国际视野下的知识计量研究分布*

●谈　峥　宋艳辉

(杭州电子科技大学　杭州　310018)



国际视野下的知识计量研究分布*

●谈峥宋艳辉

(杭州电子科技大学杭州310018)

文章以Web of Knowledge为数据来源，以CiteSpace为工具，对国际视野下的知识计量的分布进行了研究。研究发现，知识可视化、知识管理、知识网络、知识工程突变性比较高，极有可能成为知识计量研究的重要发展方向。同时对知识计量研究的时间、空间、主题分布进行了探究。参考文献11。

知识计量国际视野发展趋势

在文献计量、信息计量、科学计量已经成为一门独立学科的形势下，知识计量的研究也正在从前科学阶段向正规学科阶段过渡，出现了很多相关研究成果。在国外，有着两个主要的研究方面：第一，知识可视化的行为流派。Bertschi, S与Bubenhofer, N讨论隐喻、语言学习与知识通过可视化传递的媒介之间的关系，以期规避知识可视化中出现的简化风险[1]。 Allendoerfer, K、Aluker, S、Panjwani, G等认为知识可视化工具可以从多个水平上进行评估、测试[2]。Burkhard, RA针对信息可视化工具对知识转移的影响作用，分析了建筑领域的建筑师如何利用可视化技术扩展认知和知识转移，借鉴这一思想引入一种新的研究框架[3]。第二，知识可视化的技术流派。Lee, MR与Chen, TT着重介绍了三种知识可视化技术[4]。Zhang, YJ、He, XY、Xie, JC利用知识可视化技术，开发了一个平台，以支持隐性知识的获取[5]。 Sniezynski, B、Szymacha, R、Michalski, RS认为知识可视化软件可以作为传统的数据库的一个模块并集成了归纳推理和数据挖掘等功能来执行知识的可视化[6]。在国内，也有着两个重要的研究方面：第一，知识计量学的相关理论研究。有如下几个层面：知识计量学的学科属性以及其学科定位；知识计量学的方法论思考，例如，刘则渊与刘凤朝的“关于知识计量学研究的方法论思考”[7]；知识与经济的关联与转化关系；知识与知识单元评价研究。邱均平曾开辟“网络计量与知识计量”专题，专题中余以胜与张洋认为科学研究活动的评价主要涉及到对知识的计量和评价[8]；文庭孝认为，知识计量单元是进行知识计量与评价的基础[9]。第二，知识计量学的相关实践研究。表现为，将知识计量的技术、方法应用于某一知识领域，探析知识领域的特性。吴山绘制了国际竞争情报研究知识演化图[10]。在梁永霞的博士论文中，也利用CiteSpace软件绘制了引文分析领域的发展趋势图。陈玉光设计了针对CNKI、CSSCI、CQvIP三个中文文献数据库学科知识计量及可视化系统[11]。国内知识计量研究有2支重要力量，以刘则渊为首的研究团队(在知识计量学的实践研究方面较多)和以邱均平为首的研究团队(专注于理论研究，知识评价方面涉及较多)。笔者在国内外相关研究基础上，拟从国际视角下，对知识计量相关研究进行分析，探究其具体的分布状况以及未来的发展趋势。

1　数据来源

笔者利用Web of Knowledge(涵盖Science Citation Index Expanded、Social Science Citation Index、Arts&Humanities Citation Index三大引文数据库)，以主题检索项： “knowledge element” OR “knowledge unit” OR “Knowledge domain” OR “knowledge visualization” OR “knowledge measure” OR “knowledge evaluation”进行检索，这几个词汇都是与知识计量学密切相关的，即“知识元”、“知识单元”、“知识领域”、“知识可视化”、“知识测度”、“知识评价”。数据截至2012年，我们共得到575篇期刊论文(articles)与会议论文(proceedings)。运用计量软件CiteSpace对这575篇论文进行时间分布、空间分布、主题分布以及趋势分析。CiteSpace是美国德雷塞尔大学的华人学者陈超美博士开发出来的一种知识可视化软件，是由Java语言编写的基于共被引分析的引文网络可视化软件。该软件还提供了突变词检测(burst detection)算法， 该算法主要通过考察词频的时间分布，将那些频次变化率高、增长速度快的突变词从大量的常规词中检测出来，用词频的变动趋势，而不仅仅是词频的高低，来分析科学的前沿领域和发展趋势。在由该软件生成的引文网络图谱中，以不同大小和不同颜色的圆环组成的引文年轮来表示引文节点的被引次数和被引年代，用不同颜色的连线来表示引文节点间共被引的年代。数据内容包括论文题目、关键词、摘要、参考文献等。

2　知识计量的研究进展

2.1知识计量研究的时间分布

研究论文的数量是某一研究领域的研究状况的量化表示，它可在一定程度上揭示该领域的研究发展状况。而研究论文的数量变化，则可以在一定程度上显示领域的发展趋势。对知识计量的575篇论文进行分年度的数量统计分析：从国际视野下看，知识计量的相关研究开始于上个世纪90年代，1991年开始出现知识计量的第一篇论文，在发展初期(1991～2000)论文数量波动不一，并不呈现明显的上升趋势；在2001～2005年间，相关研究有了一定发展，论文数量呈现一种陡峭的上升趋势，我们分析可能跟国内在2000年左右提出知识计量学这一学科有很大关系。在2005年之后，论文数量仍然在高位徘徊，却明显出现波动，论文数量也不再呈现陡峭的上升趋势。我们认为，由于知识计量学的学科地位没有在国外真正地确立起来，才致使国外知识计量的相关研究并没有如火如荼地展开，而是呈现一波三折的发展趋势。

2.2知识计量研究的空间分布

(1)国家分布。运用CiteSpace软件可以得到知识计量的国家共现网络图，如图1所示。图中每一个节点代表一个国家，节点的大小表示国家在网络中的中心度。图中每一种颜色代表一个年份，节点年轮的不同颜色表示发文国家在不同的年份的发文情况，因此一个节点通常由数种颜色组成。节点标签表示知识计量的发文国家，标签的大小，表示国家的知识计量研究论文的发文量多少，排名前20的国家发文量如表1所示。发文最多的国家是美国(USA)，为103篇，中国(PEOPLES R CHINA)以61篇的发文量排名第2，值得一提的是中国台湾(TAIWAN)也以23篇的发文量排名第5。图谱中可以看到有2个合作子网络，分别是以美国为中心的网络和以中国为中心的合作网络。其中与美国有合作关系，且具有一定发文量的国家有英国(ENGLAND)、意大利(ITALY)、南韩(SOUTH KAREA)、法国(FRANCE)、加拿大(CANADA)等国家；与中国建立合作关系的有新西兰(NETHERLANDS)、比利时(BELGIUM)等国家。

图1　知识计量研究的国家共现网络图

排名国家发文量排名国家发文量1USA10311CANADA132PEOPLESRCHINA6112JAPAN123AUSTRALIA2613FRANCE124ENGLAND2514BRAZIL125TAIWAN2315MEXICO116SPAIN1916GREECE107NETHERLANDS1917MALAYSIA98GERMANY1818SOUTHKOREA89ITALY1819RUSSIA810SWITZERLAND1620INDIA8

(2)机构分布。 运行CiteSpace并进行 Netdraw软件可视化展示，如图2所示。统计论文的机构分布情况，将发文量大于3的机构列出如表2所示。表2显示发文量最多的机构是美国德雷塞尔大学(Drexel Univ)，武汉大学(Wuhan Univ)与国立台北大学(Natl Taipei Univ)分别以6篇的数量并列第2位。美国的德雷塞尔大学的主要研究者是华人学者陈超美博士，因此，从排名前3位的机构情况看，主要是华人学者在引领着知识计量相关研究的开展。该小节对国际机构的统计情况也同时论证了前文中我们作出的国内知识计量学研究比国外要深入而广泛的基本论断。从国际视角下的机构合作情况来看，机构合作情况并不理想，统计发现共有425个机构进行过知识计量的相关研究，但机构却专注于独立研究，合作较少，仅仅建立了如图2所示的5对合作关系。

表2　知识计量研究论文的机构分布表

图2　知识计量研究机构网络

(3)学科分布。运行CiteSpace软件获得学科的合作网络图。在对知识计量的研究中，计算机科学(Computer Science)研究的最多；其次是工程科学(Engineering)；图书情报科学(Information Science & Library Science)排名第三。在中心性方面，工程科学的中心性最高位0.51；计算机科学的中心性次之，为0.32；而图书情报科学的中心性并不高，仅为0.08。在网络图中，我们也可以看到Computer Science 与Engineering居于图谱的中心位置，成为了联系整个知识计量研究的各个学科的纽带。

图3　知识计量研究学科分布网络

2.3知识计量研究的主题分布

在CiteSpace主界面选择引文(cited reference)，其它设置不变，运行软件获得知识计量研究论文的共被引图谱，如图4所示。知识计量的高被引论文如表3所示。研究热点、前沿的知识基础(Intellective Base)：即含有研究热点、前沿的术语词汇的文章的引文，实际上它们反映的是当前研究中的概念在科学文献中的吸收利用知识的情况。对这些引文也可以通过它们同时被其他论文引用的情况进行聚类分析，这就是同被引聚类分析(Co-citation Cluster Analysis)，最后形成了一组被当前研究所引用的科学出版物的演进网络，即“知识基础文章的同被引网络”。图4显示的4篇论文是知识计量研究的关键性论文，这些论文的普遍共性是处于连接两个或者多个聚类的关键节点处，往往是引发该聚类研究的重要文献，因此通常具有较大的中间中心性。这4篇论文是：CHEN C于1999年在《INFORMATION VISUALIS》上发表的“Visualizing knowledge domains”是一篇关于知识域可视化的文章；Brin S于1998年在《COMPUT NETWORKS ISDN》上发表的“The anatomy of a large scale hypertextual web search engine”是关于如何进行利用网络搜索引擎进行知识搜索的算法的研究文章。另外2篇文章则分别是SHNEIDERMAN B、WHITE HD分别于1996、1981在《P IEEE S VIS LANG》、《J AM SOC INFORM SCI》发表的文章。其中WHITE HD是图书情报领域的学者，其文章“author cocitation - a literature measure of intellectual structure”运用作者共被引方法探测学科知识结构，是一篇关于知识域可视化的文章，最早提出了运用作者共被引进行学科知识结构探讨的思想，在SCI中被引369次，产生了广泛的影响。

表3展示了被引频次最高的5篇论文，高被引论文跟关键性论文基本没有重合，作者有所重合，既是关键论文作者又是高被引论文的作者是Chen CM与White HD，二者都算是图书情报领域的学者，由此可见，图书情报对知识计量发展的重要推动作用。

图4　知识计量研究论文的共被引图谱

作者出版年出版刊物被引频次BornerK2003ANNUREVINFORMSCI18ChenCM2004PNATLACADSCIUSA15NONAKAI1995KNOWLEDGECREATINGC14CARDSK1999READINGSINFORMVISU13WhiteHD1998JAMSOCINFORMSCI12

3　知识计量的发展趋势

在CiteSpace界面将时间区间调整为1990～2012年间，探讨知识计量的演进情况及未来可能出现的发展趋势。设置每2年为一个时间分区。节点类型选择主题(term)；主题来源依然选择题名(title)、摘要(abstract)、关键词(descriptor)、标示符(identifier);阀值设置为(1，1, 20)，(2，2，20)，(3, 3, 20)；主题选择设置为突变词(burst phases);精简算法为默认为的无选择；可视化为默认的静态的聚类(cluster view-static)，合并网络呈现(show merged network)。运用CiteSpace软件可以得到知识计量的随时间变化的研究前沿与未来发展趋势图，如图5所示。

图5　知识计量研究的前沿与趋势图

CiteSpace为我们提供了突变词检测算法，可以探测学科的研究前沿并显示可能出现的未来发展趋势。主要是通过查明在一定时期内快速增长的主题词来实现的，而这些主题词则被定义为研究前沿。统计相关领域论文的标题和摘要中的词汇频率，根据这些词汇的增长率来确定哪些是研究前沿的热点词汇。我们以时间分区的方式展现研究前沿随时间变化的过程，以此探析不同的时间段涌现的不同的研究前沿，并根据近些年来涌现的研究前沿词汇预测未来几年知识计量可能会出现的发展趋势。图谱显示，在知识计量研究的早期，并未出现明显的突变词，发展趋势不明朗。在2000年左右，即刚刚步入新世纪，引文分析(citation analysis)、知识发现(knowledge discovery)研究广受追捧，这是知识计量的研究前沿，也为知识计量的未来发展奠定了基础；在2005年左右，信息可视化(information visualization)成为了知识计量的前沿术语，很多学者都进行了深入细致的研究；而在最近的几年的时间内，知识可视化(knowledge visualization)、知识管理(knowledge management)、知识域(knowledge domain)开始受到学术界的热烈追捧，图谱中我们也可以发现，知识管理与知识可视化是突变性最大的两个词汇，说明在近几年，知识可视化与知识管理的研究者迅速膨胀了起来，促使它们成为了学科的最新研究前沿。我们认为，在未来的时间内，知识可视化的研究热度仍然会不减，而观察领域特征(domain feature)、领域结构(domain instruction)等前沿术语的涌现，知识域可视化极有可能成为知识计量研究的重要发展方向。另外，知识网络、知识工程等也有可能代表着知识计量的未来发展趋势。

[1]Bertschi, S., Bubenhofer, N.. Linguistic learning: A new conceptual focus in knowledge visualization[C]//9th International Conference on Information Visualisation, London, JUL 06-08, 2005. Los Alamitos: IEEE Computer Soc, 2005: 383-389.

[2]Allendoerfer, K., Aluker, S., Panjwani, G. etal. Adapting the cognitive walkthrough method to assess the usability of a knowledge domain visualization[C]// IEEE Symposium on Information Visualization (InfoVis 05), Minneapolis, OCT23-25, 2005. Los Alamitos: IEEE Computer Soc, 2005: 195-202.

[3]Burkhard, RA.Learning from architects: The difference between knowledge visualization and information visualization[C]// 8th International Conference on Information Visualisation, London, JUL 14-16, 2004. Los Alamitos: IEEE Computer Soc, 2004: 519-524.

[4]Lee, MR, Chen, TT. From Knowledge Visualization Techniques to Trends in Ubiquitous Multimedia Computing[C]// International Symposium on Ubiquitous Multimedia Computing (UMC-08), Hobart, OCT 13-15, 2008. Los Alamitos: IEEE Computer Soc,2008:73-78.

[5]Zhang, YJ , He, XY, Xie, JC,etal. Study on the knowledge visualization and creation supported kmap platform[C]// 1st International Workshop on Knowledge Discovery and Data Mining, Adelaide, JAN 23-24, 2008. Los Alamitos: IEEE Computer Soc, 2007:154-159.

[6]Sniezynski, B., Szymacha, R., Michalski, R.S.. Knowledge visualization using optimized general logic diagrams[C]// International Conference on Intelligent Information Processing and Web Mining IIS, Gdansk, JUN 13-16, 2005. Berlin: Spring-verlag Berlin, 2005,137-145.

[7]刘则渊, 刘凤朝. 关于知识计量学研究的方法论思考[J]. 科学学与科学技术管理，2002(8): 5-8.

[8]余以胜, 张洋. 知识的计量与评价研究[J]. 图书情报工作, 2008, 52(11): 18-25.

[9]文庭孝. 知识计量单元的比较与评价研究[J]. 情报理论与实践, 2007(6):731-740.

[10]吴山. 国际竞争情报研究的知识图谱——基于CiteSpace的知识计量分析[J]. 现代情报, 2010(10): 160-165.

[11]陈玉光. 面向中文数据库的学科知识计量及可视化系统研究与实现[D]. 大连: 大连理工大学硕士毕业论文，2010:1-100.

(赖宁编发)

Research Distribution on Knowledge Measurement in an International Perspective

Tan Zheng Song Yanhui

(Hangzhou Dianzi University, Hangzhou, Zhejiang 3210018, China)

Making Web of Knowledge as the data source and CiteSpace as the tool, we studied the research distribution of knowledge measurement in an international perspective. The study found that the knowledge visualization, knowledge management, knowledge network and the higher mutagenicity of knowledge engineering is likely to become the important development directions of knowledge measurement research. At the same time we explored the time, space, and theme distribution of knowledge measurement research. 11 refs.

Knowledge measurement. International vision. Development trend.

2015-06-20

G250

A

1003-7845(2016)04-0013-05

谈峥，本科生，杭州电子科技大学管理学院信息管理与信息系统专业。宋艳辉，副教授，现在杭州电子科技大学管理学院工作。

*本文系国家社科基金项目“文献计量学视角下的NPE及其专利的计量与评价”(2013CTQ036)研究成果之一。

【理论·探索】