量化跨學科研究的影響因素及對策

摘要：量化跨學科研究對于評估交叉科學研究成果至關重要。文章從數據來源、分析方式、學科分類方法、分類粒度、量化指標、量化過程等方面梳理影響量化跨學科研究的關鍵影響因素，評析其存在的問題并指出未來的研究方向，引導相關實踐探索進一步走向成熟和規范，以期為量化跨學科研究提供進一步的思路和借鑒。

關鍵詞：跨學科研究；量化；影響因素；學科分類粒度

中圖分類號：G3531文獻標志碼：A

0引言

學科交叉融合是當前科學技術發展的重大特征，是新學科產生的重要源泉，是培養復合型創新人才的有效途徑，是經濟社會發展的內在需求［1］，而量化跨學科研究作為交叉科學研究成果評估和跨學科人才評價的重要環節，對于了解研究人員在何種條件下整合來自兩個或兩個以上專業知識體系或研究實踐的觀點、概念、理論、工具或技術以及信息或數據至關重要［2］。量化跨學科研究不僅可以識別哪些領域最有可能產生新的科學發現和技術突破；可以促進跨學科教育發展，培養學生的綜合能力和創新思維；可以幫助科研機構和資助機構了解學科交叉的現狀和趨勢以有效分配研究資源；還可以幫助政府管理機構合理制定科研政策，鼓勵和引導學科間合作與交流，促進不同學科知識的整合。

當前，國內外量化跨學科研究已借鑒了包括生物學、經濟學、信息學、網絡學和科學學等多種學科理論并開發了諸多量化指標，然而迄今為止，并無完美的通用量化跨學科研究指標。本研究綜合分析國內外現有量化跨學科研究存在的問題，并指出未來研究方向，以期為量化跨學科研究提供進一步的思路。

1量化跨學科研究的影響因素及存在問題分析

11數據來源與分析方式

111量化跨學科研究的數據來源不夠全面

跨學科性分析所搜集數據的全面性和代表性對量化結果的準確性有直接影響，如果數據僅來自特定類型的文獻或成果，可能無法全面反映學科交叉的實際情況。無論是對機構、團隊還是個人的跨學科性評價，均是對其學術成果的跨學科性評價，這些學術成果包括科研項目、學術論文、圖書、期刊等，跨學科性評價的對象近期還擴展到了課程［3］。目前，跨學科性分析的主流數據來源集中在期刊論文，較為成熟的量化指標均是圍繞期刊論文的引文設計的，雖然也有關于科研項目等其他類型成果的評價，但大多基于單種類型的成果，缺乏全面性、綜合性數據來源。

112跨學科內容分析存在技術壁壘

跨學科內容分析是通過對學術成果自身標題、關鍵詞、文本內容等進行文本挖掘、關鍵詞分析等方式獲得學科屬性后進行的跨學科性測度。這種分析方式可以直接反映成果的學科屬性，但不同學科通常使用不同的技術詞匯，對文本內容或關鍵詞進行學科劃分是一項極其復雜而龐大的工作。由于缺乏基于詞匯的標準和全文數據源，跨學科內容分析很難在全球范圍內大規模實施［4］。

113跨學科引文分析精確度不高

跨學科引文分析是通過分析學術成果的參考文獻或施引文獻的學科屬性后進行的間接性跨學科性測度。這種分析方法最為成熟，相關測度指標也最多，但跨學科引文主要依賴于引用文獻的期刊屬性，并不能準確反映論文的學科屬性，有相當一部分期刊為“多學科”或綜合性期刊，因此，即使發表在這些期刊上的專業性文章也被指定為“多學科”。跨學科引文分析還依賴于并不總是成立的假設，例如成果可能沒有參考文獻或施引文獻，引用文獻可能未指明來源學科、引用文獻可能沒有學科分類、引用文獻的學科分配可能不明確，因此，存在許多不可忽略的不確定因素［2］。

114跨學科合作分析范圍受限

跨學科合作分析主要是通過分析合作作者或合作機構的學科屬性后進行的間接性跨學科性測度。這種分析方式主要依賴于合作機構的學科屬性來判定，雖然來自不同領域學者之間的合作可能是跨學科研究的重要表現形式，但并不是跨學科研究的必要條件，因為跨學科研究可以由單個研究人員單獨實現。因此，存在兩方面的問題：一是學術成果可能不存在合作情況；二是跨學科合作反映的是學者跨學科合作能力，不適合評價學者個人的跨學科性。

12學科分類方法及分類粒度

121缺乏用于跨學科研究的統一學科分類方法

國內外不同機構針對不同應用需求，通過各學科領域專家編制了不同的學科分類體系，如科睿唯安公司為Web of Science（WoS）核心合集和期刊引文報告（JCR）提供了一種包含256個學科分類，以及包含22個學科的ESI學科分類系統，愛思唯爾公司為Scopus提供了一個3級分類系統，魯汶工程大學與匈牙利科學院圖書館布達佩斯小組在WoS學科分類基礎上聯合開發了一個4級分類系統，QS世界大學排名將學科分為5個大類和55個小類，此外還有ShangHaiGRAS分類系統、THE分類系統、國家標準GB/T 13745—2009分類系統、教育部分類系統等。這些傳統分類方法一般來講其體系結構較為完整、層級清晰、相對穩定，但這種分類方法主觀性強，不同分類系統之間在分類方法和分類粒度上差別較大，不同層級之間部分學科歸屬于不同的學科大類，更新周期較長，不能及時反映學科結構的動態變化。近年來，隨著科學技術的進步和研究范式的改變，基于算法的學科分類或數據驅動的學科分類逐漸被開發和應用。這種分類體系依靠知識之間的相互關系，基于文本內容自組織構建，而不是通過人為給定的標簽對科學文本分類，不受人工干預，客觀反映科學知識的內在結構［5］。但這種方法仍處于前沿探索階段，尚未被廣泛認可，其準確性尚存爭議。因此，無論是自上而下的傳統學科分類體系，還是自下而上的基于算法的學科分類體系，目前尚無統一的學科分類標準，不同學者在量化跨學科研究中采用了不同的學科分類方法，這也導致了跨學科性測度結果千差萬別，無法進行對比分析。

122學科分類粒度直接影響跨學科性測度結果

學科分類粒度是指學科被分類的精細程度。跨學科研究往往需要在更細的粒度上整合不同學科的知識和方法，以解決單一學科無法解決的問題，因此，學科分類粒度對量化跨學科研究至關重要。目前，量化跨學科研究指標均是基于同一分類粒度水平上的測度，這種針對同一分類粒度的跨學科分析，要么會因分類粒度過細，導致一篇文獻屬于多個不同學科類別，相似文獻被歸屬到不同臨近學科，造成跨學科性過高的虛假情況，要么會因分類粒度過粗，導致學科交叉發生困難，大學科門類交叉雖易產生顛覆性成果，但大部分研究都是學科內交叉，易造成跨學科性過低的虛假局面［6］。針對較細粒度水平上學科邊界模糊不清的多重分配不確定問題和較粗粒度分辨率下學科交叉困難造成跨學科性偏低問題，Glnzel等［7-8］提出了通過三步迭代過程完成的兩級分層系統以確保每一項成果都可以歸入一個定義明確的類別。然而，如何克服學科分類粒度對IDR指標的影響仍是困擾量化跨學科研究的一個難題。

13量化指標與量化過程

131量化指標之間沒有可比性

量化跨學科研究在學科交叉發展的不同歷史階段借鑒并融合了眾多學科的理論和方法，包括生物學的多樣性理論，經濟學的均衡性理論，信息學的多樣性與均衡性理論，網絡學的凝聚性與多樣性理論，物理學的協同性、多樣性與差異性理論，以及科學學的多樣性、均衡性、差異性與創新性理論，基于這些不同理論的指導已形成了40余項常見的跨學科性測度指標［9］。然而這些指標之間都是相對獨立的，而且在測度時由于分析對象不同，或采用的學科分類不同，各測度指標之間沒有可比性，在跨學科性測度中，很難確定哪種指標更為合理或更為準確。

132量化過程中成果難以精準分配學科

量化跨學科研究首先需要對成果進行學科分配，比較成熟的研究主要是針對學術論文這一種類型成果，對其參考文獻或施引文獻的期刊屬性判定所屬學科，如MilojeviAｃ＇1［10］在量化跨學科研究中只統計了被分配到單一類別期刊的參考文獻；Glnzel等［8］采用了全計數方法來對分類系統進行分配；lvarez-Llorente等［11］根據期刊中給定類別的權重而采用加權計數方法，考慮到了期刊在不同類別中的權重分配。這些研究雖然逐步改善了學術成果的學科分配，但分析對象均是基于期刊類的成果，針對圖書、專利、研究報告、科研項目等其他類成果仍缺乏精準分配方法。

133量化過程存在許多不確定性

在量化跨學科研究的過程中，諸多難以控制的因素造成量化過程中的不確定性，從而直接影響量化結果。基于引文的量化研究，參考文獻或施引文獻未標明來源學科，或者沒有學科；基于合作的量化研究，有些成果在發表或出版時未明確標注機構或機構填寫不完整，或者機構學科屬性不明確；學科分配存在不確定因素，無論是細粒度的學科分類還是粗粒度的學科分類，在學科分配中均存在不確定因素。例如粗粒度的學科分類，WoS數據庫中某些期刊可以同時被SCI（自然科學引文索引）、SSCI（社會科學引文索引）和AHCI（人文與藝術引文索引）3個數據庫收錄，這些期刊的成果如何分配學科依賴于主觀規定。對于這些不確定性因素，在進行量化跨學科研究時要么通過數據清洗被清洗掉，要么為了統計方便而進行不完全符合實際的人為劃分，最終影響了量化結果的準確性。

2量化跨學科研究發展對策

21分析方式應以直接測度為主

雖然通過跨學科引文分析或跨學科合作分析在一定程度上可以反映跨學科性，但這兩種方式均為間接分析方式，不可避免地存在一定程度的偏差，難以準確衡量成果的實際跨學科性。因此，量化跨學科研究重點應開發針對成果本身學科屬性的直接測度方式，提高跨學科性分析的準確性。

22建立統一的學科分類方法

采用什么樣的學科分類方法是量化跨學科研究的關鍵。量化跨學科研究未來需要統一學科分類的基本概念，以獲得結構相同的數據，從而獲得可比的、有效的跨學科衡量標準。盡管這些方法需要不同的數據挖掘和學科分類方法，但主要的一般方法問題如粒度選擇、學科劃分需要使用相同或類似的技術。統一的學科分類方法有助于更準確地衡量和理解跨學科研究的深度和廣度，便于不同學科的研究成果被比較和整合，提高量化跨學科研究方法的適用性，這將為研究政策的制定、評估/評價機制的開發和組織機構的創建提供基礎。

23結合不同分類粒度設計測度指標

學科分類粒度決定了如何識別和界定交叉學科。在學科分類粒度方面：一是可根據研究目的和數據的可用性確定最合適的粒度級別，或在分析過程中動態調整粒度，以適應不同研究階段和需求；二是可通過統一學科分類粒度，建立統一分類粒度標準的評價指標；三是可結合不同學科分類粒度設計多維度的跨學科量化指標，克服單一分類粒度影響以獲得更全面的分析視角。

24減少量化過程中的不確定性因素

減少量化過程中的不確定因素是一個復雜的問題，涉及的方面比較多，如在數據收集和分析環節，收集高質量的數據并使用統計學方法來分析數據，以減少隨機誤差和偏差；從學術成果、社會影響、經濟效益等不同角度和層面評估學科交叉的效果；利用人工智能、大數據分析等先進的技術工具輔助評估和決策等來減少不確定因素的影響。對于確實難以克服的不確定性因素應進行分類整理、系統評估和分析，對不確定性進行評估并量化，減少對跨學科性做出的錯誤推斷，提高量化跨學科研究結論的準確性。

25學者自主界定成果的學科屬性

學者一般對自身學科領域和研究方向更為熟悉，因此，在成果發表或出版時可由學者自主界定成果的學科屬性，并在文章中標明，建立自下而上的學科屬性認定方式。對于交叉學科或者跨學科研究，可詳細標注涉及的學科領域。

3結語

學科交叉融合是當今科學技術發展的重大特征，它能夠打破傳統學科的界限，彌補獨立學科知識體系的缺口，促進新思想、新理論和新技術的產生。各國政府和科技管理部門紛紛制定各種措施以鼓勵跨學科研究，量化跨學科研究對于交叉學科成果評估和跨學科人才發現、識別與評價具有重要意義。盡管國內外關于量化跨學科研究已有不少報道，但量化過程中的一系列關鍵性問題如量化指標的統一、不確定性因素的控制、學科分類粒度的選擇等仍未解決。未來研究中應突破傳統指標限制，創新性開發量化跨學科研究方法，為跨學科成果評估提供有效可靠的指標體系。

參考文獻

［1］中華人民共和國教育部.國務院學位委員會辦公室負責人就《交叉學科設置與管理辦法（試行）》答記者問 ［EB/OL］.（2021-12-06）［2024-09-25］. http：//www.moe.gov.cn/jyb_xwfb/s271/202112/t20211206_584975.html.

［2］NAKHODA M， WHIGHAM P， ZWANENBURG S. Quantifying and addressing uncertainty in the measurement of interdisciplinarity［J］. Scientometrics， 2023（11）： 6107-6127.

［3］YU T T， QI Y， ZHANG T. How to measure the interdisciplinarity of library and information science courses？ Based on empirical research at the University of North Carolina at Chapel Hill［J］. Journal of Librarianship and Information Science， 2024： 09610006231222627.

［4］GLNZEL W， DEBACKERE K. Various aspects of interdisciplinarity in research and how to quantify and measure those［J］. Scientometrics， 2022（9）： 5551-5569.

［5］耿海英， 張建東， 楊立英， 等. 算法構建論文層次學科分類體系研究述評［J］. 情報理論與實踐， 2023（8）： 182-192.

［6］張雪， 張志強. 學科交叉研究系統綜述［J］. 圖書情報工作， 2020（14）： 112-125.

［7］GLNZEL W， SCHUBERT A. A new classification scheme of science fields and subfields designed for scientometric evaluation purposes［J］. Scientometrics， 2003（3）： 357-367.

［8］GLNZEL W， THIJS B， HUANG Y. Improving the precision of subject assignment for disparity measurement in studies of interdisciplinary research［Z］. 2021.

［9］熊文靚， 付慧真. 交叉科學測度理論、進展與展望［J］. 圖書情報工作， 2022（21）： 132-144.

［10］MILOJEVIAC＇1 S. Practical method to reclassify Web of Science articles into unique subject categories and broad disciplines［J］. Quantitative Science Studies， 2020（1）： 183-206.

［11］LVAREZ-LLORENTE J M， GUERRERO-BOTE V P， DE MOYA-ANEGN F. New fractional classifications of papers based on two generations of references and on the ASJC scopus scheme［J］. Scientometrics， 2024（6）： 3493-3515.

（編輯何琳編輯）