國際視野下的知識計量研究分布*

●談　崢　宋艷輝

(杭州電子科技大學　杭州　310018)

?

國際視野下的知識計量研究分布*

●談崢宋艷輝

(杭州電子科技大學杭州310018)

文章以Web of Knowledge為數據來源，以CiteSpace為工具，對國際視野下的知識計量的分布進行了研究。研究發現，知識可視化、知識管理、知識網絡、知識工程突變性比較高，極有可能成為知識計量研究的重要發展方向。同時對知識計量研究的時間、空間、主題分布進行了探究。參考文獻11。

知識計量國際視野發展趨勢

在文獻計量、信息計量、科學計量已經成為一門獨立學科的形勢下，知識計量的研究也正在從前科學階段向正規學科階段過渡，出現了很多相關研究成果。在國外，有著兩個主要的研究方面：第一，知識可視化的行為流派。Bertschi, S與Bubenhofer, N討論隱喻、語言學習與知識通過可視化傳遞的媒介之間的關系，以期規避知識可視化中出現的簡化風險[1]。 Allendoerfer, K、Aluker, S、Panjwani, G等認為知識可視化工具可以從多個水平上進行評估、測試[2]。Burkhard, RA針對信息可視化工具對知識轉移的影響作用，分析了建筑領域的建筑師如何利用可視化技術擴展認知和知識轉移，借鑒這一思想引入一種新的研究框架[3]。第二，知識可視化的技術流派。Lee, MR與Chen, TT著重介紹了三種知識可視化技術[4]。Zhang, YJ、He, XY、Xie, JC利用知識可視化技術，開發了一個平臺，以支持隱性知識的獲取[5]。 Sniezynski, B、Szymacha, R、Michalski, RS認為知識可視化軟件可以作為傳統的數據庫的一個模塊并集成了歸納推理和數據挖掘等功能來執行知識的可視化[6]。在國內，也有著兩個重要的研究方面：第一，知識計量學的相關理論研究。有如下幾個層面：知識計量學的學科屬性以及其學科定位；知識計量學的方法論思考，例如，劉則淵與劉鳳朝的“關于知識計量學研究的方法論思考”[7]；知識與經濟的關聯與轉化關系；知識與知識單元評價研究。邱均平曾開辟“網絡計量與知識計量”專題，專題中余以勝與張洋認為科學研究活動的評價主要涉及到對知識的計量和評價[8]；文庭孝認為，知識計量單元是進行知識計量與評價的基礎[9]。第二，知識計量學的相關實踐研究。表現為，將知識計量的技術、方法應用于某一知識領域，探析知識領域的特性。吳山繪制了國際競爭情報研究知識演化圖[10]。在梁永霞的博士論文中，也利用CiteSpace軟件繪制了引文分析領域的發展趨勢圖。陳玉光設計了針對CNKI、CSSCI、CQvIP三個中文文獻數據庫學科知識計量及可視化系統[11]。國內知識計量研究有2支重要力量，以劉則淵為首的研究團隊(在知識計量學的實踐研究方面較多)和以邱均平為首的研究團隊(專注于理論研究，知識評價方面涉及較多)。筆者在國內外相關研究基礎上，擬從國際視角下，對知識計量相關研究進行分析，探究其具體的分布狀況以及未來的發展趨勢。

1　數據來源

筆者利用Web of Knowledge(涵蓋Science Citation Index Expanded、Social Science Citation Index、Arts&Humanities Citation Index三大引文數據庫)，以主題檢索項： “knowledge element” OR “knowledge unit” OR “Knowledge domain” OR “knowledge visualization” OR “knowledge measure” OR “knowledge evaluation”進行檢索，這幾個詞匯都是與知識計量學密切相關的，即“知識元”、“知識單元”、“知識領域”、“知識可視化”、“知識測度”、“知識評價”。數據截至2012年，我們共得到575篇期刊論文(articles)與會議論文(proceedings)。運用計量軟件CiteSpace對這575篇論文進行時間分布、空間分布、主題分布以及趨勢分析。CiteSpace是美國德雷塞爾大學的華人學者陳超美博士開發出來的一種知識可視化軟件，是由Java語言編寫的基于共被引分析的引文網絡可視化軟件。該軟件還提供了突變詞檢測(burst detection)算法， 該算法主要通過考察詞頻的時間分布，將那些頻次變化率高、增長速度快的突變詞從大量的常規詞中檢測出來，用詞頻的變動趨勢，而不僅僅是詞頻的高低，來分析科學的前沿領域和發展趨勢。在由該軟件生成的引文網絡圖譜中，以不同大小和不同顏色的圓環組成的引文年輪來表示引文節點的被引次數和被引年代，用不同顏色的連線來表示引文節點間共被引的年代。數據內容包括論文題目、關鍵詞、摘要、參考文獻等。

2　知識計量的研究進展

2.1知識計量研究的時間分布

研究論文的數量是某一研究領域的研究狀況的量化表示，它可在一定程度上揭示該領域的研究發展狀況。而研究論文的數量變化，則可以在一定程度上顯示領域的發展趨勢。對知識計量的575篇論文進行分年度的數量統計分析：從國際視野下看，知識計量的相關研究開始于上個世紀90年代，1991年開始出現知識計量的第一篇論文，在發展初期(1991～2000)論文數量波動不一，并不呈現明顯的上升趨勢；在2001～2005年間，相關研究有了一定發展，論文數量呈現一種陡峭的上升趨勢，我們分析可能跟國內在2000年左右提出知識計量學這一學科有很大關系。在2005年之后，論文數量仍然在高位徘徊，卻明顯出現波動，論文數量也不再呈現陡峭的上升趨勢。我們認為，由于知識計量學的學科地位沒有在國外真正地確立起來，才致使國外知識計量的相關研究并沒有如火如荼地展開，而是呈現一波三折的發展趨勢。

2.2知識計量研究的空間分布

(1)國家分布。運用CiteSpace軟件可以得到知識計量的國家共現網絡圖，如圖1所示。圖中每一個節點代表一個國家，節點的大小表示國家在網絡中的中心度。圖中每一種顏色代表一個年份，節點年輪的不同顏色表示發文國家在不同的年份的發文情況，因此一個節點通常由數種顏色組成。節點標簽表示知識計量的發文國家，標簽的大小，表示國家的知識計量研究論文的發文量多少，排名前20的國家發文量如表1所示。發文最多的國家是美國(USA)，為103篇，中國(PEOPLES R CHINA)以61篇的發文量排名第2，值得一提的是中國臺灣(TAIWAN)也以23篇的發文量排名第5。圖譜中可以看到有2個合作子網絡，分別是以美國為中心的網絡和以中國為中心的合作網絡。其中與美國有合作關系，且具有一定發文量的國家有英國(ENGLAND)、意大利(ITALY)、南韓(SOUTH KAREA)、法國(FRANCE)、加拿大(CANADA)等國家；與中國建立合作關系的有新西蘭(NETHERLANDS)、比利時(BELGIUM)等國家。

圖1　知識計量研究的國家共現網絡圖

排名國家發文量排名國家發文量1USA10311CANADA132PEOPLESRCHINA6112JAPAN123AUSTRALIA2613FRANCE124ENGLAND2514BRAZIL125TAIWAN2315MEXICO116SPAIN1916GREECE107NETHERLANDS1917MALAYSIA98GERMANY1818SOUTHKOREA89ITALY1819RUSSIA810SWITZERLAND1620INDIA8

(2)機構分布。 運行CiteSpace并進行 Netdraw軟件可視化展示，如圖2所示。統計論文的機構分布情況，將發文量大于3的機構列出如表2所示。表2顯示發文量最多的機構是美國德雷塞爾大學(Drexel Univ)，武漢大學(Wuhan Univ)與國立臺北大學(Natl Taipei Univ)分別以6篇的數量并列第2位。美國的德雷塞爾大學的主要研究者是華人學者陳超美博士，因此，從排名前3位的機構情況看，主要是華人學者在引領著知識計量相關研究的開展。該小節對國際機構的統計情況也同時論證了前文中我們作出的國內知識計量學研究比國外要深入而廣泛的基本論斷。從國際視角下的機構合作情況來看，機構合作情況并不理想，統計發現共有425個機構進行過知識計量的相關研究，但機構卻專注于獨立研究，合作較少，僅僅建立了如圖2所示的5對合作關系。

表2　知識計量研究論文的機構分布表

圖2　知識計量研究機構網絡

(3)學科分布。運行CiteSpace軟件獲得學科的合作網絡圖。在對知識計量的研究中，計算機科學(Computer Science)研究的最多；其次是工程科學(Engineering)；圖書情報科學(Information Science & Library Science)排名第三。在中心性方面，工程科學的中心性最高位0.51；計算機科學的中心性次之，為0.32；而圖書情報科學的中心性并不高，僅為0.08。在網絡圖中，我們也可以看到Computer Science 與Engineering居于圖譜的中心位置，成為了聯系整個知識計量研究的各個學科的紐帶。

圖3　知識計量研究學科分布網絡

2.3知識計量研究的主題分布

在CiteSpace主界面選擇引文(cited reference)，其它設置不變，運行軟件獲得知識計量研究論文的共被引圖譜，如圖4所示。知識計量的高被引論文如表3所示。研究熱點、前沿的知識基礎(Intellective Base)：即含有研究熱點、前沿的術語詞匯的文章的引文，實際上它們反映的是當前研究中的概念在科學文獻中的吸收利用知識的情況。對這些引文也可以通過它們同時被其他論文引用的情況進行聚類分析，這就是同被引聚類分析(Co-citation Cluster Analysis)，最后形成了一組被當前研究所引用的科學出版物的演進網絡，即“知識基礎文章的同被引網絡”。圖4顯示的4篇論文是知識計量研究的關鍵性論文，這些論文的普遍共性是處于連接兩個或者多個聚類的關鍵節點處，往往是引發該聚類研究的重要文獻，因此通常具有較大的中間中心性。這4篇論文是：CHEN C于1999年在《INFORMATION VISUALIS》上發表的“Visualizing knowledge domains”是一篇關于知識域可視化的文章；Brin S于1998年在《COMPUT NETWORKS ISDN》上發表的“The anatomy of a large scale hypertextual web search engine”是關于如何進行利用網絡搜索引擎進行知識搜索的算法的研究文章。另外2篇文章則分別是SHNEIDERMAN B、WHITE HD分別于1996、1981在《P IEEE S VIS LANG》、《J AM SOC INFORM SCI》發表的文章。其中WHITE HD是圖書情報領域的學者，其文章“author cocitation - a literature measure of intellectual structure”運用作者共被引方法探測學科知識結構，是一篇關于知識域可視化的文章，最早提出了運用作者共被引進行學科知識結構探討的思想，在SCI中被引369次，產生了廣泛的影響。

表3展示了被引頻次最高的5篇論文，高被引論文跟關鍵性論文基本沒有重合，作者有所重合，既是關鍵論文作者又是高被引論文的作者是Chen CM與White HD，二者都算是圖書情報領域的學者，由此可見，圖書情報對知識計量發展的重要推動作用。

圖4　知識計量研究論文的共被引圖譜

作者出版年出版刊物被引頻次BornerK2003ANNUREVINFORMSCI18ChenCM2004PNATLACADSCIUSA15NONAKAI1995KNOWLEDGECREATINGC14CARDSK1999READINGSINFORMVISU13WhiteHD1998JAMSOCINFORMSCI12

3　知識計量的發展趨勢

在CiteSpace界面將時間區間調整為1990～2012年間，探討知識計量的演進情況及未來可能出現的發展趨勢。設置每2年為一個時間分區。節點類型選擇主題(term)；主題來源依然選擇題名(title)、摘要(abstract)、關鍵詞(descriptor)、標示符(identifier);閥值設置為(1，1, 20)，(2，2，20)，(3, 3, 20)；主題選擇設置為突變詞(burst phases);精簡算法為默認為的無選擇；可視化為默認的靜態的聚類(cluster view-static)，合并網絡呈現(show merged network)。運用CiteSpace軟件可以得到知識計量的隨時間變化的研究前沿與未來發展趨勢圖，如圖5所示。

圖5　知識計量研究的前沿與趨勢圖

CiteSpace為我們提供了突變詞檢測算法，可以探測學科的研究前沿并顯示可能出現的未來發展趨勢。主要是通過查明在一定時期內快速增長的主題詞來實現的，而這些主題詞則被定義為研究前沿。統計相關領域論文的標題和摘要中的詞匯頻率，根據這些詞匯的增長率來確定哪些是研究前沿的熱點詞匯。我們以時間分區的方式展現研究前沿隨時間變化的過程，以此探析不同的時間段涌現的不同的研究前沿，并根據近些年來涌現的研究前沿詞匯預測未來幾年知識計量可能會出現的發展趨勢。圖譜顯示，在知識計量研究的早期，并未出現明顯的突變詞，發展趨勢不明朗。在2000年左右，即剛剛步入新世紀，引文分析(citation analysis)、知識發現(knowledge discovery)研究廣受追捧，這是知識計量的研究前沿，也為知識計量的未來發展奠定了基礎；在2005年左右，信息可視化(information visualization)成為了知識計量的前沿術語，很多學者都進行了深入細致的研究；而在最近的幾年的時間內，知識可視化(knowledge visualization)、知識管理(knowledge management)、知識域(knowledge domain)開始受到學術界的熱烈追捧，圖譜中我們也可以發現，知識管理與知識可視化是突變性最大的兩個詞匯，說明在近幾年，知識可視化與知識管理的研究者迅速膨脹了起來，促使它們成為了學科的最新研究前沿。我們認為，在未來的時間內，知識可視化的研究熱度仍然會不減，而觀察領域特征(domain feature)、領域結構(domain instruction)等前沿術語的涌現，知識域可視化極有可能成為知識計量研究的重要發展方向。另外，知識網絡、知識工程等也有可能代表著知識計量的未來發展趨勢。

[1]Bertschi, S., Bubenhofer, N.. Linguistic learning: A new conceptual focus in knowledge visualization[C]//9th International Conference on Information Visualisation, London, JUL 06-08, 2005. Los Alamitos: IEEE Computer Soc, 2005: 383-389.

[2]Allendoerfer, K., Aluker, S., Panjwani, G. etal. Adapting the cognitive walkthrough method to assess the usability of a knowledge domain visualization[C]// IEEE Symposium on Information Visualization (InfoVis 05), Minneapolis, OCT23-25, 2005. Los Alamitos: IEEE Computer Soc, 2005: 195-202.

[3]Burkhard, RA.Learning from architects: The difference between knowledge visualization and information visualization[C]// 8th International Conference on Information Visualisation, London, JUL 14-16, 2004. Los Alamitos: IEEE Computer Soc, 2004: 519-524.

[4]Lee, MR, Chen, TT. From Knowledge Visualization Techniques to Trends in Ubiquitous Multimedia Computing[C]// International Symposium on Ubiquitous Multimedia Computing (UMC-08), Hobart, OCT 13-15, 2008. Los Alamitos: IEEE Computer Soc,2008:73-78.

[5]Zhang, YJ , He, XY, Xie, JC,etal. Study on the knowledge visualization and creation supported kmap platform[C]// 1st International Workshop on Knowledge Discovery and Data Mining, Adelaide, JAN 23-24, 2008. Los Alamitos: IEEE Computer Soc, 2007:154-159.

[6]Sniezynski, B., Szymacha, R., Michalski, R.S.. Knowledge visualization using optimized general logic diagrams[C]// International Conference on Intelligent Information Processing and Web Mining IIS, Gdansk, JUN 13-16, 2005. Berlin: Spring-verlag Berlin, 2005,137-145.

[7]劉則淵, 劉鳳朝. 關于知識計量學研究的方法論思考[J]. 科學學與科學技術管理，2002(8): 5-8.

[8]余以勝, 張洋. 知識的計量與評價研究[J]. 圖書情報工作, 2008, 52(11): 18-25.

[9]文庭孝. 知識計量單元的比較與評價研究[J]. 情報理論與實踐, 2007(6):731-740.

[10]吳山. 國際競爭情報研究的知識圖譜——基于CiteSpace的知識計量分析[J]. 現代情報, 2010(10): 160-165.

[11]陳玉光. 面向中文數據庫的學科知識計量及可視化系統研究與實現[D]. 大連: 大連理工大學碩士畢業論文，2010:1-100.

(賴寧編發)

Research Distribution on Knowledge Measurement in an International Perspective

Tan Zheng Song Yanhui

(Hangzhou Dianzi University, Hangzhou, Zhejiang 3210018, China)

Making Web of Knowledge as the data source and CiteSpace as the tool, we studied the research distribution of knowledge measurement in an international perspective. The study found that the knowledge visualization, knowledge management, knowledge network and the higher mutagenicity of knowledge engineering is likely to become the important development directions of knowledge measurement research. At the same time we explored the time, space, and theme distribution of knowledge measurement research. 11 refs.

Knowledge measurement. International vision. Development trend.

2015-06-20

G250

A

1003-7845(2016)04-0013-05

談崢，本科生，杭州電子科技大學管理學院信息管理與信息系統專業。宋艷輝，副教授，現在杭州電子科技大學管理學院工作。

*本文系國家社科基金項目“文獻計量學視角下的NPE及其專利的計量與評價”(2013CTQ036)研究成果之一。

【理論·探索】