近三年國(guó)外圖書(shū)館學(xué)與信息科學(xué) 領(lǐng)域研究熱點(diǎn)與前沿分析

劉雅姝 張海濤 徐海玲 李題印

摘 要：[目的/意義]本文對(duì)近三年來(lái)（2015-2017）SCI和SSCI收錄的圖書(shū)情報(bào)學(xué)的影響因子排名前50%的外文期刊刊載論文及其題錄數(shù)據(jù)進(jìn)行計(jì)量研究，進(jìn)而揭示國(guó)際LIS領(lǐng)域熱點(diǎn)研究主題，再利用著名的科學(xué)分析管理工具ESI追蹤LIS領(lǐng)域的研究發(fā)展趨勢(shì)。[方法/過(guò)程]使用自主研發(fā)的程序工具基于Louvain算法對(duì)領(lǐng)域知識(shí)網(wǎng)絡(luò)進(jìn)行知識(shí)群落劃分，進(jìn)而識(shí)別領(lǐng)域知識(shí)主題與研究熱點(diǎn)，再利用科學(xué)分析管理工具ESI根據(jù)共被引分析和聚類算法選出學(xué)科最新研究前沿。[結(jié)果/結(jié)論]通過(guò)研究發(fā)現(xiàn)，近三年國(guó)際圖書(shū)情報(bào)學(xué)的研究熱點(diǎn)主題分別是文獻(xiàn)計(jì)量、高校圖書(shū)館、網(wǎng)絡(luò)社交媒體研究、管理、衛(wèi)生健康、技術(shù)、信息檢索、電子政府、企業(yè)管理和電子商務(wù)等特定領(lǐng)域的信息應(yīng)用，研究前沿主要集中在學(xué)術(shù)平臺(tái)替代計(jì)量學(xué)研究、在線用戶評(píng)論研究、政治文本內(nèi)容挖掘研究、智慧城市研究、讀者閱讀研究、社交媒體相關(guān)研究等。

關(guān)鍵詞：圖書(shū)館學(xué)與信息科學(xué);研究熱點(diǎn);主題劃分;研究前沿

DOI：10.3969/j.issn.1008-0821.2019.09.019

〔中圖分類號(hào)〕G250 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2019）09-0168-10

Abstract：[Purpose/Signficance]This paper examined the papers and their bibliographic data publiashed for the past three years（2015～2017），which were SCI and SSCI included in the top 50% of the impact factors of the library and information science，in order to reveals the hot research topics in the international LIS field，then using the famous scientific analysis management tool ESI to track the research frontiers in the field of LIS.[Method/Process]Using the self-developed program tool to divide the knowledge community based on the louvain algorithm，and the domain knowledge subject division and research hotspots analysis are realized，then using the scientific analysis management tool ESI to determine the frontier of research in the LIS field.[Result/Conclusion]Through research，the hot topics of international library and information science in the past three years are bibliometrics，e-government and university libraries，online social media research，management，health，technology，information retrieval，enterprise management，and e-commerce; the research frontiers are mainly focus on academic platform and alternative analysis，online user review，political text content mining，smart city，text reading，and social media related research.

Key words：LIS;research hotspot;subject division;research frontier

在過(guò)去的幾十年中，有關(guān)圖書(shū)館與信息科學(xué)領(lǐng)域的研究在數(shù)量、國(guó)際化、專業(yè)化程度、應(yīng)用領(lǐng)域和跨學(xué)科關(guān)系方面經(jīng)歷了爆炸式增長(zhǎng)，圖書(shū)館與信息科學(xué)理論與實(shí)際應(yīng)用研究備受關(guān)注。進(jìn)行學(xué)科研究熱點(diǎn)與前沿分析可以盡快把握獲取國(guó)際學(xué)者的研究動(dòng)向，進(jìn)而為L(zhǎng)IS的建設(shè)和完善提供有益的發(fā)展建議。國(guó)外很早就有學(xué)者對(duì)LIS領(lǐng)域進(jìn)行相應(yīng)的研究，Jrvelin K等[1]對(duì)1965-1985年間LIS領(lǐng)域核心期刊論文進(jìn)行內(nèi)容分析，旨在追蹤該領(lǐng)域20年間研究主題與熱點(diǎn)變化情況;Uzun A[2]對(duì)LIS領(lǐng)域21種核心期刊1980-1999年間的文獻(xiàn)內(nèi)容以及作者合著情況進(jìn)行分析，并利用共詞分析方法得出信息檢索、信息需求、信息用戶是LIS領(lǐng)域?qū)W者的熱門(mén)研究主題;Figuerola C G等[3]在LISA數(shù)據(jù)庫(kù)中選取1978-2014年間的LIS領(lǐng)域論文標(biāo)題和摘要，應(yīng)用LDA主題統(tǒng)計(jì)技術(shù)，識(shí)別文檔的主要主題，最終將LIS領(lǐng)域主題分為4個(gè)方面：方法、信息技術(shù)、圖書(shū)館和特定領(lǐng)域的信息應(yīng)用。近年來(lái)國(guó)內(nèi)多位學(xué)者從定性或定量多個(gè)角度揭示LIS領(lǐng)域的研究熱點(diǎn)，邱均平等[4]從研究熱點(diǎn)、研究前沿、知識(shí)基礎(chǔ)3個(gè)方面對(duì)2008-2012年SCI和SSCI收錄的外文期刊論文及其題錄數(shù)據(jù)進(jìn)行可視化計(jì)量研究，并總結(jié)出國(guó)際圖書(shū)情報(bào)學(xué)研究前沿主要有信息學(xué)、引文分析、虛擬網(wǎng)絡(luò)社區(qū)、語(yǔ)義信息檢索等研究領(lǐng)域;柯平等[5]選取22種國(guó)外SSCI收錄期刊論文，借助社會(huì)網(wǎng)絡(luò)分析工具對(duì)關(guān)鍵詞統(tǒng)計(jì)分析，最終將國(guó)外圖書(shū)館學(xué)情報(bào)學(xué)熱點(diǎn)劃分為3個(gè)領(lǐng)域：信息組織檢索與管理、數(shù)字圖書(shū)館、圖書(shū)館用戶及相關(guān)研究。本文在吸收借鑒前人研究成果的基礎(chǔ)上，使用共詞分析方法，通過(guò)詞間關(guān)系數(shù)據(jù)挖掘達(dá)到學(xué)科主題[6]發(fā)現(xiàn)的目的，進(jìn)而了解LIS領(lǐng)域研究的知識(shí)結(jié)構(gòu)，這將有助于了解該領(lǐng)域并為其未來(lái)發(fā)展提供基礎(chǔ)。

1 相關(guān)理論與方法

1.1 共詞分析法

共詞分析（也稱詞共現(xiàn)分析）屬于內(nèi)容分析的范疇，最早在20世紀(jì)70年代中后期由法國(guó)文獻(xiàn)計(jì)量學(xué)家Callon M等[7]提出，其思想來(lái)源于文獻(xiàn)計(jì)量學(xué)的引文耦合與共被引概念，他們?cè)?986年對(duì)共詞分析理論進(jìn)行完善并出版了第一部關(guān)于共詞分析法的專著[8]。共詞分析經(jīng)過(guò)20多年的發(fā)展，已經(jīng)在人工智能、科學(xué)計(jì)量、信息科學(xué)與信息系統(tǒng)等多個(gè)領(lǐng)域被廣泛應(yīng)用。共詞分析一般以文本中的單詞、關(guān)鍵詞或主題詞為分析單元，分析在同一個(gè)文本主體中的單詞或者名詞短語(yǔ)對(duì)共同出現(xiàn)的形式，一般認(rèn)為詞匯在同一篇文章中出現(xiàn)的次數(shù)越多，這兩者之間的關(guān)系就越為緊密，由此可以分析主題詞兩兩文章之間同時(shí)出現(xiàn)的頻率，以發(fā)現(xiàn)科學(xué)領(lǐng)域的學(xué)科結(jié)構(gòu)[9]。

1.2 Louvain算法

領(lǐng)域知識(shí)在時(shí)間序列上的不斷發(fā)展演進(jìn)，使得各知識(shí)節(jié)點(diǎn)基于彼此之間的關(guān)聯(lián)關(guān)系逐漸形成知識(shí)主題，領(lǐng)域知識(shí)網(wǎng)絡(luò)是由不同的知識(shí)主題所構(gòu)成的。將網(wǎng)絡(luò)劃分為主題的依據(jù)有很多，大體上分為圖劃分和社群發(fā)現(xiàn)兩類算法。其中圖劃分主要特點(diǎn)是指定了主題規(guī)模和數(shù)量，目的在于把網(wǎng)絡(luò)劃分成更小、更容易管理的碎片從而進(jìn)行研究;而社群發(fā)現(xiàn)是主要依據(jù)網(wǎng)絡(luò)本身的拓?fù)浣Y(jié)構(gòu)來(lái)決定主題的數(shù)量和規(guī)模，即自然地識(shí)別網(wǎng)絡(luò)內(nèi)部不同主題。本研究目的在于探究領(lǐng)域知識(shí)網(wǎng)絡(luò)中知識(shí)主題的識(shí)別，事先并不確定知識(shí)主題的具體情況，因此研究中基于關(guān)鍵詞節(jié)點(diǎn)之間的鄰接關(guān)系構(gòu)建領(lǐng)域知識(shí)網(wǎng)絡(luò)，采用社群發(fā)現(xiàn)中的Louvain算法來(lái)對(duì)領(lǐng)域知識(shí)網(wǎng)絡(luò)中的知識(shí)主題進(jìn)行劃分與識(shí)別。Wallace M L[10]等人也曾指出社群發(fā)現(xiàn)算法有助于規(guī)模較大的復(fù)雜網(wǎng)絡(luò)的分析研究，并在知識(shí)主題的識(shí)別上具有明顯的天然優(yōu)勢(shì)。

Louvain算法就是基于模塊度的社群發(fā)現(xiàn)算法，該算法不需事先確定群落信息，并且在研究大型網(wǎng)絡(luò)上具有較好的效率和效果表現(xiàn)。該算法通過(guò)不斷將節(jié)點(diǎn)進(jìn)行凝聚，實(shí)現(xiàn)將整個(gè)網(wǎng)絡(luò)分解為多個(gè)群落。Louvain算法的主要步驟如下：

1）將網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)看成是一個(gè)獨(dú)立的群落，即群落數(shù)目與節(jié)點(diǎn)個(gè)數(shù)相同;

2）對(duì)每個(gè)節(jié)點(diǎn)i，依次嘗試把節(jié)點(diǎn)i分配到每個(gè)鄰居節(jié)點(diǎn)所在的群落中，計(jì)算分配前后的模塊度變化ΔQ，并記錄ΔQ值最大的鄰居節(jié)點(diǎn)，如果MaxΔQ>0，則把節(jié)點(diǎn)i分配到該鄰居節(jié)點(diǎn)所在的群落，否則保持不變;

3）對(duì)網(wǎng)絡(luò)進(jìn)行壓縮，將所有同在一個(gè)群落內(nèi)的節(jié)點(diǎn)壓縮成一個(gè)新的節(jié)點(diǎn)，重復(fù)1）的過(guò)程，直至整個(gè)網(wǎng)絡(luò)的模塊度不在發(fā)生變化，即達(dá)到最大值。

經(jīng)由上述步驟，Louvain算法通過(guò)不斷聚集各節(jié)點(diǎn)來(lái)實(shí)現(xiàn)模塊度值最優(yōu)的結(jié)果，從而確定網(wǎng)絡(luò)中群落的劃分。研究中，基于上述的理論和思想，劃分領(lǐng)域知識(shí)網(wǎng)絡(luò)中的知識(shí)群落，進(jìn)而識(shí)別LIS領(lǐng)域研究主題。

2 數(shù)據(jù)獲取與預(yù)處理

期刊引用報(bào)告（Journal Citation Reports，簡(jiǎn)稱JCR）[11]依據(jù)來(lái)自Web of Science平臺(tái)中的引文數(shù)據(jù)，是一個(gè)獨(dú)特的多學(xué)科期刊評(píng)價(jià)工具，JCR以可計(jì)量的統(tǒng)計(jì)數(shù)據(jù)提供了一種系統(tǒng)客觀測(cè)定某個(gè)主題類目中大量期刊相對(duì)重要性的方法，進(jìn)而了解學(xué)術(shù)期刊在相應(yīng)研究領(lǐng)域的影響力。期刊引證報(bào)告中LIS專業(yè)目錄下，共收錄了88種學(xué)術(shù)期刊，基于數(shù)據(jù)格式的統(tǒng)一與研究的需要，筆者選取排名前50%且具有作者關(guān)鍵詞的SSCI/SCI期刊共44個(gè)，在WoS核心合集數(shù)據(jù)庫(kù)中以出版物名稱作為檢索項(xiàng)，數(shù)據(jù)時(shí)間限定為2015-2017年，共計(jì)檢索出8 018篇文獻(xiàn)（檢索時(shí)間：2018年7月8日），經(jīng)過(guò)統(tǒng)一大小寫(xiě)、合并同類關(guān)鍵詞等數(shù)據(jù)清洗與預(yù)處理工作，最終得到作者關(guān)鍵詞21 073個(gè)，關(guān)鍵詞關(guān)聯(lián)關(guān)系112 113對(duì)。由于篇幅有限，影響因子排名前10位期刊的名稱、影響因子、文章數(shù)量、作者關(guān)鍵詞數(shù)量如表1所示。

根據(jù)表1中期刊的基礎(chǔ)研究數(shù)據(jù)，可知WoS數(shù)據(jù)庫(kù)收錄的LIS領(lǐng)域各期刊論文數(shù)目差距較大，且外文期刊的作者關(guān)鍵詞數(shù)量較多，平均每篇文章作者關(guān)鍵詞在5個(gè)左右，各個(gè)期刊之間關(guān)鍵詞最高出現(xiàn)頻次數(shù)值差距也較大。根據(jù)文獻(xiàn)中作者關(guān)鍵詞的共現(xiàn)關(guān)系構(gòu)建LIS領(lǐng)域知識(shí)網(wǎng)絡(luò)，選取網(wǎng)絡(luò)中具有19 832個(gè)知識(shí)節(jié)點(diǎn)的最大連通圖進(jìn)行研究，再使用自主研發(fā)的程序工具基于Louvain算法對(duì)網(wǎng)絡(luò)進(jìn)行知識(shí)群落劃分，進(jìn)而實(shí)現(xiàn)領(lǐng)域知識(shí)主題劃分與研究熱點(diǎn)分析。

3 LIS領(lǐng)域研究熱點(diǎn)與前沿分析

3.1 領(lǐng)域知識(shí)主題群落規(guī)模分析

經(jīng)過(guò)自主研發(fā)的程序工具基于Louvain算法的劃分后，共詞網(wǎng)絡(luò)最終被劃分為70個(gè)主題群落，主題群落規(guī)模如圖1所示，主題群落的規(guī)模由群落中包含的知識(shí)節(jié)點(diǎn)的數(shù)量決定，群落規(guī)模越大，其所反映的領(lǐng)域主題的內(nèi)涵越深，外延越廣，對(duì)于領(lǐng)域主題挖掘具有重要意義。本研究選取主題網(wǎng)絡(luò)規(guī)模排名前9位，分別具有2 781、2 327、2 268、1 895、1 653、1 307、761、605、562個(gè)知識(shí)節(jié)點(diǎn)數(shù)的T64、T8、T37、T38、T61、T3、T34、T23、T60知識(shí)主題社群進(jìn)行研究。

根據(jù)圖1可以看出，LIS領(lǐng)域關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中各知識(shí)主題群落規(guī)模差距較大，T64、T8、T37、T38、T61主題群落中的知識(shí)節(jié)點(diǎn)就約占整個(gè)領(lǐng)域知識(shí)網(wǎng)絡(luò)節(jié)點(diǎn)的1/2，本研究選取的主題規(guī)模前9的主題群落中包含知識(shí)節(jié)點(diǎn)數(shù)量為14 159個(gè)，約占整個(gè)領(lǐng)域知識(shí)網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量的71%，涵蓋了大部分領(lǐng)域知識(shí)節(jié)點(diǎn)，為研究結(jié)果的科學(xué)、準(zhǔn)確性提供保障。

3.2 LIS領(lǐng)域研究熱點(diǎn)分析

本研究基于知識(shí)網(wǎng)絡(luò)中關(guān)鍵詞節(jié)點(diǎn)的度數(shù)中心度來(lái)識(shí)別國(guó)際LIS領(lǐng)域的研究熱點(diǎn)。共詞強(qiáng)度是社會(huì)網(wǎng)絡(luò)分析中節(jié)點(diǎn)關(guān)鍵程度評(píng)價(jià)的重要標(biāo)準(zhǔn)，主要指標(biāo)是度數(shù)中心度，度數(shù)中心度越高，說(shuō)明該節(jié)點(diǎn)在知識(shí)網(wǎng)絡(luò)中影響越大，越有可能成為該領(lǐng)域的研究熱點(diǎn)[12]。筆者使用自主研發(fā)的程序工具采用Louvain算法對(duì)國(guó)際LIS領(lǐng)域知識(shí)網(wǎng)絡(luò)進(jìn)行劃分，選取知識(shí)主題群落規(guī)模排名前9位的知識(shí)群落進(jìn)行領(lǐng)域研究熱點(diǎn)分析，主題群落可視化結(jié)果如圖2所示，圖中a～i序號(hào)分別代表著T64、T8、T37、T38、T61、T3、T34、T23、T60知識(shí)主題群落。

圖2中呈現(xiàn)了各個(gè)主題群落的規(guī)模，主題規(guī)模越大，網(wǎng)絡(luò)中包含的知識(shí)節(jié)點(diǎn)數(shù)量越多，關(guān)聯(lián)關(guān)系越復(fù)雜，為了進(jìn)一步揭示知識(shí)主題所涵蓋的具體內(nèi)容，筆者統(tǒng)計(jì)了每個(gè)知識(shí)主題群落中度數(shù)中心度排名前10位的關(guān)鍵詞分布如表2所示。

根據(jù)表2、表3可發(fā)現(xiàn)近三年國(guó)際LIS研究9大研究主題內(nèi)容可歸納為：文獻(xiàn)計(jì)量、電子政府與高校圖書(shū)館、網(wǎng)絡(luò)社交媒體研究、管理、衛(wèi)生健康、技術(shù)、信息檢索、企業(yè)管理、電子商務(wù)。

a群落反映出文獻(xiàn)計(jì)量主題的熱點(diǎn)詞匯，包括文獻(xiàn)計(jì)量學(xué)（Bibliometrics）、引文分析（Citation Analysis）、合作（Collaboration）、 社會(huì)網(wǎng)絡(luò)分析（Social Network Analysis）、科學(xué)計(jì)量學(xué)（Scientometrics）、研究評(píng)估（Research Evaluation）、開(kāi)放獲?。∣pen Access）、網(wǎng)絡(luò)分析（Network Analysis）等，這些熱點(diǎn)詞匯涵蓋了計(jì)量學(xué)研究的基礎(chǔ)理論、分析方法、研究對(duì)象、研究目的等，計(jì)量學(xué)是LIS領(lǐng)域研究發(fā)展中相對(duì)獨(dú)立的一個(gè)研究領(lǐng)域主題。

b群落反映出電子政府與高校圖書(shū)館主題的熱點(diǎn)詞匯，包括大數(shù)據(jù)（Big Data）、創(chuàng)新（Innovation）、高校圖書(shū)館（Academic Libraries）、社會(huì)網(wǎng)絡(luò)（Social Networks）、隱私（Privacy）、信任（Trust）、電子政府（E-Government）、信息技術(shù)（Information Technology）、采用（Adoption）、Web2等，這些熱點(diǎn)詞匯代表了LIS學(xué)科重要的研究?jī)?nèi)容，有關(guān)政府以及高校圖書(shū)館服務(wù)方向的研究。

c群落反映出網(wǎng)絡(luò)社交媒體研究主題的熱點(diǎn)詞匯，包括社交媒體（Social Media）、Twitter、互聯(lián)網(wǎng)（Internet）、信息素養(yǎng)（Information Literacy）、Facebook、數(shù)字化分（Digital Divide）、信息通訊技術(shù)（ICT）等，這些熱點(diǎn)詞匯是LIS研究在網(wǎng)絡(luò)環(huán)境下研究?jī)?nèi)容的體現(xiàn)，研究社交媒體用戶使用、傳播、交互規(guī)律，也逐漸成為近年來(lái)LIS領(lǐng)域?qū)W者研究熱點(diǎn)之一。

d群落反映出管理主題領(lǐng)域的熱點(diǎn)詞匯，包括知識(shí)管理（Knowledge Management）、知識(shí)共享（Knowledge Sharing）、案例分析（Case Study）、文獻(xiàn)評(píng)論（Literature Review）、云計(jì)算（Cloud Computing）、技術(shù)采納（Technology Adoption）、電子商務(wù)（E-commerce）等，這些熱點(diǎn)詞匯是LIS研究管理學(xué)方向的反映，LIS學(xué)科是管理學(xué)的下位學(xué)科，與管理學(xué)有著天然密切的聯(lián)系。

e群落反映出衛(wèi)生健康主題的熱點(diǎn)詞匯，包括衛(wèi)生保健（Health Care）、電子健康記錄（Electronic Health Record）、健康信息技術(shù)（Health Information Technology）、性別（Gender）、扎根理論（Grounded Theory）、定性研究（Qualitative Research）、教育（Education）等，這些熱點(diǎn)詞匯體現(xiàn)了LIS學(xué)科與醫(yī)學(xué)信息學(xué)科交叉融合發(fā)展趨勢(shì)，交叉學(xué)科研究也是當(dāng)前國(guó)際LIS研究的熱點(diǎn)主題。

f群落反映出技術(shù)主題的熱點(diǎn)詞匯，包括自然語(yǔ)言處理（Natural Language Processing）、機(jī)器學(xué)習(xí)（Machine Learning）、信息安全（Information Security）、設(shè)計(jì)科學(xué)（Design Science）、規(guī)則（Regulation）等，這些熱點(diǎn)詞匯也同樣體現(xiàn)了LIS學(xué)科與計(jì)算機(jī)學(xué)科的交叉研究，說(shuō)明在LIS研究領(lǐng)域，技術(shù)主題占據(jù)著非常重要的地位，國(guó)際范圍內(nèi)LIS領(lǐng)域呈現(xiàn)出注重技術(shù)的研究特征。

g群落反映出信息檢索研究主題的熱點(diǎn)詞匯，包括文本挖掘（Text Mining）、分類（Classification）、聚類（Clustering）、可視化（Visualization）、推薦（Recommend Systems）、專利（Patent）、科學(xué)圖譜（Science Mapping）、LDA主題分析模型（Latent Dirichlet Allocation）等，這些熱點(diǎn)詞匯涉及信息檢索這一重要主題研究過(guò)程中采用的技術(shù)方法。

h群落反映出企業(yè)管理研究主題的熱點(diǎn)詞匯，包括制度理論（Institutional Theory）、公司業(yè)績(jī)（Firm Performance）、吸收能力（Absorptive Capacity）、組織學(xué)習(xí)（Organizational Learning）、創(chuàng)造價(jià)值（Value Creation）、商業(yè)價(jià)值（Business Valueofit）、大數(shù)據(jù)分析（Big Data Analytics）、數(shù)字化（Digitization）、面板數(shù)據(jù)（Panel Data）等，這些熱點(diǎn)詞匯體現(xiàn)了大數(shù)據(jù)背景下LIS學(xué)科與企業(yè)管理的交叉融合研究，面向企業(yè)的競(jìng)爭(zhēng)情報(bào)分析相關(guān)研究也是國(guó)際LIS領(lǐng)域研究熱點(diǎn)。

i群落反映出電子商務(wù)研究主題的熱點(diǎn)詞匯，包括滿意度（Satisfaction）、用戶產(chǎn)生內(nèi)容（User Generated Content）、口碑（Word Of Mouth）、電子商務(wù)（Electronic Commerce）、網(wǎng)絡(luò)口碑（Ewom）、網(wǎng)絡(luò)評(píng)論（Online Reviews）、人群資金（Crowd Funding）、社交商務(wù)（Social Commerce）等，這些熱點(diǎn)詞匯體現(xiàn)了近年來(lái)有關(guān)電子商務(wù)主題相關(guān)研究是國(guó)際LIS領(lǐng)域研究的一個(gè)方向。

3.3 LIS領(lǐng)域研究熱點(diǎn)演化分析

為了進(jìn)一步把握LIS領(lǐng)域研究熱點(diǎn)的變化情況，筆者選取2015-2017度數(shù)中心度累積數(shù)據(jù)排名前20的知識(shí)節(jié)點(diǎn)，這些高點(diǎn)度中心度知識(shí)節(jié)點(diǎn)可以在一定程度上反映國(guó)際LIS領(lǐng)域研究熱點(diǎn)，度數(shù)中心度排名前20的關(guān)鍵詞及數(shù)值如表3所示。

根據(jù)表3中確定的知識(shí)節(jié)點(diǎn)，對(duì)其在2015-2017年3年中的演化過(guò)程進(jìn)行動(dòng)態(tài)跟蹤，進(jìn)而總結(jié)研究熱點(diǎn)的變化趨勢(shì)，筆者統(tǒng)計(jì)了這20個(gè)知識(shí)節(jié)點(diǎn)在每一年的度數(shù)中心度發(fā)生值，這些節(jié)點(diǎn)的度數(shù)中心度時(shí)間序列增長(zhǎng)數(shù)據(jù)如圖3所示。

根據(jù)圖3中各年度數(shù)中心度變化情況可知，部分知識(shí)節(jié)點(diǎn)度數(shù)中心度在時(shí)間序列中居高不下，保持著持續(xù)增長(zhǎng)的態(tài)勢(shì)，如“Social Media”、“Qualitative”、“Knowledge Management”、“Big Data”、“Twitter”、“Social Networks”、“Communication”、“E-government”，說(shuō)明有關(guān)社交媒體、知識(shí)管理、大數(shù)據(jù)等問(wèn)題的研究在國(guó)際情報(bào)學(xué)領(lǐng)域中很受歡迎，是國(guó)際學(xué)者主要的研究方向以及中長(zhǎng)期的核心熱點(diǎn)。尤其是“Social Media”、“Qualitative”在時(shí)間序列上相對(duì)顯著的增長(zhǎng)數(shù)據(jù)，說(shuō)明學(xué)者們?cè)谶M(jìn)行科學(xué)研究過(guò)程中更傾向于使用定量研究的方法，同時(shí)也再次印證了2015年以來(lái)，網(wǎng)絡(luò)技術(shù)的繁榮發(fā)展直接促進(jìn)了社交網(wǎng)絡(luò)載體的豐富性，社交網(wǎng)絡(luò)在社會(huì)中的實(shí)際應(yīng)用越來(lái)越廣泛，使得對(duì)于此類問(wèn)題的研究愈加有實(shí)踐意義，進(jìn)而掀起了廣大國(guó)際學(xué)者們的研究熱潮。但具體來(lái)看，相比于2015年，一些主題關(guān)鍵詞的度數(shù)中心度在2016年呈現(xiàn)出增長(zhǎng)態(tài)勢(shì)，但在2017年又迅速下降，如“Bibliometrics”、“Citation Analysis”、“Knowledge Sharing”、“Innovation”、“Academic Library”、“Privacy”、“Trust”，說(shuō)明文獻(xiàn)計(jì)量、知識(shí)共享、高校圖書(shū)館、隱私、信任等問(wèn)題只受到國(guó)際學(xué)者短時(shí)間內(nèi)的接受和歡迎，學(xué)者對(duì)于此類問(wèn)題的研究熱情呈現(xiàn)下降趨勢(shì)。值得注意的是“Health Care”、“Collaboration”、“Internet”、“China”等關(guān)鍵詞隨著時(shí)間的發(fā)展度數(shù)中心度在這3年中始終呈現(xiàn)出下降趨勢(shì)，其中“Health Care”知識(shí)節(jié)點(diǎn)度數(shù)中心度下降幅度最為顯著，說(shuō)明LIS領(lǐng)域與醫(yī)學(xué)領(lǐng)域研究的交融力度在減弱，兩個(gè)領(lǐng)域的粘合度隨著時(shí)間的推移逐漸變低。

4 LIS領(lǐng)域研究前沿分析

4.1 研究前沿靜態(tài)分析

本研究利用著名的科學(xué)分析管理工具ESI追蹤LIS領(lǐng)域的研究發(fā)展趨勢(shì)，ESI檢索研究前沿（Research Fronts）根據(jù)共被引分析和聚類算法選出的學(xué)科最新研究前沿，反映了現(xiàn)代科學(xué)中的突破性領(lǐng)域和集中研究領(lǐng)域，每一組前沿主題包含一組高被引論文，詳細(xì)揭示了該課題的發(fā)展現(xiàn)狀。進(jìn)入ESI的Results List，點(diǎn)擊Research Fronts，Add Filter選擇Social Sciences，General，則可以得到目前國(guó)際最熱的研究前沿關(guān)鍵詞，從中可以找到社會(huì)科學(xué)領(lǐng)域的相關(guān)科研前沿，進(jìn)而確定目前國(guó)際LIS領(lǐng)域的研究前沿，Research Fronts關(guān)鍵詞如表4所示。

根據(jù)表4可知，當(dāng)前LIS領(lǐng)域研究前沿主要集中在以下幾個(gè)方面：1）學(xué)術(shù)平臺(tái)的相關(guān)問(wèn)題研究，在對(duì)此類問(wèn)題的文獻(xiàn)梳理過(guò)程中發(fā)現(xiàn)，英國(guó)伍爾弗漢普頓大學(xué)統(tǒng)計(jì)網(wǎng)絡(luò)計(jì)量研究小組的Thelwall M[13]對(duì)于此類問(wèn)題研究的較多，逐漸形成系列性成果，他在2017年最早展開(kāi)對(duì)微軟學(xué)術(shù)早期引用問(wèn)題的研究，對(duì)來(lái)自不同專業(yè)的29種大型期刊的172 752篇文章引用數(shù)量進(jìn)行了統(tǒng)計(jì)，結(jié)果表明微軟學(xué)術(shù)引用總體上比Scopus略多6%，比Mendeley讀者略少7%。隨后的1年中，該作者又探討了微軟學(xué)術(shù)是否可以使用其網(wǎng)絡(luò)搜索組件來(lái)識(shí)別最近發(fā)表的文章的早期引用，結(jié)果表明微軟學(xué)術(shù)和Scopus引用計(jì)數(shù)在所有年份都是相似的，微軟學(xué)術(shù)平臺(tái)并不能更好地利用在線預(yù)印本來(lái)找到早期引用[14]。2）在線用戶評(píng)論研究，包括酒店評(píng)論、旅游評(píng)論、消費(fèi)評(píng)論、負(fù)面評(píng)論等;學(xué)者們大都通過(guò)研究用戶的評(píng)論數(shù)據(jù)，探究評(píng)論內(nèi)容對(duì)于產(chǎn)品營(yíng)銷的影響，進(jìn)而提出具有針對(duì)性的策略和建議。3）對(duì)政治文本的內(nèi)容挖掘研究，政治文本對(duì)于政治科學(xué)研究具有重大意義，斯坦福大學(xué)的Grimmer J等[15]檢驗(yàn)了各種方法，最終得出自動(dòng)文本方法對(duì)于政治科學(xué)家來(lái)說(shuō)是最理想的標(biāo)準(zhǔn)工具。4）智慧城市相關(guān)研究，倫敦大學(xué)高級(jí)空間分析中心的Batty M等[16]提出了智慧城市發(fā)展的7個(gè)目標(biāo)，即對(duì)城市問(wèn)題的新認(rèn)識(shí);找到協(xié)調(diào)城市技術(shù)的可行性方法;在時(shí)間和空間維度上建立和使用城市數(shù)據(jù)的模型和方法;開(kāi)發(fā)新的傳播和交流技術(shù);發(fā)展新形式的城市治理和組織;確定關(guān)于城市、交通和能源的關(guān)鍵問(wèn)題;識(shí)別智慧城市中的風(fēng)險(xiǎn)、不確定性和危害。5）讀者閱讀研究，包括閱讀認(rèn)知機(jī)制、視覺(jué)詞閱讀等，Browder D M等[17]對(duì)殘疾人視覺(jué)詞進(jìn)行了全面審查，確定視線詞研究的整體有效性以及對(duì)殘疾人的影響，它們使用薈萃分析法得出結(jié)論，對(duì)于患有中度和重度殘疾的人來(lái)說(shuō)，視覺(jué)詞教學(xué)對(duì)于提升殘疾人閱讀功能非常有效。6）社交媒體相關(guān)研究，Kawaljeet K K等[18]提出，目前大多數(shù)論文都是關(guān)于社交媒體的用戶行為、評(píng)論以及建議研究，還有一些學(xué)者對(duì)網(wǎng)絡(luò)社區(qū)、社交媒體作為營(yíng)銷媒介的可能性進(jìn)行評(píng)估研究，少數(shù)學(xué)者則探討了其使用的相關(guān)風(fēng)險(xiǎn)，它所創(chuàng)造的價(jià)值以及在工作場(chǎng)所附加的負(fù)面影響、社交媒體所涉及的政治和公共管理，傳統(tǒng)媒介和社交媒體之間的比較研究。

ESI分析研究前沿的另一個(gè)重要的工具便是科睿唯安與中科院文獻(xiàn)情報(bào)中心聯(lián)合發(fā)布的研究前沿系列報(bào)告。以《2017研究前沿》報(bào)告為例，從ESI Research Fronts中遴選出100個(gè)研究熱點(diǎn)前沿和43個(gè)新興前沿，并解讀其中的27個(gè)重點(diǎn)前沿，是在文獻(xiàn)計(jì)量指標(biāo)的基礎(chǔ)上對(duì)2017年全球科技發(fā)展布局和競(jìng)爭(zhēng)結(jié)構(gòu)的一種分析和解釋，對(duì)于科研人員研判世界科技前沿具有基礎(chǔ)性意義。在每個(gè)學(xué)科領(lǐng)域利用P和CPT指標(biāo)（結(jié)合專家判斷）分別選出一個(gè)重點(diǎn)熱點(diǎn)前沿，在每個(gè)學(xué)科領(lǐng)域利用CPT指標(biāo)（結(jié)合專家判斷）選出一個(gè)重點(diǎn)新興前沿，CPT指標(biāo)值越高表明研究前沿越熱[19]。

根據(jù)《2017研究前沿》報(bào)告預(yù)測(cè)2017-2018年度的最新經(jīng)濟(jì)學(xué)、心理學(xué)以及其他社會(huì)科學(xué)Top10熱點(diǎn)前沿科研（表5），再結(jié)合表4中調(diào)研結(jié)果，LIS領(lǐng)域課題科研人員應(yīng)盡快開(kāi)展有關(guān)替代計(jì)量學(xué)相關(guān)問(wèn)題的研究。

圖4中顯示了各前沿主題在時(shí)間序列發(fā)展過(guò)程中的高被引論文數(shù)量、高被引論文被引次數(shù)、平均每篇高被引論文被引次數(shù)，圖中以5年為1個(gè)時(shí)間窗口，以1年為步長(zhǎng)。根據(jù)圖4可知，部分前沿問(wèn)題呈現(xiàn)出相同的發(fā)展軌跡，遵循著相似的發(fā)展規(guī)律。

學(xué)術(shù)平臺(tái)以及替代計(jì)量學(xué)問(wèn)題、智慧城市問(wèn)題、讀者閱讀相關(guān)研究在T1（2009-2013）到T2（2010-2014）時(shí)間窗口演化過(guò)程中3個(gè)變量折線的斜率最大，是高被引文獻(xiàn)數(shù)量的爆發(fā)期，T2（2010-2014）到T5（2013-2017）時(shí)間窗口進(jìn)入穩(wěn)步增長(zhǎng)階段，在T5（2013-2017）到T6（2014-2018）窗口演化中各變量趨于穩(wěn)定;

政治文本挖掘以及社交媒體問(wèn)題研究在T1（2009-2013）到T2（2010-2014）時(shí)間窗口發(fā)展過(guò)程中，高被引論文及其引用次數(shù)迅速增長(zhǎng)，但在T2（2010-2014）至T5（2013-2017）時(shí)間窗口演化過(guò)程中呈現(xiàn)出長(zhǎng)時(shí)間穩(wěn)定發(fā)展態(tài)勢(shì)，T5（2013-2017）至T6（2014-2018）時(shí)間窗口演化過(guò)程中高被引論文數(shù)量及其引用數(shù)量呈現(xiàn)下降趨勢(shì);

用戶評(píng)論相關(guān)問(wèn)題研究經(jīng)歷了獨(dú)特的發(fā)展歷程，其在T1（2009-2013）至T2（2010-2014）時(shí)間窗口演化過(guò)程中高被引論文及其被引數(shù)量發(fā)展較為緩慢，相較于其他前沿問(wèn)題，用戶評(píng)論研究起步較晚，但在隨后的T2（2010-2014）至T3（2011-2015）過(guò)程中迅速發(fā)展，在T5（2013-2017）時(shí)間窗口下達(dá)到頂峰期，隨后在T5（2013-2017）至T6（2014-2018）時(shí)間窗口演化過(guò)程中呈現(xiàn)下降趨勢(shì)。

5 結(jié) 語(yǔ)

通過(guò)本研究對(duì)于熱點(diǎn)以及前沿問(wèn)題的數(shù)據(jù)挖掘結(jié)果，可初步得出如下結(jié)論：近三年國(guó)際圖書(shū)情報(bào)學(xué)的研究熱點(diǎn)主題分別是文獻(xiàn)計(jì)量、電子政府與高校圖書(shū)館、網(wǎng)絡(luò)社交媒體研究、管理、衛(wèi)生健康、技術(shù)、信息檢索、企業(yè)管理和電子商務(wù)等特定領(lǐng)域的信息應(yīng)用;研究前沿主要集中在學(xué)術(shù)平臺(tái)替代計(jì)量學(xué)研究、在線用戶評(píng)論研究、政治文本內(nèi)容挖掘研究、智慧城市研究、讀者閱讀研究、社交媒體相關(guān)研究等。

參考文獻(xiàn)

[1]Jrvelin K，Vakkari P.The Evolution of Library and Information Science 1965-1985：A Content Analysis of Journal Articles[J].Information Processing & Management，1993，29（1）：129-144.

[2]Uzun A.Library and Information Science Research in Developing Countries and Eastern European Countries：A Brief Bibliometric Perspective[J].International Information & Library Review，2002，34（1）：21-33.

[3]Figuerola C G，Marco F J G，Pinto M.Mapping the Evolution of Library and Information Science（1978-2014）Using Topic Modeling on LISA[J].Scientometrics，2017，112（3）：1507-1535.

[4]邱均平，呂紅.近五年國(guó)際圖書(shū)情報(bào)學(xué)研究熱點(diǎn)、前沿及其知識(shí)基礎(chǔ)——基于17種外文期刊知識(shí)圖譜的可視化分析[J].圖書(shū)情報(bào)知識(shí)，2013，（3）：4-15.

[5]柯平，賈東琴，李廷翰.2010年國(guó)外圖書(shū)館學(xué)情報(bào)學(xué)研究熱點(diǎn)分析[J].情報(bào)科學(xué)，2011，29（9）：1281-1288.

[6]鄧淑卿，徐健.我國(guó)情報(bào)學(xué)研究主題內(nèi)容分析[J].情報(bào)科學(xué)，2017，35（11）：83-88.

[7]Callon M，Courtial J，Turner W A，et al.From Translation to Problematic Networks：An Introduction to Co-word Analysis[J].Social Science Information，1983，22（2）：191-235.

[8]Callon M，Law J，Rip A.Mapping out the Dynamics of Science and Technology：Sociology of Science in the Real World[M].London：Macmillan，1986.

[9]孫健夫，陳蘭杰.基于知識(shí)圖譜的國(guó)際信息政策研究熱點(diǎn)與前沿分析[J].情報(bào)科學(xué)，2010，（3）：389-394.

[10]Wallace M L，Gingras Y，Duhon R.A New Approach for Detecting Scientific Specialties from Raw Cocitation Networks[J].Journal of the Association for Information Science and Technology，2009，60（2）：240-246.

[11]Thomson Reuters.Journal Citation Reports[EB/OL].http：//www.Thomson scientific.com.cn/products services /jcr/，2018-07-01.

[12]楊穎，崔雷.基于共詞可視化的學(xué)科戰(zhàn)略情報(bào)研究[J].情報(bào)學(xué)報(bào)，2011，30（3）：325-330.

[13]Thelwall M.Microsoft Academic：A Multidisciplinary Comparison of Citation Counts with Scopus and Mendeley for 29 Journals[J].Journal of Informetrics，2017，11（4）：1201-1212.

[14]Thelwall M.Does Microsoft Academic Find Early Citations？[J].Scientometrics，2018，114（1）：325-334.

[15]Grimmer J，Stewart B M.Text as Data：The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts[J].Political Analysis，2013，21（3）：267-297.

[16]Batty M，Axhausen K W，Giannotti F，et al.Smart Cities of the Future[J].The European Physical Journal Special Topics，2012，214（1）：481-518.

[17]Browder D M，Xin Y P.A Meta-analysis and Review of Sight Word Research and Its Implications for Teaching Functional Reading to Individuals with Moderate and Severe Disabilities[J].The Journal of Special Education，1998，32（3）：130-153.

[18]Kapoor K K，Tamilmani K，Rana N P，et al.Advances in Social Media Research：Past，Present and Future[J].Information Systems Frontiers，2018，20（3）：531-558.

[19]冷伏海，孫震，周秋菊.《2015研究前沿》報(bào)告的研制實(shí)踐與相關(guān)探討[J].智庫(kù)理論與實(shí)踐，2016，1（02）：79-87.

[20]王莉，李世宇.基于Cite Space的國(guó)內(nèi)“互聯(lián)網(wǎng)+傳統(tǒng)行業(yè)”研究熱點(diǎn)與前沿分析[J].情報(bào)科學(xué)，2017，35（2）：150-156.

（責(zé)任編輯：郭沫含）