近三年国外图书馆学与信息科学 领域研究热点与前沿分析

刘雅姝 张海涛 徐海玲 李题印

摘 要：[目的/意义]本文对近三年来（2015-2017）SCI和SSCI收录的图书情报学的影响因子排名前50%的外文期刊刊载论文及其题录数据进行计量研究，进而揭示国际LIS领域热点研究主题，再利用著名的科学分析管理工具ESI追踪LIS领域的研究发展趋势。[方法/过程]使用自主研发的程序工具基于Louvain算法对领域知识网络进行知识群落划分，进而识别领域知识主题与研究热点，再利用科学分析管理工具ESI根据共被引分析和聚类算法选出学科最新研究前沿。[结果/结论]通过研究发现，近三年国际图书情报学的研究热点主题分别是文献计量、高校图书馆、网络社交媒体研究、管理、卫生健康、技术、信息检索、电子政府、企业管理和电子商务等特定领域的信息应用，研究前沿主要集中在学术平台替代计量学研究、在线用户评论研究、政治文本内容挖掘研究、智慧城市研究、读者阅读研究、社交媒体相关研究等。

关键词：图书馆学与信息科学;研究热点;主题划分;研究前沿

DOI：10.3969/j.issn.1008-0821.2019.09.019

〔中图分类号〕G250 〔文献标识码〕A 〔文章编号〕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

在過去的几十年中，有关图书馆与信息科学领域的研究在数量、国际化、专业化程度、应用领域和跨学科关系方面经历了爆炸式增长，图书馆与信息科学理论与实际应用研究备受关注。进行学科研究热点与前沿分析可以尽快把握获取国际学者的研究动向，进而为LIS的建设和完善提供有益的发展建议。国外很早就有学者对LIS领域进行相应的研究，Jrvelin K等[1]对1965-1985年间LIS领域核心期刊论文进行内容分析，旨在追踪该领域20年间研究主题与热点变化情况;Uzun A[2]对LIS领域21种核心期刊1980-1999年间的文献内容以及作者合著情况进行分析，并利用共词分析方法得出信息检索、信息需求、信息用户是LIS领域学者的热门研究主题;Figuerola C G等[3]在LISA数据库中选取1978-2014年间的LIS领域论文标题和摘要，应用LDA主题统计技术，识别文档的主要主题，最终将LIS领域主题分为4个方面：方法、信息技术、图书馆和特定领域的信息应用。近年来国内多位学者从定性或定量多个角度揭示LIS领域的研究热点，邱均平等[4]从研究热点、研究前沿、知识基础3个方面对2008-2012年SCI和SSCI收录的外文期刊论文及其题录数据进行可视化计量研究，并总结出国际图书情报学研究前沿主要有信息学、引文分析、虚拟网络社区、语义信息检索等研究领域;柯平等[5]选取22种国外SSCI收录期刊论文，借助社会网络分析工具对关键词统计分析，最终将国外图书馆学情报学热点划分为3个领域：信息组织检索与管理、数字图书馆、图书馆用户及相关研究。本文在吸收借鉴前人研究成果的基础上，使用共词分析方法，通过词间关系数据挖掘达到学科主题[6]发现的目的，进而了解LIS领域研究的知识结构，这将有助于了解该领域并为其未来发展提供基础。

1 相关理论与方法

1.1 共词分析法

共词分析（也称词共现分析）属于内容分析的范畴，最早在20世纪70年代中后期由法国文献计量学家Callon M等[7]提出，其思想来源于文献计量学的引文耦合与共被引概念，他们在1986年对共词分析理论进行完善并出版了第一部关于共词分析法的专著[8]。共词分析经过20多年的发展，已经在人工智能、科学计量、信息科学与信息系统等多个领域被广泛应用。共词分析一般以文本中的单词、关键词或主题词为分析单元，分析在同一个文本主体中的单词或者名词短语对共同出现的形式，一般认为词汇在同一篇文章中出现的次数越多，这两者之间的关系就越为紧密，由此可以分析主题词两两文章之间同时出现的频率，以发现科学领域的学科结构[9]。

1.2 Louvain算法

领域知识在时间序列上的不断发展演进，使得各知识节点基于彼此之间的关联关系逐渐形成知识主题，领域知识网络是由不同的知识主题所构成的。将网络划分为主题的依据有很多，大體上分为图划分和社群发现两类算法。其中图划分主要特点是指定了主题规模和数量，目的在于把网络划分成更小、更容易管理的碎片从而进行研究;而社群发现是主要依据网络本身的拓扑结构来决定主题的数量和规模，即自然地识别网络内部不同主题。本研究目的在于探究领域知识网络中知识主题的识别，事先并不确定知识主题的具体情况，因此研究中基于关键词节点之间的邻接关系构建领域知识网络，采用社群发现中的Louvain算法来对领域知识网络中的知识主题进行划分与识别。Wallace M L[10]等人也曾指出社群发现算法有助于规模较大的复杂网络的分析研究，并在知识主题的识别上具有明显的天然优势。

Louvain算法就是基于模块度的社群发现算法，该算法不需事先确定群落信息，并且在研究大型网络上具有较好的效率和效果表现。该算法通过不断将节点进行凝聚，实现将整个网络分解为多个群落。Louvain算法的主要步骤如下：

1）将网络中每个节点看成是一个独立的群落，即群落数目与节点个数相同;

2）对每个节点i，依次尝试把节点i分配到每个邻居节点所在的群落中，计算分配前后的模块度变化ΔQ，并记录ΔQ值最大的邻居节点，如果MaxΔQ>0，则把节点i分配到该邻居节点所在的群落，否则保持不变;

3）对网络进行压缩，将所有同在一个群落内的节点压缩成一个新的节点，重复1）的过程，直至整个网络的模块度不在发生变化，即达到最大值。

经由上述步骤，Louvain算法通过不断聚集各节点来实现模块度值最优的结果，从而确定网络中群落的划分。研究中，基于上述的理论和思想，划分领域知识网络中的知识群落，进而识别LIS领域研究主题。

2 数据获取与预处理

期刊引用报告（Journal Citation Reports，简称JCR）[11]依据来自Web of Science平台中的引文数据，是一个独特的多学科期刊评价工具，JCR以可计量的统计数据提供了一种系统客观测定某个主题类目中大量期刊相对重要性的方法，进而了解学术期刊在相应研究领域的影响力。期刊引证报告中LIS专业目录下，共收录了88种学术期刊，基于数据格式的统一与研究的需要，笔者选取排名前50%且具有作者关键词的SSCI/SCI期刊共44个，在WoS核心合集数据库中以出版物名称作为检索项，数据时间限定为2015-2017年，共计检索出8 018篇文献（检索时间：2018年7月8日），经过统一大小写、合并同类关键词等数据清洗与预处理工作，最终得到作者关键词21 073个，关键词关联关系112 113对。由于篇幅有限，影响因子排名前10位期刊的名称、影响因子、文章数量、作者关键词数量如表1所示。

根据表1中期刊的基础研究数据，可知WoS数据库收录的LIS领域各期刊论文数目差距较大，且外文期刊的作者关键词数量较多，平均每篇文章作者关键词在5个左右，各个期刊之间关键词最高出现频次数值差距也较大。根据文献中作者关键词的共现关系构建LIS领域知识网络，选取网络中具有19 832个知识节点的最大连通图进行研究，再使用自主研发的程序工具基于Louvain算法对网络进行知识群落划分，进而实现领域知识主题划分与研究热点分析。

3 LIS领域研究热点与前沿分析

3.1 领域知识主题群落规模分析

经过自主研发的程序工具基于Louvain算法的划分后，共词网络最终被划分为70个主题群落，主题群落规模如图1所示，主题群落的规模由群落中包含的知识节点的数量决定，群落规模越大，其所反映的领域主题的内涵越深，外延越广，对于领域主题挖掘具有重要意义。本研究选取主题网络规模排名前9位，分别具有2 781、2 327、2 268、1 895、1 653、1 307、761、605、562个知识节点数的T64、T8、T37、T38、T61、T3、T34、T23、T60知识主题社群进行研究。

根据图1可以看出，LIS领域关键词共现网络中各知识主题群落规模差距较大，T64、T8、T37、T38、T61主题群落中的知识节点就约占整个领域知识网络节点的1/2，本研究选取的主题规模前9的主题群落中包含知识节点数量为14 159个，约占整个领域知识网络节点数量的71%，涵盖了大部分领域知识节点，为研究结果的科学、准确性提供保障。

3.2 LIS领域研究热点分析

本研究基于知识网络中关键词节点的度数中心度来识别国际LIS领域的研究热点。共词强度是社会网络分析中节点关键程度评价的重要标准，主要指标是度数中心度，度数中心度越高，说明该节点在知识网络中影响越大，越有可能成为该领域的研究热点[12]。笔者使用自主研发的程序工具采用Louvain算法对国际LIS领域知识网络进行划分，选取知识主题群落规模排名前9位的知识群落进行领域研究热点分析，主题群落可视化结果如图2所示，图中a～i序号分别代表着T64、T8、T37、T38、T61、T3、T34、T23、T60知识主题群落。

图2中呈现了各个主题群落的规模，主题规模越大，网络中包含的知识节点数量越多，关联关系越复杂，为了进一步揭示知识主题所涵盖的具体内容，笔者统计了每个知识主题群落中度数中心度排名前10位的关键词分布如表2所示。

根据表2、表3可发现近三年国际LIS研究9大研究主题内容可归纳为：文献计量、电子政府与高校图书馆、网络社交媒体研究、管理、卫生健康、技术、信息检索、企业管理、电子商务。

a群落反映出文献计量主题的热点词汇，包括文献计量学（Bibliometrics）、引文分析（Citation Analysis）、合作（Collaboration）、 社会网络分析（Social Network Analysis）、科学计量学（Scientometrics）、研究评估（Research Evaluation）、开放获取（Open Access）、网络分析（Network Analysis）等，这些热点词汇涵盖了计量学研究的基础理论、分析方法、研究对象、研究目的等，计量学是LIS领域研究发展中相对独立的一个研究领域主题。

b群落反映出电子政府与高校图书馆主题的热点词汇，包括大数据（Big Data）、创新（Innovation）、高校图书馆（Academic Libraries）、社会网络（Social Networks）、隐私（Privacy）、信任（Trust）、电子政府（E-Government）、信息技术（Information Technology）、采用（Adoption）、Web2等，这些热点词汇代表了LIS学科重要的研究内容，有关政府以及高校图书馆服务方向的研究。

c群落反映出网络社交媒体研究主题的热点词汇，包括社交媒体（Social Media）、Twitter、互联网（Internet）、信息素养（Information Literacy）、Facebook、数字化分（Digital Divide）、信息通讯技术（ICT）等，這些热点词汇是LIS研究在网络环境下研究内容的体现，研究社交媒体用户使用、传播、交互规律，也逐渐成为近年来LIS领域学者研究热点之一。

d群落反映出管理主题领域的热点词汇，包括知识管理（Knowledge Management）、知识共享（Knowledge Sharing）、案例分析（Case Study）、文献评论（Literature Review）、云计算（Cloud Computing）、技术采纳（Technology Adoption）、电子商务（E-commerce）等，这些热点词汇是LIS研究管理学方向的反映，LIS学科是管理学的下位学科，与管理学有着天然密切的联系。

e群落反映出卫生健康主题的热点词汇，包括卫生保健（Health Care）、电子健康记录（Electronic Health Record）、健康信息技术（Health Information Technology）、性别（Gender）、扎根理论（Grounded Theory）、定性研究（Qualitative Research）、教育（Education）等，这些热点词汇体现了LIS学科与医学信息学科交叉融合发展趋势，交叉学科研究也是当前国际LIS研究的热点主题。

f群落反映出技术主题的热点词汇，包括自然语言处理（Natural Language Processing）、机器学习（Machine Learning）、信息安全（Information Security）、设计科学（Design Science）、规则（Regulation）等，这些热点词汇也同样体现了LIS学科与计算机学科的交叉研究，说明在LIS研究领域，技术主题占据着非常重要的地位，国际范围内LIS领域呈现出注重技术的研究特征。

g群落反映出信息检索研究主题的热点词汇，包括文本挖掘（Text Mining）、分类（Classification）、聚类（Clustering）、可视化（Visualization）、推荐（Recommend Systems）、专利（Patent）、科学图谱（Science Mapping）、LDA主题分析模型（Latent Dirichlet Allocation）等，这些热点词汇涉及信息检索这一重要主题研究过程中采用的技术方法。

h群落反映出企业管理研究主题的热点词汇，包括制度理论（Institutional Theory）、公司业绩（Firm Performance）、吸收能力（Absorptive Capacity）、组织学习（Organizational Learning）、创造价值（Value Creation）、商业价值（Business Valueofit）、大数据分析（Big Data Analytics）、数字化（Digitization）、面板数据（Panel Data）等，这些热点词汇体现了大数据背景下LIS学科与企业管理的交叉融合研究，面向企业的竞争情报分析相关研究也是国际LIS领域研究热点。

i群落反映出电子商务研究主题的热点词汇，包括满意度（Satisfaction）、用户产生内容（User Generated Content）、口碑（Word Of Mouth）、电子商务（Electronic Commerce）、网络口碑（Ewom）、网络评论（Online Reviews）、人群资金（Crowd Funding）、社交商务（Social Commerce）等，这些热点词汇体现了近年来有关电子商务主题相关研究是国际LIS领域研究的一个方向。

3.3 LIS领域研究热点演化分析

为了进一步把握LIS领域研究热点的变化情况，笔者选取2015-2017度数中心度累积数据排名前20的知识节点，这些高点度中心度知识节点可以在一定程度上反映国际LIS领域研究热点，度数中心度排名前20的关键词及数值如表3所示。

根据表3中确定的知识节点，对其在2015-2017年3年中的演化过程进行动态跟踪，进而总结研究热点的变化趋势，笔者统计了这20个知识节点在每一年的度数中心度发生值，这些节点的度数中心度时间序列增长数据如图3所示。

根据图3中各年度数中心度变化情况可知，部分知识节点度数中心度在时间序列中居高不下，保持着持续增长的态势，如“Social Media”、“Qualitative”、“Knowledge Management”、“Big Data”、“Twitter”、“Social Networks”、“Communication”、“E-government”，说明有关社交媒体、知识管理、大数据等问题的研究在国际情报学领域中很受欢迎，是国际学者主要的研究方向以及中长期的核心热点。尤其是“Social Media”、“Qualitative”在时间序列上相对显著的增长数据，说明学者们在进行科学研究过程中更倾向于使用定量研究的方法，同时也再次印证了2015年以来，网络技术的繁荣发展直接促进了社交网络载体的丰富性，社交网络在社会中的实际应用越来越广泛，使得对于此类问题的研究愈加有实践意义，进而掀起了广大国际学者们的研究热潮。但具体来看，相比于2015年，一些主题关键词的度数中心度在2016年呈现出增长态势，但在2017年又迅速下降，如“Bibliometrics”、“Citation Analysis”、“Knowledge Sharing”、“Innovation”、“Academic Library”、“Privacy”、“Trust”，说明文献计量、知识共享、高校图书馆、隐私、信任等问题只受到国际学者短时间内的接受和欢迎，学者对于此类问题的研究热情呈现下降趋势。值得注意的是“Health Care”、“Collaboration”、“Internet”、“China”等关键词随着时间的发展度数中心度在这3年中始终呈现出下降趋势，其中“Health Care”知识节点度数中心度下降幅度最为显著，说明LIS领域与医学领域研究的交融力度在减弱，两个领域的粘合度随着时间的推移逐渐变低。

4 LIS领域研究前沿分析

4.1 研究前沿静态分析

本研究利用著名的科学分析管理工具ESI追踪LIS领域的研究发展趋势，ESI检索研究前沿（Research Fronts）根据共被引分析和聚类算法选出的学科最新研究前沿，反映了现代科学中的突破性领域和集中研究领域，每一组前沿主题包含一组高被引论文，详细揭示了该课题的发展现状。进入ESI的Results List，点击Research Fronts，Add Filter选择Social Sciences，General，则可以得到目前国际最热的研究前沿关键词，从中可以找到社会科学领域的相关科研前沿，进而确定目前国际LIS领域的研究前沿，Research Fronts关键词如表4所示。

根据表4可知，当前LIS领域研究前沿主要集中在以下几个方面：1）学术平台的相关问题研究，在对此类问题的文献梳理过程中发现，英国伍尔弗汉普顿大学统计网络计量研究小组的Thelwall M[13]对于此类问题研究的较多，逐渐形成系列性成果，他在2017年最早展开对微软学术早期引用问题的研究，对来自不同专业的29种大型期刊的172 752篇文章引用数量进行了统计，结果表明微软学术引用总体上比Scopus略多6%，比Mendeley读者略少7%。随后的1年中，该作者又探讨了微软学术是否可以使用其网络搜索组件来识别最近发表的文章的早期引用，结果表明微软学术和Scopus引用计数在所有年份都是相似的，微软学术平台并不能更好地利用在线预印本来找到早期引用[14]。2）在线用户评论研究，包括酒店评论、旅游评论、消费评论、负面评论等;学者们大都通过研究用户的评论数据，探究评论内容对于产品营销的影响，进而提出具有针对性的策略和建议。3）对政治文本的内容挖掘研究，政治文本对于政治科学研究具有重大意义，斯坦福大学的Grimmer J等[15]检验了各种方法，最终得出自动文本方法对于政治科学家来说是最理想的标准工具。4）智慧城市相关研究，伦敦大学高级空间分析中心的Batty M等[16]提出了智慧城市发展的7个目标，即对城市问题的新认识;找到协调城市技术的可行性方法;在时间和空间维度上建立和使用城市数据的模型和方法;开发新的传播和交流技术;发展新形式的城市治理和组织;确定关于城市、交通和能源的关键问题;识别智慧城市中的风险、不确定性和危害。5）读者阅读研究，包括阅读认知机制、视觉词阅读等，Browder D M等[17]对残疾人视觉词进行了全面审查，确定视线词研究的整体有效性以及对残疾人的影响，它们使用荟萃分析法得出结论，对于患有中度和重度残疾的人来说，视觉词教学对于提升残疾人阅读功能非常有效。6）社交媒体相关研究，Kawaljeet K K等[18]提出，目前大多数论文都是关于社交媒体的用户行为、评论以及建议研究，还有一些学者对网络社区、社交媒体作为营销媒介的可能性进行评估研究，少数学者则探讨了其使用的相关风险，它所创造的价值以及在工作场所附加的负面影响、社交媒体所涉及的政治和公共管理，传统媒介和社交媒体之间的比较研究。

ESI分析研究前沿的另一个重要的工具便是科睿唯安与中科院文献情报中心联合发布的研究前沿系列报告。以《2017研究前沿》报告为例，从ESI Research Fronts中遴选出100个研究热点前沿和43个新兴前沿，并解读其中的27个重点前沿，是在文献计量指标的基础上对2017年全球科技发展布局和竞争结构的一种分析和解释，对于科研人员研判世界科技前沿具有基础性意义。在每个学科领域利用P和CPT指标（结合专家判断）分别选出一个重点热点前沿，在每個学科领域利用CPT指标（结合专家判断）选出一个重点新兴前沿，CPT指标值越高表明研究前沿越热[19]。

根據《2017研究前沿》报告预测2017-2018年度的最新经济学、心理学以及其他社会科学Top10热点前沿科研（表5），再结合表4中调研结果，LIS领域课题科研人员应尽快开展有关替代计量学相关问题的研究。

图4中显示了各前沿主题在时间序列发展过程中的高被引论文数量、高被引论文被引次数、平均每篇高被引论文被引次数，图中以5年为1个时间窗口，以1年为步长。根据图4可知，部分前沿问题呈现出相同的发展轨迹，遵循着相似的发展规律。

学术平台以及替代计量学问题、智慧城市问题、读者阅读相关研究在T1（2009-2013）到T2（2010-2014）时间窗口演化过程中3个变量折线的斜率最大，是高被引文献数量的爆发期，T2（2010-2014）到T5（2013-2017）时间窗口进入稳步增长阶段，在T5（2013-2017）到T6（2014-2018）窗口演化中各变量趋于稳定;

政治文本挖掘以及社交媒体问题研究在T1（2009-2013）到T2（2010-2014）时间窗口发展过程中，高被引论文及其引用次数迅速增长，但在T2（2010-2014）至T5（2013-2017）时间窗口演化过程中呈现出长时间稳定发展态势，T5（2013-2017）至T6（2014-2018）时间窗口演化过程中高被引论文数量及其引用数量呈现下降趋势;

用户评论相关问题研究经历了独特的发展历程，其在T1（2009-2013）至T2（2010-2014）时间窗口演化过程中高被引论文及其被引数量发展较为缓慢，相较于其他前沿问题，用户评论研究起步较晚，但在随后的T2（2010-2014）至T3（2011-2015）过程中迅速发展，在T5（2013-2017）时间窗口下达到顶峰期，随后在T5（2013-2017）至T6（2014-2018）时间窗口演化过程中呈现下降趋势。

5 结 语

通过本研究对于热点以及前沿问题的数据挖掘结果，可初步得出如下结论：近三年国际图书情报学的研究热点主题分别是文献计量、电子政府与高校图书馆、网络社交媒体研究、管理、卫生健康、技术、信息检索、企业管理和电子商务等特定领域的信息应用;研究前沿主要集中在学术平台替代计量学研究、在线用户评论研究、政治文本内容挖掘研究、智慧城市研究、读者阅读研究、社交媒体相关研究等。

参考文献

[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，吕红.近五年国际图书情报学研究热点、前沿及其知识基础——基于17种外文期刊知识图谱的可视化分析[J].图书情报知识，2013，（3）：4-15.

[5]柯平，贾东琴，李廷翰.2010年国外图书馆学情报学研究热点分析[J].情报科学，2011，29（9）：1281-1288.

[6]邓淑卿，徐健.我国情报学研究主题内容分析[J].情报科学，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]孙健夫，陈兰杰.基于知识图谱的国际信息政策研究热点与前沿分析[J].情报科学，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]杨颖，崔雷.基于共词可视化的学科战略情报研究[J].情报学报，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》报告的研制实践与相关探讨[J].智库理论与实践，2016，1（02）：79-87.

[20]王莉，李世宇.基于Cite Space的国内“互联网+传统行业”研究热点与前沿分析[J].情报科学，2017，35（2）：150-156.

（责任编辑：郭沫含）