蘇福+柯平

摘要運(yùn)用Citespace的信息可視化技術(shù)，對(duì)Web of Science中收錄的核心期刊文獻(xiàn)進(jìn)行數(shù)據(jù)分析，遵循科學(xué)計(jì)量學(xué)中的引文分析法、共現(xiàn)分析法、詞頻分析法以及LLR算法、PageRank算法等理論，對(duì)2014-2015年被Web of Science中的SSCI庫(kù)收錄的27種圖書(shū)館學(xué)情報(bào)學(xué)類期刊所載的3287篇文獻(xiàn)進(jìn)行分析，繪制出研究熱點(diǎn)、前沿的知識(shí)圖譜，發(fā)現(xiàn)網(wǎng)絡(luò)計(jì)量、信息需求、索引、信息檢索、組織工程、名稱匹配算法、網(wǎng)絡(luò)2.0、非源項(xiàng)、技術(shù)接受模型、三螺旋理論等主題是近2年國(guó)際圖書(shū)館學(xué)情報(bào)學(xué)領(lǐng)域持續(xù)研究的熱點(diǎn)。傳統(tǒng)圖書(shū)館學(xué)情報(bào)學(xué)領(lǐng)域、管理科學(xué)領(lǐng)域、計(jì)算機(jī)科學(xué)領(lǐng)域中的知識(shí)管理、網(wǎng)絡(luò)計(jì)量、h指數(shù)、核心活動(dòng)、國(guó)際合作、接受和使用技術(shù)的統(tǒng)一理論、IT治理等主題將成為今后圖書(shū)館學(xué)情報(bào)學(xué)領(lǐng)域的研究趨勢(shì)和重點(diǎn)。

關(guān)鍵詞 圖書(shū)館學(xué) 情報(bào)學(xué) 研究熱點(diǎn) 信息可視化

1引言

被Web of Science（下文簡(jiǎn)稱“WoS”）中的SSCI數(shù)據(jù)庫(kù)收錄的圖書(shū)館學(xué)情報(bào)學(xué)即INFORMATIONSCIENCE&LIBRARY SCIENCE（下文簡(jiǎn)稱“LIS”）類期刊共計(jì)85種（截止2016年4月7日）?？d在這些期刊上的研究成果，一方面反映了世界主要國(guó)家或地區(qū)LIS領(lǐng)域研究的熱點(diǎn)和前沿，另一方面，也反映了國(guó)際上高水平研究者的其他科研信息。以往由于載文量巨大，加之受分析技術(shù)工具的限制，研究者多是運(yùn)用人工逐篇抽樣閱讀的方法，對(duì)國(guó)際頂級(jí)期刊的部分文獻(xiàn)進(jìn)行研究，帶有較強(qiáng)的主觀性，無(wú)法完整、客觀地對(duì)某個(gè)時(shí)間段內(nèi)的全部文章進(jìn)行分析。專家的主觀分析雖然具有一定的指導(dǎo)意義，但往往缺乏公允性、完整性和客觀性。筆者將WoS中的與北京大學(xué)圖書(shū)館編輯的《國(guó)外人文社會(huì)科學(xué)核心期刊總覽》（下文簡(jiǎn)稱《總覽》）中重合的27種圖書(shū)館學(xué)情報(bào)學(xué)類期刊作為研究對(duì)象，并根據(jù)2014年影響因子的高低作適當(dāng)增減，運(yùn)用Citespace可視化軟件，對(duì)WoS中2014-2015年刊載的3287篇文獻(xiàn)進(jìn)行科學(xué)計(jì)量分析。本文要探討的問(wèn)題是：近2年國(guó)際高水平的LIS期刊發(fā)表論文的研究熱點(diǎn)及其覆蓋的科學(xué)領(lǐng)域、科研機(jī)構(gòu)，論文的國(guó)家或地區(qū)合作情況、核心作者與核心被引作者群、核心被引期刊概況。希望本文具有如下特點(diǎn)：全樣本數(shù)據(jù)的完整性、研究對(duì)象的時(shí)效性、分析工具的客觀性以及知識(shí)圖譜的直觀性等，為我國(guó)研究者了解和掌握國(guó)際LIS領(lǐng)域的研究熱點(diǎn)、前沿、對(duì)象、方法、研究者、研究機(jī)構(gòu)、核心期刊等情況提供完整、及時(shí)、客觀、直觀的數(shù)據(jù)分析，減少研究者獲取本領(lǐng)域科研情報(bào)的盲目性，提高研究效率。

2研究方法

2.1引文分析法

1955年，加菲爾德（E.Garfield）在《科學(xué)》上發(fā)文提出了一種科學(xué)文獻(xiàn)書(shū)目系統(tǒng)，可剔除對(duì)虛假、過(guò)時(shí)或完整性較差的數(shù)據(jù)的任意引用，使學(xué)者們可了解到對(duì)早期論文存在的批評(píng)。引文分析法至此正式產(chǎn)生。引文分析就是利用各種數(shù)學(xué)及統(tǒng)計(jì)學(xué)的方法和比較、歸納、抽象、概括等邏輯方法，對(duì)科學(xué)期刊、論文、著者等各種分析對(duì)象的引用與被引用現(xiàn)象進(jìn)行分析，以便揭示其數(shù)據(jù)特征和內(nèi)在規(guī)律的一種文獻(xiàn)計(jì)量的分析方法。本文使用引文分析法，主要原因是該方法能回答以下三個(gè)問(wèn)題：第一，某些文獻(xiàn)為什么能持續(xù)成為研究者關(guān)注的核心？第二，這些核心文獻(xiàn)中已經(jīng)出現(xiàn)或即將出現(xiàn)哪些趨勢(shì)？第三，某領(lǐng)域或?qū)W科的文獻(xiàn)與其他學(xué)科的交叉呈現(xiàn)出何種關(guān)系或態(tài)勢(shì)？引文分析有三種基本類型：①對(duì)引文數(shù)量進(jìn)行研究，主要用于評(píng)價(jià)期刊和論文等。②對(duì)引文間的網(wǎng)狀關(guān)系或鏈狀關(guān)系進(jìn)行研究?？茖W(xué)論文間存在著一種引用關(guān)系網(wǎng)，如A被B引，B被C引，C又被A引等，研究這種關(guān)系主要用于揭示學(xué)科的發(fā)展與聯(lián)系，并展望未來(lái)前景等。③對(duì)引文反映出的主題相關(guān)性進(jìn)行研究，主要用于揭示科學(xué)的結(jié)構(gòu)和進(jìn)行文獻(xiàn)檢索等。引文分析法的上述三種類型，分別回答和解釋了上述三個(gè)問(wèn)題。

2.2詞頻分析法與共現(xiàn)分析法

本文所指的“詞”，即Citespace軟件中的“Term”。美國(guó)著名情報(bào)學(xué)專家薩?。℅·Salon）認(rèn)為，Term表示主題詞、名詞、標(biāo)引詞、情報(bào)項(xiàng)、文獻(xiàn)著錄項(xiàng)、標(biāo)引與檢索的信息單元等。詞頻分析是將文獻(xiàn)中的多個(gè)因子聯(lián)系起來(lái)的引證分析方法，它能科學(xué)地評(píng)價(jià)文獻(xiàn)、文獻(xiàn)作者的學(xué)術(shù)水平，揭示學(xué)科的熱點(diǎn)、前沿以及發(fā)展趨勢(shì)。共現(xiàn)分析法則是將文獻(xiàn)中的各種共現(xiàn)信息定量化的分析方法，通過(guò)共現(xiàn)分析，可以發(fā)現(xiàn)研究對(duì)象之間的親疏關(guān)系，挖掘隱含的或潛在的有用知識(shí)，并揭示研究對(duì)象所代表的學(xué)科或主題的結(jié)構(gòu)與變化。在計(jì)算機(jī)技術(shù)的輔助下，共現(xiàn)分析在構(gòu)建概念空間和實(shí)現(xiàn)語(yǔ)義檢索、改進(jìn)知識(shí)組織中文本的分類效果、分析文獻(xiàn)中的知識(shí)內(nèi)容關(guān)聯(lián)、挖掘知識(shí)價(jià)值等方面彰顯出獨(dú)特的提煉和概括功能。通過(guò)軟件進(jìn)行詞頻分析與共現(xiàn)分析，能較好地抽取出所分析文獻(xiàn)樣本的熱點(diǎn)、前沿趨勢(shì)以及科學(xué)結(jié)構(gòu)等關(guān)鍵情報(bào)。

2.3科學(xué)知識(shí)圖譜與信息可視化方法

科學(xué)知識(shí)圖譜（Mapping Knowledge Domains）是顯示科學(xué)知識(shí)的發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一種圖形，用可視化技術(shù)描述人類隨時(shí)間擁有的知識(shí)及其載體，繪制、挖掘、分析和顯示科學(xué)技術(shù)知識(shí)以及它們之間的相互聯(lián)系。在組織內(nèi)創(chuàng)造知識(shí)共享的環(huán)境以促進(jìn)科學(xué)技術(shù)研究的合作和深入。

信息可視化涉及計(jì)算機(jī)生成交互式信息圖示的設(shè)計(jì)、開(kāi)發(fā)和應(yīng)用。首先要處理抽象的、非空間的數(shù)據(jù)。把非空間的數(shù)據(jù)轉(zhuǎn)換成直觀的、有意義的圖像對(duì)該領(lǐng)域極其重要，這個(gè)轉(zhuǎn)換的過(guò)程是一個(gè)創(chuàng)造性的過(guò)程，設(shè)計(jì)者可以賦予圖像新的意義。本文運(yùn)用科學(xué)圖譜與信息可視化的理論，通過(guò)Citespace軟件，將需分析的文獻(xiàn)進(jìn)行圖像轉(zhuǎn)化和處理，賦予客觀、科學(xué)的意義。

2.4 LLR算法與PageRank算法

本研究采用LLR算法對(duì)聚類進(jìn)行命名。LLR即對(duì)數(shù)似然比算法，全稱Log-Likelihood Ratio。其基本原理是：假設(shè)對(duì)于類別Ci，詞Wi的頻度（oc），集中度（β）和分散度（丫）等指標(biāo)組成向量Vji，選取聚類命名就是根據(jù)Vij來(lái)判斷Wi是否可以作為類別Ci的特征詞。LLR算法如下：

式中，LLR為詞Wi對(duì)于類別Ci的對(duì)數(shù)似然比，p（Ci＼Vij）和p（Cj＼Vij）分別為在類別Cj和Cj中的密度函數(shù)。

PageRank網(wǎng)頁(yè)排名，又稱網(wǎng)頁(yè)級(jí)別、Google左側(cè)排名或佩奇排名，是一種根據(jù)網(wǎng)頁(yè)之間相互的超鏈接計(jì)算的技術(shù)，作為網(wǎng)頁(yè)排名的要素之一，以Google公司創(chuàng)辦人拉里·佩奇（Larry Page）之姓來(lái)命名的。該算法的發(fā)明者對(duì)網(wǎng)絡(luò)超鏈接結(jié)構(gòu)和文獻(xiàn)引文機(jī)制的相似性進(jìn)行了研究，把引文分析思想借鑒到網(wǎng)絡(luò)文檔重要性的計(jì)算中來(lái)，利用網(wǎng)絡(luò)自身的超鏈接結(jié)構(gòu)給所有的網(wǎng)頁(yè)確定一個(gè)重要性的等級(jí)數(shù)，當(dāng)從網(wǎng)頁(yè)A鏈接到網(wǎng)頁(yè)B時(shí)，就認(rèn)為“網(wǎng)頁(yè)A投了網(wǎng)頁(yè)B一票”，增加了網(wǎng)頁(yè)B的重要性。最后根據(jù)網(wǎng)頁(yè)的得票數(shù)評(píng)定其重要性，以此來(lái)幫助實(shí)現(xiàn)排序算法的優(yōu)化，而這個(gè)重要性的量化指標(biāo)就是PageRank值。文章運(yùn)用Citespace中的Page-Rank算法，對(duì)相關(guān)數(shù)據(jù)結(jié)果進(jìn)行PageRank排名，為數(shù)據(jù)分析提供另一個(gè)維度的視角。

3數(shù)據(jù)來(lái)源及分析工具

3.1數(shù)據(jù)來(lái)源

筆者通過(guò)WoS中的期刊引文分析報(bào)告（JCR：Journal Citation Reports社會(huì)科學(xué)版）查詢2014年（2015年尚未公布）的"INFORMATION SCIENCE&LIBRARY SCIENCE”類別中被收錄的所有期刊，共計(jì)85種（詳見(jiàn)表1，以影響因子的值作降序排列）。由于這85種期刊并未完全聚焦在圖書(shū)館學(xué)情報(bào)學(xué)領(lǐng)域，因此，本研究結(jié)合北京大學(xué)的《總覽》進(jìn)行聚焦。《總覽》的編撰歷時(shí)2年多，由北京高校圖書(shū)館期刊工作研究會(huì)成員館、國(guó)家圖書(shū)館等相關(guān)單位的33位圖書(shū)館專業(yè)人員參加研究，163位學(xué)科專家參加了核心期刊的定性評(píng)審，具有較高的指導(dǎo)意義。圖書(shū)館學(xué)情報(bào)學(xué)檔案學(xué)期刊共計(jì)61種。經(jīng)對(duì)比，WoS與《總覽》重合的圖書(shū)館學(xué)情報(bào)學(xué)期刊共計(jì)29種，并根據(jù)檢索結(jié)果以及影響因子適當(dāng)增減。隨之，以Web of Science核心數(shù)據(jù)庫(kù)為檢索庫(kù)，以“出版物來(lái)源一下表27種期刊名稱”和“時(shí)間跨度一2014年-2015年”，文獻(xiàn)類型選擇“Article”，語(yǔ)言類型選擇“English”，共命中3287條文獻(xiàn)記錄，通過(guò)數(shù)據(jù)導(dǎo)出和處理，將文獻(xiàn)記錄以Citespace能識(shí)別的WoS輸出格式導(dǎo)入Citespace軟件中。

3.2分析工具

CiteSpace是一款著眼于分析科學(xué)文獻(xiàn)中蘊(yùn)含的潛在知識(shí)，并在科學(xué)計(jì)量學(xué)（Scientometric）、數(shù)據(jù)和信息可視化（Data and Information Visualization）背景下逐漸發(fā)展起來(lái)的一款引文可視化分析軟件。本文使用Citespace 4.0.R4版本，對(duì)數(shù)據(jù)進(jìn)行處理、分析、制圖。此外，使用WoS自帶的統(tǒng)計(jì)分析功能，結(jié)合Citespace的可視化分析功能，交叉配合使用。Citespace軟件有多個(gè)不同版本，開(kāi)發(fā)者截至筆者投稿之日，仍然在優(yōu)化該軟件，故該軟件對(duì)某些項(xiàng)目的統(tǒng)計(jì)結(jié)果可能出現(xiàn)與WoS的統(tǒng)計(jì)有微小差異，可視為科學(xué)研究中的誤差，但不影響主要數(shù)據(jù)分析。該工具已經(jīng)不僅僅提供引文空間的挖掘，而且還提供知識(shí)單元之間的共現(xiàn)分析功能，如作者、機(jī)構(gòu)、國(guó)家/地區(qū)的合作等。

4結(jié)果分析

4.1研究熱點(diǎn)分析

研究熱點(diǎn)可看作某研究領(lǐng)域中，研究者共同關(guān)注的一個(gè)或多個(gè)研究主題，筆者認(rèn)為共詞分析可反映目標(biāo)領(lǐng)域的熱點(diǎn)概況。通過(guò)Citespace對(duì)Term與Node的提取，可對(duì)3287篇文獻(xiàn)的關(guān)鍵詞進(jìn)行共詞（Co-words）聚類挖掘分析，運(yùn)行結(jié)果如圖1所示。該圖反映了國(guó)際LIS領(lǐng)域近兩年的熱點(diǎn)問(wèn)題，聚類號(hào)表示某詞經(jīng)LLR算法聚類后所在的主題。Mo-durility（M）即網(wǎng)絡(luò)模塊化評(píng)價(jià)指標(biāo)，值越大，表示網(wǎng)絡(luò)得到聚類越好，Q的取值區(qū)間為[0，1]，當(dāng)Q>0.3時(shí)得到的網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)是顯著的。Silhouette（S）是用來(lái)衡量網(wǎng)絡(luò)同質(zhì)性的指標(biāo)，當(dāng)其值>0.5時(shí)表示聚類結(jié)果是合理的，越接近1，同質(zhì)性越高。通過(guò)LLR算法，M=0.8835，S=0.5014，得出的圖譜合理、客觀，研究熱點(diǎn)聚類名稱如圖1、表2所示。

圖1中黑色字體表示不同文獻(xiàn)共同的關(guān)鍵詞，“#數(shù)字”表示運(yùn)用LLR算法對(duì)共同關(guān)鍵詞提取后命名的聚類詞，每個(gè)色塊表示由各類不同的文獻(xiàn)組成的具有相近研究主題的聚類。通過(guò)對(duì)關(guān)鍵詞的聚類，得到15個(gè)研究主題，聚類間有交叉覆蓋的現(xiàn)象，表示這些聚類之間存在研究主題上的交叉，其關(guān)系較為緊密，與其他聚類不交叉的色塊表示該類主題具備較為獨(dú)立的研究性質(zhì)。以“#0，#1……”等形式對(duì)聚類進(jìn)行編號(hào)（Cluster ID），聚類號(hào)越小，表示該聚類的經(jīng)典文獻(xiàn)數(shù)量（Size）越多，Silhouette值表示經(jīng)典文獻(xiàn)之間的緊密程度，Mean（Year）項(xiàng)表示平均年份，可反映聚類中文獻(xiàn)的時(shí)效性，Top Terms即以LLR算法命名的聚類名稱。經(jīng)過(guò)自動(dòng)聚類并結(jié)合圖書(shū)館學(xué)情報(bào)學(xué)專業(yè)知識(shí)，相關(guān)度較高的關(guān)鍵詞聚類情況見(jiàn)表2。

基于LLR算法的聚類名稱，可客觀反映2014-2015年國(guó)際圖書(shū)館學(xué)情報(bào)學(xué)研究領(lǐng)域的熱點(diǎn)問(wèn)題，可將上述聚類歸納為四個(gè)方面。

（1）傳統(tǒng)LIS領(lǐng)域。

布萊達(dá)（Mas-Bleda）等基于歐洲的在線出版物，使用爬蟲(chóng)技術(shù)對(duì)1525名高被引科學(xué)家進(jìn)行研究，這是第一個(gè)對(duì)鏈模式高被引研究者機(jī)構(gòu)網(wǎng)站的研究，用以確定哪些網(wǎng)絡(luò)資源被科學(xué)家們發(fā)布。斯圖德（Sotudeh）等使用科學(xué)計(jì)量方法與比較的方法，就女性科學(xué)家在科學(xué)生產(chǎn)力、影響等方面與男性科學(xué)家進(jìn)行對(duì)比研究，發(fā)現(xiàn)雖然女性科學(xué)家人數(shù)較少，但同樣有較好的科研成果和影響。拉弗蒂（Raf-ferty）等通過(guò)對(duì)八位用戶的調(diào)查訪談，對(duì)基于故事圖像的索引輸入法進(jìn)行了探討。戈盧布（Gol-ub）等對(duì)將杜威十進(jìn)制分類法（DDC）作為建立知識(shí)組織系統(tǒng)（KOS）增強(qiáng)社會(huì)標(biāo)簽，提高主題索引和檢索信息效率進(jìn)行了研究，結(jié)果表明受控詞匯表索引和檢索的重要性是顯而易見(jiàn)的?？晾眨↘oler）等以發(fā)表在2007年的14個(gè)國(guó)際期刊中的文獻(xiàn)為研究對(duì)象，對(duì)土木工程領(lǐng)域開(kāi)放獲取文獻(xiàn)的被引次數(shù)進(jìn)行研究，結(jié)果表明開(kāi)放不是引用的充分條件，但增加了期刊上發(fā)表文章的引用次數(shù)。阿爾瓦雷斯（A1-varez）等使用文獻(xiàn)計(jì)量方法對(duì)虹膜識(shí)別研究領(lǐng)域進(jìn)行了全面概述。郭（Kuo）等使用共被引方法模型對(duì)核心文獻(xiàn)之間的關(guān)系進(jìn)行了研究，實(shí)現(xiàn)了運(yùn)用多元統(tǒng)計(jì)技術(shù)來(lái)構(gòu)建知識(shí)結(jié)構(gòu)的表征。吳（Wu）等通過(guò)對(duì)臺(tái)灣大學(xué)32名被試者進(jìn)行調(diào)研，研究了研究生如何看待和使用谷歌學(xué)術(shù)搜索。索步爾（A1-Shboul）等運(yùn)用角色法、系統(tǒng)設(shè)計(jì)法等，以約旦王國(guó)的一個(gè)先進(jìn)的信息通訊技術(shù)環(huán)境抽樣為例，研究了集成現(xiàn)有的信息需求行為的模型。布龍斯坦（Bronstein）等運(yùn)用分布式的信息檢索自我認(rèn)知量表（IRSPS）對(duì)205名學(xué)生進(jìn)行匿名問(wèn)卷調(diào)查，發(fā)現(xiàn)參與者報(bào)告了高水平的自我效能感。

（2）醫(yī)學(xué)信息領(lǐng)域。

戈?duì)柼┢眨℅ultepe）等開(kāi)發(fā)了一個(gè)決策支持系統(tǒng)，用于患高乳酸鹽血癥的高危病人的生命體征的常規(guī)測(cè)量，支持實(shí)驗(yàn)室研究。斯塔爾茨（Stultz）等對(duì)劑量警報(bào)是否合適進(jìn)行了評(píng)價(jià)，將警報(bào)與訂單分類，比較了兒科醫(yī)院內(nèi)定制的和非客戶化的恰當(dāng)?shù)膭┝烤娣秶?。貝格海萊（Baghele）等運(yùn)用文獻(xiàn)計(jì)量方法對(duì)Pubmed數(shù)據(jù)庫(kù)中印度牙醫(yī)的文獻(xiàn)的趨勢(shì)進(jìn)行了評(píng)估，發(fā)現(xiàn)從1960年到2012年，每位印度牙醫(yī)平均貢獻(xiàn)了0.53篇文獻(xiàn)。

（3）心理學(xué)與計(jì)算機(jī)科學(xué)領(lǐng)域。

加維蘭（Gavilan）等探討了移動(dòng)廣告引發(fā)的心理意象的作用及其對(duì)信任和購(gòu)買意愿的中介效應(yīng)。特拉（Tatry）對(duì)國(guó)與國(guó)之間的合作網(wǎng)絡(luò)映射到可視化的強(qiáng)度關(guān)系進(jìn)行了研究。謝（Xie）探討了社會(huì)媒體在數(shù)字圖書(shū)館中的應(yīng)用和識(shí)別等相關(guān)問(wèn)題。

（4）管理科學(xué)領(lǐng)域。

齊（Chi）等研究了非源代碼項(xiàng)目的特點(diǎn)，并在社會(huì)科學(xué)文獻(xiàn)評(píng)價(jià)中對(duì)德國(guó)對(duì)政治科學(xué)出版物進(jìn)行了研究，結(jié)果表明，非源代碼項(xiàng)目顯著提高了出版物的數(shù)量。蕭（Hsiao）等運(yùn)用基于意圖的五個(gè)理論模型對(duì)大學(xué)生的行為意圖進(jìn)行調(diào)查?？死泻站S爾（Kratochvil）等對(duì)使用在線學(xué)習(xí)進(jìn)行信息素養(yǎng)教學(xué)進(jìn)行了研究。雷德斯多夫（Leydesdorff）等測(cè)量了三螺旋協(xié)同在俄羅斯國(guó)家級(jí)、省級(jí)區(qū)域創(chuàng)新系統(tǒng)中的水平。斯瓦爾（Swar）應(yīng)用社會(huì)網(wǎng)絡(luò)分析技術(shù)的混合方法和三重螺旋指標(biāo)，以網(wǎng)絡(luò)知識(shí)的視角對(duì)南亞的信息通信技術(shù)基礎(chǔ)設(shè)施的重要性進(jìn)行了研究。

從上述領(lǐng)域的研究主題來(lái)看，研究熱點(diǎn)呈現(xiàn)的特點(diǎn)是集中在傳統(tǒng)的LIS領(lǐng)域，研究主題不斷深化、擴(kuò)展，使用的研究方法規(guī)范、科學(xué)。近2年的國(guó)際LIS研究主題中，網(wǎng)絡(luò)計(jì)量、索引、文獻(xiàn)計(jì)量、信息需求、信息檢索是持續(xù)的研究熱點(diǎn)。

4.2研究前沿分析

筆者認(rèn)為研究前沿分析主要以共被引（CitedReference）的文獻(xiàn)網(wǎng)絡(luò)關(guān)系加以體現(xiàn)?？茖W(xué)計(jì)量學(xué)的奠基人普賴斯（Price）提出“研究前沿”的概念，即科學(xué)引文網(wǎng)絡(luò)中高被引且時(shí)效性強(qiáng)的文獻(xiàn)集合。他認(rèn)為研究前沿能動(dòng)態(tài)地反應(yīng)某研究領(lǐng)域的本質(zhì)。加爾菲爾德（Garfield）將研究的前沿定義為一組核心的高被引論文和引用論文，認(rèn)為研究前沿的名稱可以從論文標(biāo)題中出現(xiàn)頻率最高的詞或短語(yǔ)中提取。陳超美認(rèn)為研究前沿是一組及時(shí)、動(dòng)態(tài)且有潛在研究?jī)r(jià)值的問(wèn)題，研究前沿的知識(shí)基礎(chǔ)是引證和共引痕跡。本文中，Citespace的具體操作設(shè)置是：“Term Source”部分同上文，“Node Type”部分選取“Cited Reference”選項(xiàng)。運(yùn)行數(shù)據(jù)后，得到研究前沿聚類圖，見(jiàn)圖2。

從圖2可見(jiàn)，將共被引文獻(xiàn)聚類后得到16個(gè)研究主題。結(jié)合圖書(shū)館學(xué)情報(bào)學(xué)專業(yè)知識(shí)，排除相關(guān)度較小的聚類后，以“#0，#1……”等形式對(duì)聚類進(jìn)行編號(hào)，聚類號(hào)越小，其聚類的文獻(xiàn)數(shù)量越多。共被引文獻(xiàn)的聚類情況如表4所示。

基于LLR算法的聚類名稱可客觀反映2014-2015年國(guó)際圖書(shū)館情報(bào)學(xué)研究領(lǐng)域的前沿問(wèn)題，將上述聚類歸納為三個(gè)方面。

（1）傳統(tǒng)LIS領(lǐng)域。

米克斯（Meeks）等對(duì)交集電子健康記錄（EHR）進(jìn)行研究，檢查以往開(kāi)發(fā)的概念模型的適用性，以實(shí)現(xiàn)全面了解其對(duì)英國(guó)國(guó)民健康服務(wù)（NHS）的影響。安珂爾（Ancker）等對(duì)電子健康記錄的影響（EHRs）結(jié)果的個(gè)體差異性進(jìn)行了研究。洛倫岑（Lorentzen）等運(yùn)用網(wǎng)絡(luò)計(jì)量學(xué)的方法，探討了計(jì)量學(xué)和網(wǎng)絡(luò)挖掘兩個(gè)領(lǐng)域潛在的更緊密的聯(lián)系和合作。韋加（Veiga）等通過(guò)對(duì)金融分析系統(tǒng)的實(shí)證研究，探討了企業(yè)系統(tǒng)（ES）的成功因素。薩沃萊寧（Savolainen）等基于激勵(lì)因素評(píng)價(jià)理論，研究了情緒和情感激勵(lì)在信息檢索過(guò)程中的五方面的影響。牛（Niu）等基于有效的科學(xué)引文角度，用文獻(xiàn)計(jì)量法分析了科學(xué)引文索引擴(kuò)展數(shù)據(jù)庫(kù)中1992—2011年地球科學(xué)的相關(guān)科研情報(bào)。譚（Tan）等對(duì)1995年到2010年的科學(xué)引文索引擴(kuò)展中的蛋白質(zhì)學(xué)文獻(xiàn)進(jìn)行了計(jì)量分析，評(píng)估全球相關(guān)科學(xué)成果產(chǎn)出，發(fā)現(xiàn)研究人員集中在生化研究方法、生物化學(xué)和分子生物學(xué)。

（2）管理科學(xué)領(lǐng)域。

韋加（Veiga）等通過(guò)對(duì)金融分析系統(tǒng)的實(shí)證研究，探討了企業(yè)系統(tǒng)（ES）的成功因素。常（Chang）等使用社會(huì)網(wǎng)絡(luò)分析來(lái)確認(rèn)天文研究機(jī)構(gòu)具有強(qiáng)有力的國(guó)際合作關(guān)系，研究發(fā)現(xiàn)最強(qiáng)的關(guān)系體現(xiàn)在相關(guān)機(jī)構(gòu)的跨洲科研合作。蕭（Hsiao）等運(yùn)用基于意圖的五個(gè)理論模型對(duì)大學(xué)生的行為意圖進(jìn)行調(diào)查。

（3）計(jì)算機(jī)科學(xué)領(lǐng)域。

提圖埃爾（Turel）等對(duì)管理團(tuán)隊(duì)提供的集中在信息技術(shù)資源的戰(zhàn)略管理進(jìn)行了研究，綜合了資源和應(yīng)急管理信息系統(tǒng)的觀點(diǎn)與公司治理理論，檢查董事會(huì)層面的IT治理的關(guān)鍵前因和后果（ITG）。龐（Pang）等基于資源觀，嘗試建立一種有效的測(cè)量技術(shù)，提出一種評(píng)估這些資源的協(xié)同效應(yīng)對(duì)公司的能力影響的方法，并使用組織理論發(fā)現(xiàn)IT驅(qū)動(dòng)的公司的戰(zhàn)略角色資源。陳（Chen）等研究了信息技術(shù)（IT）的業(yè)務(wù)價(jià)值，該研究通過(guò)調(diào)查填補(bǔ)了IT的業(yè)務(wù)價(jià)值的中介作用這一空白，研究了該業(yè)務(wù)流程的靈活性和環(huán)境因素的調(diào)節(jié)作用。該研究的對(duì)象屬于計(jì)算機(jī)科學(xué)領(lǐng)域，其研究方法則屬于管理科學(xué)領(lǐng)域。

從上述領(lǐng)域的研究主題來(lái)看，研究的前沿呈現(xiàn)的特點(diǎn)是運(yùn)用傳統(tǒng)LIS方法研究跨學(xué)科領(lǐng)域的對(duì)象（如有機(jī)發(fā)光二極管、交集電子健康記錄、金融等）。LIS在計(jì)算機(jī)科學(xué)、管理科學(xué)、醫(yī)學(xué)、生物學(xué)實(shí)踐領(lǐng)域的應(yīng)用將成為今后LIS領(lǐng)域的研究重點(diǎn)。

4.3科學(xué)領(lǐng)域結(jié)構(gòu)

科學(xué)領(lǐng)域結(jié)構(gòu)可反應(yīng)LIS領(lǐng)域所涉及的各個(gè)學(xué)科之間的合作、交叉關(guān)系。可從合作者的聚類、文獻(xiàn)的聚類等方面進(jìn)行探索，但最直觀的方式，是直接分析由WoS導(dǎo)出的數(shù)據(jù)中的分類號(hào)（Category），運(yùn)行結(jié)果如圖3所示。

由圖3和表6可知，從發(fā)文量來(lái)看（圖中年輪的大小表示發(fā)文量的多少），LIS領(lǐng)域近兩年覆蓋的主要科學(xué)領(lǐng)域依次為：圖書(shū)館學(xué)情報(bào)學(xué)、計(jì)算機(jī)科學(xué)、健康護(hù)理科學(xué)與服務(wù)、醫(yī)學(xué)信息、政府與法律、法律、商業(yè)與經(jīng)濟(jì)、管理領(lǐng)域。從PageRank維度來(lái)看，政府與法律的中性度最高，健康護(hù)理科學(xué)與服務(wù)、商業(yè)與經(jīng)濟(jì)次之，圖書(shū)館學(xué)情報(bào)學(xué)、計(jì)算機(jī)科學(xué)、法律、管理緊隨其后。這表明，在圖書(shū)情報(bào)領(lǐng)域的高水平成果中，受網(wǎng)絡(luò)關(guān)注最高的是政府與法律領(lǐng)域。本研究樣本文獻(xiàn)構(gòu)成的研究分布網(wǎng)絡(luò)顯示，上述研究領(lǐng)域互相交叉，這表明當(dāng)前的學(xué)科研究趨勢(shì)正朝著以圖書(shū)館學(xué)情報(bào)學(xué)為主，以其他相關(guān)領(lǐng)域?yàn)檩o的多學(xué)科交叉研究的方向演化。

5結(jié)論

本文依據(jù)Citespace的引文分析及可視化功能，在識(shí)別和探討LIS領(lǐng)域的研究熱點(diǎn)與前沿動(dòng)態(tài)問(wèn)題過(guò)程中，得出以下結(jié)論：

首先，通過(guò)對(duì)2014-2015年SSCI數(shù)據(jù)庫(kù)中27種核心圖書(shū)館學(xué)情報(bào)學(xué)期刊刊載的3287篇文獻(xiàn)進(jìn)行研究，通過(guò)關(guān)鍵詞與主題的LLR聚類分析，發(fā)現(xiàn)傳統(tǒng)圖書(shū)館學(xué)情報(bào)學(xué)、管理科學(xué)、計(jì)算機(jī)科學(xué)以及醫(yī)療信息等領(lǐng)域的圖書(shū)館傳統(tǒng)服務(wù)和計(jì)量、信息需求與檢索、索引、信息檢索、組織工程、名稱匹配算法、網(wǎng)絡(luò)2.0、非源項(xiàng)、技術(shù)接受模型、三螺旋理論等主題是近兩年國(guó)際LIS領(lǐng)域的持續(xù)研究熱點(diǎn)。

其次，近兩年圖書(shū)館學(xué)情報(bào)學(xué)的研究主題不斷深化與擴(kuò)展，當(dāng)前的學(xué)科研究趨勢(shì)正朝著以圖書(shū)館學(xué)情報(bào)學(xué)為主，以其他相關(guān)領(lǐng)域?yàn)檩o的多學(xué)科交叉研究的方向演化，同時(shí)，注重諸如計(jì)算機(jī)科學(xué)、健康護(hù)理科學(xué)與服務(wù)、醫(yī)學(xué)信息、政府與法律、法律、商業(yè)與經(jīng)濟(jì)、管理等相關(guān)學(xué)科的先進(jìn)理論、方法和技術(shù)的借鑒與應(yīng)用，網(wǎng)絡(luò)關(guān)注度由高到低的領(lǐng)域?yàn)檎c法律、健康護(hù)理科學(xué)與服務(wù)、商業(yè)與經(jīng)濟(jì)、圖書(shū)情報(bào)學(xué)、計(jì)算機(jī)科學(xué)、法律、管理。傳統(tǒng)LIS領(lǐng)域、管理科學(xué)領(lǐng)域、計(jì)算機(jī)科學(xué)領(lǐng)域以及醫(yī)療信息領(lǐng)域的知識(shí)管理、計(jì)量、h指數(shù)、高校圖書(shū)館、核心活動(dòng)、國(guó)際合作、接受和使用技術(shù)的統(tǒng)一理論、IT治理等研究領(lǐng)域的相關(guān)主題將成為今后LIS領(lǐng)域的趨勢(shì)和重點(diǎn)。

最后，由于LIS是一個(gè)跨學(xué)科、可從多個(gè)角度的進(jìn)行研究的領(lǐng)域，本研究不免存在局限性，但不失為一種有效地從限定時(shí)間段內(nèi)的全樣本、公允性較高的數(shù)據(jù)中，探索數(shù)據(jù)之間的規(guī)律，從而為本領(lǐng)域的研究者提供客觀、實(shí)時(shí)、完整、有效的分析結(jié)果的方法。