有两个重大历史事件可以作为科学计量学发展的时间分段依据，一是洛特卡定律的产生，二是科学计量学专有名词的产生。在美国统计学家A.J.洛特卡之前，统计学研究多是零散的，从洛特卡开始，逐渐产生了具有现代科学计量学意义的研究。从洛特卡的研究开始至科学计量学这一专有名词的产生，可以认为是科学计量学的形成时期；其后可以认为是科学计量学走向成熟和发展的时期。

瑞士植物学家A.德堪多在1873年发表了《二百年科学和科学家的历史》一书，这部著作被认为是科学计量学研究的先驱著作，同时也是科学学的早期经典。

具有现代科学计量学意义的研究始于洛特卡，其后包括英国文献学家S.C.布拉德福、美国语言学家G.K.齐普夫等人的研究逐渐形成了文献计量学和科学计量学的重要定律。但是，真正使科学计量研究变成一门科学的研究者，普遍认为是美国科学学家D.J.de S.普赖斯和美国情报学家E.加菲尔德。普赖斯的《巴比伦以来的科学》（1961）、《小科学，大科学》（1963）两本著作的出版和加菲尔德的《科学引文索引》（1957）的刊行被认为是科学计量学发展史上的两件奠基性事件。

1978年9月，匈牙利学者T.布劳恩创办了《科学计量学》（Scientometrics）杂志，并担任该杂志的主编。《科学计量学》主要发表有关科学学、科学交流和科学政策的定量研究成果，探讨科学计量学研究中各种重要问题，描述科学计量学的各种方法，为国际上从事科学计量学研究的学者提供了一个学术交流的平台。

科学计量学的研究方向主要是关于新指标的研究、社交网络中的科学计量学研究等。

①关于新指标的研究。由于传统的计量学指标总是存在或多或少的缺陷，一些学者就对探寻更好的计量学指标非常热衷。2005年，美国物理学家J.E.赫希^[注]提出了一个新的指标，用来测度个人的科研绩效——h指数。h指数改善了以前的计量指标只关注数量而不关注质量的不足，对数量和质量进行了同等要求，抑制了单纯追求数量的不良倾向，并能激发科研人员的研究热情。h指数提出以后引起了广大学者的强烈反响，也展开了一系列围绕h指数的优缺点、有效性、改进及引用的研究。h指数有一些明显的缺陷：对于那些刚开始从事科学研究的人员来说，h指数比较低，而对于那些已经取得一些成就的科研人员，即使后来没有任何科研产出，h指数也会因为被引数量的增加而增加；h指数会因为引文数据库的不同而不同，并且对于那些论文数量不多被引频次却很高的学者来说也是非常不利的。L.埃格赫则指出，如果一篇文章的被引次数排在前h位，那么不管这篇文章的被引量是保持不变还是不断增长，都对h指数不会产生任何影响，并在此基础上提出了g指数。相关的指数研究一直都是科学计量学研究的重点方向。

②社交网络中的科学计量学研究。社交网络盛行，科学信息的交流方式也发生了许多改变，越来越多的研究人员利用类似于推特（Twitter）、科学网博客等在线平台公布自己的科学研究成果，发表自己的看法，替代计量学（altmetrics）就是在这样的环境下提出来的。“altmetrics”一词最早由美国北卡罗来纳大学教堂山分校的学者提出，主要是针对学术成果重要性评价的3种方式——同行评议、被引次数和期刊影响因子存在的缺陷而提出的新型计量学。替代计量学植根于社交网络，其对象包括人、期刊、图书、数据集、报告、视频、源代码库和网页等各种类型，其关注点不仅在于被引次数，还包括作品本身产生的影响，如该作品与多少数据及知识基础相关、其本身的观点是什么、被下载的数量以及被其他社交媒体提及的次数等。

科学计量学的发展趋势主要是新工具的涌现和研究深度的提升。

在大数据环境下，科学计量学分析的数据集规模越来越大，传统的分析方法难以满足这一需求，开发新的研究工具实现大规模数据的分析逐渐成为科学计量学发展的一个趋势。新的科学计量工具的产生，为实现大规模数据的分析提供了解决方案。2013年，在第十四届国际科学计量学和信息计量学学会（International Society for Scientometrics and Informetrics; ISSI）年会上，美国印第安纳大学教授K.伯尔纳^[注]介绍了其团队所开发的工具Science of Science（Sci²），Sci²是一个可以用于科学计量研究的模块化工具集，支持进行时间维度、空间维度、局部和整体网络维度的分析，可以将微观（研究人员）、中观（本地）和宏观（全球）水平的结果呈现和可视化，支持主流的数据格式，如科学引文索引（Web of Science）数据、可扩展标记语言（extensible markup language; XML）格式、社会网络分析软件（Ucinet）和Pajke导出格式数据的分析，该工具得到了参会人员的广泛认可。

随着科学计量学的不断发展，传统的浅层次的分析无法满足科学计量学精度的要求，利用更多的技术手段如文本挖掘提升科学计量学研究深度成为重要的发展趋势。传统的引文分析的分析单元主要是引证文献和被引证文献，随着越来越多的科学文献全文的数字化，基于全文的引文分析逐渐受到重视。基于全文的分析能够明显提升引文分析的精确度。基于文本挖掘算法和主题模型，从全文中提取引文，并结合每个引文的上下文分析，利用主题对每个引文进行概率分布标注，从而实现基于全文的引文分析。经过比较发现，基于全文引文的共被引分析比传统的共被引分析精度要高30%。引文分析基本上都假设所有的引文均是正向的，利用全文引文分析，逐渐可以实现负面引用、价值不大引用的识别，从而不断提升引文分析的深度。此外，语义化技术也常被用于共词分析。