如何利用 WOS 和 Scopus 精准分析一个大学的学科实力？

当您想了解一个大学或科研机构（例如，您的竞争对手、潜在的博士导师实验室或未来的合作者）的真实学科实力时，您需要的数据不是 QS 或 THE 排名。您需要的是客观、可量化、可比较的文献计量数据。

Web of Science (WOS) 和 Scopus 正是执行这种“学术尽职调查”的最权威工具。本指南将教您如何利用这两大数据库，从“产出”、“质量”、“影响力”三个维度，深度剖析一个机构的学科实力。

一、核心工具：从“关键词检索”转向“机构检索”

这是进行分析的第一步，也是最关键的思维转变。

• 错误方法： 在主搜索框里搜索 "Peking University"。这只会搜到标题或摘要中包含此词的论文。
• 正确方法： 使用 "Affiliation Search" (机构检索) 功能。

1. 在 Scopus 中（最简单直接）

1. 登录 Scopus，选择 "Affiliation" (机构) 搜索标签页。
2. 输入机构名称（例如 "Tsinghua University"）。
3. Scopus 会自动跳转到该机构的**“详情页面”(Affiliation Profile)**。这个页面已经为您汇总了该机构的所有论文、作者和 H 指数。

2. 在 Web of Science (WOS) 中（更专业）

1. 登录 WOS 核心合集。
2. 在搜索框右侧的下拉菜单中，选择 "Organization-Enhanced" (机构 - 增强) 或 "Affiliation" (地址)。
3. 输入机构名称（例如 "Tsinghua University"）。WOS 会自动显示名称变体（如 "Tsing Hua Univ"），您可以全部选中。

二、如何界定“学科”？(WOS Categories vs. Scopus Subject Areas)

分析整个大学的 H 指数意义不大（因为医学和数学的引用率没有可比性）。您必须限定学科。

1. WOS 方法 (更精确)：
• 在 WOS 中，使用机构名称进行检索（如 OG="Tsinghua University"）。
• 在结果页面的左侧 "Refine Results" (精炼结果) 栏中，找到 "Web of Science Categories" (WOS 学科分类)。
• 勾选您感兴趣的学科（例如 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE）。
• 这是最精准的“逐个学科”分析方法。
2. Scopus 方法 (更宏观)：
• 在 Scopus 的机构详情页面，它会自动显示该机构在**“27个大学科领域”**的成果分布图。
• 您可以直接点击图表中的某个学科（例如 Engineering 或 Computer Science）来深入查看。

三、关键指标：分析学科实力的“五把标尺”

当您通过“机构检索 + 学科限定”得到一个精确的论文列表后（例如：清华大学在 AI 领域过去 5 年的 WOS 核心合集论文），点击 "Analyze Results" (分析结果) 按钮。

您需要重点查看以下五个指标：

1. 标尺一：科研产出 (Productivity)

• 看什么： Document Count (论文总数)
• 分析： 这个机构在该领域“高产”吗？您可以进一步按“Publication Year”(发表年份) 分析，看其产出是在增长、稳定还是在萎缩？

2. 标尺二：整体影响力 (Overall Impact)

• 看什么：
• Sum of Times Cited (总被引次数)
• Average Citations per Publication (篇均引用)
• H-Index (H指数)
• 分析： 篇均引用是衡量“平均质量”的绝佳指标。H 指数则平衡了产出（量）和引用（质）。

3. 标尺三：顶尖成果质量 (Elite Quality)

• 看什么：
• WOS： 勾选 "Refine Results" 中的 "Highly Cited Papers" (高被引论文)。
• WOS/Scopus： 在结果中按 "Journal" (期刊/来源) 分析，看有多少论文发表在 JCR/CiteScore Q1 区期刊上。
• 分析： 这是最关键的指标。一个机构可能产出 1000 篇 Q4 论文，而另一个机构只产出 100 篇 Q1 论文。显然，后者的学科实力远强于前者。Q1 论文比例和高被引论文数量是实力的“试金石”。

4. 标尺四：核心学者 (Key Researchers)

• 看什么： Authors (作者) 分析。
• 分析： 谁是这个机构在该学科的“领军人物”？是谁在贡献那些高被引的 Q1 论文？这能帮您快速锁定“大牛”。

5. 标尺五：合作网络 (Collaboration Network)

• 看什么： Affiliations (合作机构) 或 Country/Region (国家/地区) 分析。
• 分析： 这个机构主要在“内部循环”还是在进行广泛的“国际合作”？它的主要合作对象是 MIT、Stanford 还是其他顶尖机构？

四、终极玩法：横向对比 (Benchmarking)

分析一个机构是孤立的，对比分析才是有意义的。

实战操作：

1. 目标 A： 清华大学 (Tsinghua Univ)
2. 目标 B： 北京大学 (Peking Univ)
3. 限定条件： WOS 核心合集，COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 学科，2020-2025 年。

您将得到一份“情报对比表”：

指标	清华 (AI 领域)	北大 (AI 领域)
论文总数	1200	950
总被引	35000	31000
篇均引用	29.1	32.6
H 指数	85	81
高被引论文数	45	52

结论： 在这个（假设的）分析中，清华产出更高（1200 vs 950），但北大的“篇均引用”和“高被引论文”比例更高，表明其“顶尖成果”的影响力可能更强。