基于CiteSpace 的Web of Science 圖書情報領域的主題探測

馬宇馳（吉林財經大學圖書館）

1 引言

分析某一學科在特定時間段的熱點，能夠幫助專家學者迅速梳理領域知識結構、明晰主流研究項目、把握該領域在當前及未來一段時間的發(fā)展趨勢。

目前，國內對于圖書情報學（Library and Information Science，LIS） 的行業(yè)熱點展望常見于領域內某個主題的演進回顧、分析及前瞻。如，奉國和等運用CiteSpace，以CSSCI 為數(shù)據庫檢索源，對國內機構知識庫研究文獻進行分析，識別了機構知識庫領域核心期刊、研究團隊、關鍵節(jié)點文獻等知識演進要素［1］；肖荻昱以CNKI 數(shù)據庫為檢索源，利用CiteSpace 繪制了圖書館智庫領域的文獻作者、機構、關鍵詞及研究前沿圖譜［2］；胡浪基于CNKI 的數(shù)據，通過CiteSpace 呈現(xiàn)了國內圖書情報學的研究現(xiàn)狀，指出了計量學在圖書情報領域中的增長態(tài)勢［3］；蘇福等運用CiteSpace，對2014—2015 年被Web of Science（WoS）收錄的圖書情報學期刊進行分析，繪制出當年的領域研究熱點［4］；2014 年，孫杰等對SSCI 收錄圖書信息學Top5 的期刊進行CiteSpace 關鍵詞聚類分析，并與國內學者在國際期刊中的發(fā)文熱點進行對比，總結學界發(fā)展過程中的異同［5］。前人的研究或基于國內數(shù)據源、或未經過相應的數(shù)據清洗流程、或數(shù)據截取的時間跨度短、或因撰寫時間久遠而削弱了對當下借鑒的時效性。本研究嘗試運用數(shù)據清洗方法、網絡密度分析結合時序分析法，剖析近五年圖書情報學在SCI 優(yōu)質期刊中的研究主流及研究熱點，為該領域的相關研究提供一定的借鑒。

2 數(shù)據來源與方法

2.1 數(shù)據源

以WoS 和其期刊引文報告（Journal Citation Reports，JCR） 作為數(shù)據來源。WoS 按主題將其收錄的期刊大致分為250 個學科類別，每份期刊和書籍都至少屬于一個學科類別。在2018 年版的JCR 中，共236 個類目，包含圖書情報學（Information Science&Library Science，LIS）類目的數(shù)量為1，此類目下包含期刊出版物的數(shù)量為89 個。

2.2 期刊選取原則

作為權威的文獻計量大學排行，荷蘭萊頓大學科學技術研究中心（Centre for Science and Technology Studies，CWTS）及美國免費期刊信息分析平臺Scimago 發(fā)布的排行報告在選取優(yōu)秀出版物的過程中，均將專業(yè)領域內前10%這一比例作為選取依據［6］。因此，本研究同樣采用了“10%”作為抽取比例，即選取10 個期刊，按照JCR 的期刊影響因子（Journal Impact Factor）數(shù)值降序排列（見表1）。

表1 2018 年圖書情報學影響因子TOP 10 期刊

在WoS 中的檢索策略為SO=（International Journal of Information Management） or SO= （Journal of Computer-Mediated Communication） or SO=（Journal of Knowledge Management） or SO= （MIS Quarterly） or SO= （Government Information Quarterly） orSO=（Journal of The American Medical Informatics Association） or SO=（Information&Management） orSO= （Journal ofStrategicInformation Systems） or SO= （Information Processing&Management） orSO=（Journal ofInformetrics）。檢索時間截止到2019 年12 月24 日，時間跨度為最近 5 年，索引為SCI-EXPANDED、SSCI，共檢索到文獻4,060 篇。在WoS 的數(shù)據導出界面中選擇“全記錄與引用的參考文獻”，文件格式選擇“純文本”，由此得到用于共現(xiàn)分析的數(shù)據文件。

2.3 應用工具

CiteSpace 是知識可視化的表現(xiàn)手段，其工作原理是應用論文中關鍵詞的詞頻統(tǒng)計及共現(xiàn)分析、文獻的共被引分析等理論，同時結合聚類分析、應用數(shù)學分析方法、圖形學等信息可視化技術，形成對知識內在結構的描繪和對知識間相互聯(lián)系的揭示。作為計量學在實踐領域的一項應用，CiteSpace 常被用于兩個方面：① 某學科或多學科交叉下的研究主題發(fā)現(xiàn)、熱點定位及前沿趨勢探析；② 學科覆蓋下的杰出科研人員、優(yōu)勢科研機構和國家的可視化標識，以及科研人員之間、機構國家之間的合作共現(xiàn)顯示。

3 結果

3.1 數(shù)據清洗結果

應用文獻目錄數(shù)據分析某一領域熱點的研究已廣泛開展，但由于數(shù)據質量優(yōu)劣不一，基于該方法的結果的效度難以得到保障。潘瑋等構建了數(shù)據清洗的“DEAN”流程，清洗4 類數(shù)據對象，即來自同一數(shù)據庫或多數(shù)據庫間的重復（Duplicates） 條目，不符合檢索需求的文獻類型或檢索策略錯誤（Errors） 記錄，具備相同語法或語義概念的同義不規(guī)范關鍵詞（Alias），含有子網或低頻次閾值的噪聲干擾關鍵詞（Noises），并證實該流程提升了對于研究主題識別的有效性和準確性［7］。

按照“DEAN”數(shù)據清洗步驟，本次數(shù)據清洗的流程及結果見表2。

表2 “DEAN”流程各環(huán)節(jié)功能及結果

將清洗后的數(shù)據導入CiteSpaceV，在功能參數(shù)區(qū)中將時間切片中的時間范圍設置為“2015-2019”，時間切片為 1 年，節(jié)點類型（Node Types） 按照分析對象先后選取“Institution”“Author”“Keyword”等，每個時間切片選擇“Top 50”，連線強度選擇“Cosine”，然后進行數(shù)據分析，在可視化的數(shù)據分析界面，文獻的關鍵詞以節(jié)點的形式出現(xiàn)在視圖中。節(jié)點為年輪狀彩色圓環(huán)圖，靠近外圈的環(huán)以暖色顯示，代表相對近期文獻；內圈的環(huán)用冷色顯示，代表相對早期的文獻，圓環(huán)厚度及節(jié)點面積與關鍵詞頻次成正比。圖中連線表示其兩端連接的節(jié)點存在于同一篇文獻中，具有共現(xiàn)關系。

3.2 發(fā)文機構分析結果

選取發(fā)文頻次機構的數(shù)據形成發(fā)文機構共現(xiàn)圖（見圖1），在發(fā)文頻次排名前10 的機構中，9 所來自美國，1 所來自中國。WoS 收錄的文獻數(shù)量是評估機構科研力量的因素之一［8］，相比于企業(yè)、科研院所及社會研究組織，大學科研團隊在LIS 領域中研究力量具有明顯優(yōu)勢。從國家角度來說，美國大學科研團隊表現(xiàn)出明顯優(yōu)勢，這為我國培養(yǎng)LIS 領域研究人員所進行的聯(lián)合辦學、學術交流提供了地區(qū)借鑒。排名前兩位的布列根和婦女醫(yī)院 （Brigham and Women’s Hospital）和哈佛大學醫(yī)學院（Harvard Medical School）均來自醫(yī)學領域，這表明LIS 領域與醫(yī)學學科深度交叉融合，醫(yī)學領域對LIS 人才需求量較其他學科更大，高校在構建LIS 專業(yè)學生培養(yǎng)計劃時，可適當加大對醫(yī)學信息管理等專業(yè)的學科投入力度。

3.3 作者分析結果

根據作者數(shù)據繪制作者共現(xiàn)圖（見圖2），在發(fā)文數(shù)排名前10 的作者中，4 人來自美國的機構，5 人來自歐洲的機構，1 人來自中國的機構，且從事醫(yī)學信息學研究的作者占比較高，與發(fā)文機構分析結果一致。

圖1 發(fā)文機構共現(xiàn)圖

圖2 作者共現(xiàn)圖

高產作者中排名第一的是英國胡弗漢頓大學的Thelwall M（發(fā)文頻次27），其近五年主要致力于傳統(tǒng)文獻計量指標與替代計量學（Altmetrics）的社交網絡影響力計量化指標的對照分析研究，如全球最大的科研社交網絡服務網站“ResearchGate”是否能廣泛反映現(xiàn)有的學術層級以及各國學者在使用“ResearchGate”提供的服務過程中是否受益于該網站，他對ResearchGate 的用戶進行人口統(tǒng)計學分析，他還基于Mendeley進行替代計量學分析，憑借對“讀者數(shù)量”的跟蹤，證實了“讀者數(shù)量”在反應科研成果利用率上同傳統(tǒng)文獻計量學“引文數(shù)”所發(fā)揮的作用高度相關［9］。排名第二的是美國哈佛大學醫(yī)學院醫(yī)學信息學專業(yè)的David A K，他的研究以中大型科研團隊合著為特征，通過研發(fā)以患者為中心的網絡化工具包分析包含患者和護理人員共同參與的急性護理過程中的各項醫(yī)療信息。此外，他的研究還涉及到臨床診斷支持系統(tǒng)、電子處方系統(tǒng)的處方錯誤分析、藥物過敏預警的失敗案例等［10］。意大利國家研究委員會的Giovanni Abramo 論證了由CWTS 提出的New Crown Indicator（the Mean Normalized Citation Score， MNCS），及諸如國際合作率、高被引文獻數(shù)等一系列需計算比率即與自身體量無關的計量指標在衡量科研績效過程中的不適用性；確定了基于SIMCA 的多元隨機模型作為衡量科研產出的計量體系［11-12］。

3.4 研究主題分析結果

自動聚類視圖采用的方法是對數(shù)似然比算法。通過聚類算法生成知識聚類，從聚類的施引文獻中提取標簽詞，以此來表征對應一定知識基礎的研究主題［13］。關鍵詞共現(xiàn)聚類見圖3，其中代表網絡模塊化的指標聚類模塊值（Modularity）為0.8328，當其大于0.3 時就意味著網絡社團結構顯著；另一個評價指標聚類平均輪廓值（Silhouette）為0.7951，在0.5 以上時可以認為聚類結果是合理的。

由圖3 可知，2015-2019 年圖書情報領域的研究熱點包括社交媒體（SocialMedia）、知識分享（Knowledge Sharing）、文獻計量學 （Bibliometrics）、開放創(chuàng)新（Open Innovation）、自然語言處理（NaturalLanguageProcessing）、信息技術（Information Technology）、電子健康記錄 （Electronic Health Records，EHRs）、知識管理（Knowledge Management）、社交商務 （SocialCommerce）、情感分析（Sentiment Analysis）。下面是對LIS 研究態(tài)勢的演化過程分析。

3.4.1 以時間為視角的主題間演化態(tài)勢分析

圖3 2015-2019 年關鍵詞共現(xiàn)圖

（1）2015 年，聚類排名靠前的主題為知識管理和以各種模型、理論為基礎的實證分析與案例研究。數(shù)據技術是貫穿LIS 歷年的研究熱點，自然語言處理技術在當年成為熱門，為之后的機器學習、深度學習、情感分析及語義分析提供了基礎，而后者又是社交商務、電子商務、智慧醫(yī)學信息系統(tǒng)實現(xiàn)的必要工具，技術進步所累積的成果時至今日仍在為LIS 的學科發(fā)展提供支持。當年的文獻計量學熱點聚焦在書目數(shù)據庫的構建、引文影響因子、全計數(shù)法與分數(shù)計數(shù)法等理論研究。

（2）2016 年，谷歌云、亞馬遜云平臺的崛起使分布式計算、大數(shù)據技術成為當年的熱門工具。大數(shù)據與各個行業(yè)互相滲透融合的同時，也催生了許多有價值的應用平臺與產品，而基于電子健康記錄利用大數(shù)據技術優(yōu)勢形成的一系列研究成果成為當年的最大聚類。電子政務獲得了當年極高的關注，開放政府數(shù)據和電子政務關系密切，對于開放政府數(shù)據的用戶接受和信息系統(tǒng)研究成為當年的另一熱點，大量用戶數(shù)據具有潛在價值，通過數(shù)據技術情感分析發(fā)揮價值，為社交商務、電子商務的發(fā)展提供基礎。

（3）2017 年，電子商務成為當年新出現(xiàn)的聚類，電子商務的概念及相關理論并非當年首次出現(xiàn)，也并非LIS 領域獨有。在LIS 領域中電子商務的集中聚類主要由于大數(shù)據等計算機技術使對用戶生成內容的開發(fā)成為可能，為公司組織提供了商業(yè)模式上新的視角，在這個過程中發(fā)揮作用的大數(shù)據及信息系統(tǒng)技術是LIS 的核心研究點之一。創(chuàng)新成為當年的熱門，公司和政府機構都將數(shù)字化創(chuàng)新管理列為研究重點。計量學方面，被廣泛應用的Bibliometrix 在這一年上線，實現(xiàn)文獻計量學分析中的主要分析和科學可視化，并成為科學知識圖譜分析的主流工具之一。

（4）2018 年，大數(shù)據從幕后到臺前，從云計算本身的歷史演進，到與各個行業(yè)應用場景的融合， 涌現(xiàn)了大量對于大數(shù)據本身理論和技術的討論。在這一年，網站數(shù)據量大量積累，后臺計算能力急速增長、通訊網絡全面部署，研究人員開始關注大數(shù)據及人工智能對個人隱私、信息安全的沖擊。數(shù)據平臺如Facebook、Twitter 等面臨泄露用戶隱私的質疑。同時，涌現(xiàn)了大量關于數(shù)據技術文本挖掘的研究成果。典型的例子是非結構化文本處理技術逐步成熟，使商業(yè)智能開發(fā)和健康領域的深度學習布局成為可能。

（5）2019 年，伴隨各類線上線下活動、各種信息系統(tǒng)、信息服務游戲化程度加深，社交媒體及社交網站轉向聚焦相關游戲化研究。技術接受模型被更多的研究者所重視，結合整合型技術接受與使用理論（UTAUT），廣泛應用于區(qū)塊鏈、移動銀行等新型商務模式的研究。IT 創(chuàng)新結合了創(chuàng)新績效的進展，為公司的決策制定提供了科學的參考，探索更多應用場景的融合。此外，科學技術的雙刃劍效應引起了學者的關注，如在與數(shù)據技術緊密結合的醫(yī)療健康行業(yè)，雖然大數(shù)據技術、移動醫(yī)療（M-Health）提升了醫(yī)院的診療效能，但是在一定程度上造成了醫(yī)生身心壓力大、職業(yè)倦怠等問題。

3.4.2 以內容為視角的主題內演化態(tài)勢分析

LIS 的主題包括研究對象和研究方法，二者并不是孤立存在的，而是彼此促進、互相完善。對于單個主題內部的研究分支演化態(tài)勢并非排他的，不存在某一熱點的出現(xiàn)替代消亡之前的研究對象。LIS 的主題依托圖書館作為知識平臺及信息樞紐，以數(shù)據技術為技術核心，以圖書館學、情報學、傳播學理論為輔助工具，向相關領域輻射。

社交媒體的歷史并不久遠，但短短十余年間，社交媒體對人類生活產生了顛覆性改變和巨大的影響，其引起的關注不只發(fā)生在行業(yè)內，同樣延伸到了學術界，包括醫(yī)療、商務、政務等方面。關于社交媒體的研究可以分為三個層次。① 將社交媒體本身視為研究對象，對社交網絡的度量、社區(qū)結構、牢固和薄弱的聯(lián)系、社交網絡的演變、網絡結構和關系、價值觀念和衡量策略、社會資本等核心因素進行評述［14］；將傳播學理論應用于因果鏈框架結構的構建，更好地理解使用社交媒體的原因和利用社交媒體帶來的影響［15］、對于社交媒體的疲勞效應和用戶心理健康的分析［16］、對于Gamification 特點和內在需求滿足的研究［17］。② 將社交媒體上用戶行為特征與某一行業(yè)進行聯(lián)合分析，進行規(guī)律的總結和概括，從而指導組織的戰(zhàn)略規(guī)劃行為，如社交網絡的興起發(fā)展過程中對人們消費及健康行為的改善［18］。③ 脫離用戶行為屬性，抽取用戶生成的數(shù)據，應用回歸分析、結構方程模型等手段實現(xiàn)假設推理性的研究，如應用數(shù)據分析技術的行業(yè)分析，開發(fā)數(shù)據的潛在商業(yè)價值［19］。

電子健康記錄 （Electronic Health Records，EHRs）正在對醫(yī)學相關領域進行著一場變革，在健康診療護理中形成的海量數(shù)據已是學界公認的重要資源。聚焦于EHRs 的研究首先著眼于計算機技術，包括數(shù)據清洗、自然語言處理、文本挖掘、情感分析、可視化等。得益于數(shù)據技術發(fā)展，EHRs 成為顯著新興的研究熱點，其研究課題較為活躍，內部態(tài)勢相對分散，呈現(xiàn)出“探索—總結—再探索”的規(guī)律。微觀上表現(xiàn)為結合醫(yī)學信息特點的數(shù)據技術研究，如基于特定規(guī)則算法或機器學習，在結構化及非結構化的健康記錄輸入過程中能有效探測識別目標患者人群［20］。這類研究以統(tǒng)計學為基礎，以算法為工具實現(xiàn)，主要表現(xiàn)為利用處理后的結構化數(shù)據構建功能性醫(yī)療平臺，提高健康機構的診療護理質量的實證研究。如，利用遞歸神經網絡對心力衰竭進行早期探查［21］、應用云服務移動健康監(jiān)測平臺遠程幫助患者預防腦卒中［22］。

有關電子政務的研究主要包含兩個方面。一方面是提高用戶參與電子政務積極性的研究，另一方面是提高政府開放數(shù)據透明度的研究。在電子政務方面，有學者論述了電子化政府的公共價值，并結合Facebook、Twitter 等社交網絡闡明了社交媒體內容質量與公民參與電子政務積極性的關系［23］，以及社交媒體內容質量對公民信任度、政策實施效果的影響［24］。在開放政府數(shù)據 （Open Government Data，OGD） 方面，從對OGD 主導模型的梳理［25］到歸納OGD 項目的主流生態(tài)環(huán)境［26］，過渡到OGD 項目的核心不只在于平臺的構建，更在于數(shù)據集本身的質量［27］。

關于商務經濟的研究主要包括兩類。一類是基于社交網絡平臺，對社交商務、移動商務、電子商務等商業(yè)模式的分析。這類熱點得以興起的原因在于：① 技術上，隨著近年來數(shù)據技術的飛速發(fā)展，云存儲、云計算能力日益完善，為獲得、處理、分析、利用商務信息數(shù)據提供了先進的技術支持；② 在場景上，F(xiàn)acebook、Twitter、微博等社交平臺經過多年的發(fā)展，積累了大量用戶行為記錄，為理解用戶行為、完善社交網絡傳播學原理提供了豐富的案例。在總體層面，如社交商務的定義、研究主題和發(fā)展趨勢的演進［28］；在個體層面，通過數(shù)據獲取，幫助用戶選擇最優(yōu)的機器學習模型，運用自然語言處理技術進行面向服務評論的情感分析，如對星巴克、希爾頓酒店等的分析。移動商務帶來非經濟利益的同時，學界也在思考技術帶來的負面影響，基于UTAUT等模型，展開了對于用戶隱私保護不足的反思討論［29］。另一類是結合經濟學、管理學模型，分析在社交媒體上的社交行為作為中介變量或調解變量在組織內服務創(chuàng)新、知識創(chuàng)新、知識管理、知識分享、知識共創(chuàng)等活動中產生的作用或對績效的影響。

文獻計量學以科研績效評價為主，理論和實踐互為補充，相輔相成，旨在構建完善的科學書目信息源，全面收集科研成果數(shù)據，研發(fā)基于用戶的信息圖譜可視化工具，客觀科學地呈現(xiàn)科研績效。① 在理論方面，聚焦于標準化工作，包括對采樣時間范圍的標準化［30］以及基于算法分類法的跨學科標準化實踐［31］，并討論在標準化程序下科學計量研究中的全計數(shù)法、分數(shù)計數(shù)法以及MNCS 作為研究績效評審指標的科學適用性［11,32］。② 在構建文獻信息源方面，谷歌學術作為科學信息源和科研產出評估數(shù)據源的適用性討論；引文計數(shù)在Google Scholar、Web of Science、Scopus 三種信息源之間的異同對比分析；替代計量學領域對于新興學術主題的社交網站 ResearchGate、Academia.edu 和 Mendeley 的研究。③ 在實踐方面，依托統(tǒng)計學和算法模型，文獻計量學領域的研究逐漸由回顧轉為結合現(xiàn)狀的前瞻預測，如結合神經網絡學習方法的引文技術預測模型、Altmetric.com 對于長期計數(shù)的預測模型、文獻老化預測模型等。

數(shù)據技術側重對數(shù)據操作及數(shù)據分析方法本身的關注，包括利用自然語言處理、文本挖掘、情感分析、神經網絡、決策樹等技術實現(xiàn)商業(yè)需求。LIS 行業(yè)對于大數(shù)據的關注從最初的定義、分析方法、非結構化數(shù)據相關分析的各種算法到分布式計算、云計算等前沿技術的評述，以及大數(shù)據在物聯(lián)網、智慧城市中的角色定位。其中，分布式賬本技術使系統(tǒng)的互操作性有了質的飛躍，實現(xiàn)了醫(yī)療、物流供應等多領域的應用升級。當前，大數(shù)據的發(fā)展正經歷著“新興—實用—探索”反復循環(huán)交織的過程，人們在積極探索大數(shù)據在各行業(yè)應用的同時，也在不斷完善發(fā)優(yōu)化自身對于數(shù)據的分析能力，包括認知分析能力、對更高強度的非受控語言的處理能力、更加多元的決策支持模型的開發(fā)能力［33］。

4 結語

通過對2015-2019 年LIS 領域頂級期刊的分析，得到以下結論。① 高校的研究機構在LIS 領域中占核心地位；美國及歐洲占主導地位，中國在LIS 領域頂級刊物范圍內也有高產作者。② LIS 領域的高產作者來自于醫(yī)學機構，或者與醫(yī)學機構深度合作，醫(yī)學信息學存在較大發(fā)展?jié)摿?。③“社交媒體”“知識共享”“文獻計量”“電子健康記錄”“社會電子商務”等成為代表研究熱點的高頻關鍵詞語。④ 圖書情報領域的研究主題在傳統(tǒng)LIS 領域、計算機領域內不斷深化完善，以數(shù)據技術為核心、LIS 相關理論為工具，與其他學科聯(lián)動擴展，越來越多地與醫(yī)學、健康護理、商業(yè)經濟、網絡傳播學進行交叉融合。

本研究不免存在一定的局限性，由于CiteS-pace 所呈現(xiàn)的關鍵詞節(jié)點僅能定性呈現(xiàn)。在定量的角度上，節(jié)點所代表的值來自整個文獻數(shù)據集合里該關鍵詞出現(xiàn)的次數(shù)，軟件若能對關鍵詞在具體文獻中出現(xiàn)次數(shù)加以權重劃分，該研究將有更強的說服性。