國際頂級期刊中iSchools研究熱點可視化分析*

0 導言

2017年9月教育部、財政部、國家發展改革委聯合發布《關于公布世界一流大學和一流學科建設高校及建設學科名單的通知》，公布了世界一流大學和一流學科建設高校及建設學科名單[1]，其中武漢大學、南京大學和中國人民大學的圖書情報與檔案管理學科被列入“雙一流”建設學科名單。與國際圖書情報領域的發展相比，我國圖書情報與檔案管理學科的科研水平和科研實力存在一定差距，尤其是在高質量的學術成果方面。就國際三大頂級期刊(Nature、Science和Cell)而言，iSchools已經有21所學院發表過相關研究成果，而我國圖書情報領域還沒有相關研究成果。由此可見，當前我國圖書情報領域與世界一流學科的差距體現在國際頂級期刊的研究成果未實現零的突破。為了建設世界一流學科，使我國圖書情報與檔案管理學科的建設與國際接軌，了解國際圖書情報領域在國際頂級期刊的研究熱點，促進我國圖書情報學科和國家“雙一流”建設，提升我國圖書情報領域的研究水平和研究實力，本文以iSchools成員在國際三大頂級期刊所發表的研究成果為對象，分析國際信息領域(iField)的研究熱點和發展趨勢，為我國圖書情報學科開展高質量的研究提供參考。

1 數據分析方法和工具

詞頻分析法是利用能夠揭示或表達文獻核心內容的關鍵詞或主題詞在某一研究領域文獻中出現的頻次高低來確定該領域研究熱點和發展動向的文獻計量方法[2]，其依據的基本理論是齊普夫定律(Zipf’s Law)。關鍵詞共現分析方法基于如下假設：作者都很認真地選擇所使用的詞語，作者認可在同一篇文章中不同的詞語之間存在某種聯系，并且如果這種聯系被足夠多的作者認可，那么可以認為它在某個學科領域具有一定的意義[3]。內容分析法的實質是對文獻內容所含信息量及其變化進行分析，從而根據數據對文獻內容進行可再現的、有效的判斷[4]。本文在獲取文獻的題錄信息和全文信息的基礎上，利用詞頻分析、關鍵詞共現分析、內容分析法對文獻的發表時間、文獻的主題領域、機構的合作情況以及三者之間的相互關系進行可視化分析。涉及的工具主要包括3個：(1)利用MicrosoftExcel對文獻的題錄信息進行數據透視統計；(2)利用Bibexcel對提取的主題詞進行詞頻共現分析；(3)利用Gephi對共詞關系和機構合作情況進行可視化分析。

2 數據獲取與預處理

在Web of Science數據庫中利用高級檢索，限定出版物名稱為Nature、Science和Cell，根據83所iSchools的地址進行文獻檢索，如檢索匹茲堡大學信息學院在國際三大頂級期刊的發文情況，其檢索式為：AD=(Univ Pittsburgh，Sch Informat Sci)AND SO=(NATURE OR SCIENCE OR CELL)。文獻類型和時間均不限制，去重后最終檢索到55篇文獻(檢索時間是2017年12月10日)。將所有文獻的題錄信息導出，所選字段包括作者、標題、來源出版物、文獻類型、被引頻次等。鑒于三大頂級期刊中大部分文獻缺少關鍵詞和摘要，首先進行數據的預處理。

(1)識別高頻詞和標題詞作為文獻的主題詞。由于三大頂級期刊的大部分文獻的關鍵詞和摘要有所缺失，為了方便對文獻內容的分析和理解，首先需要根據全文信息提取文獻的主題詞。一方面對全文的詞頻進行統計，識別高頻詞，并選取出比例在2%及以上的詞語作為文章的高頻詞；另一方面，作為高頻詞的補充，將文章標題中非停用詞識別出來，作為文獻主題詞的來源之一。通過獲取文獻的高頻詞和標題詞作為主題詞來替代關鍵詞，作為詞頻統計的基礎。

(2)機構地址的規范化和統一化。本文根據Web of Science導出的文獻題錄信息，利用python編程的文本處理功能，將作者的機構進行規范化和統一化處理，方便后續的機構合作情況等其他內容的分析，如表1所示。

3 研究結果及分析

3.1 基本可視化分析

3.1.1 三大國際頂級期刊中iSchools文獻數量和類型分布

iSchool運動作為圖書情報領域發展中的重要事件，成員從2004年的19所學院發展至今83所學院，分布在26個國家和地區，成員涵蓋圖書情報領域一流學院及機構[5]。對iSchool學院在三大頂級期刊上的發文情況進行調查發現，有21所iSchool學院(25.3%)共發文55篇。發文最多的學院是印第安納大學的信息與計算機學院(Indiana University：School of Informatics and Computing，在Nature發文6篇，在Science上發文4篇)，其次是密歇根大學信息學院(University of Michigan：School of Information，在Nature發文4篇，在Science上發文5篇)。馬里蘭大學信息學院(University of Maryland：College of Information Studies)發文量也達6篇(在Science上發文6篇)。從單個期刊發文量來看，在Nature上發文最多的是印第安納大學的信息與計算機學院，其次是密歇根大學信息學院；在Science上發文最多的是馬里蘭大學信息學院，其次是密歇根大學信息學院。

表1 機構信息處理前后對比

1981年iSchools成員懷卡托大學計算與數學科學系(University of Waikato：Faculty of Computing and Mathematical Sciences)第一次在三大頂級期刊上發表文章，直至2000年，iS-chools在三大頂級期刊上的發文量出現小幅增長。iSchools在三大頂級期刊的發文呈現兩個階段。第一階段是2008年以前，11所iSchool學院共發文20篇，其中伊利諾伊大學信息科學學院的Lancaster和Schatz共發文4篇，遠超過其他iSchool學院。第二階段是2008年至今，iS-chools在三大頂級期刊上的發文數量猛然增長，涉及成員增至21個，發文量增加到55篇，涉及領域主題更加廣泛。從整體看，2008年后的年均發文量較2008年前都有較大的增長。其中，印第安納大學的信息與計算機學院發文最多(共10篇)，一躍成為發文最多的iSchool學院。從文獻類型來看(圖2)，iSchools在三大頂級期刊的發文以“Article”類型最多(41.82%)，其后依次是“Editorial Material”(34.55%)、“Book Review”(12.73%)和“Letter”(10.90%)。

圖1 iSchools國際三大頂級期刊發文總量

圖2 文獻類型分布

3.1.2 三大頂級期刊中iSchools機構合作分析

iSchools在三大頂級期刊發文的機構合作情況分析，如圖3所示。發文最多的21所iSchools中，印第安納大學的信息與計算機學院作為在三大頂級期刊發文最多的信息學院，與其他機構合作的次數也最多，涉及機構多達247個，包括華盛頓大學醫學院(Washington University：School of Medicine，4次)、加州大學人類遺傳學研究所(University of California，San Francisco：Institute for Human Genetics，3 次)、加州大學格萊斯頓研究所(University of Califor-nia，San Francisco：Gladstone Institutes，3次)、加州大學生物統計系(University of California，San Francisco：Biostatistics Division，3次)等。這些機構集中在生物醫學信息學領域。

圖3 機構合作情況

密歇根大學信息學院在三大頂級期刊上發文僅次于印第安納大學信息與計算機學院，發表的9篇文章涉及合作機構43個，包括密歇根大學復雜系統研究中心(University of Michigan：Center for the Study of Complex Systems，3次)、密歇根大學福特公共政策學院(University of Michigan：The Gerald R.Ford School of Public Policy，2次)。與印第安納大學信息與計算機學院不同的是，密歇根大學信息學院合作最多的機構來自本校的科研機構和研究中心，與其他學校或機構的合作相對較少，且合作領域更加廣泛。

馬里蘭大學信息學院、加州大學伯克利分校信息學院、伊利諾伊大學信息科學學院、新澤西州立羅格斯大學通信與信息學院等iSchools的合作機構也相對較多。從圖中還可以看出，密歇根大學信息學院、伊利諾伊大學信息科學學院和馬里蘭大學信息學院之間的合作較為密切，三者之間均有直接合作。而加州大學伯克利分校信息學院與其他iSchools之間的合作較少，只與華盛頓大學信息學院合作了一次。由此可見，在三大頂級期刊中，iSchools之間的合作較少，更多的是與其他機構的合作，如醫學領域研究機構、計算機數學領域研究機構等。

3.2 文獻主題分析

文獻主題分析能夠清楚地了解三大頂級期刊中iSchools的研究熱點和主題。根據識別出來的文獻主題詞，利用Bibexcel對文獻主題詞進行共現計算，并利用Gephi將主題詞之間的共現關系可視化展示出來，如圖4所示。在大數據時代，數據驅動下的科學研究成為主流。在數據驅動下，iSchools在三大頂級期刊發表的文獻中，“Data”一詞位于核心位置。從圖4的主題詞聚類結果來看，可大致將iSchools在三大頂級期刊上的研究熱點歸納為6個方面，從上到下、從左到右依次是：生物信息學、計算機技術、信息通信理論、用戶信息行為、科學發展研究、信息經濟學。其中，科學發展研究領域是指從宏觀的角度研究大環境對科學發展的影響。

圖4 所有文獻的主題詞共現

3.2.1 iSchools機構的研究方向和主題

通過對55篇文獻的機構合作情況的分析發現，iSchools在一些研究成果中只是參與了其中研究的一部分。為了了解iSchools在三大頂級期刊中的研究方向和主題，以“第一作者的機構是iSchools”為篩選條件，進一步對55篇文獻進行挑選，共得到24篇研究文獻，其中17篇(70.83%)都是iSchools作為唯一作者機構獨立發表的。從單個機構來看，密歇根大學信息學院作為第一作者機構發文最多，共5篇；其次是馬里蘭大學信息學院，共4篇。從機構合作情況來看，iSchools既有與其他院校iSchools的合作，如華盛頓大學信息學院與加州大學伯克利分校信息學院、田納西州大學諾克斯維爾分校信息科學學院與匹茲堡大學計算與華盛頓大學信息學院；也有與其他機構的合作，但主要集中在計算機科學相關機構，如華盛頓大學信息學院與華盛頓大學計算機科學與工程學院(Washington University：Computer Science &Engineering)、馬里蘭大學信息學院與馬里蘭大學高級計算機研究所(University of Maryland：Institute for Advanced Computer Studies)。

圖5統計了iSchools為第一作者機構且發文2篇及以上的研究主題。從研究方向和研究主題來看，iSchools主導的研究領域分布廣泛，除生物信息學外，在科學發展研究、用戶信息行為、計算機技術、信息經濟學和信息通信理論領域都有涉及。在科學發展研究領域，密歇根大學信息學院和伊利諾伊大學信息科學學院具有較大優勢；馬里蘭大學信息學院在計算機技術領域的研究最為突出；懷卡托大學計算與數學科學系則在信息通信理論領域有較大的貢獻。

3.2.2 時間發展與研究主題的變化

科學研究的對象一直隨著時間的變化而變化。iSchools在三大頂級期刊中的研究熱點同樣也出現了明顯的變化，如圖6所示。

1981年iSchools的懷卡托大學計算與數學科學系(University of Waikato：Faculty of Computing and Mathematical Sciences)率先在Nature上發表Are Coronal Loops Stable[6]，信息通信理論領域成為最初的研究主題。隨后，iS-chools的關注焦點開始向生物信息學、科學發展研究、用戶信息行為等方向轉變。國際三大頂級期刊中iSchools的研究熱點與時代背景和社會環境的發展變化密切相關：1998年互聯網技術發展，網絡環境下的用戶行為成為iSchools關注的重點，包括用戶的合作行為、選擇和決策行為，而隨著數據挖掘技術發展，預測用戶行為也成為研究方向；2008年世界金融危機的發生，信息經濟學成為iSchools研究的主題之一，并開始利用數據信息發現世界或某一地區的貧富差距。

圖5 iSchools為第一作者機構且發文2篇及以上的文獻研究主題

圖6 研究熱點隨時間發展的演變

總的來看，從宏觀層面探討社會大環境對科學發展的影響是iSchools一直關注的對象，1985-2017年iSchools在科學發展研究領域共發表15篇研究成果，占27.27%；其次，生物信息學領域自2004年出現第一篇研究成果后，短短幾年內發表12篇研究文章，占21.82%；在互聯網環境影響下，用戶信息行為領域出現11篇研究成果，占20%；計算機技術雖然從1994年就出現第一篇研究成果，并且研究內容較為廣泛，既涵蓋計算機協議、計算機歷史的發展，也包括對計算機算法的改進和語音識別技術的討論，但整體研究成果只有8篇，占14.55%；信息經濟學作為2009年才出現的新研究領域，僅有5篇研究論文，占9.09%；而信息通信理論領域只是iSchools中少數學者的研究對象，雖然是iSchools在三大頂級期刊中最早發表文獻的研究主題，但只有4篇文章，僅占7.27%。由此可見，用戶信息行為、生物信息學以及科學發展研究是國際三大頂級期刊中iSchools的研究熱點。

3.2.3 六大主題的研究內容可視化分析

根據整體聚類結果，對55篇文獻進行主題劃分，并對每個主題領域的文獻主題詞的共現矩陣進行可視化，從微觀層面揭示各個主題的研究方向和研究熱點。

(1)科學發展研究領域。作為發文最多的研究主題，科學發展研究領域的文獻主題和方向也更加廣泛。科學發展領域共有15篇研究文獻，其中“Article”類型有2篇，“Editorial Material”類型有6篇，“Letter”類型有4篇，“Book Review”有3篇。從主題詞共現關系圖來看(圖7)，“data”“science”“information”“scientist”“model”“system”是該領域核心的主題詞，由此可將該領域下的研究分為兩個方面。

①研究社會環境變化對科學發展的影響。一方面iSchools探討了包括互聯網技術的發展[7]、政治環境的變化[8]、法律政策的調整[9]等在內的整個社會環境對科學發展的影響；另一方面科學家的個人屬性和活動也影響著科學研究的發展和傳播，如科學家的性別差異、科學家研究生活的地點變化[10-11]。研究者還對科學發展過程中出現的種種現象進行思考，在宏觀層次上關注整個學術環境中出現的問題和現象，包括同行評議[12]、引文量的變化規律[13]、經典規律模型的適應性[14]等；同時，在微觀層次上思考圖書情報領域學科發展過程中出現的矛盾[15]。

圖7 科學發展研究領域的主題詞共現關系圖

②數據管理和數據挖掘。數據驅動的科學研究中，對數據的管理和挖掘至關重要。在大數據環境下，數據的有效共享和利用能夠促進科學研究，但也要保證數據管理的安全性。將信貸、獎勵與數據共享相結合，并在管理數據的過程中保證資助者、機構和科學家等多方合作是建設安全可信的數據共享平臺的前提[16-17]。隨著數據挖掘技術的發展，iSchools開始利用這些技術探討人類社會歷史的變化規律和趨勢[18]。

該領域涉及的3篇書評文章主要圍繞互聯網環境下出現的新現象進行思考，包括機械自動化的生產和生活環境對人們工作選擇的影響[19]、基于情境的自主學習和傳統授課學習的效果差異[20]以及互聯網的發展給“數字原住民”生活帶來的改變[21]。雖然主題各不相同，但主題和視角都有新穎性，并且有作者的思考和討論。

（2）生物信息學領域。作為近年來國際三大頂級期刊中iSchools的研究熱點之一，生物信息學領域2004-2016年共有12篇研究成果(21.82%)，其中“Article”類型有1篇，“Editorial Material”類型有11篇。從主題詞共現關系圖(圖8)看，“genome”“gene”“species”“phylogenetic”“data”是核心的主題詞。該領域的研究主題可分為兩個方面。

圖8 生物信息學領域的主題詞共現關系圖

①研究生物基因組的特征和功能。人類微生物的研究是其中一個方向，包括對人類微生物組功能和組成的研究[22]、分析健康人群微生物群落結構和功能結構的正常范圍[23]，為描述人類微生物群落的流行病學特征以及人類微生物組的轉化應用提供研究基礎。除了對健康人群的基因有所研究，iSchools針對糖尿病[24]等遺傳病患者的基因進行分析，并為疾病病理生理學的識別提供了重要線索和依據。對猩猩[25]、長臂猿[26]、瘧蚊[27]、甲殼類[28]等為代表的動物基因組的研究也是生物信息學領域關注的一個方向。分析不同動物基因組的組成和特征，一方面對比動物之間基因組的差異，另一方面通過研究基因的組成實現基因的可塑性。還有針對基因中氨基酸信號傳遞介質的研究[29]、對微生物感覺視紫紅質的結構研究[30]。這些研究關注不同生物的基因組成及其功能，從微觀層次上研究基因組的差異，并通過研究猩猩、長臂猿等生物的基因組成，確定基因中對某一功能起關鍵作用的部分和特征。

②以基因遺傳進化、物種分化問題為研究對象。iSchools除了研究生物的基因組成外，還對基因的遺傳進化進行研究，通過追溯生物同胞物種系統發育的關系，確定物種分支，從而研究生物系統的發育和分化[31]。除了傳統的生物信息學分析方法外，iSchools也嘗試利用數據算法驗證基因組數據的同質性[32-33]。

總的來看，三大頂級期刊中iSchools以生物信息學領域為研究主題的探討主要圍繞生物基因組的結構和功能以及生物系統的發育和進化兩個方面開展相關的研究。

(3)用戶信息行為領域。iSchools在用戶信息行為領域的研究是伴隨著互聯網的發展而產生的。1998年出現該領域的第一篇文章，是研究互聯網如何影響用戶之間的社交活動和社區參與，并且認為互聯網是一種可以發展網絡友誼的媒介[34]。用戶信息行為領域從1998-2016年共產生11篇研究成果(20%)，其中“Article”類型有4篇，“Editorial Material”類型有5篇，“Letter”類型有1篇，“Book Review”有1篇。從主題詞共現關系圖來看(圖9)，“users”“model”“social”“media”“community”“cooperation”“data”等是該領域核心的主題詞。該領域的研究主題可分為兩個方面。

圖9 用戶信息行為領域的主題詞共現關系圖

①社交網絡中的用戶行為。社交網絡作為互聯網環境下的產物，對用戶的行為產生了潛移默化的影響。越來越多的用戶在社交網絡中產生了信息瀏覽、分享等互動行為，改變了傳統的信息交流方式。因此，社交網絡中的用戶行為研究成為用戶信息行為領域的主要方向。iSchools不僅探討了用戶利用社交網絡構建和擴展社交圈的現象[34]，還針對網絡環境下信息的混雜和不確定性現象，提倡構建社會信任網絡，保證信息來源的真實性和可靠性[35]。隨著社交網絡技術逐漸成熟，越來越多的人從信息的接收者轉變為信息的發送者，人們可以便捷地參與社交網絡。因此，利用公民組成的社交網絡，及時應對各種危機災難成為新興的研究主題。作為社交網絡中最活躍的主體，個人最容易表達觀點，利用社交媒體第一時間發表消息，以應對各種危機及災難的發生，并令相應部門提供災難響應和恢復能力[36-38]。

②預測用戶的選擇和決策行為。互聯網環境下的用戶信息行為是iSchools研究的主要方向，而網絡環境下對用戶的選擇和決策行為進行預測也是其關注的焦點之一。首先是用戶的合作行為。iSchools重點研究了人們出現和維持合作的條件，以及人們出現合作情況時的基本特征，并利用計算機模擬人們合作特點，預測人們合作的可能性[39-40]。其次，早在2008年iSchools就開始利用神經網絡等數據挖掘方法，通過算法和大數據來理解和預測人們的經濟決策乃至生活中各方面的選擇[41-43]。除了健康人群的用戶行為分析，iSchools也探討了特殊患者的識別行為，如失語癥患者對說謊者識別能力的研究[44]。這也說明，在三大頂級期刊中，iSchools始終保持著獨特的研究視角和多樣化的研究方法。

用戶信息行為領域的研究視角和研究方法在一定程度上代表了iSchools在三大頂級期刊中發文的優勢。在關注研究熱點的同時，也善于從研究中總結和發現新的研究方向，同時注重利用新的研究方法提高研究水平。

(4)計算機技術領域。計算機技術領域與圖書情報學的發展密切相關。在三大頂級期刊中，iSchools在計算機技術領域共有8篇研究文獻，其中“Article”類型有1篇，“Editorial Material”類型有4篇，“Letter”類型有1篇，“Book Review”有2篇。從主題詞共現關系圖來看(圖10)，“machine”“technology”“information”“global”“science”“compute”等是該領域核心的主題詞，可將該領域下的研究分為兩個方面。

圖10 計算機技術領域的主題詞共現關系圖

①計算機歷史和技術發展的研究。計算機技術領域的研究首先圍繞計算機本身的發展歷史[45-46]、計算機的存儲、通信和計算能力[47]等主題展開。隨著社會進步和技術發展，一些新興的計算機技術，如語音輸入和識別技術的發展也引起了iSchools研究者的興趣[48-49]，并對新技術與傳統技術的共同發展保持樂觀的態度。

②利用計算機算法解決相關問題。計算機算法是計算機技術領域研究的主要內容。通過算法對數據的觀測，構建數據模型以解決人類生活中的問題成為此類研究主要的方式[50]。但是，計算機算法并不是萬能的，還存在兩個主要的不足：一是通過數據訓練出來的算法一旦出現偏差，將很難進行修改[51]；二是并非所有的問題都能通過計算機算法得到解決[52]。

iSchools在計算機技術領域的研究沒有涉及太多專業的程序算法等問題，主要圍繞著計算機技術的變化對人們信息生活和信息需求帶來的影響和改變展開討論，更多是宏觀層次上的探討。

(5)信息經濟學領域。信息經濟學領域作為2008年世界金融危機后出現的新興領域，2009-2016年共發表5篇研究成果，其中“Article”類型有2篇，“Editorial Material”類型有2篇，“Book Review”有1篇。從主題詞共現關系圖來看(圖 11)，“data”“metadata”“wealth”“poverty”“mobile”等是該領域核心的主題詞。

圖11 信息經濟學領域的主題詞共現關系圖

該領域的研究方向相對較為集中——利用元數據識別經濟活動。這一方向的研究是伴隨著移動支付和移動消費的發展而出現的，也是近年iSchools在三大頂級期刊上探討的熱點話題之一。其探討的主要內容涉及利用機器學習等方法挖掘手機交易元數據，通過評估數百萬個人的消費數據分析地區的資產分布和貧富區域分布，甚至構建整個國家的財富分布情況[53-54]。另外，經濟活動中元數據的可識別性和可獲取性導致人們開始關注信用卡消費元數據的安全性[55]。數據的匿名性不夠是當前經濟活動中存在的安全隱患。此外，iSchools嘗試從經濟學角度看待經濟活動中的現象和問題，利用博弈論、實驗經濟學和計算機科學[56-57]等觀點討論改善經濟和社會結構，從而創造一個穩定的金融市場和社會網絡。

由此可見，信息經濟學領域的研究是在新的社會環境下，靈活運用元數據本身的功能和作用，通過機器學習等數據挖掘技術和方法，發現日常經濟活動中存在的問題和現象，并根據經濟活動的特點和出現的問題及時采取相應的措施，保證金融市場的正常運作和發展。

（6）信息通信理論領域。作為最早在三大頂級期刊發表文章的研究領域，iSchools在該領域的發文并不多，因為隨著社會環境和科研環境變化，圖書情報學研究對象發生了轉變。1981-2009年共發表4篇研究文獻，其中“Article”類型有3篇，“Editorial Material”類型有1篇。從主題詞共現關系圖來看(圖12)，“entanglement”“diamond”“temperature”“loop”“coronal”等是該領域核心的主題詞。

圖12 信息通信理論領域的主題詞共現關系圖

信息通信理論領域的研究文獻數量較少，主要通過構建數學公式和模型的方式，運用信息通信理論從微觀上揭示各種現象，包括天體表面等離子循環的不穩定現象[6][58]、以金剛石為代表的物體內部不同的量子糾纏態的選擇對量子信息處理影響[59-60]。

該領域的4篇研究文獻是對信息通信理論領域專業問題的探討。與iSchools其他研究主題相比，該領域的研究較少。總的來看，信息通信理論領域只是早期iSchools在三大頂級期刊上探討的一個主題，但是近年來iSchools的研究方向逐漸向其他領域轉變。

4 三大國際頂級期刊中iSchools研究特點和趨勢

本文通過對圖書情報領域在三大頂級期刊中的研究成果的可視化分析發現，國際圖書情報領域中高質量研究的熱點和主題的跨學科特色明顯。除了關注圖書情報領域當前研究的熱點和主題外，iSchools還積極開展跨學科研究，包括與生物學相結合的生物信息學方向、與經濟學相結合的信息經濟學方向。跨學科合作成為iSchools研究的一大特色。

從研究領域和主題來看，iSchools的研究領域和研究對象隨著技術發展和社會環境的變化而不斷演變，從最初信息通信理論的研究逐漸轉向生物信息學、用戶信息行為領域的研究。從三大頂級期刊發表的研究成果可知，iSchools能夠從特殊角度思考或者關注特殊群體，探討其現象及行為等，并得出一些新的發現。同時，隨著社會環境的發展和技術不斷進步，iSchools將繼續在宏觀層面上探討包括社會環境在內的各方面的變化對科學發展和學術交流的影響。

隨著數據管理和數據挖掘技術的發展和不斷成熟，利用各種數據挖掘方法和技術對基因生物信息、用戶行為信息等進行微觀層次上的分析也是iField在高質量研究中探討的一個方向，以揭示社會發展過程中基因遺傳、生物演化的特點，探索用戶在適應社會環境變化過程中的行為表現。除開展一些常規領域的研究，如社交網絡中的用戶行為研究，iField還關注新技術背景下用戶信息行為的特點及其變化。在數據驅動的背景下，iSchools在跨學科合作中對科學發展、生物信息學和用戶信息行為領域的研究成為iField當前和未來的研究熱點和趨勢。

5 結語

圖書情報領域世界一流學科的建設，需要有高質量的科學研究。對國際三大頂級期刊發表的學術成果的研究，能夠分析國際圖書情報領域的研究熱點和研究方向，為我國圖書情報領域“雙一流”學科的建設提供參考和借鑒。本文分析發現，宏觀層面上的科學發展研究以及微觀上的生物信息學和用戶信息行為都是iField研究的領域和主題。筆者希望通過本研究，為我國圖書情報領域建設世界一流學科提供參考，以盡快在國際三大頂級期刊中實現零的突破。