摘要：[目的/意义]从因果推断视角出发,揭示OA对论文影响力提升的潜在效应,有利于挖掘OA论文社会影响与贡献,促进学科间的知识交流与共享.[方法/过程]以人工智能(AI)领域论文为研究样本,从OA与非OA两层面出发,采用描述性统计分析,负二项回归分析以及双重差分模型,综合考虑社会影响力和学术影响力的关键指标,揭示AI领域相关论文指标数据分布规律与特征,分析OA论文影响力指标间关系并挖掘OA优势.[结果/结论]①AI领域OA与非OA论文各指标值差异较小,指标数据分布较为集中,推特提及量呈现右偏分布,而其余变量呈正态分布.OA论文各指标均值均高于非OA论文指标.②无论是OA论文还是非OA论文,各Altmetrics指标对Dimensions被引次数均产生显著的正向影响,但OA论文的影响程度更高.其中,OA模式下,专利提及量对Dimensions被引次数的影响程度最为显著,而政策提及量,新闻提及量,推特提及量对Dimensions被引次数的影响程度依次减弱.③OA与论文新闻提及量和推特提及量存在显著因果关系,即OA显著提升了论文在新闻和推特平台上的提及量.但OA Altmetrics优势并非持续稳定,而是随时间呈现逐渐下降的趋势.④提出了提升论文OA优势的三大策略.
本文来源：[1]王旭,戴春燕,邱均平.因果推断视角下开放获取对论文影响力提升效应研究[J].情报理论与实践, 2025, 48(9):36-45.DOI:10.16353/j.cnki.1000-7490.2025.09.005.
原文链接：https://xueshu.baidu.com/ndscholar/browse/detail?paperid=1t2h0rd0uf7e0j30hx3102q017019230&site=xueshu_se
开放获取研究中心（Open Access Journal Research Center）旗下设置开放获取研究院，以推动学术成果的开放共享与自由传播为宗旨，致力于构建一个集政策解读、学术研究与行业资讯于一体的专业媒体平台。
在政策板块，栏目会系统梳理国内外关于开放获取（OA）的基金资助机构要求、机构知识库建设规则以及政策等关键动态；
研究板块则侧重于探讨开放科学对引证影响力、学术评价体系及商业出版模式的深层变革；
新闻板块会即时跟踪全球学术期刊转型及学界争议等最新进展。
通过这三个维度的交叉呈现，栏目旨在为科研人员、大学管理者及政策制定者提供从理论洞察到实践指南的多层次参考。
详情点击链接阅读：https://www.oajrc.org/PolicyList.aspx
期刊列表：https://www.oajrc.org/Successcase.aspx