電子檔案相關論文的文獻統計分析

摘 要：本文研究電子檔案領域的發展現狀及規律。應用信息計量學的基本原理，研究電子檔案領域文獻在時間上、空間上、文獻作者、所用詞頻的分布規律。電子檔案領域自1998年進入快速發展階段，可以用二項式擬合其發展趨勢；作者分布不滿足洛特卡定律，核心作者群尚未形成；期刊分布符合布拉福德定律，電子檔案領域的核心期刊群已經形成。本文還對近年來電子檔案領域的研究熱點進行統計。

關鍵詞：電子檔案；文獻計量；中文分詞

電子檔案具有儲存密度大、易修改、易加密和易管理等特點，是紙質檔案的一種重要補充形式，受到了廣大檔案管理者的持續關注1。傳統的檔案管理理論和方法在電子檔案管理方面并不完全適用，為電子檔案問題打造科學的理論方法已經成為一個重要的學科方向2。本文對電子檔案文獻進行統計分析，揭示該領域的發展現狀。

1 數據來源及分析方法

進入中國知網cnki知識發現網絡平臺，選擇期刊數據庫，輸入檢索主題“電子檔案”，限定年份為1990年至2016年，得到以該主題為研究內容的期刊論文5609篇。將檢索得到的論文全部選中，選擇以EndNote格式導出參考文獻，儲存為txt文本文件。將此文件輸入到劉啟元等人編寫的SATI軟件中做進一步分析3。首先將字段轉換為xml格式數據，再進行字段抽取、頻次統計等工作。

2 電子檔案相關論文的時間分布

本文統計了26年間以電子檔案為研究對象的論文數量，最早的一篇文獻是北京市海威電氣公司姚良清發表于1991年檔案學研究的《檢索軟件是電子檔案系統的關鍵》。按照文獻數量和增長速度電子檔案研究可以分為萌芽期、快速增長期和穩定期增長三個階段。其中1990年至1997年為電子檔案研究的萌芽期，共發表了相關文獻40篇，占發文總量的0.7%；1998年至2012年為電子檔案研究文獻的快速增長期，從1998年的15篇增長到2012年的556篇，平均增速達29.4%，期間共發表了相關文獻3099篇，占發文總量的55.3%；2013年至2016年為電子檔案相關論文的穩定增長階段，從2013年的562篇到2016年的609篇，平均增幅僅為2.7%，較前一階段顯著下降，達到一個較為穩定的階段，共發文2470篇，占比44%。

電子檔案主題研究論文的數量隨時間增長，這是文獻增長的正常規律，反映出知識增長的速度。文獻增長與時間的關系可以用線性擬合表示：

f（t）=27.9t-55698 其中1990

式中t代表年份，f（t）代表某年產生的文獻數量，擬合度R2=0.881。若應用指數增長模型得到：

f（t）=9×10-21e0.243t 其中1990

式中e代表自然對數，擬合度R2=0.926。若應用冪增長模型得到：

f（t）=t488.1 其中1990

擬合度R2=0.927。若應用二次多項式模型得到：

f（t）=1.401t2-5589t+6×106 其中1990

擬合度R2=0.981。

綜上，應用二次多項式模型擬合度最高，目前一個階段電子檔案研究論文產出量可以應用二次多項式模型進行預測。

3 電子檔案研究的作者分析

定義有效發文量為每篇論文作者數量相加總和。例如論文甲有作者（A，B，C），乙有作者（A，D），假設每篇論文作者貢獻等同，則有2篇論文，4個作者，5篇有效發文量，平均每篇文章署名2.5個作者。定義某作者發文比例為發表文章數量比上有效發文量。例如作者B發文1篇，發文比例為20%。

本文統計了所有作者的發文量、有效發文量和發文比例。5609篇論文共有6230名作者，7416篇有效發文量，平均每篇文章署名1.3人。發文量最多的作者是吉林大學的王萍，26年間共發表相關研究21篇論文，發文比例為0.28%。發文量前10的作者共發表95篇論文，發文量前100的作者共發文483篇論文，發文量前1000的作者共發文2186篇。

描述作者分布規律的洛特卡定律指出4，在發展成熟的學科領域，發表1篇論文作者的數量是發表n篇論文作者數量的n2倍。本文中發表1篇論文的作者有5440人，發表2篇論文的作者有577人，約為發表2篇論文的作者的9.4倍。發表3篇論文的作者有139人，發表1篇論文的作者是其39倍。可以看到，在電子檔案研究領域，發表一篇論文的作者數量偏多，發表多篇論文的研究者數量不足，洛特卡定律不完全適用。描述作者分布規律的普賴斯理論指出，核心作者發文量大于0.749乘以作者最多發文量的開方。本文中核心作者的標準為發文量大于3.43篇的作者，共有74人，占6230名作者的1.19%，發表了405篇研究論文，占7416篇有效發文量的5.46%。遠未達到核心作者發文量占總發文量40%的規律。

綜上，電子檔案領域的作者分布不滿足洛特卡定律，電子檔案領域的核心作者群尚未形成。

4 電子檔案研究的期刊分布

本文統計了所有研究電子檔案問題的期刊來源。5609篇論文共來自1320本期刊，平均每本期刊發表4.25篇論文。發文最多的期刊是蘭臺世界，共載文398篇。發文超過100篇的期刊有9種，共發文1691篇，占30.14%。發文超過10篇的期刊有71種，共發文3369篇，占60.06%。

描述文獻分散的布拉福德定律指出5，針對某一研究方向，期刊可以分為核心區、相關區和外圍區，若每個區域包括的論文數量相近，則區域期刊數量成指數增長。本文將1320本期刊按布拉福德定律分成三個部分。核心區包含11種期刊占比0.83%，載文量為1854篇占比33.05%；相關區包含111種期刊占比8.4%，載文量1869篇占比33.33%；外圍區包含1198種期刊占比90.75%，載文量1886篇占比33.62%。三個區域期刊數量為11：111：1198，期刊數量成約成10.08倍的指數增長。

綜上，電子檔案領域的期刊分布符合布拉福德定律，電子檔案領域的核心期刊群已經形成。

5 研究熱點分析

首先，研究熱點體現在作者自己選擇的論文關鍵詞上。對5609篇論文選擇關鍵詞進行字段抽取，再進行頻次統計，得到關鍵詞展現出的研究熱點。刪除諸如“電子檔案、檔案管理、信息化”等無意義的關鍵詞后，得到排名前10的研究熱點為：歸檔、檔案利用、儲存載體、數字化、辦公自動化、國家檔案局、電子檔案袋、數字檔案館、憑證作用、高校。

第二，研究熱點體現在論文的題目中。對5609篇論文選擇題目進行字段抽取，然后進行中文分詞工作，再對分開的詞組進行頻次統計，得到論文題目展現出的研究熱點。忽略諸如“淺談、研究、問題”等無意義的詞組后，得到排名前10的研究熱點為：高校、紙質、歸檔、安全、保護、企業、醫院、數字化、檔案袋、系統。

第三，研究熱點體現在論文摘要中。對5609篇論文選擇摘要進行字段抽取，然后進行中文分詞工作，再對分開的詞組進行頻次統計，得到論文摘要展現出的研究熱點。經過中文分詞從摘要中共得到14756條詞組，忽略諸如“文件、發展、信息”等無意義的詞組后，得到排名前10的研究熱點為：紙質、系統、歸檔、數字化、高校、網絡、企業、醫院、檔案館、儲存。

6 總結

本文應用文獻計量學的基本規律研究電子檔案領域的發展情況，包括文獻增長規律，文獻在期刊中的分布規律，作者分布規律。這些規律都是運用統計學方法得到的，有各自的限定條件和局限性，研究時應注意聯系學科實際討論。本文同時應用中文分詞處理模式，對論文的題目、摘要和關鍵詞進行提取，得到電子檔案領域的研究熱點，可以供相關研究者參考。

參考文獻

[1]劉念， 唐一鴻， 李名選. 基于電子檔號章的檔案安全保障系統研究與實現[J]. 檔案學研究，2016（2）：115-117.

[2]郭楠. 人事電子檔案信息安全保障策略研究[J]. 社會科學（文摘版）， 2016（10）：00097-00097.

[3]劉啟元， 葉鷹. 文獻題錄信息挖掘技術方法及其軟件SATI的實現——以中外圖書情報學為例[J]. 信息資源管理學報，2012（1）：50-58.

[4]王洵. 洛特卡定律[J]. 情報科學， 1981（6）：74-78.

[5]唐奇. “核心出版社”圖書采購策略研究——以南開大學經管類圖書采購為例[J]. 圖書館工作與研究，2015，1（11）：104-109.

作者簡介

袁碩（1989-），江蘇淮安人，天津理工大學圖書館助理館員。