传统的获取学术信息的方式主要通过学术期刊、学术论文集或学术专著等,其质量情况可以较为容易的通过同行评议、论文或专著被引信息,出版社权威度等方式获取。随着社会化媒体的繁荣发展,出现了新兴的获取学术信息的方式,即通过一般社会化媒体网站(如论坛,微博,博客)或专门的学术型社会化媒体网站(如:ResearchGate.net,Academia.edu)来分享和获取学术信息。越来越多的学者表示愿意在社会化媒体上进行学术信息的分享和获取,因此,各类社会化媒体上存在着大量的学术型用户生成内容,但由于其上的学术信息缺乏同行评审,导致了社会化媒体上的学术信息质量参差不齐,影响了学者使用社会化媒体进行学术信息交流和获取的满意度,因此社会化媒体上的学术型用户生成内容的质量问题是一个亟待解决的问题。社会化问答作为其中一种类型的社会化媒体平台,可以支持学者或是科研工作者通过提出学术相关问题和答案进行学术信息的交流。由于社会化问答具有成本低、交流快速、容易建立社会资本等优点,越来越受到学者的青睐。ResearchGate问答(简称ResearchGate Q&A)平台就是当下最著名且拥有用户量最多的专门支持学者进行学术问答的社会化问答平台。现有丰富的研究在探索用户如何对社会化媒体上各类用户生成内容的质量进行评估。在对一般问答平台研究中,例如对Yahoo!Answer、百度知道等,用户如何评估其上答案的质量,以识别出高质量的答案,也是一个重要的研究话题。随着学术型问答平台的出现,其上的答案作为一种新型的用户生成内容,学者如何对其质量进行评估也需要成为一个重要的研究话题,而现有研究中缺乏对此问题的研究。本论文旨在填补这一空白。因此,本论文将以学术型社会化问答平台ResearchGate Q&A上的答案为研究对象,根据发现问题和解决问题的研究过程,通过两个阶段的一系列研究实现对此问题的研究。第一个研究阶段为问题发现与现状分析,包括两个子研究。首先,对ResearchGate Q&A上答案的客观特征进行分析,并将获取的ResearchGate Q&A上答案的客观特征与一般的问答平台上的答案客观特征进行了对比,结果发现了一般问答平台上答案的客观特点与学术型问答平台上答案的客观特点存在很大的不同,并且学术型社会化问答平台上答案也拥有自身独有的客观特点。接着,在第一个研究阶段中,笔者试图只利用答案的客观特征预测出学者在ResearchGate Q&A上推荐的高质量答案,然而结果发现仅仅使用从答案本身特征出发的客观评价标准并不能准确的预测出答案质量。需要探索更为有效的答案质量评估的模型。第二个研究阶段为问题解决与模型构建,将直接从用户的角度获取其用于评价答案质量的各类主客观评价标准,实现构建更为准确的答案质量评估模型。此阶段包括三个子研究内容。首先,设计针对学者对学术型社会化问答平台上答案质量评估标准的问项。由于现有研究中没有提供针对学术型社会化问答平台上答案质量评估的标准,因此构建问项时首先通过对学者的调查,获取了其评价其学科领域答案时使用的评估标准,从而结合用户调查获取的评价标准和现有质量研究中提出的评价标准构建出了对学术型社会化问答平台上答案质量评估标准的问项。接着,通过对在ResearchGate Q&A上有实际推荐过高质量答案经验的学者进行问卷调查的方式,获取了学者对各个评价标准问项重要性程度的打分。本部分主要对问卷数据进行了基本的统计分析和评价标准模型构建。基本统计分析获取了学者用于评估学术型社会化问答平台上答案质量的重要评价标准,并进一步利用差异性分析方法发现学者的人口统计特征和来自的学科会影响其对各个评价标准重要性程度的打分。另外,此部分最后利用主成分分析方法构建了综合各类主客观评价标准的用于评价学术型社会化问答平台上答案质量的评估模型。最后一部分研究内容是对上述获取的评价模型进行了验证。在限制外部影响因素的情况下,雇佣了尽可能具有相同人口统计学特征的学者对构建的模型进行了验证,结果证明了本研究获取的模型可以有效的识别出质量较高的答案。本论文秉承发现问题到解决问题的研究路线,对学者评估学术型社会化问答平台上答案质量进行了一系列较为完整的研究,弥补了现有研究中对此问题研究的缺乏。同时,本研究也为学术型社会化问答平台可以实现为学者推荐高质量的答案,完善平台高质量答案推荐机制提供支持。最终实现节省学者获取高质量的信息所需的时间,从而提高学者使用学术型社会化问答平台的满意度和学者科研工作效率,促进学术信息在社会化媒体上的交流分享。