引文網絡中的角色識別及其對知識擴散的影響研究

·

摘 要：［目的/意義］識別科學論文在引文網絡中的不同角色，從網絡結構和規模兩個維度分析其對知識擴散的作用與機制。［方法/過程］基于信息資源管理學科5本期刊2011—2015年的論文（目標文獻集）及雙向引用數據（目標文獻的參考文獻集和施引文獻集），構建多層級引文網絡，并通過BERT算法計算目標文獻集與施引文獻集、參考文獻集與施引文獻集論文的摘要相似度，根據相似度差異將科學論文分為傳播者、觸發者、中間人和局外人4種角色。［結果/結論］在引文網絡中，不同論文角色對知識傳播的影響差異較大。其中，傳播者與中間人論文對引文網絡結構和知識擴散規模影響較大。前者主要為綜述型論文，在知識擴散中提供知識導航。后者多為理論或方法型的論文，為后續研究提供可溯源的知識路徑。觸發者論文多為理論及方法創新型的論文，激發后續的知識創新及促進科學發展。局外人論文與其參考文獻及施引文獻的聯系較弱。

關鍵詞：引文網絡；知識擴散；BERT

DOI：10.3969/j.issn.1008-0821.2025.09.012

〔中圖分類號〕G250.252 〔文獻標識碼〕A 〔文章編號〕1008-0821（2025）09-0130-10

Role Identification in Citation Networks and Its Impact on Knowledge Diffusion

——A Case Study in Information Resource Management

Zheng Bili Hou Jianhua*

（School of Information Management，Sun Yat-sen University，Guangzhou 510006，China）

Abstract：［Purpose/Significance］This study aims to identify the different roles of scientific papers within citation networks and analyze their mechanisms and impacts on knowledge diffusion from the perspectives of network structure and scale.［Method/Process］Based on papers published between 2011 and 2015 in five journals within the field of Information Resource Management（seed paper set）and their bidirectional citation data（reference paper set and citing paper set），a multi-layer citation network was constructed.The BERT algorithm was used to calculate the abstract similarity between the target paper set and the citing paper set，as well as between the reference paper set and the citing paper set.Papers were categorized into four roles—disseminators，initiators，intermediaries，and outsiders—based on differences in similarity scores.［Result/Conclusion］The roles of papers within citation networks significantly differ in their influence on knowledge diffusion.Disseminators and intermediaries play substantial roles in shaping the citation network structure and promoting knowledge diffusion.Disseminators，often review papers，act as knowledge navigators in the diffusion process，while intermediaries，typically theoretical or methodological papers，provide traceable knowledge pathways for subsequent research.Initiators，mainly representing theoretical or methodological innovations，inspire follow-up knowledge innovation and drive scientific progress.Outsider papers exhibit weak connections with their references and citing papers.

Key words：citation network;knowledge diffusion;BERT

科學知識的擴散是復雜而多維的過程，不僅需要通過施引和被引關系揭示知識的流動軌跡，還應關注文獻內容在擴散過程中的角色與機制。當前，許多研究通過引文網絡的外在特征（如節點的中心性、結構洞等）分析知識擴散的路徑與模式［1］。這些研究表明，引文網絡在一定程度上反映了知識單元之間的關聯，并且通過網絡拓撲結構可以追蹤知識傳播的軌跡。然而，僅依賴外顯指標的分析存在明顯局限性：其一，傳統研究多以引文數量、中心性等量化指標為主，無法全面揭示論文內容在知識擴散中的內在聯系；其二，現有研究較少深入探討科學論文在引文網絡中的角色及其對知識擴散的具體影響，從而未能回答不同類型論文在知識擴散中如何作用于網絡結構及規模這一關鍵問題［2］。

科學知識的擴散并非單一的線性過程，而是知識主體、知識客體、知識單元與知識載體之間復雜交互的結果［3］。施引行為不僅受知識本身的影響，還與引用動機、文獻內容的繼承性以及擴散網絡的整體特性密切相關［4-5］。在引文網絡中，某些論文可能扮演“橋梁”角色，連接不同知識領域；而另一些論文則可能通過其內容創新性激發后續研究，從而成為“觸發者”［6-7］。這些角色的識別和分析對于深入理解知識擴散的機理至關重要。然而，現有研究多聚焦于引文網絡的靜態結構，忽視了論文內容與角色之間的關聯性。因此，目前關于知識擴散的研究尚存在兩大主要問題：其一，如何從內容相似度的角度量化論文的知識繼承性，從而更精確地識別論文在擴散過程中的角色；其二，這些角色如何影響知識擴散網絡的結構與規模。

為解決這兩個研究問題，本研究提出了一種新的分析框架，基于引文網絡的多層次結構和Sentence-BERT算法，計算目標論文與其施引文獻、參考文獻的內容相似度。結合網絡分析方法，本文識別了目標論文在知識擴散中的4種角色——傳播者、觸發者、中間人和局外人，并系統探討這些角色對引文網絡結構和規模的影響。這種方法不僅深化了對知識擴散過程的理解，還為科學知識的評價和管理提供了新的理論依據和實證支持。與傳統量化指標相比，本研究基于邊界跨越理論，構建了論文對引文網絡結構改變的測度方法，從網絡結構和知識繼承性的雙重視角揭示了論文對知識擴散的深層次作用，并提出了基于內容相似度的論文角色識別方法，突破了傳統僅依賴引文數量或結構指標的局限性，為分析知識擴散提供了全新視角。

1 研究綜述

在引文網絡中，不同論文的知識擴散效果存在較大差異。本文首先介紹知識擴散理論及邊界跨越理論，為論文提供一定的理論框架。隨后回顧引文網絡的結構特性、內容繼承性及邊界跨越論文的關鍵作用。

1.1 理論基礎

本研究以知識擴散理論、邊界跨越理論和復雜網絡理論為核心理論框架，為分析引文網絡中的角色識別及其對知識擴散的影響提供了堅實的理論基礎。知識擴散理論視科學知識為通過復雜網絡動態傳播的過程，強調知識單元（如論文）如何在傳播路徑中被吸收、轉化和擴展［8］。引文網絡作為知識傳播的重要媒介，其節點（論文）和邊（引用）能夠直觀呈現知識單元之間的繼承關系與傳播軌跡，這為研究不同論文在知識擴散中的角色和功能提供了分析視角。

邊界跨越理論強調跨學科和領域間的知識交流對科學創新的重要性［9］。引文網絡中，模塊或學科促進了知識的融合與擴散［10］。這一理論幫助識別那些起橋梁作用或催化跨領域創新的關鍵節點，從而揭示論文角色對擴散機制的深層影響。復雜網絡理論進一步提供了方法論支持，通過分析網絡的中心性、模塊化和結構洞等屬性，可以量化論文在網絡中的位置和功能［10］。這些理論共同指導要從網絡知識內容的繼承性和相似性出發，系統分析論文在知識擴散過程中的角色類型及其對擴散路徑和規模的具體影響。

1.2 引文網絡的結構特性與角色功能

引文網絡的結構屬性直接決定了知識擴散的效率與路徑。研究表明，高度中心化的節點通常扮演“傳播者”的角色，這些論文包括綜述性論文或方法綜述，能夠通過凝練領域內核心觀點或方法促進知識的快速傳播與整合［11］。另外，橋接模塊之間的節點則可能是“中間人”角色，這些論文通過跨越知識領域的邊界，將不同學科的理論和方法整合在一起，推動跨領域的創新［12］。

動態引文網絡的研究表明，網絡的演化往往受到節點屬性的驅動。例如，在知識傳播初期，某些邊緣節點通過其高創新性逐漸占據重要位置，并成為擴散網絡中的核心。這種動態性表明，引文網絡中的論文角色并非一成不變，而是隨著時間推移、領域發展而不斷調整［13］。這種演化過程進一步凸顯了引文網絡研究中動態建模的必要性，同時為探索角色類型及其對擴散的影響提供了新的研究方向。

1.3 引用行為與內容繼承性的作用機制

引用行為不僅反映施引者對目標論文的評價，更直接影響知識的擴散模式和論文的角色屬性。傳統的網絡分析方法多聚焦于引用數量、中心性等外顯指標，但近年來，基于自然語言處理技術的內容相似性分析開始被廣泛應用，以挖掘引用行為中的深層知識繼承性。例如，BERT模型能夠有效捕捉文本中的語義關聯，通過對目標論文與施引文獻摘要的相似度計算，揭示知識擴散過程中的內容繼承性［14］。

傳播者論文通常與施引文獻之間的內容相似度較高，這表明它們通過明確的知識繼承與擴展促進了領域內的知識流動；觸發者論文則表現為較低的內容相似性，卻激發了施引文獻的原創性［15-16］。這些角色差異反映了知識擴散過程的復雜性，同時也表明，內容相似性分析能夠更精準地捕捉論文角色在網絡中的具體功能。

1.4 邊界跨越論文的關鍵作用

跨領域論文在引文網絡中的作用往往被低估。這些論文通過鏈接不同學科的知識體系，推動了新興領域的形成和傳統領域的革新［17］。研究表明，具有較高邊界跨越能力的論文通常顯示出更高的模塊化變化率（ΔM），表明它們在連接分散知識模塊方面具有關鍵作用［12，18］。值得注意的是，這些論文并不一定是被引次數最高的節點，而是通過其獨特的網絡位置和內容特性，構建了科學領域的關鍵連接點。

研究揭示了時間維度對于跨領域論文角色的重要性。在網絡演化初期，跨領域論文往往被認為“脫離主流”，但隨著網絡發展，它們逐漸成為促進知識流動的重要節點［19-20］。這種時間動態性表明，引文網絡中的角色識別需要結合網絡演化和領域發展進行更細致的分析。

現有關于論文角色對知識擴散效果的研究仍存在一定的局限性。其一，網絡結構反映的是知識擴散的外在軌跡，僅以網絡位置定義論文角色，并不能完全體現論文在擴散過程中的作用。由于引文網絡存在優先鏈接的現象，高中心度、高度數的論文節點具有更高的被引量，若僅以網絡位置分析論文擴散效果，容易忽略其他邊緣節點的作用。其二，雖然目前有多種研究方法歸納引用動機，如訪談［21-22］、人工標注［23］、計算機標注［24］等，但這些方法僅能識別參考文獻對施引文獻的具體作用。然而，目前根據這些具體作用歸納論文在知識擴散中的角色的研究比較少，并分析不同角色的論文如何影響其擴散的效果。其三，如何從網絡結構和引文數量兩個維度探討論文的擴散作用尚未有充分的論據。因此，本研究基于引文網絡視角，以論文內容為研究對象，融合引文網絡與知識的繼承性特征，探討論文角色對知識擴散的影響。

2 數據來源與研究方法

本研究以信息資源管理領域的論文為研究對象，獲取其參考文獻集與施引文獻集。根據知識的繼承性識別論文的角色，計算目標文獻集與施引文獻集、參考文獻集與施引文獻集的相似性，識別目標論文在擴散過程中的角色，進而基于邊界跨越理論，計算目標論文改變擴散網絡結構的能力。

2.1 基礎數據集

Scientometrics、Journal of Informetrics、Journal of the Association for Information Science and Technology、Journal of Information Science、Information Processing and Management被認為是信息資源管理領域的代表性期刊，刊載了與信息資源管理相關的研究［25］。本研究選取該5本期刊作為數據來源，為了使每篇論文有至少5年的引文窗口，本文選取2011—2015年共2 860篇論文作為目標文獻集（Dataset S）。本文從Scopus中下載目標文獻集所有論文的記錄，如標題、摘要、作者、關鍵詞、論文長度、來源期刊、來源期刊的影響因子、論文的總被引量等。從Dimensions數據庫中爬取目標論文的參考文獻和施引文獻的記錄，包括DOI、標題、關鍵詞、摘要等信息。本文將參考文獻集命名為數據集R（Dataset R）和數據集C（Dataset C），如表1所示。

2.2 論文角色的識別

為了揭示論文在引文網絡擴散的內在機理，本文根據以下步驟分析目標論文的角色。首先，本文基于目標論文及其參考文獻、施引文獻集構建有向引文網絡。其次，從WoS中下載圖書館學與情報學的1989—2020年所有的文獻記錄，包括題名、摘要、作者、關鍵詞等，在Python中基于Sentence_transformers庫，將摘要作為Sentence-BERT模型的訓練集進行訓練。第三，通過訓練后的Sentence-BERT模型，計算數據集S中目標論文與其每一篇施引文獻的相似度，并計算平均值，將平均值作為目標論文與其對應施引文獻的相似度，其中，模型的批次大小為8，周期為4，使用3e-5學習率的Adam優化器，并在10%的訓練數據上使用線性學習率預熱。最后，分別計算目標論文的每一篇施引文獻及目標論文每一篇參考文獻的相似度，并計算平均值，將平均值作為施引文獻與參考文獻的相似度。

對于數據集S中的每一篇目標論文，可表示為S1，S2，S3，…，Sn（1≤n≤2 860）；對于數據集C中目標論文對應的施引文獻，可表示為Ci_j（1≤i≤2 860，j≥1），其中，i表示為數據集S中目標論文的序號，j表示目標論文i對應的施引文獻序號，即目標論文1的施引文獻可表示為C1_1，C1_2，C1_3，…，C1_n。對于數據集R中目標論文對應的參考文獻，可表示為Ri_j（1≤i≤2 860，j≥1），其中，i表示為數據集S中目標論文的序號，j表示目標論文i對應的參考文獻序號，即目標論文1的參考文獻可表示為R1_1，R1_2，R1_3，…，R1_n。目標論文與其每篇施引文獻的相似度可表示為SSCi_j（1≤i≤2 860，j≥1），即目標論文1與其施引文獻的相似度可表示為SSC1-1，SSC1-2，SSC1-3，…，SSC1-n，而SSCi_j則表示為目標論文與其施引文獻集合的相似度。同理，目標論文的每篇參考文獻與目標論文每篇施引文獻的相似度可表示為SCRi_j（1≤i≤2 860，j≥1），即施引文獻1與目標論文的每篇參考文獻可表示為SCR1-1，SCR1-2，SCR1-3，…，SCR1-n，而SCRi_j則表示為施引文獻集與目標論文的參考文獻集合的相似度，如圖1所示。

序號2223的論文“Qualifying the Performance Evaluation of Big Science Beyond Productivity，Impact and Costs”［26］，一共有7篇施引文獻，9篇參考文獻被Dimensions收錄。目標論文與7篇施引文獻的相似度分別為0.7003、0.7214、0.6297、0.6644、0.6939、0.6758、0.6752，則SSC2223_j=0.6801。每篇施引文獻與參考文獻集的相似度平均數分別為0.6734、0.6815、0.5719、0.6126、0.6269、0.6354、0.6344，則SCR2223_j=0.6337。因此，論文2223的目標論文與施引文獻相似度為0.6801，施引文獻與參考文獻的相似度為0.6337。

為了測度邊界跨越論文對引文網絡擴散的作用，本文分別對所有論文的SSCi_j和SCRi_j求平均值，以此作為邊界跨越論文對知識擴散作用的總體度量。基于目前的網絡節點角色識別方法、分類以及科學論文引用動機，本文將引文網絡中的節點分為4種類型，如圖2所示。

傳播者（Disseminator）：SSCi_j和SCRi_j均大于平均值的論文，本文將其定義為引文網絡中的傳播者。在這種情況下，目標論文及其參考文獻可能為施引文獻提供理論依據、方法工具或支撐性的結論。也就是說，目標論文在引文網絡中為施引文獻傳播、擴散知識。

觸發者（Trigger）：對于SSCi_j大于平均值，而SCRi_j小于平均值的論文，本文將其定義為引文網絡中的觸發者。Wu L F等［15］基于科學革命［27］與技術突破［16］的概念，提出顛覆性指數（Disruptive Index）。目標論文的顛覆性取決于目標論文施引文獻的參考文獻與目標論文參考文獻的重合程度［15，28］。假設施引文獻只援引目標論文，不援引其參考文獻，則目標論文可能具備與其參考文獻無關的創新內容。在這種情況下，本文推測施引文獻與目標論文的相似度高于施引文獻與目標論文參考文獻的相似度，則目標論文可能是引文網絡中的“觸發者”“顛覆者”，激發后續科學論文的創新。

中間人（Broker）：對于SSCi_j小于平均值，而SCRi_j大于平均值的論文，本文將其定義為引文網絡中的中間人。在這種情況下，目標論文可能充當著橋梁的作用，連接施引文獻與參考文獻，為施引文獻提供溯源的路徑。對于施引文獻而言，雖然援引了目標論文，但與目標論文參考文獻的相似度更高，這可能是因為參考文獻提供了更原始的理論基礎、更完整的方法細節、更充分的論據［11］。

局外人（Outlier）：對于SSCi_j和SCRi_j都小于平均值的論文，本文將其定義為引文網絡中的局外人。施引文獻與目標論文及其參考文獻的相似度較低，這意味著施引文獻雖然援引了目標論文，但目標論文的知識及內容對后續的知識擴散沒有實質性的影響。

2.3 對引文網絡結構影響的測度

引文網絡是基于參考文獻集、目標文獻集、施引文獻集及其引用關系構建的網絡。論文對擴散網絡結構的影響反映在改變引文網絡結構的程度。本文借鑒Chen C M［18］教授提出的引文網絡結構變換（Structural Variation Analysis）的方法，通過對目標論文進行分析，測度其對現有知識空間的邊界跨越連接。SVA基于現有科學知識結構與新發表論文中的新思想之間相互作用的過程，通過測度論文改變現有知識結構的能力，評價論文的影響力。SVA基于3個網絡指標：模塊度變化率（Modularity Change Rate，ΔM）、聚類連接（Cluster Link）、中心性散度（Centrality Divergence）識別論文改變知識網絡結構的能力。

模塊度變化率：網絡的模塊度是衡量網絡整體結構的指標，數值范圍在［-1，1］之間。模塊度變化率是測度目標論文參考基準網絡參考文獻所引起的相對網絡結構變化。目標論文可能在參考文獻聚類之間或聚類內部添加新的連接，導致網絡模塊度增加或減少。當目標論文導致基礎網絡的連接增加得越多，模式性變化率指標的值就越大。

聚類連接反映隨著目標論文進入，聚類間產生新的連接，使整體結構發生改變。這一指標越大，表明目標論文在參考文獻網絡中產生的跨邊界連接越多。例如，一篇綜述論文或一篇具有“不常見”知識組合的論文往往涉及多個主題聚類，交叉屬性較強。

中心性散度是根據目標論文進入知識空間后，參考文獻網絡中節點中介中心性分布的散度來評估論文改變網絡的能力。該指標的值越大，目標論文對參考文獻網絡節點的中心度分布情況影響就越大［29］。

這3個指標分別從增加連接數量、跨邊界連接數量、節點中心性變化角度來衡量目標論文對現有知識結構的改變。第一個指標反映目標論文改變參考文獻網絡的程度，第二個指標測度目標論文是否為邊界跨越論文，第三個指標反映參考文獻網絡節點屬性的變化。本研究目的是探究論文對擴散網絡結構的影響，因此，本研究只考慮ΔM這一指標，來表征目標論文改變擴散網絡結構的程度。具體計算步驟如下［18］：①根據Dataset S，通過CiteSpace信息可視化軟件系統逐年繪制參考文獻共被引網絡；②通過Threshold Interpolation（c，cc，ccv）的方法，按照（2，2，20）、（4，3，20）、（3，3，20）進行節點篩選；③采用對數似然率（Log-likelihood rate，LLR）的算法，根據聚類內的論文題名、摘要、關鍵詞析出聚類名；④計算每篇論文的ΔM值。ΔM值的具體計算方法如式（1）、（2）所示：

假設基準網絡G（本文的基準網絡為Dataset R的共被引網絡）被分區C劃分為k個聚類，使G=c1+c2+…+ck，m是網絡G邊的總數，n是網絡G節點的總數。δ（ci，cj）是克羅內克函數，如果節點ni和nj屬于同一個聚類，則δ（ci，cj）=1，否則為0。此外，deg（ni）是節點ni的度數，并且Q（G）的范圍在［-1，1］之間。

Q（G，C）=12m∑ni，j=0δ（ci，cj）·Aij-deg（ni）·deg（nj）2m（1）

對每篇論文a和基準網絡Gbaseline，ΔM定義如下：

MCR（a）=Q（Gbaseline，C）-Q（GbaselineGa，C）Q（Gbaseline，C）·100（2）

GbaselineGa是論文a添加進引文網絡中更新后的網絡。例如，假設基準網絡中節點ni和nj是沒有聯系的節點，但它們共同被論文a引用，即論文a在網絡中為兩個節點之間添加了新的鏈接。在這種情況下，本文認為論文a改變了基準網絡的結構。

3 研究結果

3.1 論文角色類別的分布

根據圖3計算結果可知，大部分論文的邊界跨越程度不高，僅有40篇論文的ΔM值大于5。2 860篇論文的SSCi_j平均數為0.6456，SCRi_j的平均數為0.5244。通過比較目標論文SSCi_j、SCRi_j和平均數，識別目標論文在引文網絡中的角色。由圖4可知，65.17%的目標論文在引文網絡中扮演傳播者的角色，在引文網絡中起著“承上啟下”的作用，既承接參考文獻的研究成果，又給后續研究提供參考，促進知識的延續。522篇論文（18.25%）在引文網絡中扮演中間人的角色，這類論文相較于傳播者而言，與施引文獻的相似度較低。在所有角色中，僅有194篇論文（6.78%）在引文網絡中扮演觸發者的角色，反映出在數據集S中，僅有少數的論文具備顛覆性的特征，激發后續研究的創新，促進知識的發展。

3.2 論文角色與引文網絡結構的關系

從表2的統計結果來看，網絡結構改變程度與論文角色分布不均衡，且ΔM在所有角色中均呈嚴重正偏態，樣本多集中于低數值的部分。

傳播者論文的ΔM均值最高。論文“How to Evaluate Individual Researchers Working in the Natural and Life Sciences Meaningfully？A Proposal of Methods Based on Percentiles of Citations”［30］探討了如何科學地評估自然和生命科學領域的科研人員的個體研究表現，并提出了一系列基于引用百分位的指標和方法，用以改進對個體研究人員的評估。該研究強調了多維指標在科學評估中的重要性，有助于避免單一指標評估可能帶來的偏差，為研究機構與研究資助方提供了更科學的個體研究人員評價框架，可用于招聘、晉升和資助決策，并推動了文獻計量學的進一步發展，為個體層面的學術評估提供了新視角。這類框架性、綱要性的論文，往往有較高的ΔM值，并且起到連接過去與未來的作用，具有傳播者的屬性與特征。

在中間人角色的論文中，無論是ΔM均值還是最大值，在四類角色中均排名第二。在樣本集中的中間人論文，通常是通過現有的研究方法解決具體的研究問題。例如，該角色中ΔM最高的論文“Impact Analysis of Domestic and International Research Collaborations：A Malaysian Case Study”［31］通過Mann-Whitney-Wilcoxon和Bootstrap Kolmogorov-Smirnov檢驗、h指數、g指數、國際性指數評估馬來西亞合著論文的表現。

在觸發者方面，目標論文的ΔM均值在四類角色中排名第三，且超過90%的論文的邊界跨越程度低于0.75。其中，“An Informetric Model for the Success-index”［32］的研究核心是如何通過新的文獻計量學指標（稱為“成功指數”或s-index）改進對學術研究的量化評價。在理論上，該研究提供了一個基于Lotka法則的數學模型，拓展了信息生產過程（Information Production Process，IPP）理論的應用范圍，為評估科研人員個體或者期刊的研究表現提供新的理論框架；在實踐上，s-index可直接比較不同學科的研究表現，無需對論文預先進行學科分類，可以作為研究機構或期刊評估系統的補充指標，促進更全面的學術表現評價，適合多學科領域或學科交叉領域研究者的學術表現分析。這類提出新理論、新方法或新結論的研究，因其提出創新性的分析框架與視角，為后續論文提供創新性、啟發性的研究視角，具有較高的ΔM值，在知識擴散中扮演觸發者的角色。

作為引文網絡局外人的論文，改變引文網絡程度不高。在樣本集中，這類論文ΔM均值僅有0.1968，且90%的論文的ΔM值低于0.5。大部分局外人論文被引頻次并不高，ΔM值排名前三的論文被引頻次分別為3次、1次、1次。根據本文的定義，目標論文與施引文獻、參考文獻與施引文獻的相似度均低于平均值，由于這類論文被引頻次較低，可能會導致SSCi_j和SCRi_j相對較低的結果。

3.3 論文角色與網絡規模的關系

在擴散規模方面，與3.2小節結果類似，被引頻次較高的論文往往是傳播者和中間人，如表3所示。例如，在所有論文中，被引頻次最高的論文“Towards an Integrated Crowdsourcing Definition”［33］對“眾包”的概念進行分析，從現有研究中提取相同的要素，并提出“眾包”的基本特征，后續的研究基本沿用這一概念及特征，或基于這一論文展開討論［34-35］。

觸發者和局外人論文的被引量相對較低，90%的論文被引量均低于10次，觸發者論文與局外人論文相比，更集中在低被引部分。其中，被引量最高的論文“A Further Step Forward in Measuring Journals Scientific Prestige：The SJR2 Indicator”［36］提出一種新的期刊評價指標——SJR2，不僅考慮了施引期刊的聲譽，還通過兩個期刊共引分布向量之間的余弦判斷兩本期刊的主題相近度。該論文提出新的期刊評估指標，有較高的改變網絡結構的能力（ΔM=3.48）及被引量。局外人論文主要劃分為兩類：一是提出新方法的論文及案例研究論文，如“Cross-field Evaluation of Publications of Research Institutes Using Their Contributions to the Fields MVPs Determined by h-index”［37］；二是提出論文跨領域的評估方法，如“The Journals Integrated Impact Index：A New Indicator for Journal Evaluation”［38］提出期刊綜合影響指數（Journals Integrated I impact Index，JIIF）評估期刊的影響力。在案例研究方面，研究多以某個國家、地區的實際情況展開調查［39-40］。

4 討論與結論

本研究以信息資源管理領域5本期刊2011—2015年的論文為研究對象，并從Dimensions數據庫中獲取目標論文的引文集和參考文獻集。首先，構建參考文獻的共被引網絡，計算目標論文改變擴散網絡結構的程度。其次，基于BERT算法，根據目標論文與施引文獻、施引文獻與參考文獻的內容相似度，將目標論文劃分為傳播者、觸發者、中間人、局外人的角色。

傳播者和中間人的論文角色對擴散網絡的結構影響程度更大，并且相對于另外兩個角色而言，獲得更高的被引頻次。其中，綜述性、總結性論文大多屬于前者，理論與方法完善的論文大多屬于后者。綜述性論文可視為學術研究的開端和理論延展的基礎，對于避免重復研究、有效開展學術對話、建構新理論有不可替代的作用［41］。此外，綜述文章觸及多個學科主題，融合當下研究熱點和難點，對科學發展起到導航的作用［42］。這類論文不僅在信息資源管理領域展現出顯著的影響力，在生物醫學領域中，同樣作為重要的知識整合與導航工具，如腫瘤學中的綜述論文能夠有效梳理復雜的研究主題，為新藥開發提供系統性指導；在社會科學領域中，綜述論文也常被用來定義問題空間，為研究者提供未來的探索方向。

中間人論文往往是在現有理論方法的基礎上進行完善和提升，后續研究基于目標論文的線索溯源［43］。這類論文的參考文獻通過援引參考文獻，介紹研究的基礎，包括思想、概念或方法首次出現的論文［44］，或者表明研究涉及的理論或方法有長期的重要性［45］，如在跨學科研究中，中間人論文通過連接不同學科領域的研究成果，促進知識的跨界融合；在納米技術領域中，中間人論文跨越化學與物理學，為新材料的研發提供了理論支持［46］；在公共健康研究中，中間人論文常連接流行病學和社會政策，為新興健康危機的應對提供多學科解決方案［47］。因此，中間人論文不僅具有較高的網絡改變能力及被引量，其在知識傳播中的橋梁作用同樣為跨學科創新提供了可能［17］。

觸發者論文角色對網絡結構影響較大，但被引量普遍較低。這類論文往往是提出新視角、新方法的論文。按照Wu L F等［15］對顛覆性論文的定義，觸發者論文的施引文獻與觸發者論文的參考文獻重合度并不高，這意味著觸發者論文通常是具有創新性、顛覆性的知識，對推進知識發展有重要的意義。然而，創新性的論文由于超越當時科學共同體的認知，其重要性和價值在論文發表之初沒有得到充分認可，這種“抵制發現”“遲滯承認”［48］的現象導致觸發者論文獲得較低的引用頻次。

局外人論文角色對擴散網絡結構改變程度及擴散規模均普遍較低，在樣本集中，這類論文通常是提出新方法及案例研究的論文。在知識擴散的過程中，高被引論文具備更高的可見度，從而比低被引論文有更大的引用可能性，這可能是導致局外人論文低被引的原因之一。再者，新的知識不斷被融合進后來發表的論文中，舊論文會逐漸喪失新穎性，隨時間的推移逐漸老化。此外，在引文網絡中，每個節點都有獨特的適應值（Fitness）作為其吸引到新連接的內在屬性，局外人論文改變網絡程度較低，其吸引施引文獻的內在屬性可能較低，加之優先引用及文獻老化的影響，局外人論文在引文網絡中對知識擴散的作用并不大。

本研究的結果對科研評價和知識管理具有重要指導意義。首先，傳播者和中間人角色可以作為科學評價中的重要參考維度，輔助科研管理者優化研究資源的分配。例如，對于資助機構而言，傳播者論文的高引用率和高影響力特征有助于其成為優先資助對象，而中間人論文在推動跨學科合作中的作用則能夠支持新興領域的開拓［49］。其次，對于學術出版和圖書館學管理者，觸發者論文的識別能夠幫助改進學術推薦系統，進一步提升創新性研究的可見度。雖然本研究聚焦于信息資源管理領域，但分析框架同樣適用于其他學科。例如，傳播者和中間人在生物醫學、社會科學和工程學等領域的研究中均表現為關鍵知識傳播者和跨學科橋梁［50-51］。未來研究可以驗證這一框架在其他學科領域的有效性，從而提升分析方法的普適性。此外，跨學科視角的引入，如將邊界跨越理論與本研究的角色劃分方法相結合，有助于識別推動科學創新的關鍵論文和研究方向。

盡管本研究為引文網絡角色識別提供了新的分析框架，但也存在局限性。首先，研究樣本局限于信息資源管理領域，未來研究應擴展至其他學科，以驗證模型的適用性。其次，研究采用了描述統計方法，尚未深入探討論文角色對施引文獻選擇和引用行為的具體影響。未來可以通過文本挖掘和引用內容分析，探索目標論文與施引文獻之間的深層次知識傳遞機制。此外，結合動態網絡模型研究論文角色的時間演化特征，將為揭示知識擴散的長期機制提供新視角。

參考文獻

［1］Della B，Kujala R，Kaski K，et al.Tracking the Cumulative Knowledge Spreading in a Comprehensive Citation Network［J］.Physical Review Research，2020，2（1）：013181.

［2］Yang J Q，Liu Z F.The Effect of Citation Behaviour on Knowledge Diffusion and Intellectual Structure［J］.Journal of Informetrics，2022，16（1）：101225.

［3］侯劍華，鄭碧麗，張洋.科學知識擴散研究：概念界定、理論基礎與體系重構［J］.現代情報，2020，40（9）：117-126.

［4］James M，Palakkat V，Jones G.Identifying Influential Citations in Scientific Papers［C］//AICS.Proceedings of the 2023 31st Irish Conference on Artificial Intelligence and Cognitive Science.Irish：31st Irish Conference on Artificial Intelligence and Cognitive Science，2023：10470500.

［5］Wang F，Wang X Y.Tracing Theory Diffusion：A Text Mining and Citation-Based Analysis of TAM［J］.Journal of Documentation，2020，76（6）：1109-1134.

［6］Min C，Bu Y，Wu D，et al.Identifying Citation Patterns of Scientific Breakthroughs：A Perspective of Dynamic Citation Process［J］.Information Processing amp; Management，2021，58（1）：102428.

［7］Hou J H，Zheng B L，Wang D Y，et al.How Boundary-Spanning Paper Sparkles Citation：From Citation Count to Citation Network［J］.Journal of Informetrics，2023，17（3）：101434.

［8］Rogers E.Diffusion of Innovations［M］.Glencoe：Free Press，1962：182-186.

［9］Hou J，Li H，Zhang Y.Influence of Interdisciplinarity of Scientific Papers on the Durability of Citation Diffusion：A Perspective from Citation Discontinuance［J］.Journal of Informetrics，2024，18（3）：101525.

［10］Cantone G.How to Measure Interdisciplinary Research？A Systemic Design for the Model of Measurement［J］.Scientometrics，2024，129（8）：4937-4982.

［11］Lyu D Q，Ruan X M，Xie J，et al.The Classification of Citing Motivations：A Meta-Synthesis［J］.Scientometrics，2021，126（4）：3243-3264.

［12］Sebastian Y，Chen C M.The Boundary-Spanning Mechanisms of Nobel Prize Winning Papers［J］.PLoS One，2021，16（8）：e0254744.

［13］Min C，Ding Y，Li J，et al.Innovation or Imitation：The Diffusion of Citations［J］.Journal of the Association for Information Science and Technology，2018，69（10）：1271-1282.

［14］Jeong C，Jang S，Park E，et al.A Context-Aware Citation Recommendation Model with BERT and Graph Convolutional Networks［J］.Scientometrics，2020，124（3）：1907-1922.

［15］Wu L F，Wang D S，Evans J A.Large Teams Develop and Small Teams Disrupt Science and Technology［J］.Nature，2019，566（7744）：378-382.

［16］Funk R J，Owen-Smith J.A Dynamic Network Measure of Technological Change［J］.Management Science，2017，63（3）：791-817.

［17］Burt R S.Structural Holes and Good Ideas［J］.American Journal of Sociology，2004，110（2）：349-399.

［18］Chen C M.Predictive Effects of Structural Variation on Citation Counts［J］.Journal of the American Society for Information Science and Technology，2012，63（3）：431-449.

［19］Chen S J，Qiu J P，Arsenault C，et al.Exploring the Interdisciplinarity Patterns of Highly Cited Papers［J］.Journal of Informetrics，2021，15（1）：101124.

［20］Okamura K.Interdisciplinarity Revisited：Evidence for Research Impact and Dynamism［J］.Palgrave Communications，2019，5（1）：141.

［21］史雅莉，趙童，楊思洛.引證視角下科研用戶的數據認知行為研究——基于扎根理論方法［J］.情報理論與實踐，2020，43（6）：49-55.

［22］邱均平，陳曉宇，何文靜.科研人員論文引用動機及相互影響關系研究［J］.圖書情報工作，2015，59（9）：36-44.

［23］王文娟，馬建霞，陳春，等.引文文本分類與實現方法研究綜述［J］.圖書情報工作，2016，60（6）：118-127.

［24］馬娜，張智雄，于改紅.科技論文引用對象研究綜述［J］.圖書情報工作，2019，63（23）：139-145.

［25］Milojevic＇ S，Leydesdorff L.Information Metrics（iMetrics）：A Research Specialty with a Socio-Cognitive Identity？［J］.Scientometrics，2013，95（1）：141-157.

［26］Heidler R，Hallonsten O.Qualifying the Performance Evaluation of Big Science Beyond Productivity，Impact and Costs［J］.Scientometrics，2015，104（1）：295-312.

［27］Kuhn T S.The Structure of Scientific Revolutions［M］.Chicago：The University of Chicago Press，1962.

［28］Bornmann L，Tekles A.Disruptive Papers Published in Scientometrics［J］.Scientometrics，2019，120（1）：331-336.

［29］侯劍華，李蓮姬，楊秀財.基于引文網絡結構變換的大數據研究前沿預測［J］.情報科學，2018，36（6）：142-148，168.

［30］Bornmann L，Marx W.How to Evaluate Individual Researchers Working in the Natural and Life Sciences Meaningfully？A Proposal of Methods Based on Percentiles of Citations［J］.Scientometrics，2014，98（1）：487-509.

［31］Tan H X，Ujum E，Choong K F，et al.Impact Analysis of Domestic and International Research Collaborations：A Malaysian Case Study［J］.Scientometrics，2015，102（1）：885-904.

［32］Franceschini F，Galetto M，Maisano D，et al.An Informetric Model for the Success-Index［J］.Journal of Informetrics，2013，7（1）：109-116.

［33］Estellés-Arolas E，González-Ladrón-De-Guevara F.Towards an Integrated Crowdsourcing Definition［J］.Journal of Information Science，2012，38（2）：189-200.

［34］Schweitzer F，Mai R.The Double-Edged Sword of Intricate Idea Enactment in Product Development［J］.Journal of Business Research，2021，132：392-402.

［35］Lenart-Gansiniec R.The Effect of Crowdsourcing on Organizational Learning：Evidence From Local Governments［J］.Government Information Quarterly，2021，38（3）：101593.

［36］Guerrero-Bote V P，Moya-Anegón F.A Further Step Forward in Measuring Journals Scientific Prestige：The SJR2 Indicator［J］.Journal of Informetrics，2012，6（4）：674-688.

［37］Kuan C H，Huang M H，Chen D Z.Cross-Field Evaluation of Publications of Research Institutes Using Their Contributions to the Fields MVPs Determined by H-Index［J］.Journal of Informetrics，2013，7（2）：455-468.

［38］Ma T C，Wang G F，Dong K，et al.The Journals Integrated Impact Index：A New Indicator for Journal Evaluation［J］.Scientometrics，2012，90（2）：649-658.

［39］Cho Y D，Choi H G.Principal Parameters Affecting Ramp;D Exploitation of Nanotechnology Research：A Case for Korea［J］.Scientometrics，2013，96（3）：881-899.

［40］Bhattacharya S，Kaul A，Shilpa，et al.Role of Bilateral Institution in Influencing Collaboration：Case Study of CEFIPRA—A Bilateral Samp;T Institution Established by India and France［J］.Scientometrics，2015，102（1）：169-194.

［41］朱秀梅，楊姍.管理類綜述文章的撰寫范式［J］.外國經濟與管理，2019，41（7）：137-152.

［42］徐書榮，潘靜，馬新榮.科技期刊中述評類綜述文章的學術作用和質量評價［J］.中國科技期刊研究，2017，28（11）：1016-1021.

［43］Carolyn O.The Use of Citations in Literary Research：A Preliminary Classification of Citation Functions［J］.The Library Quarterly：Information，Community，Policy，1979，49（4）：399-414.

［44］Shi L.Textual Appropriation and Citing Behaviors of University Undergraduates［J］.Applied Linguistics，2010，31（1）：1-24.

［45］White M D，Wang P L.A Qualitative Study of Citing Behavior：Contributions，Criteria，and Metalevel Documentation Concerns［J］.The Library Quarterly，1997，67（2）：122-154.

［46］Elzein B.Nano Revolution：“Tiny Tech，Big Impact：How Nanotechnology Is Driving SDGs Progress”［J］.Heliyon，2024，10（10）：e31393.

［47］Okoli C，Pawlowski S D.The Delphi Method as a Research Tool：An Example，Design Considerations and Applications［J］.Information amp; Management，2004，42（1）：15-29.

［48］Yang A J，Zhao S X，Deng S H.Revisiting Delayed Recognition in Science：A Large-Scale and Comprehensive Study［J/OL］.Journal of Information Science，2024.https：//doi.org/10.1177/01655515241244462.

［49］Huang H，Zhu D H，Wang X F.Evaluating Scientific Impact of Publications：Combining Citation Polarity and Purpose［J］.Scientometrics，2022，127（9）：5257-5281.

［50］Abbasiharofteh M，Kogler D F，Lengyel B.Atypical Combinations of Technologies in Regional Co-Inventor Networks［J］.Research Policy，2023，52（10）：104886.

［51］Uzzi B，Mukherjee S，Stringer M，et al.Atypical Combinations and Scientific Impact［J］.Science，2013，342（6157）：468-472.

（責任編輯：楊豐僑）