情報學(xué)的學(xué)科結(jié)構(gòu)及其演化分析

情報學(xué)的學(xué)科結(jié)構(gòu)及其演化分析

1研究背景和研究意義隨著科學(xué)計量學(xué)的發(fā)展，越來越多的研究者使用信息可視化方法對學(xué)科領(lǐng)域結(jié)構(gòu)進行分析，大量科研工作者把重點放在如何清晰的描述學(xué)科領(lǐng)域的知識結(jié)構(gòu)和研究前沿，力圖把某一學(xué)科領(lǐng)域的核心結(jié)構(gòu)、研究前沿和新生長點以可視化的圖像直觀地表達出來，并揭示其動態(tài)發(fā)展規(guī)律。White和McCain早在1998年就對圖情領(lǐng)域1972-1995年間的引文進行了作者共被引分析、因子分析、多維尺度分析，并進行可視化得到情報學(xué)領(lǐng)域的12個研究領(lǐng)域[1]。而其最重要的發(fā)現(xiàn)是當時的圖情領(lǐng)域包含兩個完全不同的陣營，即信息檢索和文獻研究陣營。文獻研究陣營則包括引文分析、文獻計量學(xué)和科學(xué)計量學(xué)。對1990-2004年間的21種圖情期刊進行文獻共被引分析，同樣得到了兩個陣營，與White和McCain不同的是，信息檢索陣營在此處被定義為信息搜索和檢索陣營[2]。Zhao和Strotmann通過對1996-2008年的12種期刊的作者共被引分析，認為情報學(xué)領(lǐng)域包含5個研究領(lǐng)域，分別為用戶研究、引文分析、信息檢索、網(wǎng)絡(luò)計量學(xué)和研究領(lǐng)域的可視化，最后與White和McCain的工作進行了比較[3]。ChaomeiChen同樣對這12種期刊進行了分析，并使用了一種多角度的引文分析方法，即對學(xué)科結(jié)構(gòu)、研究前沿和語義模式的分析以及通過引用和引證文獻的多個特征項對引文形成的聚類本質(zhì)進行解釋[4]。欒春娟運用社會網(wǎng)絡(luò)分析、聚類分析、因子分析等方法，借助信息可視化技術(shù)手段，對1995-2007年期間“科學(xué)計量學(xué)”出版的關(guān)于國際專利計量研究的論文和引文進行計量分析，繪制了作者共被引網(wǎng)絡(luò)、關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和作者學(xué)術(shù)合作群體網(wǎng)絡(luò)，形象地反映了國際專利計量研究的代表人物、研究前沿和合作前沿[5]。學(xué)科結(jié)構(gòu)及其在此基礎(chǔ)上的研究前沿對科研工作者從整體上把握學(xué)科結(jié)構(gòu)和發(fā)展有很大的幫助，但在另外一方面，研究者可能更關(guān)心的是在學(xué)科演化過程中研究領(lǐng)域交叉點是什么、最熱點的研究領(lǐng)域是什么、會有哪些新生的熱點研究領(lǐng)域、研究領(lǐng)域是如何發(fā)展演化的，從而清晰的掌握學(xué)科最重要的熱點研究領(lǐng)域和方向，了解其演化過程和發(fā)展變化。本文將使用引文分析方法以及CiteSpace[6]可視化工具，通過對情報學(xué)領(lǐng)域的12種期刊在2000-2009年間的186751引文進行分析，從學(xué)科結(jié)構(gòu)及其時序變化、交叉點、引用突變點三方面進行分析，力圖更加清晰的揭示情報學(xué)學(xué)科結(jié)構(gòu)及其動態(tài)演進歷程、演化過程中的關(guān)鍵路徑、已經(jīng)或?qū)⒁霈F(xiàn)的重要研究前沿。2數(shù)據(jù)來源本文選擇表1中的12種期刊作為數(shù)據(jù)源，其他研究人員均在其對情報學(xué)的分析中采用了同樣的數(shù)據(jù)源[1,3,4]，只是選擇方式和時間跨度上不同。雖然這些期刊是在十幾年前就選擇出來，可能現(xiàn)在并不是代表情報學(xué)演化的最好期刊。然而，并沒有公認的權(quán)威數(shù)據(jù)源用來跟蹤情報學(xué)進展。因此，選擇這12種期刊作為數(shù)據(jù)源的優(yōu)勢則可體現(xiàn)出既是前人所研究內(nèi)容的驗證和延續(xù)，也可以進行比較，從而跟蹤情報學(xué)的進展和演化情況。從WebofScience檢索到情報學(xué)領(lǐng)域12種期刊的數(shù)據(jù)集，其涵蓋了117個國家，2325個研究機構(gòu)，8630位作者撰寫的8374篇論文，包含來自51753種期刊，55138位作者的186751條引文，不重復(fù)的引文數(shù)達到109504條。本文選取的時間區(qū)間為2000-2009年，作者共被分析中選擇120名高被引作者；文獻共被分析從每年中選擇30篇高被引文獻，最終得到131個節(jié)點的合并網(wǎng)絡(luò)，都使用CiteSpace進行可視化。表12000-2009年情報學(xué)領(lǐng)域12種期刊詳細說明3學(xué)科結(jié)構(gòu)及其演變分析3.1學(xué)科結(jié)構(gòu)及其時序變化3.1.1情報學(xué)學(xué)科結(jié)構(gòu)本文選取2000-2009年間120位高被引作者，以10年為時間切片進行分析。Citespace識別出13個聚類，它們的模塊化系數(shù)(Modularity)為0.5799，表明聚類間的模塊化程度較高，重疊部分較少；平均單一性系數(shù)(MeanSilhouette)為0.7635，表明聚類中作者聯(lián)系緊密度較高，聚類內(nèi)部并沒有多樣性結(jié)構(gòu)。圖1中的聚類主題從引文標題中按Log-LikelihoodRatio（LLR，指數(shù)似然率）識別的名詞短語得到。通過作者共被引學(xué)科結(jié)構(gòu)分析，能夠清晰的展示2000-2009年間最主要的研究領(lǐng)域，如信息檢索、文獻計量分析、交互信息檢索等。同時，不同聚類的連接點表明此作者在多個研究領(lǐng)域都有涉及，一般情況下引用的次數(shù)也會較多，可能是情報學(xué)或多個學(xué)科的領(lǐng)軍人物。圖1中圓圈大小與引用次數(shù)對應(yīng)，大的圓圈代表的作者引用次數(shù)多，可能是某一研究領(lǐng)域的學(xué)術(shù)帶頭人。學(xué)科結(jié)構(gòu)同樣也可以根據(jù)文獻共被分析來進行，如圖5中的情報學(xué)研究領(lǐng)域。圖12000-2009年間120位高被引作者形成的作者共被引網(wǎng)絡(luò)3.1.2學(xué)科結(jié)構(gòu)時序變化研究一個研究領(lǐng)域，我們需要關(guān)注此領(lǐng)域從產(chǎn)生到現(xiàn)在經(jīng)歷了怎樣一個發(fā)展歷程，在各個發(fā)展進程中其學(xué)科結(jié)構(gòu)是什么，發(fā)生了怎樣的變化。學(xué)科結(jié)構(gòu)的時序變化分析試圖解釋這些問題，描述情報學(xué)在近10年間學(xué)科結(jié)構(gòu)和研究前沿的發(fā)展歷程。圖2-4分別描述了情報學(xué)從2000-2009年間的學(xué)科結(jié)構(gòu)隨時間變化的發(fā)展進程，其中，2006年太過分散，沒有顯示在圖中。從圖2中可以看到，2000年主要研究領(lǐng)域為Web和relevance方面，這和當時的整個社會大環(huán)境是分不開的，當時中國正處于互聯(lián)網(wǎng)暴發(fā)式發(fā)展的時期，互聯(lián)網(wǎng)泡沫開始形成。2001年和2002年基本延續(xù)了2000年的發(fā)展，只是衍生出了其他的研究領(lǐng)域，但是很不明顯，最左邊圖中的連線基本都是Web領(lǐng)域。由此也可以說明，情報學(xué)也是跟隨著社會整體大環(huán)境的變化而變化，適應(yīng)當時的社會發(fā)展要求，從實際中發(fā)現(xiàn)并解決問題。圖3顯示，2003年發(fā)生了很大的變化。GarfieldE1979年在CitationIndexing上發(fā)表的Citationindexing:Itstheoryandapplicationinscience，technology，andhumanities的突變系數(shù)達到11.69，引領(lǐng)了聚類2(academicwebsite)的發(fā)展。同時，聚類2是形成的聚類中的最大聚類，包含了32條引文記錄，占到總數(shù)131的24.4%。2004-2005年聚類2一直起著主導(dǎo)作用。2005年，已經(jīng)有學(xué)者開始進行了h-index方面的研究。圖22000-2002年學(xué)科研究前沿變化情況圖4顯示，在2007年聚類5(openaccess)開始形成，其可能是情報學(xué)未來的研究前沿。到了2008年，h-index已經(jīng)真正走上情報學(xué)的研究前沿領(lǐng)域，并在2009年得到了更好的發(fā)展。這兩年間幾乎沒有其他研究領(lǐng)域形成，聚集度很高。3.2交叉點分析圖32003-2005年間學(xué)科研究前沿變化情況圖42007-2009年間學(xué)科研究前沿變化情況ChaomeiChen認為關(guān)鍵點是網(wǎng)絡(luò)中不同聚類的連接點，它們可以是兩個網(wǎng)絡(luò)的共同節(jié)點，也可以是網(wǎng)絡(luò)的網(wǎng)關(guān)結(jié)點，在一定程度上，可以認為關(guān)鍵點就是知識轉(zhuǎn)折點，其見證了學(xué)科或研究領(lǐng)域的范式轉(zhuǎn)變[7]。領(lǐng)域交叉點是指在引文形成的聚類中，兩個或多個聚類間的連接點，聚類間可以通過一個連接點或多個連接點的共同作用進行連接，本文中關(guān)鍵點、連接點與交叉點不作區(qū)分，選擇交叉點是使之更具體以便于理解。在多個研究領(lǐng)域中，領(lǐng)域交叉點往往就是新興研究領(lǐng)域的生長點，產(chǎn)生新的科學(xué)前沿。學(xué)科或領(lǐng)域間的交叉滲透可能會對知識演化過程和演化關(guān)系造成重要的影響，揭示這種演化關(guān)系有可能對交叉學(xué)科的形成和演變機制，探索研究前沿的產(chǎn)生有一定的啟示作用，同時對科技創(chuàng)新也有重要的意義。交叉點在一定程度上代表了研究領(lǐng)域交叉融匯，知識基礎(chǔ)的范式轉(zhuǎn)變，標識出了知識結(jié)構(gòu)在演化過程的重要路徑。節(jié)點的中間中心性是檢測交叉點的一種普遍方法。點的中心性是一個用以量化點在網(wǎng)絡(luò)中地位重要性的圖論概念。中間中心性是常用來進行中心性測度的指標[8]，它是指網(wǎng)絡(luò)中經(jīng)過某點并連接這兩點的最短路徑占這兩點之間的最短路徑線總數(shù)之比。中間中心性高的點往往位于連接兩個不同聚類的路徑上，社團識別算法(community-findingalgorithms)就是利用這個特點來區(qū)分網(wǎng)絡(luò)中的聚類[9]。中心性測量為發(fā)現(xiàn)不同學(xué)科的連接點或進化網(wǎng)絡(luò)中的臨界點(TippingPoints)提供了一種計算方法。這種圖論方法的優(yōu)勢在于，因為它獨立于任何知識領(lǐng)域，所以其應(yīng)用范圍就極其廣泛。而且這種方法只研究網(wǎng)絡(luò)中少量的連接點，而不是整個網(wǎng)絡(luò)。因此，如果這些連接點顯示出某個領(lǐng)域的結(jié)構(gòu)和動態(tài)本質(zhì)，那么就可以大大減少用戶在理解上的負擔。圖5中，左邊表示引文形成的聚類和按題名生成的標簽，右邊表示中心性較高的交叉點的相關(guān)信息。各種不同顏色的連線和節(jié)點實際上是和其產(chǎn)生共引的年份相關(guān)聯(lián)的，節(jié)點的大小與其被引用的次數(shù)成正比，左邊白色方框內(nèi)的節(jié)點表示其中間中心性較高的節(jié)點，而右邊白色方框內(nèi)的節(jié)點為引用次數(shù)發(fā)生了突變的節(jié)點。表2列出了圖5中的交叉點的詳細信息并按時間順序排列。從表2可以看出，隨著年份的變化，交叉點連接著10年來形成的大多數(shù)研究領(lǐng)域，代表了情報學(xué)在10年間的發(fā)展歷程的演變，標識了知識關(guān)鍵點和重要路徑。從1979年GarfieldE創(chuàng)立引文索引以來，清晰展現(xiàn)了情報學(xué)從informationretrieval,probabilisticmodel,web到h-index的關(guān)鍵技術(shù)的發(fā)展過程，顯示了關(guān)鍵點在情報分析中的重要作用。從整體上把握情報學(xué)的學(xué)科結(jié)構(gòu)及其演化過程。表1中的期刊來源中，Science和Nature并不屬于圖情領(lǐng)域期刊，但是卻體現(xiàn)著重要的聚類間連接作用，也說明圖情領(lǐng)域的多學(xué)科特性和較強的融合性。大部分的關(guān)鍵點來源期刊都為圖情領(lǐng)域?qū)W術(shù)影響力較大的期刊，說明此領(lǐng)域仍然為此領(lǐng)域業(yè)內(nèi)專家所掌控。圖5情報學(xué)研究領(lǐng)域、交叉點（左邊方框內(nèi)）、引用突變點（右路邊方框內(nèi)）3.3引用突變點分析引用突變點表示引用次數(shù)在短期內(nèi)突然出現(xiàn)了暴發(fā)式的增長或改變，往往預(yù)示著新的熱點研究領(lǐng)域的突現(xiàn)。引用的突然性增長表明更多的研究者開始關(guān)注此研究領(lǐng)域，對于預(yù)測此領(lǐng)域的未來發(fā)展趨勢很有幫助。引用次數(shù)的突變分析能夠幫助科研工作者更好的分析和發(fā)現(xiàn)該學(xué)科領(lǐng)域最新的研究前沿，從而為尋找創(chuàng)新點、發(fā)現(xiàn)新問題提供更好的思路和方法。同時能夠清晰的描述學(xué)科前沿的變化情況。表2情報學(xué)交叉點詳細說明引用次數(shù)突變系數(shù)表示了在近年來它的引用次數(shù)發(fā)生了突發(fā)性的增長，說明更多的人開始關(guān)注此研究領(lǐng)域。對于預(yù)測此領(lǐng)域的發(fā)展趨勢很有幫助。Kleinberg的突變檢測算法可以用于檢測一個學(xué)科內(nèi)研究興趣的突然增長[10]。圖5中白色方框內(nèi)的節(jié)點為引用次數(shù)發(fā)生了突變的節(jié)點，具體信息如表3所示，我們從中選擇最近幾年發(fā)生的引用次數(shù)發(fā)生突變的記錄進行分析，發(fā)生在2005年以前的突變點此處沒有列出，與聚類16(h-index)相關(guān)的更多的突變點不再列出。從表3可以看到，h-index從2005年被提出以來，至今一直為情報學(xué)領(lǐng)域最突出的研究前沿，這與當今的研究趨勢十分吻合。同時，g-index也發(fā)生了引用次數(shù)突變，可能是h-index的下一步發(fā)展方向。聚類4(integration)和聚類5(openaccess)的引用次數(shù)也發(fā)生了突變性增長，從這一點上來說，其也將成為或者已經(jīng)成為情報學(xué)的研究前沿。表3情報學(xué)引用突變點詳細情況說明4結(jié)語通過對情報學(xué)領(lǐng)域的12種期刊的交叉點、引用突變點和研究前沿的時序變化分析，能夠初步解釋情報學(xué)現(xiàn)狀、未來所面臨的挑戰(zhàn)，為將來研究提供切實的、有價值的參考。有利于追蹤前沿課題，預(yù)測