主要有三类：考察下载指标自身特性、分析下载与引文指标的关联以及将下载作为评判数据来考察某出版物的传播范围和社会影响力。下载指标可用性及考察其统计特征——张洋（2006）通过实证研究验证布拉德福定律适用于期刊Web下载总频次分布规律的研究[3] ；刘思源（2008）探讨研究下载指标的意义，提出可从下载量分布、下载量与引用量之间的关系及下载量预测展开研究[2]，并在其后发表的文章中对下载次数在论文关键词中的齐普夫分布特性进行了考察[3]。8997
下载与引文关联分析——万锦堃等（2005）通过布拉德福分区法以及指标排序法等考察下载和引文指标的延时性、集中性与一致性[4]；庞景安（2006）、刘筱敏和张建勇（2009）、杜秀杰等（2009）选取不同的对象，运用各种统计方法对网络下载次数和被引用次数进行相关性分析[5-9]；李文静（2010）研究认为在总量上期刊下载量高则被引量高的一致性并不能体现在单篇文献上[8]；杨春华等（2010）研究图书馆学作者发表的论文发现，面向同行的学术探讨性论文获得高的被引频次，而基于服务职能面向用户的指导性论文获得较高的下载量，但二者间没有显著的相关性[9]。
将下载量或者下载频次作为评价考察的应用——这类研究数量较多，属于前两类研究假设与可行基础上的实证分析应用。如在“全球以‘循证’冠名的一次文献期刊影响力对比分析”[10]、“《滨州学院学报》网络传播情况及影响力分析》”[11]等。
（2）国外的有关研究
国外对下载指标的关注较早，业已形成一定思路，主要从下载指标的统计性质、下载与引文的关联以及下载预测三个方面着手。此外，基于系统记录的使用度量（usage metrics）也受到一定的关注，被认为可以作为引文指标的替代或补充。
下载指标的可用性及理论建模——Hary Sharma（2007）认为下载指标具有和引文指标同样的识别重大科学发展的作用，可以针对性解决引文分析的滞后性[12-13]；Dan O'Leary（2008）提出一个下载和引文关联模型，指出文献下载受读者兴趣、文献可见性和成熟度等的影响，认为下载指标是对该文献潜在影响的度量[14]。
基于简单方法的下载与引文关联分析——Darmoni等（2002）从 Rouen University 医院数字图书馆获取数据，比较下载和影响因子排序之间的关系[15]；Andrew J.S. Coats（2005）记录《国际心脏杂志》12个月内被引用最多的10篇文章，并将其与同期下载最多的前10篇文章进行对比，发现两个列表之间并无重合[16]；Kurtz等（2005）使用美国宇航局天体物理数据系统考察下载与阅读次数之间的关联，并且比较了分别使用阅读次数和引文衡量的老化函数[17]；Dan O'Leary（2008）考察SSCI，SCOPUS和Google Scholar所收录引文之间的关联、内部引用数据与下载数据的关联及出现在下载前25名文献与引用的关联[18]；Urban Andersson等（2010）考察瑞典哥德堡大学健康科学研究院和哥德堡大学健康科学研究人员的论文，发现下载和引文之间不存在相关性[19]。
包含预测的下载与引文关联分析——Jahandideh.S等（2007）对ScienceDirect中的下载前25名服务展开研究，认为一段时期内下载比较多的文献预期在未来较长一段时间内可以得到较多的引用[20]；Andrew B. Watson（2009）对某期刊的实证研究发现总下载与总引用高度相关、下载统计能提前两年对最终引用作出很好的预测[21]；Thomas V Perneger（2004）绘制BMJ期刊下载量和引用量关联的散点图，得出每100次点击会在未来五年内产生4.4次引用的结论[22]；Henk F. Moed（2005）发现一篇文章在被引用的前三个月，其下载数目相对这篇文章不被引用可能会得到的下载数目增加25% [23]；Tim Brody等（2006）研究得出如果一个较大领域引文与下载的基础关联是显著的，存储到arXiv中6个月后的下载数据就可以很好地预测该文献两年后的引用影响[24]。 科技文献下载国内外研究现状综述:http://www.youerw.com/yanjiu/lunwen_7567.html