基于關鍵詞共現和社會網絡分析法的數字圖書館研究熱點分析

□殷沈琴 張計龍 任磊

1 引言

數字圖書館是利用數字技術獲取、存取、發布信息的圖書館。1971年的古登堡項目(ProjectGutenberg)是世界上較早的數字圖書館項目,而絕大多數國家的數字圖書館研究始于 20世紀90年代初,1993年美國發起著名的“數字圖書館先導項目”(Digital Library Initiative),受其影響,同一時期很多國家紛紛出臺相應的數字圖書館計劃,興起一股全世界研究數字圖書館的熱潮,其后隨著互聯網和通訊技術的發展,數字圖書館的研究和實踐迅猛發展,隨之涌現了大量研究數字圖書館的文獻,對這些文獻進行統計分析可以幫助我們了解數字圖書館的研究現狀、學術熱點及發展趨勢。

國內外對數字圖書館領域的文獻進行計量分析的論文數量較少,2007年前發表的國內論文[1-4]主要集中對數字圖書館相關文獻的定量研究,如對文獻數量、著者、機構、核心期刊、經典文獻內容進行分析,這些研究主要通過頻數進行描述分析,采集的數據均在2005年之前,數據的年限一般是10年,對研究主題較少涉及。2009年董偉運用共詞分析和多元統計分析法對國內圖書館1999-2008年的數據進行了分析[5],蘇娜運用共詞分析結合Ucinet軟件繪制國外數字圖書館關鍵詞共現網絡[6],這兩篇文章均利用可視化工具直觀表現關鍵詞之間的關系,在此基礎上對數字圖書館研究主題進行分析,但較少涉及數字圖書館領域的研究內容隨時間變化的趨勢。目前筆者檢索到的對數字圖書館的作者進行合著分析的文獻僅有一篇,2005年Xiaoming Liu等采用合著分析對1994-2004年ACM、IEEE的會議數據進行研究[7],從社會網絡分析的角度去說明文獻作者之間的關系,并利用A uthorRank算法對作者的影響力進行排名,但并未對合著者的研究主題做闡述和進一步挖掘。

本研究將在上述研究的基礎上,結合科學計量學中比較成熟的研究方法,將1991～2010年間Web o f Science中SCI-E和SSCI收錄的研究數字圖書館的論文,分成4個時間段,進行關鍵詞共現分析,全面了解二十年來數字圖書館的發展歷程;并對合著作者進行分析,構建作者社會網絡圖譜,展現主流學術合作群體及其核心思想,多視角解析數字圖書館的研究主題和熱點。

2 數據來源和研究方法

2.1 數據來源

在Web of Science的SCI-E、SSCI數據庫中,以(主題=“digital librar＊”OR 主題=“virtual librar＊”OR 主題=“electronic librar＊”)為檢索式,統計年限為1991～2010年,截止日期為2010年8月31日,選取“A rticles”精煉結果,檢索出 1752篇文獻,抽取關鍵詞、作者、機構、國家、發文期刊等字段進行統計分析。

2.2 關鍵詞共現分析

關鍵詞共現分析法的思想來源于文獻計量學的引文耦合與共被引概念,即當兩個能夠表達某一學科領域研究主題或研究方向的關鍵詞在同一篇文獻中出現時,表明這兩個詞之間具有一定的內在關系,并且出現的次數越多,表明關系越密切、距離越近。利用因子分析、聚類分析和多維尺度分析等多元統計方法,可以進一步按這種“距離”將一個學科內的重要主題詞或關鍵詞加以分類,從而歸納出該學科的研究熱點、結構與范式[8]。

2.3 社會網絡分析

社會網絡分析起源于社會計量學,是一個受多學科影響的交叉學科。社會網絡分析將社會結構界定為一個網絡,這個網絡由成員之間的聯系進行連接。社會網絡分析更多地聚焦于成員之間的聯系而非個體的特征,并把共同體視為‘個人的共同體',就是視為人們在日常生活中所建立、維護并應用的個人關系的網絡[9]。

2.4 合著分析

兩位或多位作者共同發表一篇文獻,則被界定為他們之間存在聯系。作者之間的合著關系是社會關系中很重要的一種,根據作者共現矩陣可以構建合著網絡模型,其中,節點代表合著論文的作者,聯系代表作者之間的合著關系。

圖1 數據處理流程圖

如圖1所示,本文在高頻關鍵詞共現矩陣的基礎上,利用多元統計分析將高頻關鍵詞按照相互之間的距離和相似度分成幾大區域,同一區域的詞代表類似的研究方向,不同區域代表不同的研究方向,來揭示數字圖書館的研究主題。社會網絡分析方法被證明可以成功地研究科學合作網絡和互聯網中的可視化網絡[10]。本文亦采用社會網絡分析法對數字圖書館領域的學術合作群體進行分析。

3 統計與分析

3.1 論文發表時間分布

1991～2010年間被SCIE、SSCI收錄的論文共計1752篇,如圖2所示,從1991年開始逐年上升,在2000年達到峰值,2001年有所下降,2001～2005年文獻量基本保持穩定,2006年達到新的峰值,2007年小幅下降,2007～2009年保持穩定,而2010年數據不全,不計入內。

圖2 1991-2010年的發文量統計

3.2 各時間段高頻關鍵詞統計

高頻關鍵詞可以很好地反映某一領域的關注熱點。對每年論文關鍵詞進行詞頻統計排序。根據各年關鍵詞的相似度,及每年論文數量變化,可將1991年以來數字圖書館的發展分為4個時間段：1991～1995年、1996～2000年、2001～2005年、2006～2010年。按4個時間段重新統計高頻詞,表1列出各階段前30個高頻詞及出現頻率。

3.3 4個時間段的高頻關鍵詞共詞分析

為關注數字圖書館研究的重點領域,本文對表1所示的每一時間段的高頻關鍵詞進行共詞分析,首先剔除關鍵詞 digital libraries、digital library,然后根據關鍵詞在同一篇文檔中出現的頻率生成關鍵詞共現矩陣,并對矩陣標準化,消除矩陣因關鍵詞頻次差異的影響。然后利用多維尺度分析結合聚類分析和因子分析,分別得出 1996～2000年、2001～2005年、2006～2010年高頻關鍵詞知識圖譜,如圖3、圖4和圖5所示,下文將結合圖2對各個時間段的研究內容進行分析。其中1990～1995年的關鍵詞詞頻較低,各關鍵詞之間的距離較大,不能形成明顯的聚類,直接通過關鍵詞和文章摘要對這一時間段的研究進行說明。

美國國家科學基金會(NSF)1993年發起、1994年資助美國6所大學圖書館開展“數字圖書館先導計劃”項目(Digital Library Initiative),標志著大規模數字圖書館研究的開端,同一時期,英國、日本、新加坡均提出相應的數字圖書館計劃,在此背景下,如圖1所示,1995年的發文量由1994年的22篇躍為60篇。數字圖書館研究的初始階段,文獻數量不多,關鍵詞的頻次均為個位數,由圖2所示的關鍵詞和文章摘要可以看出,這一階段的研究內容集中在：(1)數字圖書館的定義、功能及概念辨析。“數字圖書館”(digital library)這一概念從混沌走向清晰,電子圖書館(electronic library)、虛擬圖書館(virtual library)、數字圖書館(digital library)這三個相近但又有著差別的概念,被數字圖書館取代。(2)數字圖書館系統建設相關信息技術與基礎設施。(3)數字圖書館能提供的服務等。這一時間段旨在探索相關技術和基礎平臺,以試驗為目的。

表1 數字圖書館論文分時間段高頻詞

圖3 1996～2000年高頻關鍵詞知識圖譜

1996～2000年文獻量穩定增長,每年增幅在20篇左右,并于2000年達到發文的峰值。和這一時間段的背景密切相關：一方面互聯網和信息技術的飛速發展為數字圖書館的發展奠定了基礎,另一方面隨著1993年美國“數字圖書館先導計劃”(DLI)的啟動,其他國家紛紛效仿,如1996年德國通過1996～2000年信息技術發展計劃,1997年中國開始建設“中國試驗型數字式圖書館項目”,1999年俄聯邦政府批準預算為2億盧布的“俄羅斯電子圖書館”項目等。這一時期全球范圍內各國政府重視數字圖書館的建設和發展,對圖書館界產生了巨大影響。通過圖3的知識圖譜可以看出,這一時間段的研究內容主要分為5個區域：(1)多媒體數據的壓縮與傳輸,電子數據交換,元數據;(2)開始研究用戶學習、用戶界面、虛擬現實、機器學習等;(3)信息系統和互操作、安全性、信息檢索(基于內容的檢索);(4)復合圖書館設計(紙質館藏和虛擬館藏相結合)和數字圖書館性能評估;(5)語義檢索和并行計算、多媒體數據庫、圖像視頻數據庫等。

圖4 2001～2005年高頻關鍵詞知識圖譜

2001～2005年文獻量變化不大,保持在100篇左右,第一、二時間段啟動的數字圖書館項目都已接近尾聲,開始新一輪工程建設。如圖4所示,研究內容集中在：(1)信息服務與用戶教育：以用戶為中心設計數字圖書館,如計算機輔助設計、人機交互界面等,關注用戶學習、用戶教育等;(2)數字出版、電子圖書、電子期刊、引用影響力、同行評審等。(3)信息檢索、搜索、開放系統、知識管理、數據處理;(4)信息系統與信息管理、元數據標準、數據挖掘、多媒體數據管理系統等。

圖5 2006～2010年關鍵詞知識圖譜

數字圖書館事業的繁榮不斷推動著數字圖書館研究,2006年發文量繼2000年之后又達到一個新的峰值。由圖5可以看出,2006～2010年的研究分別由不同的關鍵詞構成4大區域,同一區域內的關鍵詞之間的距離較小,相似度較大,代表同一研究方向,主要包括：(1)信息檢索、語義網、搜索引擎、數據挖掘和文本挖掘在數字圖書館中的應用、資源索引模型、數字圖書館系統與標注等;(2)數字圖書館服務：包括信息服務、用戶界面重新設計、虛擬視頻、基于用戶信息行為分析基礎上的服務如個性化服務、信息推送服務等;(3)數字存儲：包括存檔管理、自存檔系統,元數據標準等;(4)數字圖書館的資源建設：包括電子期刊管理、數字出版物等;(5)其他關于國家和地區的詞如“United Kingdom” 、“China”、“Canada”等,顯示數字圖書館研究核心地區和國家。由上可知,這一時間段,數字圖書館側重于資源的建設和應用,研究趨于多元化,與不同學科交叉融合。數字圖書館上升到應用層面,注重從用戶視角進行分析,提供更具個性化和多樣化的信息服務。

3.4 1991-2010年排名前10位的高頻關鍵詞統計

剔除 digital libraries,virtual library、electronic library、1991～2010排名前10的高頻詞匯隨年份變化頻率如圖6所示。

圖6 高頻關鍵詞隨年份頻次變化圖

可以看出,信息檢索一直是歷年研究的熱點所在,信息檢索貫穿整個數字圖書館的發展歷程。而數字圖書館是基于網絡環境共建共享的可擴展的知識網絡系統,隨互聯網應運而生,以互聯網為基礎平臺,隨互聯網的發展而發展。數字圖書館的發展離不開圖書館的支撐,最早啟動的數字圖書館項目均是由圖書館來負責實施的。數字圖書館包括所有數字形式的圖書館資源：經過數字化轉換的資料和本來就是以電子形式出版的資料,如電子期刊等。故電子出版、電子期刊也是重要的關鍵詞。元數據為各種形態的數字化信息單元和資源集合提供規范、普遍的描述方法和檢索工具,是信息檢索的基礎,元數據標準的制定、搜集、收割和管理一直是數字圖書館研究的一個重要方面。從2000年開始,用戶學習開始受到重視,基于用戶視角的可用性學習、用戶界面和用戶模型等成為研究內容,相應的針對用戶的信息服務亦是重點。

4 國際合作前沿

關于合作模式的研究在三個層面上進行：基于作者個體的微觀層面、基于合作機構的中觀層面以及基于合作國家的宏觀層面[11]。早期對合作模式的研究主要在科學計量學領域,且集中在組織機構和國家層面上的合作模式,對論文作者層面上的微觀結構研究得比較少。國內外文獻對數字圖書館領域的合作模式的研究也比較少,Xiaoming Liu等[7]對數字圖書館領域的國際會議論文作者合著模式進行研究,但對各個學術合作群體的主要思想并沒有闡述。本文在上述研究基礎上,在微觀層面基礎上構建數字圖書館領域的學術合作群體,同時結合論文摘要,揭示主要學術合作群體的研究領域。

4.1 主要學術合作群體

1991～2010年,主題詞為“數字圖書館”的1752篇文章中,可萃取出1001位不同作者,總出現頻次為3676次。選取論文產出量高于和等于4的高產作者,在這一閾值間有43位作者,根據他們的合著數據,生成作者共現矩陣,利用社會網絡軟件UCI-NET,通過聚類將其分為7個學術合作群體(群體人數>=3),如圖7所示。每一個節點大小代表節點的度的中心性,也就是說與某一作者有合作關系的人數越多,度的中心性越高,節點越大;線條的粗細表示每一個合作對之間的合作論文數,線條越粗,兩個作者合作次數越多。表2顯示7個合作群體的作者組成、論文數和國籍/地區分布,從中可以了解國家之間的合作和不同地區之間的合作。

最大的合作群體以 Rimmer J、Blandford A、W arw ick C 、Buchanan G 、Gow J為核心人物,一共有8位作者,分別來自英格蘭和威爾士的三所機構,他們之間已經合作發表了數篇論文,形成了比較穩定的合作關系。

合作群體2由來自美國和巴西的4位作者組成,以Fox EA為核心人物,從圖 7也可以看出,Goncalves MA和 Laender AHF之間的合作更緊密。合作群體3包括美國兩所機構的4位作者,以Nelson M L為核心作者。還有4個包括3位作者的學術合作群體和6個合作對。合作群體4由來自美國的3位作者組成,合作群體5來自美國和意大利,合作群體6來自英格蘭和威爾士,合作群體7來自英格蘭。2人合作對Bainbridge D和W itten IH均是高產作者,且關系穩定。另有5位作者沒有與其他作者合作過。

圖7 高產作者社會網絡圖譜

由上可知,英格蘭和美國是研究數字圖書館的重鎮,這一點從論文的國家分布數也得到證實,發文前三位的國家分別是美國、英國和中國。英國不同地區不同機構的合作較頻繁,美國學者則與巴西、意大利學者的合作比較多。整體而言,與其他學科相比,數字圖書館領域的作者合作的規模比較小,作者之間的合作網絡比較松散,國際合作較少。

表2 作者所在組別、發文量和國家地區

4.2 主要學術合作群體思想述評

學術合作群體1是最大的合作群體,且形成了比較穩定緊密的合作關系。

2008年,M akris S等利用Ellis的信息搜索模型分析律師的信息行為,從而改進設計,提升信息檢索效率[12]。同年,M ak ri S等通過David Eillis's的模型,針對信息行為分析來評估電子資源的功能性和可用性[13]。

2007年Blandford A等通過在數字圖書館的設計過程中引進情景導向設計(scenario based design),在不同用戶的需求間達成共識[14]。2008年,Bland ford A等應用CASSM方法,專注于用戶和交互系統之間的匹配,以評估數字圖書館系統的可用性,并通過指出系統重新設計的可能性來提升可用性[15]。同年,Bland ford A等通過 PRET A Rapporter框架,評估信息檢索系統(尤其是數字圖書館)的交互性,以及與用戶更廣泛的信息工作要求之間的匹配度[16]。

2009年,W arw ick等指出數字人文資源存檔的重要性,存檔既包括文本標引或數據庫建設等技術文檔,也包括資源建設的過程文檔[17]。

由上可知,學術合作群體1的主要研究方向集中在數字圖書館的可用性、人機交互和設計上,包括可用性評估,通過用戶信息行為分析和認知過程來改進設計,從而提升可用性和信息檢索的效率等。

學術合作群體 2以美國學者 FOX EA為主,FOX EA是公認的十大數字圖書館專家之一,完成了很多數字圖書館系統的開發(如ETD 、CITIDEL、NDLTD 、A rchDL 、EPrints等),他的早期研究涉及到數字圖書館的多個方面。近年來,Goncalves M A、Moreira B L和Fox EA等學者構建了用于評估數字圖書館運行和服務質量的5S(社會、情景、空間、結構與信息流)模型,在其模型框架中,各種不同類型的數字圖書館均有不同的質量維度,且這些維度都有不同的評估指標[18]。他們還就其所提出的數字圖書館質量模型與數字圖書館信息生命周期結合起來,拓展了原有的質量模型,以阻止、監測、評估并消除數字圖書館服務過程中的問題,并應用5S質量模型對數字圖書館進行自動化評估[19]。由上可知,學術合作群體2近年來的主要研究領域在基于5S模型的數字圖書館運行和服務質量的評估。

學術合作群體3主要研究數字圖書館技術,包括搜索引擎、OM I-PMH元數據收割等。學術合作群體4聚焦在特色館藏數據庫建設,比如NASA的天文數據系統。學術合作群體5研究數字圖書館的存取控制和認證系統。學術合作群體6的發文時段為2004～2005年,主要研究資源數字化、用戶行為和數字信息服務,近年未再合作發文。學術合作群體7的研究2007-2009年主要集中在個性化的數字圖書館、信息搜索、認知模式和以用戶為中心的設計。

通過對7個主要學術合作群體的分析,我們發現,近年來數字圖書館的研究主要圍繞數字圖書館的可用性評估、基于用戶信息行為分析和認知模式的人機交互設計、個性化數字圖書館、基于5S模型的數字圖書館運行和服務質量評估等方面。

5 結語

綜上所述,近二十年來,數字圖書館的發展受到互聯網、信息通訊技術、國家政策的巨大影響;信息檢索始終是研究的重點,隨著信息技術的發展不斷深入,從文本檢索、圖像檢索到語義檢索,研究粒度不斷細化;基于用戶信息行為分析的信息服務、用戶界面和用戶研究日益受到重視,成為數字圖書館領域主要學術合作群體的重要研究內容;數字圖書館從最初的系統平臺和技術研究發展到針對資源建設、可用性評估和質量評估的研究,從理論逐步走向運用。數字圖書館領域的學者的國際合作的規模比較小,集中在少數發達國家之間,作者之間的合作網絡比較松散,國際合作有待進一步加強。

1 趙秀君.十年來我國數字圖書館研究統計分析.圖書情報工作,2005,49(8)：99-102

2 周靜怡,孫坦.基于W ebof Science的數字圖書館研究論文定量分析.情報科學,2005,23(10)：1521-1525

3 鐘云志,周東曉,杜香莉.基于洛特卡定律對我國數字圖書館的研究.情報雜志,2006(6)：113-114

4 晏爾伽,朱慶華.1996-2005年SCI-E數據庫中數字圖書館研究文獻定量分析.情報科學,2007,25(12)：1823-1828

5 董偉.國內近十年數字圖書館領域研究熱點分析—基于共詞分析.圖書情報知識,2009(5)：59-63

6 蘇娜.基于共詞分析的數字圖書館領域研究主題及進展分析.情報雜志,2009,28(6)：15-19

7 Xiaom ing Liu etc.Co-authorship netw orks in the digital library research comm unity.Information Processing and Managem ent,2005,41(6)：1462-1480

8 邱均平,周春雷,楊思洛.改革開放30年來我國情報學研究的回顧與展望(下).圖書情報研究,2009,2(2)：1-9

9 Otte E,Rousseau R.Social Netw ork Analysis：a PowerfulStrategy,also for the Information Sciences.Journal of Information Science.2002,28：443-455

10 侯海燕.科學計量學知識圖譜.大連：大連理工大學出版社,2008：28-29

11 Hildrun K retschmer.Author productivity and geodesic distance in bibliographic co-authorship netw orks,and visibility on the Web.Scien tometrics,2004,60(3)：1-12

12 Makri S,Blandford A,Cox AL.Investigating the information-seeking behaviou r of academ ic lawyers：From Ellis'smodel to design J.INFORMA TION PROCESSING &MANAGEM ENT,2008,44(2)：613-634

13 Makri S,Blandford A,Cox AL.U sing Information Behaviors to Evaluate the Functionality and Usability of E lectronic Resources：From Ellis's Model to Evaluation J.JOURNAL OF THE AMERICAN SOCIETY FOR INFORMAT ION SCIENCE AND TECHNOLOGY,2008,59(14)：2244-2267

14 Blandfo rd A,Keith S,Bu tterworth R,et al.Disrupting digital library developmen t with scenario info rm ed design J.INTERACTINGW ITH COMPUTERS,2007,19(1)：70-82

15 Blandford A,G reen TRG,Furniss D,et al.Evaluating system utility and conceptual fit using CASSM J.IN TERNATIONAL JOURNAL OF HUMAN-COM PUTER STUDIES,2008,66(6)：393-409

16 Blandford A,Adams A,A ttfield S,et al.The PRET A Rapporter framew ork：Evaluating digital libraries from the perspective of information w ork.J.INFORMATION PROCESSING&MANAGEMENT,2008,44(1)：4-21

17 Warw ick C,Galina I,Rimmer J,et al.Documentation and the users of digital resources in the humanitiesJ.JOURNAL OF DOCUMEN TAT ION,2009,65(1)：33-57

18 Goncalves M A,Moreira BL,Fox EA,et al.“What is a good digital lib rary?”A quality model for digital libraries.INFORM ATION PROCESSING&MANAGEMENT,2007,43(5)：1416-1437

19 Moreira BL,GoncalvesMA,Laender AH F,et al.Au tomatic evaluation of digital libraries w ith 5SQual.JOURNA L OF INFORM ETRICS,2009,3(2)：102-123