近三年國外圖書館學與信息科學 領域研究熱點與前沿分析

劉雅姝 張海濤 徐海玲 李題印

摘 要：[目的/意義]本文對近三年來（2015-2017）SCI和SSCI收錄的圖書情報學的影響因子排名前50%的外文期刊刊載論文及其題錄數據進行計量研究，進而揭示國際LIS領域熱點研究主題，再利用著名的科學分析管理工具ESI追蹤LIS領域的研究發展趨勢。[方法/過程]使用自主研發的程序工具基于Louvain算法對領域知識網絡進行知識群落劃分，進而識別領域知識主題與研究熱點，再利用科學分析管理工具ESI根據共被引分析和聚類算法選出學科最新研究前沿。[結果/結論]通過研究發現，近三年國際圖書情報學的研究熱點主題分別是文獻計量、高校圖書館、網絡社交媒體研究、管理、衛生健康、技術、信息檢索、電子政府、企業管理和電子商務等特定領域的信息應用，研究前沿主要集中在學術平臺替代計量學研究、在線用戶評論研究、政治文本內容挖掘研究、智慧城市研究、讀者閱讀研究、社交媒體相關研究等。

關鍵詞：圖書館學與信息科學;研究熱點;主題劃分;研究前沿

DOI：10.3969/j.issn.1008-0821.2019.09.019

〔中圖分類號〕G250 〔文獻標識碼〕A 〔文章編號〕1008-0821（2019）09-0168-10

Abstract：[Purpose/Signficance]This paper examined the papers and their bibliographic data publiashed for the past three years（2015～2017），which were SCI and SSCI included in the top 50% of the impact factors of the library and information science，in order to reveals the hot research topics in the international LIS field，then using the famous scientific analysis management tool ESI to track the research frontiers in the field of LIS.[Method/Process]Using the self-developed program tool to divide the knowledge community based on the louvain algorithm，and the domain knowledge subject division and research hotspots analysis are realized，then using the scientific analysis management tool ESI to determine the frontier of research in the LIS field.[Result/Conclusion]Through research，the hot topics of international library and information science in the past three years are bibliometrics，e-government and university libraries，online social media research，management，health，technology，information retrieval，enterprise management，and e-commerce; the research frontiers are mainly focus on academic platform and alternative analysis，online user review，political text content mining，smart city，text reading，and social media related research.

Key words：LIS;research hotspot;subject division;research frontier

在過去的幾十年中，有關圖書館與信息科學領域的研究在數量、國際化、專業化程度、應用領域和跨學科關系方面經歷了爆炸式增長，圖書館與信息科學理論與實際應用研究備受關注。進行學科研究熱點與前沿分析可以盡快把握獲取國際學者的研究動向，進而為LIS的建設和完善提供有益的發展建議。國外很早就有學者對LIS領域進行相應的研究，Jrvelin K等[1]對1965-1985年間LIS領域核心期刊論文進行內容分析，旨在追蹤該領域20年間研究主題與熱點變化情況;Uzun A[2]對LIS領域21種核心期刊1980-1999年間的文獻內容以及作者合著情況進行分析，并利用共詞分析方法得出信息檢索、信息需求、信息用戶是LIS領域學者的熱門研究主題;Figuerola C G等[3]在LISA數據庫中選取1978-2014年間的LIS領域論文標題和摘要，應用LDA主題統計技術，識別文檔的主要主題，最終將LIS領域主題分為4個方面：方法、信息技術、圖書館和特定領域的信息應用。近年來國內多位學者從定性或定量多個角度揭示LIS領域的研究熱點，邱均平等[4]從研究熱點、研究前沿、知識基礎3個方面對2008-2012年SCI和SSCI收錄的外文期刊論文及其題錄數據進行可視化計量研究，并總結出國際圖書情報學研究前沿主要有信息學、引文分析、虛擬網絡社區、語義信息檢索等研究領域;柯平等[5]選取22種國外SSCI收錄期刊論文，借助社會網絡分析工具對關鍵詞統計分析，最終將國外圖書館學情報學熱點劃分為3個領域：信息組織檢索與管理、數字圖書館、圖書館用戶及相關研究。本文在吸收借鑒前人研究成果的基礎上，使用共詞分析方法，通過詞間關系數據挖掘達到學科主題[6]發現的目的，進而了解LIS領域研究的知識結構，這將有助于了解該領域并為其未來發展提供基礎。

1 相關理論與方法

1.1 共詞分析法

共詞分析（也稱詞共現分析）屬于內容分析的范疇，最早在20世紀70年代中后期由法國文獻計量學家Callon M等[7]提出，其思想來源于文獻計量學的引文耦合與共被引概念，他們在1986年對共詞分析理論進行完善并出版了第一部關于共詞分析法的專著[8]。共詞分析經過20多年的發展，已經在人工智能、科學計量、信息科學與信息系統等多個領域被廣泛應用。共詞分析一般以文本中的單詞、關鍵詞或主題詞為分析單元，分析在同一個文本主體中的單詞或者名詞短語對共同出現的形式，一般認為詞匯在同一篇文章中出現的次數越多，這兩者之間的關系就越為緊密，由此可以分析主題詞兩兩文章之間同時出現的頻率，以發現科學領域的學科結構[9]。

1.2 Louvain算法

領域知識在時間序列上的不斷發展演進，使得各知識節點基于彼此之間的關聯關系逐漸形成知識主題，領域知識網絡是由不同的知識主題所構成的。將網絡劃分為主題的依據有很多，大體上分為圖劃分和社群發現兩類算法。其中圖劃分主要特點是指定了主題規模和數量，目的在于把網絡劃分成更小、更容易管理的碎片從而進行研究;而社群發現是主要依據網絡本身的拓撲結構來決定主題的數量和規模，即自然地識別網絡內部不同主題。本研究目的在于探究領域知識網絡中知識主題的識別，事先并不確定知識主題的具體情況，因此研究中基于關鍵詞節點之間的鄰接關系構建領域知識網絡，采用社群發現中的Louvain算法來對領域知識網絡中的知識主題進行劃分與識別。Wallace M L[10]等人也曾指出社群發現算法有助于規模較大的復雜網絡的分析研究，并在知識主題的識別上具有明顯的天然優勢。

Louvain算法就是基于模塊度的社群發現算法，該算法不需事先確定群落信息，并且在研究大型網絡上具有較好的效率和效果表現。該算法通過不斷將節點進行凝聚，實現將整個網絡分解為多個群落。Louvain算法的主要步驟如下：

1）將網絡中每個節點看成是一個獨立的群落，即群落數目與節點個數相同;

2）對每個節點i，依次嘗試把節點i分配到每個鄰居節點所在的群落中，計算分配前后的模塊度變化ΔQ，并記錄ΔQ值最大的鄰居節點，如果MaxΔQ>0，則把節點i分配到該鄰居節點所在的群落，否則保持不變;

3）對網絡進行壓縮，將所有同在一個群落內的節點壓縮成一個新的節點，重復1）的過程，直至整個網絡的模塊度不在發生變化，即達到最大值。

經由上述步驟，Louvain算法通過不斷聚集各節點來實現模塊度值最優的結果，從而確定網絡中群落的劃分。研究中，基于上述的理論和思想，劃分領域知識網絡中的知識群落，進而識別LIS領域研究主題。

2 數據獲取與預處理

期刊引用報告（Journal Citation Reports，簡稱JCR）[11]依據來自Web of Science平臺中的引文數據，是一個獨特的多學科期刊評價工具，JCR以可計量的統計數據提供了一種系統客觀測定某個主題類目中大量期刊相對重要性的方法，進而了解學術期刊在相應研究領域的影響力。期刊引證報告中LIS專業目錄下，共收錄了88種學術期刊，基于數據格式的統一與研究的需要，筆者選取排名前50%且具有作者關鍵詞的SSCI/SCI期刊共44個，在WoS核心合集數據庫中以出版物名稱作為檢索項，數據時間限定為2015-2017年，共計檢索出8 018篇文獻（檢索時間：2018年7月8日），經過統一大小寫、合并同類關鍵詞等數據清洗與預處理工作，最終得到作者關鍵詞21 073個，關鍵詞關聯關系112 113對。由于篇幅有限，影響因子排名前10位期刊的名稱、影響因子、文章數量、作者關鍵詞數量如表1所示。

根據表1中期刊的基礎研究數據，可知WoS數據庫收錄的LIS領域各期刊論文數目差距較大，且外文期刊的作者關鍵詞數量較多，平均每篇文章作者關鍵詞在5個左右，各個期刊之間關鍵詞最高出現頻次數值差距也較大。根據文獻中作者關鍵詞的共現關系構建LIS領域知識網絡，選取網絡中具有19 832個知識節點的最大連通圖進行研究，再使用自主研發的程序工具基于Louvain算法對網絡進行知識群落劃分，進而實現領域知識主題劃分與研究熱點分析。

3 LIS領域研究熱點與前沿分析

3.1 領域知識主題群落規模分析

經過自主研發的程序工具基于Louvain算法的劃分后，共詞網絡最終被劃分為70個主題群落，主題群落規模如圖1所示，主題群落的規模由群落中包含的知識節點的數量決定，群落規模越大，其所反映的領域主題的內涵越深，外延越廣，對于領域主題挖掘具有重要意義。本研究選取主題網絡規模排名前9位，分別具有2 781、2 327、2 268、1 895、1 653、1 307、761、605、562個知識節點數的T64、T8、T37、T38、T61、T3、T34、T23、T60知識主題社群進行研究。

根據圖1可以看出，LIS領域關鍵詞共現網絡中各知識主題群落規模差距較大，T64、T8、T37、T38、T61主題群落中的知識節點就約占整個領域知識網絡節點的1/2，本研究選取的主題規模前9的主題群落中包含知識節點數量為14 159個，約占整個領域知識網絡節點數量的71%，涵蓋了大部分領域知識節點，為研究結果的科學、準確性提供保障。

3.2 LIS領域研究熱點分析

本研究基于知識網絡中關鍵詞節點的度數中心度來識別國際LIS領域的研究熱點。共詞強度是社會網絡分析中節點關鍵程度評價的重要標準，主要指標是度數中心度，度數中心度越高，說明該節點在知識網絡中影響越大，越有可能成為該領域的研究熱點[12]。筆者使用自主研發的程序工具采用Louvain算法對國際LIS領域知識網絡進行劃分，選取知識主題群落規模排名前9位的知識群落進行領域研究熱點分析，主題群落可視化結果如圖2所示，圖中a～i序號分別代表著T64、T8、T37、T38、T61、T3、T34、T23、T60知識主題群落。

圖2中呈現了各個主題群落的規模，主題規模越大，網絡中包含的知識節點數量越多，關聯關系越復雜，為了進一步揭示知識主題所涵蓋的具體內容，筆者統計了每個知識主題群落中度數中心度排名前10位的關鍵詞分布如表2所示。

根據表2、表3可發現近三年國際LIS研究9大研究主題內容可歸納為：文獻計量、電子政府與高校圖書館、網絡社交媒體研究、管理、衛生健康、技術、信息檢索、企業管理、電子商務。

a群落反映出文獻計量主題的熱點詞匯，包括文獻計量學（Bibliometrics）、引文分析（Citation Analysis）、合作（Collaboration）、 社會網絡分析（Social Network Analysis）、科學計量學（Scientometrics）、研究評估（Research Evaluation）、開放獲取（Open Access）、網絡分析（Network Analysis）等，這些熱點詞匯涵蓋了計量學研究的基礎理論、分析方法、研究對象、研究目的等，計量學是LIS領域研究發展中相對獨立的一個研究領域主題。

b群落反映出電子政府與高校圖書館主題的熱點詞匯，包括大數據（Big Data）、創新（Innovation）、高校圖書館（Academic Libraries）、社會網絡（Social Networks）、隱私（Privacy）、信任（Trust）、電子政府（E-Government）、信息技術（Information Technology）、采用（Adoption）、Web2等，這些熱點詞匯代表了LIS學科重要的研究內容，有關政府以及高校圖書館服務方向的研究。

c群落反映出網絡社交媒體研究主題的熱點詞匯，包括社交媒體（Social Media）、Twitter、互聯網（Internet）、信息素養（Information Literacy）、Facebook、數字化分（Digital Divide）、信息通訊技術（ICT）等，這些熱點詞匯是LIS研究在網絡環境下研究內容的體現，研究社交媒體用戶使用、傳播、交互規律，也逐漸成為近年來LIS領域學者研究熱點之一。

d群落反映出管理主題領域的熱點詞匯，包括知識管理（Knowledge Management）、知識共享（Knowledge Sharing）、案例分析（Case Study）、文獻評論（Literature Review）、云計算（Cloud Computing）、技術采納（Technology Adoption）、電子商務（E-commerce）等，這些熱點詞匯是LIS研究管理學方向的反映，LIS學科是管理學的下位學科，與管理學有著天然密切的聯系。

e群落反映出衛生健康主題的熱點詞匯，包括衛生保健（Health Care）、電子健康記錄（Electronic Health Record）、健康信息技術（Health Information Technology）、性別（Gender）、扎根理論（Grounded Theory）、定性研究（Qualitative Research）、教育（Education）等，這些熱點詞匯體現了LIS學科與醫學信息學科交叉融合發展趨勢，交叉學科研究也是當前國際LIS研究的熱點主題。

f群落反映出技術主題的熱點詞匯，包括自然語言處理（Natural Language Processing）、機器學習（Machine Learning）、信息安全（Information Security）、設計科學（Design Science）、規則（Regulation）等，這些熱點詞匯也同樣體現了LIS學科與計算機學科的交叉研究，說明在LIS研究領域，技術主題占據著非常重要的地位，國際范圍內LIS領域呈現出注重技術的研究特征。

g群落反映出信息檢索研究主題的熱點詞匯，包括文本挖掘（Text Mining）、分類（Classification）、聚類（Clustering）、可視化（Visualization）、推薦（Recommend Systems）、專利（Patent）、科學圖譜（Science Mapping）、LDA主題分析模型（Latent Dirichlet Allocation）等，這些熱點詞匯涉及信息檢索這一重要主題研究過程中采用的技術方法。

h群落反映出企業管理研究主題的熱點詞匯，包括制度理論（Institutional Theory）、公司業績（Firm Performance）、吸收能力（Absorptive Capacity）、組織學習（Organizational Learning）、創造價值（Value Creation）、商業價值（Business Valueofit）、大數據分析（Big Data Analytics）、數字化（Digitization）、面板數據（Panel Data）等，這些熱點詞匯體現了大數據背景下LIS學科與企業管理的交叉融合研究，面向企業的競爭情報分析相關研究也是國際LIS領域研究熱點。

i群落反映出電子商務研究主題的熱點詞匯，包括滿意度（Satisfaction）、用戶產生內容（User Generated Content）、口碑（Word Of Mouth）、電子商務（Electronic Commerce）、網絡口碑（Ewom）、網絡評論（Online Reviews）、人群資金（Crowd Funding）、社交商務（Social Commerce）等，這些熱點詞匯體現了近年來有關電子商務主題相關研究是國際LIS領域研究的一個方向。

3.3 LIS領域研究熱點演化分析

為了進一步把握LIS領域研究熱點的變化情況，筆者選取2015-2017度數中心度累積數據排名前20的知識節點，這些高點度中心度知識節點可以在一定程度上反映國際LIS領域研究熱點，度數中心度排名前20的關鍵詞及數值如表3所示。

根據表3中確定的知識節點，對其在2015-2017年3年中的演化過程進行動態跟蹤，進而總結研究熱點的變化趨勢，筆者統計了這20個知識節點在每一年的度數中心度發生值，這些節點的度數中心度時間序列增長數據如圖3所示。

根據圖3中各年度數中心度變化情況可知，部分知識節點度數中心度在時間序列中居高不下，保持著持續增長的態勢，如“Social Media”、“Qualitative”、“Knowledge Management”、“Big Data”、“Twitter”、“Social Networks”、“Communication”、“E-government”，說明有關社交媒體、知識管理、大數據等問題的研究在國際情報學領域中很受歡迎，是國際學者主要的研究方向以及中長期的核心熱點。尤其是“Social Media”、“Qualitative”在時間序列上相對顯著的增長數據，說明學者們在進行科學研究過程中更傾向于使用定量研究的方法，同時也再次印證了2015年以來，網絡技術的繁榮發展直接促進了社交網絡載體的豐富性，社交網絡在社會中的實際應用越來越廣泛，使得對于此類問題的研究愈加有實踐意義，進而掀起了廣大國際學者們的研究熱潮。但具體來看，相比于2015年，一些主題關鍵詞的度數中心度在2016年呈現出增長態勢，但在2017年又迅速下降，如“Bibliometrics”、“Citation Analysis”、“Knowledge Sharing”、“Innovation”、“Academic Library”、“Privacy”、“Trust”，說明文獻計量、知識共享、高校圖書館、隱私、信任等問題只受到國際學者短時間內的接受和歡迎，學者對于此類問題的研究熱情呈現下降趨勢。值得注意的是“Health Care”、“Collaboration”、“Internet”、“China”等關鍵詞隨著時間的發展度數中心度在這3年中始終呈現出下降趨勢，其中“Health Care”知識節點度數中心度下降幅度最為顯著，說明LIS領域與醫學領域研究的交融力度在減弱，兩個領域的粘合度隨著時間的推移逐漸變低。

4 LIS領域研究前沿分析

4.1 研究前沿靜態分析

本研究利用著名的科學分析管理工具ESI追蹤LIS領域的研究發展趨勢，ESI檢索研究前沿（Research Fronts）根據共被引分析和聚類算法選出的學科最新研究前沿，反映了現代科學中的突破性領域和集中研究領域，每一組前沿主題包含一組高被引論文，詳細揭示了該課題的發展現狀。進入ESI的Results List，點擊Research Fronts，Add Filter選擇Social Sciences，General，則可以得到目前國際最熱的研究前沿關鍵詞，從中可以找到社會科學領域的相關科研前沿，進而確定目前國際LIS領域的研究前沿，Research Fronts關鍵詞如表4所示。

根據表4可知，當前LIS領域研究前沿主要集中在以下幾個方面：1）學術平臺的相關問題研究，在對此類問題的文獻梳理過程中發現，英國伍爾弗漢普頓大學統計網絡計量研究小組的Thelwall M[13]對于此類問題研究的較多，逐漸形成系列性成果，他在2017年最早展開對微軟學術早期引用問題的研究，對來自不同專業的29種大型期刊的172 752篇文章引用數量進行了統計，結果表明微軟學術引用總體上比Scopus略多6%，比Mendeley讀者略少7%。隨后的1年中，該作者又探討了微軟學術是否可以使用其網絡搜索組件來識別最近發表的文章的早期引用，結果表明微軟學術和Scopus引用計數在所有年份都是相似的，微軟學術平臺并不能更好地利用在線預印本來找到早期引用[14]。2）在線用戶評論研究，包括酒店評論、旅游評論、消費評論、負面評論等;學者們大都通過研究用戶的評論數據，探究評論內容對于產品營銷的影響，進而提出具有針對性的策略和建議。3）對政治文本的內容挖掘研究，政治文本對于政治科學研究具有重大意義，斯坦福大學的Grimmer J等[15]檢驗了各種方法，最終得出自動文本方法對于政治科學家來說是最理想的標準工具。4）智慧城市相關研究，倫敦大學高級空間分析中心的Batty M等[16]提出了智慧城市發展的7個目標，即對城市問題的新認識;找到協調城市技術的可行性方法;在時間和空間維度上建立和使用城市數據的模型和方法;開發新的傳播和交流技術;發展新形式的城市治理和組織;確定關于城市、交通和能源的關鍵問題;識別智慧城市中的風險、不確定性和危害。5）讀者閱讀研究，包括閱讀認知機制、視覺詞閱讀等，Browder D M等[17]對殘疾人視覺詞進行了全面審查，確定視線詞研究的整體有效性以及對殘疾人的影響，它們使用薈萃分析法得出結論，對于患有中度和重度殘疾的人來說，視覺詞教學對于提升殘疾人閱讀功能非常有效。6）社交媒體相關研究，Kawaljeet K K等[18]提出，目前大多數論文都是關于社交媒體的用戶行為、評論以及建議研究，還有一些學者對網絡社區、社交媒體作為營銷媒介的可能性進行評估研究，少數學者則探討了其使用的相關風險，它所創造的價值以及在工作場所附加的負面影響、社交媒體所涉及的政治和公共管理，傳統媒介和社交媒體之間的比較研究。

ESI分析研究前沿的另一個重要的工具便是科睿唯安與中科院文獻情報中心聯合發布的研究前沿系列報告。以《2017研究前沿》報告為例，從ESI Research Fronts中遴選出100個研究熱點前沿和43個新興前沿，并解讀其中的27個重點前沿，是在文獻計量指標的基礎上對2017年全球科技發展布局和競爭結構的一種分析和解釋，對于科研人員研判世界科技前沿具有基礎性意義。在每個學科領域利用P和CPT指標（結合專家判斷）分別選出一個重點熱點前沿，在每個學科領域利用CPT指標（結合專家判斷）選出一個重點新興前沿，CPT指標值越高表明研究前沿越熱[19]。

根據《2017研究前沿》報告預測2017-2018年度的最新經濟學、心理學以及其他社會科學Top10熱點前沿科研（表5），再結合表4中調研結果，LIS領域課題科研人員應盡快開展有關替代計量學相關問題的研究。

圖4中顯示了各前沿主題在時間序列發展過程中的高被引論文數量、高被引論文被引次數、平均每篇高被引論文被引次數，圖中以5年為1個時間窗口，以1年為步長。根據圖4可知，部分前沿問題呈現出相同的發展軌跡，遵循著相似的發展規律。

學術平臺以及替代計量學問題、智慧城市問題、讀者閱讀相關研究在T1（2009-2013）到T2（2010-2014）時間窗口演化過程中3個變量折線的斜率最大，是高被引文獻數量的爆發期，T2（2010-2014）到T5（2013-2017）時間窗口進入穩步增長階段，在T5（2013-2017）到T6（2014-2018）窗口演化中各變量趨于穩定;

政治文本挖掘以及社交媒體問題研究在T1（2009-2013）到T2（2010-2014）時間窗口發展過程中，高被引論文及其引用次數迅速增長，但在T2（2010-2014）至T5（2013-2017）時間窗口演化過程中呈現出長時間穩定發展態勢，T5（2013-2017）至T6（2014-2018）時間窗口演化過程中高被引論文數量及其引用數量呈現下降趨勢;

用戶評論相關問題研究經歷了獨特的發展歷程，其在T1（2009-2013）至T2（2010-2014）時間窗口演化過程中高被引論文及其被引數量發展較為緩慢，相較于其他前沿問題，用戶評論研究起步較晚，但在隨后的T2（2010-2014）至T3（2011-2015）過程中迅速發展，在T5（2013-2017）時間窗口下達到頂峰期，隨后在T5（2013-2017）至T6（2014-2018）時間窗口演化過程中呈現下降趨勢。

5 結 語

通過本研究對于熱點以及前沿問題的數據挖掘結果，可初步得出如下結論：近三年國際圖書情報學的研究熱點主題分別是文獻計量、電子政府與高校圖書館、網絡社交媒體研究、管理、衛生健康、技術、信息檢索、企業管理和電子商務等特定領域的信息應用;研究前沿主要集中在學術平臺替代計量學研究、在線用戶評論研究、政治文本內容挖掘研究、智慧城市研究、讀者閱讀研究、社交媒體相關研究等。

參考文獻

[1]Jrvelin K，Vakkari P.The Evolution of Library and Information Science 1965-1985：A Content Analysis of Journal Articles[J].Information Processing & Management，1993，29（1）：129-144.

[2]Uzun A.Library and Information Science Research in Developing Countries and Eastern European Countries：A Brief Bibliometric Perspective[J].International Information & Library Review，2002，34（1）：21-33.

[3]Figuerola C G，Marco F J G，Pinto M.Mapping the Evolution of Library and Information Science（1978-2014）Using Topic Modeling on LISA[J].Scientometrics，2017，112（3）：1507-1535.

[4]邱均平，呂紅.近五年國際圖書情報學研究熱點、前沿及其知識基礎——基于17種外文期刊知識圖譜的可視化分析[J].圖書情報知識，2013，（3）：4-15.

[5]柯平，賈東琴，李廷翰.2010年國外圖書館學情報學研究熱點分析[J].情報科學，2011，29（9）：1281-1288.

[6]鄧淑卿，徐健.我國情報學研究主題內容分析[J].情報科學，2017，35（11）：83-88.

[7]Callon M，Courtial J，Turner W A，et al.From Translation to Problematic Networks：An Introduction to Co-word Analysis[J].Social Science Information，1983，22（2）：191-235.

[8]Callon M，Law J，Rip A.Mapping out the Dynamics of Science and Technology：Sociology of Science in the Real World[M].London：Macmillan，1986.

[9]孫健夫，陳蘭杰.基于知識圖譜的國際信息政策研究熱點與前沿分析[J].情報科學，2010，（3）：389-394.

[10]Wallace M L，Gingras Y，Duhon R.A New Approach for Detecting Scientific Specialties from Raw Cocitation Networks[J].Journal of the Association for Information Science and Technology，2009，60（2）：240-246.

[11]Thomson Reuters.Journal Citation Reports[EB/OL].http：//www.Thomson scientific.com.cn/products services /jcr/，2018-07-01.

[12]楊穎，崔雷.基于共詞可視化的學科戰略情報研究[J].情報學報，2011，30（3）：325-330.

[13]Thelwall M.Microsoft Academic：A Multidisciplinary Comparison of Citation Counts with Scopus and Mendeley for 29 Journals[J].Journal of Informetrics，2017，11（4）：1201-1212.

[14]Thelwall M.Does Microsoft Academic Find Early Citations？[J].Scientometrics，2018，114（1）：325-334.

[15]Grimmer J，Stewart B M.Text as Data：The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts[J].Political Analysis，2013，21（3）：267-297.

[16]Batty M，Axhausen K W，Giannotti F，et al.Smart Cities of the Future[J].The European Physical Journal Special Topics，2012，214（1）：481-518.

[17]Browder D M，Xin Y P.A Meta-analysis and Review of Sight Word Research and Its Implications for Teaching Functional Reading to Individuals with Moderate and Severe Disabilities[J].The Journal of Special Education，1998，32（3）：130-153.

[18]Kapoor K K，Tamilmani K，Rana N P，et al.Advances in Social Media Research：Past，Present and Future[J].Information Systems Frontiers，2018，20（3）：531-558.

[19]冷伏海，孫震，周秋菊.《2015研究前沿》報告的研制實踐與相關探討[J].智庫理論與實踐，2016，1（02）：79-87.

[20]王莉，李世宇.基于Cite Space的國內“互聯網+傳統行業”研究熱點與前沿分析[J].情報科學，2017，35（2）：150-156.

（責任編輯：郭沫含）