2017－2019年國外圖書情報學(xué)研究熱點與前沿可視化分析

蘇瑞竹，張 悅，閆靜雅（廣西民族大學(xué)管理學(xué)院）

1 研究設(shè)計

1.1 研究方法和工具

本研究采用引文分析法、共現(xiàn)分析法、科學(xué)知識圖譜與信息可視化的研究方法。選取可視化分析軟件CiteSpace作為研究工具，以Web of Science（WoS）導(dǎo)出的純文本數(shù)據(jù)為主要的數(shù)據(jù)源，探討圖書情報學(xué)領(lǐng)域的研究熱點和發(fā)展趨勢。與其他文獻分析軟件相比，Citespace有其自身的優(yōu)勢和獨特之處：①可以將WoS等數(shù)據(jù)庫的原始數(shù)據(jù)格式直接導(dǎo)入進行運算及作圖，原始數(shù)據(jù)不需要轉(zhuǎn)化為矩陣的格式；②對于同一數(shù)據(jù)樣本，可進行多種圖譜繪制，從不同角度展現(xiàn)數(shù)據(jù)演化特征；③該軟件通過對節(jié)點和連線標(biāo)記不同顏色，清晰地展現(xiàn)出文獻數(shù)據(jù)隨時間變化的脈絡(luò)；④解釋圖形很主觀，可以使用系統(tǒng)的算法生成聚類，也可以用視覺判斷聚類，咨詢領(lǐng)域?qū)＜遥?］。

1.2 研究對象

首先，對比JCR報告“Information Science&Library Science”類別中所收錄的89種期刊與北京大學(xué)編著的《國外人文社會科學(xué)核心期刊總覽》“圖書館學(xué)、情報學(xué)、檔案學(xué)類核心期刊表”中收錄的61種期刊進行對照，得到交集。其次，選取JCR報告中影響因子排名靠前且在WoS核心數(shù)據(jù)集中能夠獲得“全記錄與引用的參考文獻”格式的共14種期刊作為研究對象（見表1）。最后，運用CiteSpace軟件對這些期刊2017—2019年（時間截至2019年10月中旬）刊載的3,015篇文獻（Article）進行科學(xué)計量分析。

表1 14種期刊一覽表（根據(jù)影響因子的值作降序排列）

2 研究熱點

本文利用CiteSpace軟件對3,015篇文獻的關(guān)鍵詞進行共詞（Co-words）聚類挖掘分析，科學(xué)直觀描述了LIS領(lǐng)域的研究熱點（見圖1）。

圖1 關(guān)鍵詞聚類知識圖譜

該圖反映了國際LIS領(lǐng)域近兩年的熱點問題，利用LLR算法對關(guān)鍵詞進行聚類，聚類號表示某關(guān)鍵詞聚類后所在的主題。Modularity（M）即網(wǎng)絡(luò)模塊化評價指標(biāo)，值越大，表示聚類越好，M的取值區(qū)間為［0，1］，當(dāng)M＞0.3時，得到的網(wǎng)絡(luò)社團結(jié)構(gòu)是顯著的。Silhouette（S）是用來衡量網(wǎng)絡(luò)同質(zhì)性的指標(biāo)，當(dāng)其值＞0.5時，表示聚類結(jié)果是合理的，其值越接近1，同質(zhì)性越高。通過LLR算法，M＝0.4085，S＝0.6108，說明得出的關(guān)鍵詞聚類知識圖譜合理、客觀。圖1中加粗字體表示不同文獻共同的關(guān)鍵詞，“＃數(shù)字”表示運用LLR算法對共同關(guān)鍵詞提取后命名的聚類詞，每個色塊表示由各類不同的文獻組成的具有相近研究主題的聚類。通過對關(guān)鍵詞的聚類，得到LIS領(lǐng)域的4個研究主題。聚類間有線條相連的現(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，而與其他聚類間不存在連線的色塊，表示該類主題具備較為獨立的研究性質(zhì)。以“＃0，＃1……”等形式對聚類進行編號（Cluster ID），聚類號越小，表示該聚類的經(jīng)典文獻數(shù)量（Size）越多，Silhouette值表示經(jīng)典文獻之間的緊密程度，Mean（Year）項表示平均年份，可反映聚類中文獻的時效性，Top Terms即以LLR算法命名的聚類名稱（見表2）。

表2 關(guān)鍵詞聚類表

2.1 社會化媒體

對該主題的研究主要可以分為以下幾個方面。①對社會化媒體影響力的研究。如，Muscanell等通過由美國和歐洲學(xué)者組成的樣本對社交網(wǎng)站Research Gate（RG）的使用和功能進行研究，分析了學(xué)者們使用網(wǎng)站的方式以及他們對網(wǎng)站的看法，探討使用社交網(wǎng)站對學(xué)者們職業(yè)成果的影響［2］。②對社會化媒體用戶的研究。Cheng等通過對115名頻繁使用微信的參與者的訪談，運用信任交通燈模型，結(jié)合定性分析方法找出顯著的信任因素并對其進行進一步的闡述，最終建立了信任認知洋蔥模型（Onion Model）［3］。③對社會化媒體內(nèi)容的分析研究。Aswani等采用了標(biāo)簽分析、情感分析、詞分析、主題建模等方法對Twitter的社交媒體用戶生成的內(nèi)容進行挖掘，并強調(diào)當(dāng)用戶生成的內(nèi)容被不成熟的搜索引擎拿去進行商業(yè)化用途時，這樣的數(shù)字營銷公司提供的服務(wù)通常對用戶是無益的［4］。④對社會化媒體的研究現(xiàn)狀進行研究。Stieglitz等指出社交媒體數(shù)據(jù)正在許多不同學(xué)科中進行分析，目前已有大量關(guān)于具體數(shù)據(jù)分析方法的挑戰(zhàn)和困難的文獻，但是關(guān)于數(shù)據(jù)發(fā)現(xiàn)、收集和準(zhǔn)備階段的研究還較少。為了填補當(dāng)前研究的不足，Stieglitz進行了擴展和結(jié)構(gòu)化的文獻分析，提出了用來擴展現(xiàn)有的社交媒體分析框架的方案，為收集和分析社交媒體數(shù)據(jù)的研究人員和實踐者提供了借鑒［5］。

2.2 引文分析

引文分析是圖書情報領(lǐng)域?qū)W者常用的研究方法之一，主要用來對某一領(lǐng)域或主題的核心內(nèi)容進行歸納，繪制該領(lǐng)域演化路徑，發(fā)現(xiàn)未來發(fā)展的趨勢。Shiau等運用引文分析法歸納出6類移動信息系統(tǒng)（MobIS）的核心知識，幫助現(xiàn)有框架的維護和新商機的開發(fā)［6］；Shiau等對4,429篇關(guān)于Facebook的學(xué)術(shù)論文進行分析，運用聚類分析和多層次測量分析確定Facebook的核心知識［7］；Kogut通過引文分析研究了圖書情報學(xué)科與高等教育學(xué)科之間的信息傳遞，評估了這兩個學(xué)科之間觀念的影響，認為在研究圖書館對學(xué)生成功的貢獻時，需要考慮LIS領(lǐng)域之外的研究和合作者［8］。也有一些學(xué)者對引文分析法本身進行了研究，對該研究方法的完善做出了巨大貢獻。等認為在科學(xué)期刊評價中最常用的兩個引文影響指標(biāo)是影響因子和h指數(shù)。然而，影響因子對存在大量引文的文章并不穩(wěn)健，而h指數(shù)則取決于期刊的規(guī)模，因此提了一個根據(jù)期刊中高被引文章百分比的引文影響指標(biāo)，以補充科學(xué)期刊評價體系標(biāo)準(zhǔn)［9］。

2.3 高校圖書館

高校圖書館服務(wù)價值的評估是近三年來學(xué)者們研究的熱點。Malapela等探討學(xué)術(shù)圖書館價值評估的若干理論方法，以及在進行學(xué)術(shù)圖書館服務(wù)價值研究時應(yīng)考慮的實踐方法［10］。Borrego等認為高校圖書館員與教職工合作的學(xué)術(shù)成果能夠展示圖書館對其所屬機構(gòu)的價值，并探討圖書館員在圖書情報學(xué)科以外的領(lǐng)域?qū)W(xué)術(shù)期刊的貢獻，以及他們與這些領(lǐng)域研究人員的合作實踐［11］。

此外，部分學(xué)者對高校圖書館的未來發(fā)展提出了建議。Cook等在認可高校圖書館在對待殘疾雇員方面的多樣性與包容性的同時，分析了高校圖書館在安置隱形殘疾雇員時可能面臨的獨特挑戰(zhàn)，并提出建議以幫助圖書館更好地理解和容納隱形殘疾的雇員［12］。Koloniari等利用結(jié)構(gòu)方程模型探討各種組織（愿景和目標(biāo)、文化和結(jié)構(gòu)）、技術(shù)和個人（人力資源技能和對知識管理的感知）因素對高校圖書館新知識創(chuàng)造和創(chuàng)新的影響程度。實驗表明，高校圖書館領(lǐng)導(dǎo)應(yīng)該培養(yǎng)協(xié)作、信任和學(xué)習(xí)的組織文化，提供采取主動行動的機會，創(chuàng)造適當(dāng)?shù)募夹g(shù)環(huán)境，建立一個共同的愿景，指導(dǎo)必要的實踐和變革，以實現(xiàn)知識創(chuàng)新［13］。

2.4 科學(xué)合作

為提高科學(xué)研究水平和技術(shù)力量，國家、地區(qū)、機構(gòu)、學(xué)者間往往會建立良好的科學(xué)合作關(guān)系。Chen等通過對學(xué)術(shù)出版物進行文獻計量分析，探討社交媒體事件監(jiān)測領(lǐng)域的研究現(xiàn)狀和發(fā)展趨勢，發(fā)現(xiàn)附屬機構(gòu)和作者傾向于與同一國家的人進行更多的合作［14］。Ortega對科學(xué)合作的另一種形式——學(xué)術(shù)社交網(wǎng)站進行了研究，根據(jù)學(xué)科、學(xué)術(shù)地位和性別，分析學(xué)術(shù)社交網(wǎng)站上的個人資料分布情況，提出了這些學(xué)術(shù)場所傾向于成為專門的網(wǎng)站或有一個同質(zhì)化的過程的猜測［15］。Zhang等提出科學(xué)合作的外延不斷擴大，學(xué)科融合的程度也在不斷加深，在經(jīng)濟學(xué)領(lǐng)域，企業(yè)社交網(wǎng)絡(luò)成為企業(yè)社會化營銷的重要手段，以顧客參與、價值創(chuàng)造和關(guān)系營銷等理論為基礎(chǔ)，建立了顧客參與對粘性的影響模型［16］。

3 研究前沿與科學(xué)領(lǐng)域結(jié)構(gòu)

陳超美認為研究前沿是一組及時、動態(tài)且有潛在研究價值的問題，研究前沿的知識基礎(chǔ)是引證和共引痕跡［17］。本文中，Citespace的具體操作設(shè)置是：“Term Source”同上文，“Node Type”選取“Cited Reference”選項。運行數(shù)據(jù)后，得到圖書情報學(xué)研究前沿聚類圖（見圖2）。從圖2可見，將共被引文獻聚類后得到8個研究主題。

圖2 圖書情報學(xué)研究前沿知識圖譜

結(jié)合圖書情報學(xué)專業(yè)知識，排除相關(guān)度較小的聚類后，以“＃0，＃1……”等形式對聚類進行編號，聚類號越小，表示其聚類的文獻數(shù)量越多，共被引文獻的聚類情況如表3所示。

表3 共被引文獻聚類表

3.1 替代計量學(xué)

替代計量學(xué)（Altmetrics）是傳統(tǒng)文獻計量學(xué)的重要補充，自2010年Jason Priem首次提出后，國外學(xué)者圍繞替代計量學(xué)的理論與實踐展開了一系列研究。①替代計量學(xué)的介紹、概述和評論。Williams對替代計量學(xué)進行了概述和評論，并認為Altmetrics是一個日益重要的研究領(lǐng)域［17］。Stuart介紹了開放式文獻計量學(xué)，呼吁人們提高對開放式文獻計量學(xué)潛力的認識，特別是關(guān)于發(fā)現(xiàn)以前未被發(fā)現(xiàn)的公共知識的能力［18］。Htoo等通過調(diào)查社會科學(xué)學(xué)科中替代計量學(xué)的豐富性和未來潛力，分析評價替代計量學(xué)作為各學(xué)科研究影響指標(biāo)的有效性，幫助社會科學(xué)研究人員理解不同學(xué)科中的替代計量學(xué)［19］。②替代計量學(xué)的應(yīng)用研究。Na等了解社會網(wǎng)絡(luò)上關(guān)于心理學(xué)學(xué)術(shù)出版物的學(xué)術(shù)討論，并進一步探討了替代計量學(xué)作為學(xué)術(shù)文章研究影響評估工具的有效性［20］。

3.2 隱私問題

Huang等以社交網(wǎng)絡(luò)服務(wù)（SNS）為研究對象，從個人媒體系統(tǒng)依賴（MSD）和隱私關(guān)注的角度，構(gòu)建了一個研究個人SNS使用促進者和抑制者的模型［21］。Yeh等探究了互聯(lián)網(wǎng)用戶提供個人信息意愿的驅(qū)動因素，深入探討了外部報酬如何調(diào)節(jié)用戶信息隱私關(guān)注與提供個人信息意愿之間的關(guān)系［22］。在探討隱私問題與情感和應(yīng)對行為之間特殊聯(lián)系的基礎(chǔ)上，Jung等提出認知—情感評價可以作為解釋用戶的隱私行為的一個可靠框架，為信息隱私研究中的認知—情感視角提供了一個新的研究方向，為解釋應(yīng)對行為提供了一種既能反映認知又能反映情感的方法。Wang等綜合隱私信任行為意向（PTB）和消費者決策模型并考察社會互動對購買意向和實際購買行為的影響，提出了一個綜合模型，發(fā)現(xiàn)制度性隱私保障對制度性信任有積極的影響，而制度性信任反過來又會影響在線社交互動，從而增加在s-commerce網(wǎng)站上購買產(chǎn)品的可能性［24］。

3.3 跨學(xué)科

Hu等利用斯特林的多樣性指數(shù)和專業(yè)化指數(shù)，以學(xué)科類別共現(xiàn)為基礎(chǔ)，測量了大數(shù)據(jù)研究中跨學(xué)科協(xié)作的程度［25］。Kogut通過探討圖書情報學(xué)（LIS）與高等教育學(xué)科之間的信息傳遞，以評估這兩個學(xué)科之間觀念的影響，強調(diào)在研究圖書館對學(xué)生成功的貢獻時，需要考慮LIS領(lǐng)域之外的研究和合作者［8］。Kiszl等從匈牙利圖書館學(xué)教育的角度分析了信息技術(shù)、市場經(jīng)濟和圖書館員職業(yè)之間的關(guān)系，并強調(diào)基于跨學(xué)科的主動創(chuàng)新信息提供的重要性，認為圖書館員未來可能成為創(chuàng)建數(shù)字信息拼貼的大師［26］。

3.4 大數(shù)據(jù)

新興技術(shù)的發(fā)展與應(yīng)用一直以來都是圖書館學(xué)、情報學(xué)研究的前沿，自2008年8月首次提出大數(shù)據(jù)以來，圖書館學(xué)、情報學(xué)領(lǐng)域的專家學(xué)者對其進行了大量的研究。①利用大數(shù)據(jù)進行分析研究。Ragini等提出可以從社交媒體和移動網(wǎng)絡(luò)創(chuàng)造的大數(shù)據(jù)中挖掘?qū)氋F的信息，通過從社會網(wǎng)絡(luò)中收集災(zāi)害數(shù)據(jù)，根據(jù)受災(zāi)人群的需要對其進行分類，提出大數(shù)據(jù)驅(qū)動災(zāi)害的響應(yīng)方法［27］。Acharya等通過實證研究了來自四個時尚零售組織的數(shù)據(jù)，發(fā)現(xiàn)大數(shù)據(jù)確實有助于知識的共同創(chuàng)造，同時反過來又能適當(dāng)?shù)匾龑?dǎo)基于證據(jù)的、有效的決策，以更好地實現(xiàn)業(yè)務(wù)回報［28］。②對大數(shù)據(jù)和大數(shù)據(jù)技術(shù)進行研究和評價。Duan等認為大數(shù)據(jù)與人工智能的發(fā)展相輔相成，有助于推進大數(shù)據(jù)時代人工智能在決策中的應(yīng)用研究［29］。

3.5 遲滯承認

遲滯承認，又名延遲承認、超前發(fā)現(xiàn)、抵制發(fā)現(xiàn)等。2004年，荷蘭計量學(xué)家Raan巧妙地借用睡美人童話把這一特殊的引文現(xiàn)象命名為“睡美人”現(xiàn)象。“睡美人”文獻這一概念是從文獻計量學(xué)角度對科學(xué)社會學(xué)領(lǐng)域延遲承認現(xiàn)象所作的定量描述，是指文獻在發(fā)表后相當(dāng)長一段時期內(nèi)被引次數(shù)為零或被引極少，仿佛是在“沉睡”，而在一個時間點后突然高被引，就象被喚醒一樣，起喚醒作用的文獻常被稱為“王子文獻”［30］。一些學(xué)者對“睡美人”論文產(chǎn)生了濃厚的興趣，積極探尋其“休眠”及“被喚醒”的原因。Adil等提出了一種基于睡美人論文引文網(wǎng)絡(luò)的識別睡美人論文的方法，稱為再發(fā)現(xiàn)論文，該方法揭示了科學(xué)界潛在的再發(fā)現(xiàn)作者的共同特征以及他們在引文網(wǎng)絡(luò)傳播中發(fā)揮的重要作用［31］。Lutz等研究了“熱門論文”與具有“遲滯承認”特征的含義，探討了兩者之間的差異，并認為“遲滯承認”的出現(xiàn)是一個不可預(yù)測的過程［32］。You等結(jié)合科學(xué)計量法與定性分析法，分析了?？寺目茖W(xué)成果和其著作的引文壽命，探討了遲滯承認現(xiàn)象對其作品的影響程度，揭示了這一遲滯承認的背后原因［33］。

3.6 情緒分析

情緒分析主要聚焦在分析方式方法、搭建分析框架、性別對學(xué)者分析偏差的影響等方面。Chang等提出了包括數(shù)據(jù)爬蟲、數(shù)據(jù)預(yù)處理、情感敏感樹構(gòu)建、卷積樹核心分類、方面提取和類別檢測以及視覺分析在內(nèi)的一個集成的框架，用以獲得對酒店評級和評論的深入了解［34］。Jeong等提出了一種基于話題建模和社交媒體數(shù)據(jù)情感分析的產(chǎn)品機會挖掘方法，用以確定每個產(chǎn)品主題的機會價值和改進方向［35］。Bigorra等認為相比于售后調(diào)查，對客戶在互聯(lián)網(wǎng)上發(fā)表的產(chǎn)品看法進行情感分析更能夠有效地評估客戶對產(chǎn)品特征的意見［36］。Moro等通過對游客的在線評論進行情感分析，提供了游戲化特征與旅行者寫評論時行為之間關(guān)系的證據(jù)［37］。Ragini等通過情感分析，提出了一種大數(shù)據(jù)驅(qū)動的災(zāi)害響應(yīng)方法，該模型從社會網(wǎng)絡(luò)中收集災(zāi)害數(shù)據(jù)，并根據(jù)受災(zāi)人群的需要對其進行分類，有助于應(yīng)急人員和救援人員為快速變化的災(zāi)害環(huán)境制定更有效的信息管理策略［38］。

3.7 公民互動

近年來，網(wǎng)絡(luò)問政已成為政府與公民互動的重要方式。Aladwani等認為政府迫切想了解政府—公民互動的過程和結(jié)果，于是提出社會公民理論，兩個現(xiàn)場調(diào)查收集的數(shù)據(jù)結(jié)果顯示，政府社交媒體質(zhì)量與政府的公信力成正相關(guān)［39］。Dai等指出美國警察部門開始通過社交媒體與周圍社區(qū)進行接觸，實施公民互動的戰(zhàn)略，并介紹地方警察部門對Facebook和Twitter的使用情況［40］。

3.8 專利引文網(wǎng)

專利引文網(wǎng)的構(gòu)建工作與檢驗，以及對專利引文網(wǎng)構(gòu)建現(xiàn)狀的分析與預(yù)測是當(dāng)前國外圖書館學(xué)、情報學(xué)領(lǐng)域?qū)W者們關(guān)注的前沿問題。Sun等以出版物和專利為數(shù)據(jù)源構(gòu)建了出版物和專利文獻的引文網(wǎng)絡(luò)，并在此基礎(chǔ)上采用知識模因發(fā)現(xiàn)算法，對科技知識進化中起關(guān)鍵作用的模因進行識別，并利用嵌入模型跟蹤模因的語義變化展現(xiàn)了知識模因的擴散和共現(xiàn)［41］。Sanghoon等基于對移動產(chǎn)業(yè)的專利引用分析，通過測量企業(yè)間的技術(shù)知識流，實證檢驗了移動生態(tài)系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)，發(fā)現(xiàn)平臺提供者正逐漸成為生態(tài)系統(tǒng)中知識流動活動的中心，且每個平臺提供商都在形成自己的子網(wǎng)絡(luò)，對關(guān)聯(lián)企業(yè)的影響越來越大［42］。Wonchang從不同技術(shù)部門之間引文的相互作用以及引文與被引文的集中兩個方面探討了專利引文中知識流動的結(jié)構(gòu)模式，證明了知識流動在技術(shù)部門之間具有高度的互易性［43］。

3.9 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)域所涉及的各個學(xué)科之間的合作、交叉關(guān)系?？蓮暮献髡叩木垲?、文獻的聚類等方面進行探索，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，研究領(lǐng)域分布圖如圖3所示。

由圖3和表4可知，從發(fā)文量來看（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：信息科學(xué)與圖書館學(xué)、計算機科學(xué)、跨學(xué)科應(yīng)用、信息系統(tǒng)、管理、商業(yè)與經(jīng)濟6個領(lǐng)域。其中，信息科學(xué)與圖書館學(xué)、計算機科學(xué)的中心度最高。這表明在圖書情報領(lǐng)域的高水平成果中，受網(wǎng)絡(luò)關(guān)注最高的是信息科學(xué)與圖書館學(xué)、計算機科學(xué)領(lǐng)域。本研究樣本文獻構(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)科研究趨勢正朝著以圖書情報學(xué)為主，以其他相關(guān)領(lǐng)域為輔的多學(xué)科交叉研究的方向演化。

圖3 研究領(lǐng)域分布圖

表4 學(xué)科領(lǐng)域分布表

4 結(jié)語

本文通過對圖書情報專業(yè)14種核心期刊2017-2019年發(fā)文進行文獻計量與可視化分析，展示了國際LIS領(lǐng)域近3年的研究熱點及研究前沿。①通過關(guān)鍵詞聚類分析發(fā)現(xiàn)社會化媒體、引文分析、高校圖書館、科學(xué)合作這四個主題是近三年國際LIS領(lǐng)域的研究熱點。②利用文獻共被引數(shù)據(jù)預(yù)測出LIS領(lǐng)域今后的研究趨勢將集中在替代計量學(xué)、隱私問題、跨學(xué)科、大數(shù)據(jù)、遲滯承認、情緒分析、公民互動、專利引文網(wǎng)等8個方面。這8個趨勢與社會發(fā)展的趨勢是緊密相連的，替代計量學(xué)、隱私問題、大數(shù)據(jù)、情緒分析等與近年來計算機網(wǎng)絡(luò)等技術(shù)的發(fā)展與應(yīng)用趨勢相切合?？鐚W(xué)科、遲滯承認、公民互動、專利引文網(wǎng)等與社會發(fā)展趨勢與相關(guān)技術(shù)的發(fā)展程度相吻合。因此結(jié)合當(dāng)前研究情況看，本文利用文獻共被引分析預(yù)測出的LIS領(lǐng)域的研究趨勢具有一定的科學(xué)性和合理性。但本文只選擇了14種期刊的載文，樣本數(shù)據(jù)不夠全面，其他未收錄的期刊數(shù)據(jù)也存在深入挖掘的價值。未來可以通過進一步的文獻搜索、整理，擴大樣本范圍，對國際LIS研究的整體熱點與趨勢進行更加深入的分析，以提升研究的說服力［44］。