基于期刊共引分析法的學科關系知識圖譜的實證研究

[摘 要]本文基于期刊共引分析法，利用社會網絡分析和Pajek軟件，構建中國農史學科與相鄰學科關系知識圖譜，分析農業史學科與相鄰學科的關系。為基于期刊共引分析的學科關系知識圖譜的進一步研究提供具體的案例。

[關鍵詞]期刊共引;知識圖譜;實證研究;學科關系

[中圖分類號]G350 [文獻標識碼]A [文章編號]1008-0821(2010)05-0009-03

The Empirical Research of the Knowledge Domains Map Between Subject

Relationship Based on Journal Co-citation Analysis MethodQin Changjiang

(School of Economics and Management，Henan Science and Technology University，Luoyang 471003，China)

[Abstract]In this paper，based on journal co-citation analysis，the author used social network analysis methods and software Pajek，to build the knowledge domains map of the relationship between chinese agricultural history subject and its neighboring disciplines，analyzd the relationship between chinese agricultural history and its neighboring disciplines，provided specific cases for further research of the knowledge domains map between subject relationship based on journal co-citation analysis method.

[Keywords]journal co-citation;knowledge domains map;empirical research;subject relationship

期刊作為專業學術知識傳播的重要載體， 文獻計量學、信息計量學通常采用影響因子、被引頻次等指標來表證期刊在學術交流中的作用。事實上，構成期刊被引頻次的基礎是期刊與期刊之間的相互引證和被引證關系，兩種期刊間的關系，也可以通過它們同時被其他期刊的共被引頻次來表達，共被引頻次越高，表明關系越密切，即意味著這兩份期刊的學科關系越密切，這樣就把眾多無外部聯系的各種期刊有機地聯系起來，以此來揭示某些學科間的相互交叉關系[1]。

1 數據與方法

11 選擇目標期刊

目標期刊的選擇有一定的標準，樣本要適中。樣本過大會導致數據分散、不易解釋，樣本太小又不足以完整解釋一個學科和知識領域的全貌。《中國農史》是由國家一級學會中國農業歷史學會和南京農業大學聯合主辦的農業歷史專業學術性刊物，創刊于1981年。自l992年起一直是北大版核心期刊;也始終是中文社會科學引文索引(CSSCI)來源期刊，《中國農史》不僅在國內農史界享有較高的聲譽，在國際上也有較廣泛的影響，所刊論文也被美國《史學文摘》等列為摘錄對象。因此，筆者決定采用這樣的方法來獲取目標期刊:將所有引用了《中國農史》所發表論文的所有期刊按照引用頻次排序，形成引用《中國農史》的所有期刊頻次表。按照引用頻次的大小，再結合期刊的性質(是否核心期刊)，確定以下17種期刊作為本次研究的目標期刊:中國農史、中國經濟史研究、中國歷史地理論叢、農業考古、史學月刊、歷史研究、近代史研究、清史研究、地理研究、民族研究、史林、古今農業、中國社會經濟史研究、中國科技史料、南京農業大學學報(社會科學版)、江海學刊、自然科學史研究。

12 構造期刊原始同被引矩陣

以這17種期刊為分析對象研究它們的同被引關系，利用中國期刊全文數據庫的期刊同被引檢索功能，在線檢索出這17種期刊的同被引次數。具體做法是:在檢索路徑中選擇2個“參考文獻”字段，二者為邏輯“與”關系。在檢索詞中分別輸入17種期刊任意2種期刊名，而后得出2種期刊的同被引次數以及同被引的文獻列表。檢索年限選擇時間是全部，就是1979-2009年，范圍中選擇:全部期刊，檢索學科范圍選擇全部，沒有局限在歷史和農業學科，是考慮到農史學科作為一門交叉性的綜合學科，引用《中國農史》的學術論文也會分布在其他一些學科領域。這樣共有(17×16)/2=272組不同的數據，就初步構成了17×17的同被引矩陣。該矩陣為對稱矩陣，主對角線的數據定義為缺失值。非主對角線中單元格的值為期刊同被引次數。見圖1(部分)。

名 稱中國

農史中國經濟

史研究中國歷史

地理論叢農業

考古……中國農史263147447……中國經濟史研究2639092……中國歷史地理論叢1479090……農業考古4479290……圖1 17種期刊的原始共被引矩陣(片段)

2010年5月第30卷第5期基于期刊共引分析法的學科關系知識圖譜的實證研究May，213 社會網絡分析方法構建期刊共引知識圖譜

期刊同被引矩陣呈現的是期刊與期刊之間的共現數據，由期刊與期刊之間的原始同被引關系矩陣形成的期刊同被引關系原始網絡圖就是:點代表那些核心期刊，期刊之間存在的同被引關系由邊來表示[4]。

然后，將原始的多值數據矩陣轉化為二值數據矩陣。方法是:首先計算出17種期刊各自的平均同被引次數，分別為:中國農史12594、中國經濟史研究13288、中國歷史地理論叢7259、農業考古8276、史學月刊15041、歷史研究30718、近代史研究16106、清史研究8256、地理研究5618、民族研究8676、史林7894、古今農業3706、中國社會經濟史研究11835、中國科技史料2076、南京農業大學學報(社會科學版)359、江海學刊5729、自然科學史研究3006。然后計算出17種期刊的平均同被引次數，方法為:17種期刊平均同被引次數加總得到:160446，再除以17得到9438，9438就是17種期刊的平均同被引次數。然后采用設定閾值的辦法將矩陣轉化為二值數據矩陣。設定同被引次數的平均值94為閾值，同被引次數大于或等于94時取值為1，小于94時為0。形成一個新的二值矩陣。

2 實驗結果與分析

利用17種期刊的原始共被引矩陣生成的pajek網絡圖，見圖2。利用17種期刊的平均共被引數據處理的、多值數據矩陣轉化為二值數據矩陣生成的pajek網絡圖，見圖3。圖2 原始數據生成的pajek網絡圖

原始網絡圖中的線條是期刊專業相似性的可視化表達，期刊之間連線的粗細和顏色的深淺與這種專業相似性對應。線條越粗，顏色越深，期刊的引用模式越相似，期刊所處領域或專業相似性就越強。

經過數據處理過的網絡圖中如果出現孤立期刊(即與其它期刊沒有連線的期刊)，表明該期刊與其它期刊在被引模式上相似性差，期刊所處領域或專業相似性就越弱[5]。

可以說這2個圖就是由引用了《中國農史》的期刊形圖3 數據處理后生成的pajek網絡圖

成的網絡，即為:《中國農史》被引期刊網絡圖。把這個網絡作為一個整體網，可以揭示該期刊同被引網絡的構成、規模、密度以及整體網中各個期刊成員的關系等。“size”是指期刊成員個體網的“規模”[3](不包括“自我”)。使用“size”測度指標可揭示每種期刊在整體網絡中的“個體規模”。從圖中可以看出《中國農史》的個體網絡規模為9，說明與它有“緊密聯系”的期刊有9種。同時，也可以得出《歷史研究》、《史學月刊》的個體網絡規模分別為12、10，說明它們與其他期刊的關系總數最多。其它都小于9。

因此，通過《中國農史》核心被引網絡的2個網絡圖，可以得出一些有意義的結論:

(1)《農業考古》、《中國社會經濟史研究》、《中國經濟史研究》、《歷史研究》與《中國農史》聯系最緊密，學術聯系最強。因為聯系的線條顏色最深。

(2)《中國農史》與《中國科技史料》、《自然科學史研究》、《南京農業大學學報》的學術聯系最弱。因為這3種期刊是孤立點。

(3)《中國農史》與《民族研究》、《地理研究》、《江海學刊》、《史林》的學術聯系也較弱，因為這3種期刊與《中國農史》只有間接的聯系，表明這些期刊與《中國農史》的聯系比(2)中的3種期刊強，但比其它9種期刊要弱。

其它5種期刊介于(1)、(3)之間。

3 小 結

將社會網絡分析法運用到期刊同被引網絡的可視化中，可以直觀地了解期刊之間的專業相似性。筆者根據與《中國農史》期刊聯系的緊密程度和期刊所屬知識領域進行分析，發現與農史學科聯系最緊密的是歷史學、農業科學;其次是經濟學、社會學、地理學、民族學等;很意外的是，農史學科卻與同屬科技史學科范疇的自然科學史的學術聯系不緊密，這一現象值得進一步深入研究。總之，本文的研究探索，對期刊共引以及相關可視化的研究，有一定實際和學術意義。隨著我國學術論文引文著錄的規范化、數據庫質量的提高，期刊同被引分析方法的準確性會進一步提高。

參考文獻

[1]邱均平，趙為華.期刊同被引的實證計量研究[J].情報科學，2008，26(10):1447-1450.

[2]Leydesdorff，L SECozzens.The Delineation of Specialties in Terms of Journals Using the Dynamic Journal Set of the Science Citation Index[J].Scientometrics，1993，2(6):133-154.

[3]周萍.中國科技期刊引文環境的可視化[J].中國科技期刊研究，2005，1(6):770-780.

[4]Loet，Leydesdorff.Co-occurrence metrices and their applications in information science:extending ACA to the web environment[J].Journal of the American Society for Information Science and technology，2006，7(12):243-246.

[5]周萍.計算機類期刊的引文環境分析[J].情報學報，2008，26(6):923-933.