劉瑋，馬續(xù)補，秦春秀，陳穎

（西安電子科技大學經(jīng)濟與管理學院，陜西 西安 710071）

伴隨著云計算、社交網(wǎng)絡、移動商務、物聯(lián)網(wǎng)等新興信息技術(shù)的快速滲透，數(shù)據(jù)量急劇增長，大數(shù)據(jù)已經(jīng)成為新一代信息技術(shù)的核心與競爭前沿[1]。大數(shù)據(jù)技術(shù)和大數(shù)據(jù)分析已經(jīng)被成功應用于許多領(lǐng)域，如健康醫(yī)療、商業(yè)分析、互聯(lián)網(wǎng)金融、社交媒體用戶行為分析、輿情分析、電子商務以及制造業(yè)等[2]。大數(shù)據(jù)研究已經(jīng)成為學術(shù)界和產(chǎn)業(yè)界最熱門的主題之一。大數(shù)據(jù)應用是大數(shù)據(jù) 5個基礎(chǔ)研究方向之一，是科研項目關(guān)注最多的方向，包括各學科、各領(lǐng)域的基于數(shù)據(jù)的新方法、新范式、新理論等，用于支撐基于大數(shù)據(jù)的科學研究方法、社會發(fā)展方式、經(jīng)濟建設(shè)模式和國防安全手段[3]。社會科學的各個領(lǐng)域是大數(shù)據(jù)研究重要的應用場景，也是大數(shù)據(jù)解釋階段的主要依據(jù)，大數(shù)據(jù)是社會科學研究面臨的機遇和挑戰(zhàn)。

White、Luo、Gu等學者采用文獻計量方法分析了醫(yī)療領(lǐng)域大數(shù)據(jù)研究的規(guī)律[4-6]，國內(nèi)學者采用文獻計量方法分析了計算機領(lǐng)域、經(jīng)濟管理領(lǐng)域的大數(shù)據(jù)研究現(xiàn)狀[7-8]，對大數(shù)據(jù)工具、大數(shù)據(jù)應用、大數(shù)據(jù)可視化等具體問題進行文獻計量分析[9-11]?，F(xiàn)有研究多關(guān)注某個特定研究主題或具體學科中大數(shù)據(jù)研究規(guī)律，本文嘗試對包含諸多具體學科的廣義的社會科學領(lǐng)域大數(shù)據(jù)研究現(xiàn)狀進行分析，以辨別大數(shù)據(jù)研究在整個社會科學中的發(fā)展規(guī)律和知識基礎(chǔ)。

一、數(shù)據(jù)來源和研究方法

（一）數(shù)據(jù)來源

科學文獻是科學活動的主要產(chǎn)出形式，也是科學計量和文獻計量研究的重要數(shù)據(jù)來源。學術(shù)期刊是發(fā)表研究成果、進行學術(shù)交流、獲得學術(shù)地位的重要媒介[12]?？紤]我國社會科學研究現(xiàn)狀，學者更擅長母語寫作[13-14]，因此本文采用多個文獻數(shù)據(jù)庫作為國內(nèi)和國際社會科學大數(shù)據(jù)研究現(xiàn)狀分析的數(shù)據(jù)來源。通過對期刊論文的文獻計量分析，發(fā)現(xiàn)研究特點和規(guī)律。英文文獻數(shù)據(jù)來自WOS（Web of Science）的社會科學引文索引（Social Sciences Citation Index，SSCI）；中文文獻數(shù)據(jù)來自中文社會科學引文索引（Chinese Social Sciences Citation Index，CSSCI）和中國知網(wǎng)（CNKI）。

選擇“big data”和“大數(shù)據(jù)”作為檢索詞，數(shù)據(jù)庫檢索時間是2019年1月20日。在SSCI中檢索主題=“big data”，得到4320篇文獻，為數(shù)據(jù)集1；在CSSCI中檢索標題=“大數(shù)據(jù)”或關(guān)鍵詞=“大數(shù)據(jù)”，得到3132篇文獻，為數(shù)據(jù)集2；在CNKI中檢索標題=“大數(shù)據(jù)”或關(guān)鍵詞=“大數(shù)據(jù)”，且來源類別為CSSCI，得到5010篇文獻，為數(shù)據(jù)集3，作為分析時的馬充數(shù)據(jù)。表1列出了數(shù)據(jù)集1和2的具體數(shù)值。

（二）研究方法和工具

波普爾的“三個世界”學說和科學計量之父普賴斯的科學學理論，解釋了科學計量和文獻計量能夠幫助人們通過對特定領(lǐng)域文獻（集合）進行計量，繪制、生成和解讀知識圖譜，從而改變?nèi)祟惔蜷_世界的方式[15]。文獻計量和科學計量方法已經(jīng)被廣泛應用于科學學和科研管理等研究領(lǐng)域。本文通過對社會科學大數(shù)據(jù)研究的文獻計量分析，梳理了大數(shù)據(jù)研究現(xiàn)狀和發(fā)展規(guī)律；通過對引文來源聚類，分析了社會科學大數(shù)據(jù)研究的知識基礎(chǔ)；通過分析不同數(shù)據(jù)源，對比了國內(nèi)外研究的異同。主要采用引文分析和共被引分析方法，使用了VOSviewer和HisCite軟件工具。

引文分析法是文獻計量和科學計量領(lǐng)域廣泛使用的方法[16]。引文分析法的基本假設(shè)是科學研究的積累性、連馬性和繼承性，具體表現(xiàn)為文獻之間的引用和被引用關(guān)系。文獻的引用和被引用，使得大量文獻分群聚類，構(gòu)成文獻聚類、學科聚類分析的理論基礎(chǔ)。

HisCite是科學引文索引（Science Citation Index，SCI）創(chuàng)始人加菲爾德開發(fā)的文獻計量可視化軟件，能夠用圖示的方式展示文獻之間的引用關(guān)系，繪制出某研究領(lǐng)域的發(fā)展歷史，找到該領(lǐng)域的重要文獻以及最新的重要文獻[17]。

VOSviewer是Van Eck N J和Waltman L開發(fā)的繪制文獻圖譜的軟件工具，通過相似度計算、VOS繪圖技術(shù)和轉(zhuǎn)換、旋轉(zhuǎn)和映射，該工具能清晰展示文獻計量中的共現(xiàn)關(guān)系，是一款能用于較大規(guī)模數(shù)據(jù)集合的文獻計量可視化分析工具[18]。

二、結(jié)果分析與討論

（一）文獻增長分析

通過文獻數(shù)量的增長變化規(guī)律來判斷和預測科學知識的增長狀況，繼而探索科學發(fā)展規(guī)律是科學史和科學學研究中常用的方法[16]。普賴斯指數(shù)模型和邏輯模型是兩個重要的文獻增長模型。分析1990-2015年之間WOS數(shù)據(jù)庫中“大數(shù)據(jù)應用”相關(guān)文獻的數(shù)量分布[10]，可認為該領(lǐng)域文獻在2012-2015年之間符合普賴斯指數(shù)增長規(guī)律。

表1：社會科學大數(shù)據(jù)研究文獻數(shù)量分布

對表1的數(shù)據(jù)進行文獻增長分析，取累積量為縱軸，時間為橫軸，實線為實際觀測值，虛線為擬合后的指數(shù)曲線。數(shù)據(jù)集1和2的指數(shù)模型擬合效果最好，R2＞0.9，數(shù)據(jù)集1的指數(shù)擬合見圖1。文獻數(shù)量變化符合指數(shù)增長模型和邏輯模型的前期增長階段。

圖1中，2017年文獻累積量的實際值略低于預測值，2018年的文獻累積量明顯低于預測值，是否意味著2017年之后文獻增長速度降低呢？我們對比了2018年2月以同樣檢索條件獲得的數(shù)據(jù)集，指數(shù)擬合曲線見圖2。對比兩個圖的變化，我們認為觀測值低于預測值主要因為文獻數(shù)據(jù)庫更新時滯，是否出現(xiàn)文獻增長加速度變緩即出現(xiàn)邏輯模型的拐點，還需要更長時間的觀察。這個現(xiàn)象在CSSCI的檢索結(jié)果中同樣出現(xiàn)。因此，大數(shù)據(jù)研究仍處于加速增長期，大數(shù)據(jù)還在繼馬向社會科學研究的各個領(lǐng)域滲透。

圖1：大數(shù)據(jù)相關(guān)文獻的增長曲線（2019.1）

圖2：大數(shù)據(jù)相關(guān)文獻的增長曲線（2018.2）

（二）學科分布分析

SSCI和CSSCI均包括社會科學中的諸多具體學科，大數(shù)據(jù)對各個具體學科的滲透程度不同。表2列出數(shù)據(jù)集1中發(fā)文最多的7個類別，考慮源刊數(shù)量，文獻在類別1中的集中度最高。類別3和5屬于SCIE，原因是部分期刊屬于雙檢索，如MISQUARTERLY。在SSCI和SCIE中，一個期刊可以屬于多個類別，如MIS QUARTERLY同時屬于表2中的類別1/2/3，因此，表2中各類別的文獻量之間存在重復統(tǒng)計。盡管如此，依然可認為SSCI中大數(shù)據(jù)研究文獻產(chǎn)出主要集中在7個類別，其中屬于SSCI的類別有5個，INFORMATION SCIENCE & LIBRARY SCIENCE領(lǐng)域產(chǎn)生的大數(shù)據(jù)研究文獻最多。

表2：SSCI文獻的學科類別分布（數(shù)據(jù)集1）

表3：CSSCI中文獻的學科類別分布（數(shù)據(jù)集2）

表3列出了數(shù)據(jù)集2中發(fā)文最多的5個學科。同樣考慮源刊數(shù)量，文獻在類別1中的集中度最高，即中文CSSCI數(shù)據(jù)庫中，來自圖書館、情報與文獻學的大數(shù)據(jù)研究文獻最多。

（三）機構(gòu)及其影響力分析

為了識別國內(nèi)和國際在社會科學大數(shù)據(jù)研究中的主要發(fā)文機構(gòu)及其影響力，我們對各研究機構(gòu)的發(fā)文量和被引量進行統(tǒng)計。對數(shù)據(jù)集1的發(fā)文機構(gòu)進行統(tǒng)計，即截止2019年1月發(fā)文數(shù)量最多的10個機構(gòu)及其發(fā)文量，見圖 3。UNIVERSITY OF CALIFORNIA SYSTEM 發(fā)文量最多，UNIVERSITY OF LONDON緊隨其后，中科院和武漢大學分別居第4和第9位。

圖3： SSCI中發(fā)文量最多的10個研究機構(gòu)

引用通常被作為衡量科學研究成果影響力的重要指標之一。HisCite采用LCS（local Citation Score）和GCS（Global Citation Score）兩個引用指標測量一篇文獻在當前數(shù)據(jù)庫和所有WOS數(shù)據(jù)庫中的被引數(shù)量，可認為是該文獻在本領(lǐng)域和整個學術(shù)界的影響力[17]。數(shù)據(jù)集1導入HisCite，統(tǒng)計數(shù)據(jù)集1中研究機構(gòu)的論文數(shù)量和被引情況。由于文獻被引用存在時滯，且文獻發(fā)表后不一定被引用，表4的論文數(shù)量不大于圖3的數(shù)量。表4列出被引文獻數(shù)量不少于36篇的機構(gòu)。LCS引用最高的是MIT、哈佛大學和賓夕法尼亞大學。MIT的篇均被引達到12.4，以0.9%的文獻數(shù)量獲得了6.5%的LCS引用。GCS引用最高的是哈佛大學和MIT，篇均被引約36。中科院由2018年同期的第7位升至第3位，但篇均LCS被引不到0.5。武漢大學由第16位升至第6位，篇均LCS被引約0.75。清華大學由第19名升至第12位，篇均被引不到0.4。

表4：主要發(fā)文機構(gòu)和被引情況（SSCI）

檢索CNKI數(shù)據(jù)庫得到數(shù)據(jù)集3，統(tǒng)計其發(fā)文最多的8個機構(gòu)及其文獻被引用數(shù)量，如表5所示。中國人民大學在社會科學領(lǐng)域的研究成果產(chǎn)出不僅數(shù)量多，而且影響力顯著高于其他高校。

表5：主要發(fā)文機構(gòu)及引用情況（CSSCI）

（四）知識基礎(chǔ)分析

Kuhn認為，科學范式是某個學科領(lǐng)域中公認的重要的概念[19]。文獻引用關(guān)系和共被引網(wǎng)絡能反映知識繼承、傳遞和發(fā)展脈絡，能刻畫出學科結(jié)構(gòu)、特征和演化過程。陳超美認為，知識基礎(chǔ)（INTELLECTUAL BASE）是研究前沿所指向的引證文獻[20]。知識基礎(chǔ)由前期研究內(nèi)容和某個領(lǐng)域的結(jié)構(gòu)組成，知識基礎(chǔ)對于更好的理解研究前沿很重要[21]。本文采用陳超美對于研究前沿和知識基礎(chǔ)的定義，通過引文關(guān)系和共被引聚類分析社科領(lǐng)域大數(shù)據(jù)研究的知識基礎(chǔ)，并通過研究前沿和知識基礎(chǔ)的關(guān)系分析社會科學領(lǐng)域大數(shù)據(jù)研究的特點和規(guī)律。如圖4所示，研究前沿即通過檢索獲得的數(shù)據(jù)集，而知識基礎(chǔ)是研究前沿指向的引證文獻的共被引聚類。本文在分析中主要以社會科學中的具體學科為分析對象，將數(shù)據(jù)集1和2分別導入VOSviewer，對知識基礎(chǔ)的來源期刊（引文來源）聚類。

圖4：研究前沿和研究基礎(chǔ)的關(guān)系

1.基于SSCI的知識基礎(chǔ)分析

對數(shù)據(jù)集1進行分析，選擇被引次數(shù)大于120次的230種引文來源，根據(jù)共被引強度進行聚類，聚成6類，如圖5所示。分別是紅色區(qū)域（區(qū)域1，68個節(jié)點），綠色區(qū)域（區(qū)域4和5，共43個節(jié)點），藍色區(qū)域（區(qū)域2，37個節(jié)點），黃色區(qū)域（區(qū)域6，35個節(jié)點），紫色區(qū)域（區(qū)域3，31個節(jié)點），青色區(qū)域（16個節(jié)點，比較分散）。區(qū)域1包括了表2中屬于類別1/2/3/4的期刊；區(qū)域4包括了多學科科學期刊；區(qū)域5是醫(yī)學類期刊；區(qū)域2以計算機類期刊為主，包括了表2中類別2/5的期刊；區(qū)域3以交通、地理、環(huán)境類期刊為主，包括表2中類別6的期刊；區(qū)域6以新聞、傳播類報刊為主，表2中類別7的期刊出現(xiàn)在黃色區(qū)域。

圖5：基于SSCI的知識基礎(chǔ)聚類

圖5中，較大節(jié)點表示該引文來源被引次數(shù)較高，節(jié)點之間的連線和距離表示兩個引文來源之間的共被引強度。分析高被引文獻來源和聚類結(jié)果，可以發(fā)現(xiàn)以下特征：（1）在社會科學大數(shù)據(jù)研究中，有六大知識基礎(chǔ)。第一，INFORMATION SCIENCE & LIBRARY SCIENCE、MANAGEMENT、COMPUTER SCIENCE & INFORMATION SYSTEMS和BUSINESS，這些學科期刊被引次數(shù)多，共被引強度高，共同構(gòu)成了社會科學大數(shù)據(jù)研究在信息科學圖書館學、管理學、信息系統(tǒng)和商業(yè)領(lǐng)域的重要知識基礎(chǔ)。第二，計算機通信相關(guān)的期刊中介性強，通常與其他學科的文獻一起被引用，構(gòu)成了社會科學大數(shù)據(jù)研究的技術(shù)基礎(chǔ)。第三，交通、環(huán)境類期刊構(gòu)成了地理類大數(shù)據(jù)研究的重要知識基礎(chǔ)；第四，science、plos one、nature和 p natl acad sci usa屬于高被引期刊 TOP5（第 5個是 MIS QUARTERLY），是 SCIE中的multidisciplinary sciences期刊，共同構(gòu)成了社會科學大數(shù)據(jù)研究的核心知識基礎(chǔ)；第五，醫(yī)學類期刊僅與第四部分聯(lián)系緊密，構(gòu)成了醫(yī)學大數(shù)據(jù)研究的重要知識基礎(chǔ)；第六，新聞、傳播類期刊及其他文獻源，構(gòu)成了媒體大數(shù)據(jù)研究的重要知識基礎(chǔ)。

被引最多的27種文獻來源中，有2種不屬于SSCI和SCIE收錄期刊，雙檢索4種，只被SCIE檢索13種，只被SSCI檢索8種。即通過SSCI檢索到的大數(shù)據(jù)研究文獻，代表了社會科學領(lǐng)域當前的研究前沿，其對應的知識基礎(chǔ)既來自SSCI的具體研究領(lǐng)域，又廣泛的吸收了SCIE的研究成果，特別是計算機通信類和多學科科學類的文獻源。

社會科學大數(shù)據(jù)研究文獻更傾向于引用什么？首先，作者傾向于引用本研究領(lǐng)域的論文，表2中的類別1/2/3/4/6/7與圖中知識基礎(chǔ)聚類有較強的相關(guān)性。其中類別1/2/4合計發(fā)文占比29.1%，而8種高被引SSCI來源期刊中，屬于這三個類別的期刊分別有5種。其次，作者引用非本領(lǐng)域論文，傾向于計算機通信類和多學科科學類文獻。

2.基于CSSCI的知識基礎(chǔ)分析

對數(shù)據(jù)集2進行分析，選擇被引次數(shù)大于20次的57種引文來源，按照共被引強度進行聚類，聚成4類，如圖6所示。分別是紅色區(qū)域（區(qū)域1，21個節(jié)點），綠色區(qū)域（區(qū)域2和5，共20個節(jié)點），藍色區(qū)域（區(qū)域3，9個節(jié)點），黃色區(qū)域（區(qū)域4，7個節(jié)點）。

區(qū)域1的文獻來源除了1種旅游學刊和2種英文期刊，其余18種均屬于表3中的類別1，即圖書館、情報和文獻學；區(qū)域2和5包括計算機通信類期刊、管理學期刊和較多的英文文獻源；區(qū)域3全部屬于表3中類別3，即新聞與傳播學期刊；區(qū)域4全部屬于表3中類別2，即教育學期刊。

圖6中，分析高被引文獻來源和聚類結(jié)果，可以發(fā)現(xiàn)：（1）圖書館、情報和文獻學期刊是中文社會科學大數(shù)據(jù)研究的主要知識基礎(chǔ)；（2）管理學和計算機通信類期刊具有較高的中介性，構(gòu)成了中文社會科學大數(shù)據(jù)研究的重要知識基礎(chǔ)；（3）新聞和傳播學期刊是大數(shù)據(jù)研究在媒體行業(yè)應用的重要知識基礎(chǔ)；（4）教育學期刊是大數(shù)據(jù)研究在教育行業(yè)應用的重要知識基礎(chǔ)；（5）Harvard business review、science等英文文獻源已經(jīng)成為中文社會科學大數(shù)據(jù)研究的知識基礎(chǔ)。

被引最多的20種期刊中圖書館、情報和文獻學有9種；教育學有1種；新聞和傳播學有2種；計算機通信類有3種；多學科期刊1種；其余是英文文獻源。即通過CSSCI檢索到的大數(shù)據(jù)研究文獻，代表了中文社會科學領(lǐng)域當前的研究前沿，其對應的知識基礎(chǔ)既來自社會科學的具體研究領(lǐng)域，又吸收了自然科學的研究成果。

中文社會科學大數(shù)據(jù)研究文獻更傾向于引用什么？首先，作者傾向于引用本研究領(lǐng)域的論文，表3中的類別1/2/3與圖6中知識基礎(chǔ)聚類有較強的相關(guān)性。類別1/2/3合計發(fā)文占比51.6%，而20種高被引期刊中，屬于這三類的期刊有 12種。其次，圖書館、情報和文獻學更傾向于同時引用本學科、計算機通信、多學科、管理學以及英文文獻源，其知識基礎(chǔ)更廣泛。

三、研究結(jié)論

（一）大數(shù)據(jù)是社會科學的研究熱點

國內(nèi)外相關(guān)研究成果產(chǎn)出數(shù)量表明，社會科學研究對大數(shù)據(jù)的關(guān)注經(jīng)歷了 2012-2014年的爆發(fā)期，目前依然處于加速增長期；從高被引論文的引用歷史分析，當前的研究更多體現(xiàn)出科學的積累性和繼承性，即受范式制約的常規(guī)科學階段。

（二）大數(shù)據(jù)對社會科學的具體學科滲透程度有差異

CSSCI和SSCI的收錄范圍廣泛，包含較多的具體學科，如法學、管理學、教育學、環(huán)境科學、經(jīng)濟學、歷史學、新聞與傳播學、哲學、心理學、社會學等等。具體學科對大數(shù)據(jù)問題的關(guān)注度有明顯差異，SSCI中 INFORMATION SCIENCE & LIBRARY SCIENCE，MANAGEMENT，BUSINESS，ENVIRONMENTAL STUDIES和COMMUNICATION的研究成果最多；CSSCI中圖書館學、情報與文獻學，新聞學與傳播學，教育學，經(jīng)濟學和法學的研究成果最多。國內(nèi)和國際社會科學大數(shù)據(jù)研究在具體學科分布上有共同點，也存在顯著差異。圖書館學、情報和文獻學與 INFORMATION SCIENCE &LIBRARY SCIENCE是社會科學大數(shù)據(jù)研究的最重要的力量。

（三）國內(nèi)、國際社會科學大數(shù)據(jù)研究的知識基礎(chǔ)共性與差異并存

從被引用文獻及其來源角度分析，SSCI中大數(shù)據(jù)研究的知識基礎(chǔ)既包含文獻高產(chǎn)出的具體類別（即表2中的類1/2/4/6/7既是高文獻產(chǎn)出類別，也是高被引文獻和知識基礎(chǔ)類別）；也有來自計算機通信相關(guān)的具體學科，特別是IS領(lǐng)域；SCIENCE等多學科科學期刊成為特別突出的公共的知識基礎(chǔ)。CSSCI中大數(shù)據(jù)研究的知識基礎(chǔ)包含文獻高產(chǎn)出的具體類別（即表3中的類1/2/3既是高文獻產(chǎn)出類別，也是高被引文獻和知識基礎(chǔ)類別）；也有來自計算機通信相關(guān)的具體學科；中科院院刊、SCIENCE等多學科科學期刊，管理科學學報等管理學期刊成為公共的知識基礎(chǔ)。

國內(nèi)大數(shù)據(jù)研究的文獻產(chǎn)出更加集中在圖書館、情報和文獻學，教育學和新聞與傳媒學等具體學科（文獻產(chǎn)出合計超過50%），高被引文獻和知識基礎(chǔ)也集中在這三個學科（高被引文獻源占12/20）。大數(shù)據(jù)對于社會科學研究的滲透不夠廣泛，其知識基礎(chǔ)也較局限在這三個領(lǐng)域。國內(nèi)社會科學大數(shù)據(jù)研究對于社會科學中其他學科、自然科學領(lǐng)域研究成果的吸收程度不夠（數(shù)據(jù)集1中的TOP27文獻源中，來自SCIE的期刊多于來自SSCI的期刊）。

（四）我國社會科學研究成果產(chǎn)出量有顯著增長，但國際影響力有待提升

數(shù)據(jù)集1的資助基金主要來自國家自然科學基金NSFC、美國國家自然科學基金NSF、中央高?；究蒲袠I(yè)務費、英國ESRC、美國NIH基金等。數(shù)據(jù)集2的資助基金主要來自國家社會科學基金和國家自然科學基金，前者是后者的兩倍。國家級別的研究基金依然是文獻產(chǎn)出最主要資助來源，我國自然科學研究基金、高校基本科研業(yè)務費的持馬投入在WOS平臺已經(jīng)有顯著的成果產(chǎn)出，中科院、武漢大學和清華大學的論文數(shù)量已經(jīng)明顯增加，但是被引次數(shù)較少，國際影響力不足。中文發(fā)表的研究成果主要來自國家社科基金的支持，在國內(nèi)，中國人民大學的成果數(shù)量和影響力最強。

社會科學大數(shù)據(jù)研究在未來仍是熱點，具體學科的大數(shù)據(jù)應用研究既受到本領(lǐng)域研究的影響，也受到信息技術(shù)發(fā)展的影響。大數(shù)據(jù)必然更廣更深的影響我國社會科學研究的各個學科。

[1] 王海濤,毛睿,明仲.大數(shù)據(jù)系統(tǒng)計算技術(shù)展望[J].大數(shù)據(jù),2018(2):97-104.

[2] KIM G H,TRIMI S, CHUNG J H.Big data applications in the government sector:a comparative analysis among leading countries[J].Commun ACM,2014(3):78-85.

[3] 朱揚勇,熊贇.大數(shù)據(jù)的若干基礎(chǔ)研究方向[J].大數(shù)據(jù),2017(2):104-114.

[4] WHITE S.A review of big data in healthcare: challenges and opportunities[J].Open Access Bioinformatics,2014(6):13-18.

[5] LUO J,MIN W,GOPUKUMAR D,et al.Big Data Application in Biomedical Research and Health Care:A Literature Review[J].Biomedical Informatics Insights,2016(8):1-10.

[6] GU D,LI J, LI X,et al.Visualizing the knowledge structure and evolution of big data research in healthcare informatics[J].International Journal of Medical Informatics,2017,98:22-32.

[7] 況俞竹,洪玫,曾嘉彥.基于文獻計量的大數(shù)據(jù)研究現(xiàn)狀分析[J].數(shù)據(jù)挖掘,2016(3):125-137.

[8] 王岑嵐,尤建新.大數(shù)據(jù)文獻評述:基于軟件Citespace的可視化研究[J].科技管理研究,2017,37(21):180-189.

[9] 趙丹,王晰巍,李嘉興,等.國內(nèi)外大數(shù)據(jù)工具學術(shù)論文比較研究——基于文獻計量方法[J].情報科學,2016(6):133-137.

[10] 張姣姣,劉云,程旖婕.基于文獻計量學定律的大數(shù)據(jù)應用領(lǐng)域發(fā)展規(guī)律研究[J].知識管理論壇,2016(5):384-392.

[11] 陳軍,謝衛(wèi)紅,陳揚森,等.國內(nèi)外大數(shù)據(jù)可視化學術(shù)論文比較研究——基于文獻計量與 SNA 方法[J].科技管理研究,2017,37(8):44-53.

[12] NO H J,AN Y,PARK Y.A structured approach to explore knowledge flows through technology-based business methods by integrating patent citation analysis and text mining[J].Technological Forecasting & Social Change,2015,97:181-192.

[13] 侯海燕,郭芳琪,孫太安,等.基于 VOSviewer的山東省生物技術(shù)領(lǐng)域國內(nèi)及國際研究現(xiàn)狀分析[J].科學與管理,2018,209(2):29-37.

[14] ZHOU P,THIJS B,GLANZEL W,et al. Is China also becoming a giant in social sciences[J].Scientometrics,2009,79(3):593-621.

[15] 陳悅,陳超美,劉則淵,等. CiteSpace知識圖譜的方法論功能[J].科學學研究,2015,33(2):242-253.

[16] 邱均平.信息計量學[M].武漢:武漢大學出版社,2007:64.

[17] APRILIYANTI I D,ALON I.Bibliometric analysis of absorptive capacity[J].International Business Review,2017,26(5):896-907.

[18] VAN ECK N J,WALTMAN L.Vosviewer:A Computer Program for Bibliometric BACKHAUS K,KAI L,KOCH M.The Mapping[J].Scientometrics,2010,84(2):523-538.

[19] structure and evolution of business-to-business marketing:A citation and co-citation analysis[J].Industrial Marketing Management,2011,40(6):940-951.

[20] CHEN C.CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J].J Am Soc Inf Sci Technol,2005(3):359-377.

[21] HOCHULL CHOE,DUK HEE LEE,HEE DAE KIM IL WON SEO.Structural properties and inter-organizational knowledge flows of patent citation network:The case of organic solar cells[J].Renewable and Sustainable Energy Reviews,2016,55:361-370.