国外政府危机信息管理研究进展——基于Web of Science 2007-2017年数据

陈 凌 孙绍丹

(东北师范大学信息科学与技术学院，吉林 长春 130117)

·管理论坛·

国外政府危机信息管理研究进展
——基于Web of Science 2007-2017年数据

陈 凌 孙绍丹

(东北师范大学信息科学与技术学院，吉林 长春 130117)

本文以Web of Science核心合集数据库为数据来源，采用文献计量学方法、社会网络分析方法及内容分析法对2007-2017年国外政府危机信息管理相关文献进行定量分析，揭示该领域科学研究结构，分析本领域的研究进展和前沿热点，旨在以大数据时代为背景，从情报学角度和方法探索本领域研究的新触点。

政府危机管理；定量分析；情报学

危机信息管理属危机管理和信息管理的交叉学科领域研究，信息管理在危机管理、科学决策中所发挥的作用愈加重要，也是近年来信息管理领域研究的热点，研究主要集中在危机信息管理的基础理论、危机信息管理机制、危机信息发布沟通、危机信息系统研究等方面。目前，很多专家学者的前期研究都为我国在本领域的后续研究提供了清晰的思路和研究方向。但是，针对危机管理领域国外相关文献的综述研究甚少，近十年国际政府危机信息管理领域的研究主题也在不断深化扩展。大数据时代对于危机基本信息的管理，其中危机事件的数据来源、整合及分析处理都将成为本领域的研究重点。本文研究旨在揭示该领域的科学研究结构、分析该领域的科研合作团体和研究主题以及掌握该领域的研究进展和前沿热点，希望作为一名图情领域人士，从本领域角度出发为其他学者及相关研究提供参考。

1 数据来源和研究方法

本文以Web of Science核心合集数据库为数据来源，构建如下检索式“TS=Crisis Information Management or TS=Emergency Information Management”，检索时间限制在2007-2017年，检索语言限制为English，共得到3 537篇英文文献。文章采用文献计量学方法、社会网络分析方法及内容分析法3 537篇文献进行分析。首先运用社会网络分析方法研究作者之间的合作关系，以Ucinet6.0为工具，通过对中心性和凝聚子群的分析，得出危机信息管理领域中作者的合著关系网络；然后运用Citespace的引文分析及可视化功能对文献的关键词做共现分析，自动形成聚类，并对引文间的网状关系或链状关系进行研究，分析文献之间的引证与被引证关系，从而揭示引文所反映出的主题和研究热点，以达到揭示该领域的科学研究结构，分析该领域的科研合作团体及研究主题，了解该领域的研究进展和前沿热点的目的。

2 研究者合著网络分析

使用Bicomb软件统计共有10 751个作者，选取发文数8篇以上的作者，抽取发表4篇以上的论文作者，共有131位，频次阈值设为4～15之间，根据131位作者两两出现在一篇文献中的情况，自动生成131*131的作者共现矩阵，导出至xls格式，将共现矩阵导入社会网络分析软件Ucinet中，利用其集成的可视化工具Netdraw绘制出该领域内核心作者合著关系网络知识图谱。如图1所示，图中每个节点代表作者，每条连线代表作者之间的合作关系，节点大小表示作者发文的频次大小，图中有100个节点，说明100位作者与他人有合作关系，其余31个节点是孤立点，均与他人无合作关系。

图1 作者合著网络图谱

2.1 中心性分析

对研究者合著网络进一步做中心性分析，包括点度中心性和中间中心性分析。点度中心性可衡量一个作者与多少个作者之间有合作关系。从表1可以看出，点度中心度最高的是Benaben F，表明他与网络中其他16个节点有直接联系，也就是说Benaben F曾与16位作者合著发表过文献。中间中心性是衡量一个作者“控制”其他作者的能力，从表2我们可以看出，中间中心度最高的是Lee J，Lee K，Wang Y等人，说明他们掌握了比较多的研究资源；而有一部分作者的接近中心性为0，说明这些作者几乎不具备控制资源的能力。统计所有作者的中间中心度，发现有86位作者的中间中心度为0，占作者总数的65.6%，表明一半以上作者不具有控制资源的能力，但是中间中心度排在前几位的值很高，说明这些作者的控制资源的能力很强。

2.2 凝聚子群分析

k-核分析是一个建立在点度数基础上的凝聚子群概念，在一个子图中每个点都至少与其他k个点邻接，即k-核中的所有点的度数至少为k，在具体的分析中可以过调整k的大小形成不同的子群。可见在131个著者的合著关系中，可以进行4种分区，其度数分别为4、3、2、1。对于度数为4(即4-核)来说，它包含5个著者；度数为3的核(即3-核)中包含16个著者，其他的著者都集中在度数为2的核、度数为1的核，说明大部分的著者都集中在度数比较低的子图中，他们之间的联系比较松散。分析结果给出了上述4种k-核分区中包含的聚类数。可见，这4类分区中的聚类数分别是45、71、111、127。

表1 作者点度中心度分布

表2 作者中间中心度分布

表2(续)

子群的密度可以通过E-I指数测量。E-I指数的值越向-1靠近，表明子群体之间的关系(即外部关系)越少，关系越趋向于发生在群体之内，意味着派系林立的程度越大。通过Ucinet分析，发现该网络的凝聚子群密度为-0.875，由此可见该网络的子群内部的学者联系比较密切，处于凝聚子群内部的学者之间联系紧密，在信息分享和科研合作方面交往频繁，子群与外界之间的联系比较疏远，这样处于核心群体之外的科研人员很难获得足够的信息和科研合作的机会。

图2 K-核分析(部分)

图3 k-核分析中包含的聚类数

3 危机信息管理关键词热点分析

研究热点是研究者共同关注的一个或多个研究主题，关键词的共现分析可反映该领域的热点概况。通过Citespace对Keyword的提取，可对3537篇文献的关键词进行共词(Co-words)聚类挖掘分析,Modurility表示网络模块化评价指标，值越大，则网络得到的聚类越好，Q的取值区间为[0，1]，当Q>0.3时得到的网络社团结构是显著的。Silhouette(S)是用来衡量网络同质性的指标，当其值>0.5时表示聚类结果是合理的，越接近1，同质性越高。通过LLR算法，M=0.794，S=0.4267，S值接近于0.5趋近于合理图谱，Q值高于0.3，网络的社团结构显著。通过对关键词的聚类，得到7个研究主题，聚类间有交叉覆盖的现象，表示这些聚类之间存在研究主题上的交叉，其关系较为紧密，与其他聚类不交叉的色块表示该类主题具备较为独立的研究性质。以“#0，#1……”等形式对聚类进行编号，聚类号越小，表示该聚类的经典文献数量(Size)越多，Silhouette值表示经典文献之间的紧密程度，Mean(Year)表示平均年份，可反映聚类中文献的时效性，Top Terms是以LLR算法命名的聚类名称。经过自动聚类，相关度较高的关键词聚类情况见表3。

表3 关键词聚类表

基于LLR算法的聚类名称，可客观反映政府危机信息管理领域的热点问题，综合表4高频关键词所属聚类，再结合相关专业知识，可将上述聚类归纳为以下3个方面。

3.1 危机信息管理中人道主义研究

包括聚类#0、#3，研究内容主要集中于人道主义信息管理对于决策的重要性，人道主义中信息通信系统、信息管理系统的建设以及信息系统模型构建等问题。

Altay N等人认为2010年海地地震的人道主义响应是人道主义信息管理的分水岭，信息管理在人道主义响应、协调和决策方面可以发挥关键作用，获得更多的人道主义者的信息将有利于决策。他们使用人道主义危机中常见的分析框架，分析了海地地震中信息流的挑战以及如何在人道主义救济环境中发挥信息管理的价值和效用[1]。众所周知，信息匮乏会导致决策失误，隐藏的情景模式将导致对危机局势的虚假陈述，Willem J.Muhren团队的实验结果表明，人道主义救援队如果能够利用更先进的信息和通信系统，能够分享更多的信息，就能够更好地做出决策[2]。F.Aligne等人开发了Ametrine人道主义营地管理系统以确保流离失所者和难民的基本权利得到实现，并提供关于营地管理相关的信息和决策支持[3]。Huanjia Yang等人进一步提出了混合RFID传感器网络架构，为人道主义后勤中心的信息资源管理提供完整的信息，并可检测所有救援资源，提高了人道主义后勤供应链的总体绩效[4]。Muhren Willem J团队则在危机发生时引入了媒体同步理论(MST)概念，当人道主义危机发生时，媒体如何支持同步，以适应沟通需求，还需要设计高效的信息通信系统，以支持观察，更新，查询，验证，反映，颁布和解释传播活动[5]。Linet Ozdamar等人将人道主义后勤保障模式与信息技术相结合，采用相关的数学模型，构建信息系统，对灾难生命周期的响应和恢复计划阶段的信息进行整合分析，提出解决方案，并在实践中验证了该系统的可行性[6]。

表4 高频关键词列表

3.2 从社会心理学视角研究危机信息管理

包括聚类#1、#5，研究内容集中于从社会心理学视角研究危机信息管理，内容集中于从社会心理学视角分析危机管理中公众的心理健康等问题，以及心理因素对其他方面的影响。

Anne Wein等人从社会心理学视角对地震中公众的心理状态进行分析，以坎特伯雷地震中公众的反应为例，发现公众对地震和余震信息的需求和对地球科学家的专业知识的需求增加，这就决定了地震学家的应对方式要有所改变，需要配合地震信息，提供有关保护行动，社会心理支持和自我照顾策略的建议，让人们更注重危机，同时专家在进行沟通时，要了解影响地震信息和余震预报的社会心理方面的因素，更有效地利用相关资源进行交流，了解公众内部各种科学信息的多样化和不断变化的需求，了解协调沟通角色，与其他的应急机构(如健康福利、应急管理)保持联系，从而改善交流沟通的能力[7]。Shantini Paranjothy等人使用邮政，在线，电话问卷调查和面对面访谈方式来评估社会心理(心理健康症状)：心理压力(GHQ-12)、焦虑(GAD-7)、抑郁症(PHQ-9)和可能的创伤后应激障碍(PTSD清单缩写)，变量包括家中洪水量，撤离和破坏基本服务(事件管理变量)，洪水对财务、房屋价值和健康问题造成的影响，结果表明受家庭洪水影响的人群中，所有精神健康症状的患病率高达2～5倍，该人群更有可能存在心理困难、焦虑、抑郁症和PTSD，对基本服务的破坏使不良心理结果增加了2～3倍，洪水对社会心理健康的影响是日益增长的公共卫生问题，必须在应急准备和反应系统中建立改善战略，尽量减少对基本服务的破坏和财务担忧。公共卫生机构应对潜在的心理健康问题提供信息和建议，以便对那些可能受到洪水影响的人们提供参考[8]。

3.3 危机基本信息的管理

包括聚类#2、#4、#6，主要涉及危机事件中信息的来源、对信息的管理以及信息系统的建设问题。

Mcknight 等人指出自然灾害事件的相关信息包括历史信息、地理信息、气象数据、受灾和基础设施信息等[9]，Sommerfeldt等人指出人们获取危机信息主要通过广播、电视、教会和口头等传统方式以及报纸、互联网、短消息、广告牌和国家警察等新型方式。其他研究学者还提出通过图书馆获取信息，其中医学图书馆可以为灾害提供相关的学科信息及评估报告等，还有通过政府数据库、社交媒体、政府的信息化管理部门等[10]。Trecarichi等人研究了开放知识系统在应急响应中实现信息资源搜集的模式，通过知识开放系统可以实现不同领域信息资源在紧急情况下互通操作[11]。Schooley等人研究了应急信息系统建设的关键因素，提出以应急事件的管理效率为中心，并以绩效指标作为评估应急联动信息系统的重要方法与标杆[12]。Amaye等人从学科协同和技术协同的角度探讨了应急管理信息系统，认为应急管理是一个侧重于管理灾害的动态的、跨学科的研究领域和领导实践科学，它面临着多机构协调的复杂性、不同系统和过程的互操作及所需功能等独特的问题和挑战，而应急管理系的出现为应急管理提供了专业信息和通信技术保障，为决策者提供了支持系统和工具；提出了应急管理系统的概念模型、重点功能和结构，为应急管理系统的开发和评估提供了参考[13]。

4 危机信息管理共被引文献前沿分析

科学计量学的奠基人普赖斯(Price)提出科学引文网络中高被引且时效性强的文献集合，他认为研究前沿能动态地反应某研究领域的本质[14]。加菲尔德(Garfield)将研究的前沿定义为一组核心的高被引论文和引用论文，认为研究前沿的名称可以从论文标题中出现频率最高的词或短语中提取[15]。通过对关键词的聚类，得到18个研究主题，聚类间有交叉覆盖的现象，表示这些聚类之间存在研究主题上的交叉，其关系较为紧密，与其他聚类不交叉的色块表示该类主题具备较为独立的研究性质。以“#0，#1……”等形式对聚类进行编号(Cluster ID)，经过自动聚类并结合图书馆学情报学专业知识，将18个聚类(见表5)分成5个方面。

表5 共被引文献聚类表

4.1 信息技术在危机管理中的应用

包括聚类#5、#6、#9等，主要涉及信息管理系统、地理信息系统(GIS)及网格化管理(GM)等技术应用于社区应急管理及城市应急管理中。

Liao Z.L等人提出了基于网格化管理(GM)的环境危害管理(EHM)的地理信息系统(GIS)开发，即通过GM集成EHM和GIS，GIS已被广泛应用于国内外EHM，着重研究GIS与EHM之间的联系，并为上海高度城市化的区域开发了EHM的GIS原型，以避免传统EHM中的政企El-IM分离、忽视环境信息、重叠或盲区、无监督或评估以及无永久机制等情况的出现[16]。Jaeger Paul T等人综合计算机科学、信息研究、公共政策和应急管理等学科，使用移动通信技术和网络(包括电子政务)开发了社区应急网格(CRGs)，详细阐述了CRG的概念和需求，为社区居民在灾难发生之前，之中和之后提供上传、分享和交流信息的渠道，提高居民之间的互助能力[17]。Jiang Jingui等人介绍了具有共享、预测、协调、多维度和开放等特征网格管理应急管理机制，为完善我国应急管理机制提供了新思路[18]。Zheng Maohui等人设计了一个具有网格功能的地理空间问题解决架构，将OGC Web Services与网格计算技术相结合，动态收集分布式地理信息，提供地理空间信息服务，提高城市应急管理中信息共享与协作的能力[19]。Liu Huide等人利用网格化技术和服务地理信息系统(GIS)技术实现了面向服务架构(SOA)下城域网格化数据资源的整合与共享，消除了“信息孤岛”和“信息烟囱”，建立协同管理模式，提高了城市建设的社会效益和经济效益[20]。

4.2 危机信息沟通研究

包括聚类#1、#2，研究的主要内容包括不同组织之间的沟通协作，社交媒体在危机沟通中的作用，实现危机沟通的技术路径以及实现危机沟通的途径和措施。

Prezelj Iztok等人通过对西班牙、意大利、挪威、斯洛文尼亚、比利时和俄罗斯等国的两大主流报纸对福岛核灾难1 340篇印刷媒体文章的定量分析，结果表明信息源分散造成沟通困难、公众信息与媒体报道信息冲突，难以在危机发生时实现真正协调一致的沟通，进而呼吁采取一定的方式来改善[21]。Panagiotopoulos Olteanu等将社交媒体Twitter作为向公众传达危机信息的工具，不仅能快速地传播关键信息，还发现社交媒体能够在危机情况下及时进行信息沟通，特别是为利益相关者创造了传播危机相关信息的机会[22]。Soini Jari等人采用过程建模方法实现危机情况下不同组织之间的沟通协作，通过研究互动支持过程模型来减少组织间的沟通问题，定期分享和传播信息，使与会者(即当局)在灾害事件期间能够顺利交流与协作，实现资源的优化配置和管理体系的完善[23]。Yang Gui-ying认为危机沟通是应急管理的重要组成部分，针对当前国家危机沟通中存在的问题，提出应急管理有效的危机沟通解决方案[24]。Saoutal Amina等认为成功的危机管理取决于不同利益攸关方和有关组织之间的沟通，研究组织间危机管理中的沟通活动，并提取参与者在信息共享中遇到的各种阻止他们实现目标的问题，能够更好地实现危机响应[25]。

4.3 经济金融危机管理研究

包括聚类#7、#8、#13，研究内容主要有国家债务危机和金融危机中盈余管理模式、措施研究以及信贷危机中市场反应研究等。

Kousenidis Dimitrios V等通过对欧盟危机对财政薄弱国家上市公司的收益影响研究，提出危机期间盈余决定因素的变化有利于盈利质量的提高，危机期间平均收益质量有所提高，在盈余管理激励的情况下，收益质量恶化[26]。Shivakumar Lakshmanan等通过信用违约互换(CDS)差价变动对管理盈利预测来调查信贷市场的反应，并评估这些预测相对于近期信贷危机前后期间盈利的重要性，结果表明，在信贷危机期间，管理层预测对信贷市场的相关性在高度不确定的时期尤为强劲[27]。Cohen Lee J等认为银行财务报表中的盈余管理模式对于平静期的下行风险影响不大，但在金融危机期间似乎有很大的影响，一旦金融危机开始，股价暴跌，全年回报模式变化，股票市场风险大幅上涨。股价暴跌也预示未来经营业绩恶化[28]。Cimini Riccardo通过分析2006-2012年期间在欧盟列出的11 844个企业年度样本，能够在估计期间和事件发生期间计算和比较国家/地区异常应计项目，结果表明在金融危机爆发后，大多数欧洲国家的失实陈述减少，实体机构在危机期间吸引潜在投资者的共同激励措施可能会导致他们提供高质量的财务报告[29]。

4.4 危机决策研究

包括聚类#0、#10、#12、#17，研究内容主要有危机决策支持系统的设计框架、作用，危机决策的方法。

Wei Juan等人从信息处理和知识挖掘的角度，将知识推理引入到DSS中，并提出基于知识推理的危机决策支持系统，决策者提供强大的决策支持[30]。Little Richard G等人进行了实证研究，以确定应急管理人员如何使用决策支持系统，并提出计算机辅助决策支持系统是应急管理专业人员在危机应对和备灾培训时的宝贵工具，应根据广泛的潜在用户的需要进行设计[31]。Attanasio Antonio等人提出了一个从社交网络中提取关于正在发生的危机的实时信息的平台，以了解危机用户发布的主要信息，这些信息与其他数据相结合，以便做出科学的决策[32]。Sediri M等人使用类比推理和经验反馈在危机情况下进行决策支持，有效的经验反馈过程有助于更加科学地采取决策行为。他们为此提出一个系统，以处理经验反馈，作为危机管理决策的支持，从两个维度(组织，沟通和解决问题的活动；使用类比来呈现和发现经验反馈)来实现决策的科学化[33]。Zhang Yunlong等人提出了一种基于安全科学，风险分析和经济学的多阶段决策方法[34]。Zhao Jidi等人提出了基于CBR的决策支持方法，从Case Base中检索类似的情况，并使用贝叶斯动态预测模型预测缺席特征值的分布，然后将结果放入基于马尔可夫的状态转移矩阵中，通过适当性来排序建议的解决方案，并协助决策者达成共识[35]。

4.5 医疗保健服务研究

包括聚类#3、#4、#11、#16，研究内容主要包括医疗保健系统架构、模型，医疗保健信息技术的应用，医疗保健数据的安全性以及医疗保健服务理念研究。

Shin Chang-Sun等人介绍了一种基于分布式对象组框架(DOGF)支持医疗保健家庭服务的医疗信息管理系统，重点用于支持家庭保健服务[36]。Carvalho Joao Vidal等人确定和比较了医疗信息系统和技术(IST)管理的成熟度模型，通过维度或影响因素确定开发和验证的方法以及范围，阶段和特征[37]。Zeshan Furkh等人开发了面向服务架构(SOA)的高级方法，可用于开发松耦合，动态，灵活，分布式和经济高效的应用程序能有效处理紧急情况下基于IT的医疗体系问题[38]。Hameed Shihab A等人根据敏感度和数据量选择合适的加密方法，为敏感医疗数据提供合适的安全级别的成本[39]。Hii Pei-Cheng等人提出了一种组合无线传感器网络WSN和CDMA(码分多址)技术的综合移动医疗监控系统，患者不需要依靠他人进行医疗管理和医疗保健，可以随时随地进行远程执行。该系统还可在紧急情况下改善为患者提供的医疗服务，以减少患者生存的风险[40]。

5 结 论

本文对近十年国外政府危机信息管理研究热点及重点进行梳理和定量分析，发现目前众多学科，如公共行政管理、社会学、计算机科学、医疗技术和图书情报分别从不同角度进行相关研究，其研究角度也颇为广泛：其中将人道主义引入危机信息管理研究，构建营地及救援管理系统，为危机管理提供后勤保障；以社会心理学基本理论为出发点，关注危机事件发生后对人产生的心理影响，从公众健康视角为危机决策提供相关信息支撑；利用目前已构建成熟的历史、地理、气象等自然信息系统为危机信息管理提供管理和决策支撑；将现代化的信息技术、金融危机管理经验及医疗保健服务研究融入危机信息管理研究，将其他领域成功经验应用于危机信息管理领域。同时，图书情报专家也从本学科研究本质出发对危机信息管理进行多方面的探索：通过对危机信息生命周期解析，将危机信息分为预警信息、实情信息和恢复信息，并从危机信息收集、分析、利用、传递及反馈等环节加以控制；分别从宏观及微观角度构建危机信息管理体系架构，并建立其一套完备的危机管理机制；将数据挖掘与分析、信息可视化技术应用于危机管理，优化危机决策方法、开发智能决策系统用以提高危机信息管理效率。

大数据时代必然催生新的研究理念，作为图书情报领域专业人员，如何继续用情报学的研究方法解析政府危机信息管理，用情报工程思维解决政府危机信息管理问题，从而探索以情报工程化为主导、情报平行化为支撑的“两融合”危机决策情报服务模式[41]；对政府危机信息管理中的情报要素分析并建立政府危机信息管理及决策的情报学体系，进而为促进科学决策生成及智慧城市发展奠定情报学基础，都将成为本领域研究的新触点。

[1]Altay N,Labonte M.Challenges in humanitarian information management and exchange:evidence from Haiti[J].Disasters,2014，(38):50-72.

[2]Muhren WJ,Durbic D,Van de Walle B.Effects of Information Load and Communication Mode on Decision Making in Humanitarian Disaster Response Teams:An Experimental Pilot.The Fourth International Conference on Information Systems for Crisis Response and Management，2010.

[3]Aligne F,Dreo J,Mattioli J.AMETRINE:a humanitarian camp management system.In:Duncan K,Brebbia CA,editors.Disaster Management and Human Health Risk:Reducing Risk,Improving Outcomes[J].WIT Transactions on Ecology and the Environment,2009:77-86.

[4]Yang HJ,Yang LL,Yang SH.Hybrid Zigbee RFID sensor network for humanitarian logistics centre management[J].Journal Of Network and Computer Applications,2011,34(3):938-948.

[5]Muhren WJ,Van den Eede G,Van de Walle B.Making Sense of Media Synchronicity in Humanitarian Crises[J].IEEE Trans Prof Commun,2009,52(4):377-397.

[6]Ozdamar L,Ertem MA.Models,solutions and enabling technologies in humanitarian logistics[J].European Journal Of Operational Research,2015,244(1):55-65.

[7]Wein A,Potter S,Johal S,Doyle E,Becker J.Communicating with the Public during an Earthquake Sequence:Improving Communication of Geoscience by Coordinating Roles[J].Seismological Research Letters,2016,87(1):112-118.

[8]Paranjothy S,Gallacher J,Amlot R,Rubin GJ,Page L,Baxter T,et al.Psychosocial impact of the summer 2007 floods in England[J].Bmc Public Health,2011,(11):245-267.

[9]Mcknight M.Health Sciences Librarians’ Reference Services During a Disaster[J].Med Ref Serv Q,2006,25(3):1-12.

[10]Sommerfeldt EJ.Disasters and Information Source Repertoires:Information Seeking and Information Sufficiency in Postearthquake Haiti[J].J Appl Commun Res,2015,43(1):1-22.

[11]Trecarichi G,Rizzi V,Marchese M,Vaccari L,Besana P.Enabling Information Gathering Patterns for Emergency Response with the OpenKnowledge System[J].2012,29(4):537-555.

[12]Aedo I,Carroll JM,Convertino G,Rosson MB.End-user oriented strategies to facilitate multi-organizational adoption of emergency management information systems[J].Information Processing & Management,2010,46(1):11-21.

[13]Amaye A,editor Collaborative Disciplines,Collaborative Technologies:A Primer for Emergency Management Information Systems.European Conference of Information Management and Evaluation,2015.

[14]Price DJ.NETWORKS OF SCIENTIFIC PAPERS[J].Science,1965,149(3683):510-521.

[15]Garfield E.Research fronts[J].Current Contents,1994,41(10):3-7.

[16]Liao ZL.GIS Development for Environmental Hazard Management Based on Gridding Management[J].J Environ Inform,2011,17(2):83-90.

[17]Jaeger PT,Shneiderman B,Fleischmann KR,Preece J,Qu Y,Fei Wu P.Community response grids:E-government,social networks,and effective emergency management[J].Telecommun Policy,2007,31(10):592-604.

[18]Jiang JG,Liu BQ,Liang JG.The Research of Emergency Management Mechanism Based on Grid Management.VandeWalle B,Song Y,Zlatanova S,Li J,editors.Harbin:Harbin Engineering Univ,2008:169-7.

[19]Zheng MH,Jiang YY,Wang HR.Collaborative Emergency Management Based on Grid-enabled Geospatial Information Services.VandeWalle B,Song Y,Zlatanova S,Li J,editors.Harbin:Harbin Engineering Univ;2008:493-8.

[20]Liu HD,He YW,Li JF,Cui JF.Research and Design of Urban Gridding Management System Based on Service GIS[J].2010 International Conference on Innovative Computing and Communication and 2010 Asia-Pacific Conference on Information Technology and Ocean Engineering:Cicc-Itoe 2010,Proceedings,2010:47-9.

[21]Prezelj I,Perko T,Cantone MC,Gallego E,Tomkiv Y,Oughton DH.The limits of public communication coordination in a nuclear emergency:lessons from media reporting on the Fukushima case[J].J Radiol Prot,2016,36(2):45-63.

[22]Panagiotopoulos P,Barnett J,Bigdeli AZ,Sams S.Social media in emergency management:Twitter as a tool for communicating risks to the public[J].Technol Forecast Soc Chang,2016,111:86-96.

[23]Soini J,Polancic G.Toward Adaptable Communication and Enhanced Collaboration in Global Crisis Management Using Process Modeling[J].Picmet 2010:Technology Management for Global Economic Growth,2010.

[24]Yang GY.The Problems and Solutions on Crisis Communication of our Country in Emergency Management.Zeng Q,Marinov M,Johnson N,Yang C,editors,2009:260-3.

[25]Saoutal A,Cahier JP,Matta N.Modelling The Communication Between Emergency Actors In Crisis Management[J].Proceedings Of the 2014 International Conference on Collaboration Technologies And Systems (Cts),2014:545-52.

[26]Kousenidis DV,Ladas AC,Negakis CI.The effects of the European debt crisis on earnings quality[J].Int Rev Financ Anal,2013,30(4):351-62.

[27]Shivakumar L,Urcan O,Vasvari FP,Zhang L.The debt market relevance of management earnings forecasts:evidence from before and during the credit crisis[J].Rev Account Stud,2011,16(3):464.

[28]Cohen LJ,Cornett MM,Marcus AJ,Tehranian H.Bank Earnings Management and Tail Risk during the Financial Crisis[J].Journal of Money Credit & Banking,2014,46(1):171-97.

[29]Cimini R.How has the financial crisis affected earnings management? A European study[J].Appl Econ,2015,47(3):302-17.

[30]Wei J,Li M,Cao L.Study of Crisis Decision Support System Based on Knowledge Reasoning.VandeWalle B,Song Y,Zlatanova S,Li J,editors,2008:571-6.

[31]Little RG,Manzanares T,Wallace WA.Factors Influencing the Selection of Decision Support Systems for Emergency Management:An Empirical Analysis of Current Use and User Preferences[J].J Cont Crisis Manag,2015,23(4):266-74.

[32]Attanasio A,Jallet L,Lotito A,Osella M,Rua F.Fast and Effective Decision Support for Crisis Management by the Analysis of People’s Reactions Collected from Twitter.In:Morzy T,Valduriez P,Bellatreche L,editors.New Trends In Databases And Information Systems.Communications in Computer and Information Science,2015:229-34.

[33]Sediri M,Matta N,Loriette S,Hugerot A.Use of the Analogy Reasoning and Experience Feedback for Decision Support in Crisis Situation[J].Proceedings Of the 2014 International Conference on Collaboration Technologies And Systems (Cts),2014:590-6.

[34]Zhang YL,Liu DH,Liu M.Multi-Stage Decision Making Approach of Making Emergency Decisions.Li SC,Wang YJ,An Y,Sun XY,Li X,editors,2008.499-502.

[35]Zhao JD,Jin T,Shen HZ.A case-based evolutionary group decision support method for emergency response.In:Yang CC,Zeng D,Chau M,Chang K,Yang Q,Cheng X,et al.,editors.Intelligence And Security Informatics.Lecture Notes in Computer Science,2007:94.

[36]Shin CS,Joo SC,Jeong CW.Healthcare information management system in home environment.In:Obermaisser R,Yunmook N,Puschner P,Rammig FJ,editors.Software Technologies for Embedded And Ubiquitous Systems.Lecture Notes in Computer Science,2007:223.

[37]Carvalho JV,Rocha A,Abreu A.Maturity Models of Healthcare Information Systems and Technologies:a Literature Review[J].J Med Syst,2016,40(6).

[38]Zeshan F,Mohamada R.Medical Ontology in the Dynamic Healthcare Environment.In:Shakshuki E,Younas M,editors.Ant 2012 And Mobiwis 2012.Procedia Computer Science,2012:340-8.

[39]Hameed SA,Yuchoh H,Ieee.Toward Managing Security Cost for Healthcare Information. 2012 International Conference on Advanced Computer Science Applications And Technologies.International Conference on Advanced Computer Science Applications and Technologies,2012:414-8.

[40]Hii PC,Lee SC,Kwon TH,Chung WY.Smart Phone Based Patient-Centered Remote Health Monitoring Application in Wireless Sensor Network[J].Sensor Letters.2011,9(2):791-6.

[41]李阳，李纲.工程化与平行化的融合：大数据时代下的应急决策情报服务构思[J].图书情报知识，2016,(3):4-14.

ResearchProgressofForeignGovernmentCrisisInformationManagement——BasedonDataofWOS2007-2017

Chen Ling Sun Shaodan

(School of Information Science and Technology,Northeast Normal University,Changchun 130117,China)

This paper took the“WOS core collection database”as the data source,using the bibliometrics method,the social network analysis method and the content analysis method to carry on the quantitative analysis about the foreign government crisis information management literature in 2007-2017,in order to reveal the scientific research structure,analyze the frontier hotspots in this field and study new contacts from the perspective of information science on the era of big data.

government crisis management;quantitative analysis;intelligence science

10.3969/j.issn.1008-0821.2018.01.023

D035-39

A

1008-0821(2018)01-0154-08

2017-09-11

教育部人文社会科学青年基金项目“政府危机决策信息保障体系与信息机理研究”(项目编号14YJC870002)；吉林省社会科学基金项目一般项目“政府危机决策信息保障体系及其信息作用机理研究”(项目编号2013B75)。

陈凌(1980-)，女，副教授，博士，研究方向：政府信息资源管理、危机决策。孙绍丹(1993-)，女，硕士，研究方向：政府信息资源管理。

郭沫含)