件)及時發(fā)現(xiàn)“brokenlinks”，或依據(jù)信息的狀態(tài)向用戶預警。譬如，WE-Gauge、Dying Link、Link Walker、Xenu’s Link Sleuth、Checkbot、Link Alarm；二是以檔案方式長期保存網(wǎng)絡信息，譬如，Wayback Machine、Google和百度的Cached Pages、NECI的Intermemory項目、斯坦福大學的LOCKSS系統(tǒng)；三是依靠分散于各處的信息碎片重建，譬如，Opal、Warrick系統(tǒng)。
　　為應對網(wǎng)絡信息URL的頻繁變化提出了DOI和URN，基于此的系統(tǒng)相繼出現(xiàn)，譬如DOI-X、PURL、Hartdie。DOI和URN能解決由于URL變動而產(chǎn)生的“l(fā)inkrot”，但對刪除造成的“l(fā)inkrot”無能為力。
　　1.2　國內(nèi)研究現(xiàn)狀
　　國內(nèi)2008年才出現(xiàn)專門研究“l(fā)inkrot”現(xiàn)象的文獻，比較有代表性的成果包括：筆者(2008)為揭示中國網(wǎng)絡信息的穩(wěn)定程度，對隨機獲取的10萬個有效URL跟蹤觀測近4個月。發(fā)現(xiàn)“l(fā)inkrot”的比例在1.535％至4.724％之間波動，41.36％的樣本內(nèi)容發(fā)生了變化，8.99％的更新周期小于3天；吳志強(2009)對1999年至2003年《軟件學報》、《中國圖書館學報》所載文獻引用的1637個URL的研究發(fā)現(xiàn)，“l(fā)inkrot”的比例超過47.34％，該現(xiàn)象與域名、訪問協(xié)議、文件類型相關。
　　
　　2　實證研究
　　
　　2.1　研究方法
　　2.1.1　樣本選擇　參考文獻著錄的規(guī)范程度直接影響研究結果，鑒于絕大多數(shù)圖書館學研究者對學術文獻的引用和參考文獻的著錄極其規(guī)范，所以，本研究直接將樣本鎖定在圖書館學領域�；�于論文的內(nèi)容質(zhì)量和形式的規(guī)范程度，本研究確定以1995至2008年《中國圖書館學報》所載論文引用的網(wǎng)絡信息為樣本。
　　
　　2.1.2　研究步驟　具體如下：
　　?查閱《中國圖書館學報》1995至2008年各期所刊文獻，記錄每篇文獻的收稿時間、所引網(wǎng)絡信息的鏈 接；
　　?逐一訪問上述URL，記錄訪問時間、異常響應代碼或信息；
　　?統(tǒng)計llnkrot發(fā)生率及異常響應類型；
　　?分析linkmt與時間因素的關系。
　　2.2　數(shù)據(jù)和結果
　　2.2.1　Linkrot發(fā)生率統(tǒng)計　以異常響應數(shù)與引用的網(wǎng)絡信息量之比計算Linkrot的發(fā)生率，結果如表1所示：
　　2.2.2　異常響應類型統(tǒng)計　本研究統(tǒng)計到的異常響應代碼包括301、400、401、403、404、410、500，分別代表被請求的資源已永久移動到新位置；由于包含語法錯誤，當前請求無法被服務器理解；當前請求需要用戶驗證；服務器已經(jīng)理解請求，但是拒絕執(zhí)行它；請求所希望得到的資源未被在服務器上發(fā)現(xiàn)；被請求的資源在服務器上已經(jīng)不再可用，而且沒有任何已知的轉發(fā)地址；服務器遇到了一個未曾預料的狀況，導致了它無法完成對請求的處理。另有9個URL未提供具體的異常響應代碼和說明，空白頁、“數(shù)據(jù)庫連接錯誤”、“Multiple Choices”、“網(wǎng)站正在維護”各1項，上述13項歸入表2的其他項：
　　2.2.3　Linkrot與時間因素的關系分析　1997年至2008年，《中國圖書館學報》所載論文中有491篇引用了網(wǎng)絡信息。其中，13篇由于未提供具體的投稿時間，無法計算URL的訪問時間與投稿時間之差，因而從數(shù)據(jù)中剔除。描述各年刊載的論文所引網(wǎng)絡信息Linkrot的發(fā)生率和各篇論文所引網(wǎng)絡信息Linkrot的發(fā)生率，如圖1、圖2所示：
　　2.3　討論
　　?表1顯示，自1997年至今，《中國圖書館學報》所刊論文引用的2160條網(wǎng)絡信息中已有1043條無法訪問，占總數(shù)的48.29％。該數(shù)據(jù)尚不包括URL訪問響應正常，但內(nèi)容已發(fā)生變化的情況。如將內(nèi)容變化考慮在內(nèi)，根據(jù)Koehler等人以及筆者以往的研究，網(wǎng)絡信息的Linkrot發(fā)生率將超過70％。僅憑這一個數(shù)據(jù)，足以指出目前的互聯(lián)網(wǎng)絕非理想的學術信息源。
　　?為進一步揭示Linkrot現(xiàn)象的成因，筆者對異常響應代碼進行了分類統(tǒng)計。表2顯示，“404”錯誤占79％；其次是“500”錯誤，占14％。
　　?圖1的數(shù)據(jù)點呈現(xiàn)出Linkrot發(fā)生率隨時間逐漸升高的趨勢，但對每篇論文的分析結果僅部分地支持該結論。統(tǒng)計表明，2005年至2008年所刊論文中，超過23％的論文所引網(wǎng)絡信息已經(jīng)全部無法訪問，但也有近21％的論文所引網(wǎng)絡信息的Linkrot發(fā)生率為0。將統(tǒng)計范圍擴大至所有樣本，這兩個數(shù)據(jù)分別為53％和20％。結合圖2數(shù)據(jù)點的分布，似乎能夠歸納出兩點結論：其一，網(wǎng)絡信息的Linkrot發(fā)生率確與時間有關；其二，網(wǎng)絡信息Linkrot現(xiàn)象的發(fā)生不是勻速的，前2年出現(xiàn)的機率較大，此后遞減，直至趨于穩(wěn)定。
　　
　　?上述結果與國外研究者所得到的結論基本一致。當然，由于時間、人力等因素的制約，本研究僅包括《中國圖書館學報》1995年至今的數(shù)據(jù)，尚不具備將研究結論推廣到所有學科領域的條件。
　　
　　3　結語
　　
　　一邊是學術參考信息源要求具有穩(wěn)定性和可獲得性，而另一邊卻是網(wǎng)絡學術信息廣泛存在的“l(fā)inkrot”現(xiàn)象。那么，應該把網(wǎng)絡信息作為學術參考信息源嗎?事實上，學術文獻中日益增多的網(wǎng)絡信息引用已不容我們?nèi)ビ懻搶⒕W(wǎng)絡作為學術參考信息源的合理性，而是考慮如何解決“l(fā)inkrot”產(chǎn)生的問題。
　　目前，絕大多數(shù)研究者仍將這一問題的解決寄希望于網(wǎng)絡信息的長期保存。但是，網(wǎng)絡信息分布分散、變化迅速、數(shù)量巨大成為長期保存策略難以實現(xiàn)的障礙。筆者認為，詳盡無遺地發(fā)現(xiàn)和保存所有網(wǎng)絡學術信息既沒必要，也無可能。既然要解決的是引文網(wǎng)絡中的“l(fā)inkrot”，我們只需要實現(xiàn)被引網(wǎng)絡信息的長期保存。因此，通過合理利用編輯部和圖書館的資源，建立一套行之有效的被引網(wǎng)絡信息的長期保存機制，是保存學術成果、促進學術交流的當務之急。

相關熱詞搜索：反思 文獻 引用 對學術文獻引用網(wǎng)絡信息的反思 百度學術文獻引用 學術論文文獻引用標準