國際圖書情報領域“科學數據”研究進展述評
——基于SCI/SSCI期刊論文的內容分析

姜 鑫

(黑龍江大學信息資源管理研究中心，黑龍江 哈爾濱 150080)

科學數據(Scientific Data)，也稱科研數據(Research Data)，與科學論文一樣也被視為重要的科研產出，既是科學研究不可或缺的主要組成部分，也是數字化科研時代的重要戰略資源。伴隨著科學數據的開放與共享、組織與分類、存儲與發布、監管與服務、出版與引用等相關領域的實踐進展，科學數據相關研究的各研究主題已經引起了國內外圖書情報、信息科學和其他學科領域的研究關注。筆者已利用CNKI數據庫通過詞頻分析法結合共詞分析法對2005-2016年國內“科學數據”相關研究文獻進行了研究主題演化分析[1]，研究表明圖書情報領域已逐漸成為國內“科學數據”相關研究的主要學科領域，本研究利用Web of Science數據庫對2004-2018年國際圖書情報領域“科學數據”相關研究文獻進行詞頻分析和內容分析，以期對近十五年國際圖情領域“科學數據”相關研究進展及未來研究動態進行評判，具體研究問題如下：

1)2004-2018年國際圖情領域“科學數據”相關研究的發文量如何？主要刊載于哪些國際期刊？

2)國際圖情領域“科學數據”相關研究主要涉及哪些主題領域？與我國圖情領域相關研究涉及主題領域相比有何差異？

3)國際圖情領域“科學數據”相關研究主要采用哪些研究方法？對我國圖情領域相關研究有何借鑒與啟示？

1 數據來源

在Web of Science核心合集的基本檢索界面中進行字段檢索，檢索字段選擇為：Topic=“Scientific Data”OR“Research Data”；文獻類型選擇為：Document Types=“Article”OR“Proceedings Paper”OR“Review”；學科類別選擇為：Categories=“INFORMATION SCIENCE LIBRARY SCIENCE”；來源數據庫選擇為：SCI-E和SSCI數據庫；語種限定為：Languages=English；時間跨度設定為：Timespan=1999 to 2018；檢索日期為：2018年8月21日，共計檢索出252篇文獻。由于“Research Data”的含義比較寬泛，檢索結果中出現了較多不相關的文獻，逐篇閱讀后確定了116篇“科學數據”相關研究文獻。圖1展示了2004-2018年國際圖情領域“科學數據”相關研究文獻發文量的時間序列圖。由圖1可見，2004-2013年這十年間各年的發文量均比較少，2014年以后各年的發文量呈現出陡然增長的趨勢，表明從2014年開始“科學數據”相關研究引起了較多的研究關注。

注：2018年的發文量截至2018年8月21日

表1整理了2004-2018年國際圖情領域“科學數據”相關研究文獻的主要來源期刊。由表1可見，國際圖情領域“科學數據”相關研究文獻主要發表于“Program:Electronic Library and Information Systems”、“Library Hi Tech”、“Journal of the Association for Information Science and Technology”、“Journal of Academic Librarianship”、“Journal of Documentation”、“Electronic Library”等英美兩國的國際期刊。

表1 “科學數據”相關研究文獻的主要來源期刊

表1(續)

2 數據分析

本研究通過詞頻分析法和內容分析法揭示2014-2018年國際圖情領域“科學數據”相關研究文獻的研究主題領域和研究方法類型。

2.1 詞頻分析

本研究首先通過詞頻分析法揭示“科學數據”相關研究以關鍵詞為表征的研究主題領域。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學科領域的研究文獻中出現的詞頻高低，來確定該學科領域的研究熱點和發展動向的文獻計量方法[2]。對作者關鍵詞通過人工甄別進行規范化處理：去除揭示論文內容專指性不強、含義過于寬泛的關鍵詞，如“Data”、“Research”、“Services”等；合并同義、近義關鍵詞，如“Research Data”與“Scientific Data”合并為“Research Data”、“Academic Libraries”與“Research Libraries”合并為“Academic Libraries”。在上述116篇“科學數據”相關研究文獻中，有85篇文獻提供了作者關鍵詞，在85篇文獻中共計出現了257個關鍵詞，關鍵詞出現的總累計頻次為487次，平均出現頻次約為1.89次，從中選取詞頻≥3的高頻關鍵詞33個(見表2)。

表2 2014-2018年“科學數據”相關研究文獻高頻關鍵詞表(詞頻≥3)

由表2可見，國際圖情領域“科學數據”相關研究主要集中于由數據管理(Data Management)、數據共享(Data Sharing)、數據監管(Data Curation)、數據存儲(Data Preservation)、數字保存(Digital Curation)和生命周期模型(Lifecycle)等關鍵詞表征的“數據管理與共享”主題領域，其次是由數據知識庫(Data Repository)、機構知識庫(Institutional Repository)和數字資源庫(Digital Repository)等關鍵詞表征的“數據基礎設施”主題領域，再次是由科學數據服務(Research Data Services)、研究支持(Research Support)和服務開發(Service Development)等關鍵詞表征的“數據服務”主題領域。此外，由開放數據(Open Data)、開放科學(Open Science)和開放獲取(Open Access)等關鍵詞表征的“開放數據”主題領域，由數據引用(Data Citation)和引文分析(Citation Analysis)等關鍵詞表征的“數據引用”主題領域也引起了較多的研究關注。

2.2 內容分析

本研究通過內容分析法進一步揭示“科學數據”相關研究文獻所涉及的研究主題領域和研究方法類型。內容分析法是對文獻內容進行系統的定量分析的專門方法，其目的是弄清或測度文獻中本質的事實或趨勢[3]，發端并興起于傳播學、政治學和社會學等社會科學領域[4]，被列為從1900年至1965年62項“社會科學的重大進展”之一[5]，美國未來學家約翰·奈比斯特的《大趨勢——改變我們生活的十個新方向》是當代最具代表性的內容分析法應用成果之一[4]。內容分析法在圖書情報領域也已獲得較為廣泛的應用，關注的問題涉及研究主題的分布[6-7]、研究理論的應用[8]和研究方法的使用[9-11]等。

2.2.1 主題分析

將上述116篇“科學數據”相關研究文獻涉及的研究主題劃分為12個主題類目，并將每一主題類目下的具體研究內容劃分為二級類目，將每篇文獻根據其研究主題劃分至具體的二級類目(見表3)。由表3可見，國際圖情領域“科學數據”相關研究主要集中于數據管理(Research Data Management，A類)和數據服務(Research Data Services，E類)兩大主題領域，其次是數據基礎設施(Research Data Infrastructure，H類)、數據共享(Data Sharing，C類)和開放數據(Open Data，B類)3個主題領域，再次是數據引用(Data Citation，G類)、數據素養(Data Literacy，K類)和數據政策(Data Policy，I類)3個主題領域，僅有零星文獻涉及其余4個主題領域：數據重用(Data Reuse，D類)、數據出版(Data Publication，F類)、數據標準(Data Standards，J類)和數據權益(Data Rights and Interests，L類)。

表3 “科學數據”相關研究文獻主題分析統計表

將上述116篇“科學數據”相關研究文獻按照2004-2006年、2007-2009年、2010-2012年、2013-2015年、2016-2018年5個時段劃分至12個主題類目(見表4)。由表4可見，2004-2006年、2007-2009年和2010-2012年3個時段的發文量都比較少，“數據管理”和“數據基礎設施”兩大主題領域受到較多研究關注，“數據共享”、“開放數據”、“數據服務”、“數據政策”、“數據標準”和“數據權益”6個主題領域也有相關研究。2013-2015年這一時段的發文量呈現出陡然增長的趨勢，表明“科學數據”相關研究開始在國際圖情領域引起較多研究關注，“數據服務”是這一時段最受關注的主題領域，其次是“數據管理”和“數據基礎設施”兩個主題領域，“數據引用”和“數據素養”是這一時段的兩個新興主題領域。2016-2018年這一時段的發文量呈現出大幅增長的趨勢，表明“科學數據”相關研究開始受到更廣泛的研究關注，“數據管理”是這一時段最受關注的主題領域，其次是“數據引用”、“數據共享”和“數據服務”3個主題領域，“數據重用”和“數據出版”是這一時段的兩個新興主題領域。

表4 “科學數據”相關研究文獻主題時間序列分析統計表

表4(續)

2.2.2 研究方法分析

上述116篇“科學數據”相關研究文獻中有87篇可歸類為實證研究文獻，將其所采用的實證研究方法分為兩大主題類目：數據收集方法(Data Collection Method，C類)和數據分析方法(Data Analysis Method，A類)，并將每一主題類目下的具體研究方法劃分為二級類目，將數據收集方法主題類目劃分為8個二級類目(C1類～C8類)，將數據分析方法主題類目劃分為15個二級類目(A1類～A15類)，對上述87篇實證研究文獻所采用的研究方法進行逐一統計并劃分至具體的二級類目(見表5)。

表5 “科學數據”相關研究文獻研究方法分析統計表

上述87篇實證研究文獻中有73篇指出了所采用的數據收集方法，其中部分文獻同時采用了多種數據收集方法，如問卷調查法經常結合文獻調研法設計調查問卷，并結合抽樣調查法確定問卷調查對象。由表5可見，問卷調查法是最常采用的數據收集方法，其次是網站調研法和訪談研究法，再次是抽樣調查法和文獻調研法。采用的抽樣調查法既包括隨機抽樣、系統抽樣和分層抽樣等概率抽樣方式，也包括判斷抽樣、方便抽樣和滾雪球抽樣等非概率抽樣方式。網站調研法包括登錄圖書館網站查詢數據服務相關網頁、檢索Web of Science數據庫下載引文數據、登錄期刊網站查詢期刊數據政策相關網頁等。

上述87篇實證研究文獻中有45篇指出了所采用的數據分析方法，其中部分文獻同時采用了多種數據分析方法。由表5可見，案例研究法是最常采用的數據分析方法，其次是內容分析法和引文分析法。上述87篇實證研究文獻廣泛采用了各類統計分析方法，如回歸分析法、相關分析法和方差分析法等統計分析方法，聚類分析法和因子分析法等多元統計分析方法。結構方程模型法主要用于探討數據共享意愿和數據重用行為的影響因素。

3 結 論

本研究利用Web of Science數據庫檢索出發表于2004-2018年的116篇“科學數據”相關研究文獻，通過詞頻分析法和內容分析法揭示了相關研究文獻的研究主題領域和研究方法類型，可從以下3個方面概括國際圖情領域相關研究的主要特點及其對我國的借鑒與啟示：

1)從國外相關研究文獻的主題分布特點來看，國外“科學數據”相關研究集中于“數據管理”(26.72%)、“數據服務”(18.10%)、“數據基礎設施”(12.93%)和“數據共享”(9.48%)等偏重于實踐的研究主題領域；“開放數據”(7.76%)、“數據引用”(6.03%)、“數據素養”(6.03%)、“數據政策”(5.17%)和“數據重用”(3.45%)5個主題領域也有一定數量的相關研究文獻；僅有零星的研究文獻涉及“數據出版”(1.72%)、“數據標準”(1.72%)和“數據權益”(0.86%)3個主題領域，表明國外相關研究更多關注應用研究相關主題領域，而對理論研究相關主題領域的研究關注比較有限，不同主題領域相關研究文獻的數量分布很不均衡，部分研究主題領域未能在國際圖情領域引起足夠的研究關注。

2)從國外相關研究文獻的研究方法特色來看，國外“科學數據”相關研究以實證研究為主(75%)，最常采用的數據收集方法是問卷調查法、訪談研究法和網站調研法，最常采用的數據分析方法是案例研究法、內容分析法和引文分析法。國外相關研究從采用的研究方法來看具有以下兩個特點：①廣泛采用多種類型的研究方法進行實證研究，如Shen Y等(2013)結合網站調研法、訪談研究法、案例研究法、扎根研究法、內容分析法和文本分析法對約翰·霍普金斯大學數據管理服務(DMS)進行了調查分析[16]，Marcial L H等結合抽樣調查法、網站調研法、聚類分析法和回歸分析法對選取的100個數據知識庫(SDRs)的主要特征進行了比較分析[17]；②比較注重借鑒、移植多學科方法進行創新性應用，如Mattern E等采用參與式設計結合視覺敘事法調查科研人員的研究過程及其相關數據需求以及潛在的圖書館數據服務建議[18]。

3)從對我國相關研究的借鑒與啟示來看，與國外“科學數據”相關研究相比而言，國內相關研究偏重于理論研究，雖然也有一定數量的實證研究，但實證研究整體缺乏研究方法創新。國內相關研究最常采用的數據收集方法是問卷調查法和網站調研法，最常采用的數據分析方法是案例研究法。從國內同類主題領域相關研究的內容特點來看，“數據管理”、“數據服務”和“數據共享”等主題領域的相關研究偏重于國外最佳實踐的案例分析、國外實踐進展的調查分析、國外研究進展的分析評價等方面，針對國內實踐進展的調查研究還比較有限；而“數據出版”、“數據政策”和“數據權益”等主題領域的國內研究成果比較豐富，與國外同類研究相比更加全面、系統。綜上所述，國內相關研究應更多關注與國內實踐進展相關的研究主題領域，并應注重多學科理論與方法的借鑒、移植與創新，豐富和充實本領域的研究方法以解決日趨復雜的現實問題。