劉雅姝 張海濤 徐海玲 李題印

摘 要：[目的/意義]本文對近三年來（2015-2017）SCI和SSCI收錄的圖書情報學(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)進行計量研究，進而揭示國際LIS領(lǐng)域熱點研究主題，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。[方法/過程]使用自主研發(fā)的程序工具基于Louvain算法對領(lǐng)域知識網(wǎng)絡(luò)進行知識群落劃分，進而識別領(lǐng)域知識主題與研究熱點，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]通過研究發(fā)現(xiàn)，近三年國際圖書情報學(xué)的研究熱點主題分別是文獻計量、高校圖書館、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)平臺替代計量學(xué)研究、在線用戶評論研究、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：圖書館學(xué)與信息科學(xué);研究熱點;主題劃分;研究前沿

DOI：10.3969/j.issn.1008-0821.2019.09.019

〔中圖分類號〕G250 〔文獻標(biāo)識碼〕A 〔文章編號〕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

在過去的幾十年中，有關(guān)圖書館與信息科學(xué)領(lǐng)域的研究在數(shù)量、國際化、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，圖書館與信息科學(xué)理論與實際應(yīng)用研究備受關(guān)注。進行學(xué)科研究熱點與前沿分析可以盡快把握獲取國際學(xué)者的研究動向，進而為LIS的建設(shè)和完善提供有益的發(fā)展建議。國外很早就有學(xué)者對LIS領(lǐng)域進行相應(yīng)的研究，Jrvelin K等[1]對1965-1985年間LIS領(lǐng)域核心期刊論文進行內(nèi)容分析，旨在追蹤該領(lǐng)域20年間研究主題與熱點變化情況;Uzun A[2]對LIS領(lǐng)域21種核心期刊1980-1999年間的文獻內(nèi)容以及作者合著情況進行分析，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者的熱門研究主題;Figuerola C G等[3]在LISA數(shù)據(jù)庫中選取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)計技術(shù)，識別文檔的主要主題，最終將LIS領(lǐng)域主題分為4個方面：方法、信息技術(shù)、圖書館和特定領(lǐng)域的信息應(yīng)用。近年來國內(nèi)多位學(xué)者從定性或定量多個角度揭示LIS領(lǐng)域的研究熱點，邱均平等[4]從研究熱點、研究前沿、知識基礎(chǔ)3個方面對2008-2012年SCI和SSCI收錄的外文期刊論文及其題錄數(shù)據(jù)進行可視化計量研究，并總結(jié)出國際圖書情報學(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)、語義信息檢索等研究領(lǐng)域;柯平等[5]選取22種國外SSCI收錄期刊論文，借助社會網(wǎng)絡(luò)分析工具對關(guān)鍵詞統(tǒng)計分析，最終將國外圖書館學(xué)情報學(xué)熱點劃分為3個領(lǐng)域：信息組織檢索與管理、數(shù)字圖書館、圖書館用戶及相關(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，通過詞間關(guān)系數(shù)據(jù)挖掘達到學(xué)科主題[6]發(fā)現(xiàn)的目的，進而了解LIS領(lǐng)域研究的知識結(jié)構(gòu)，這將有助于了解該領(lǐng)域并為其未來發(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年代中后期由法國文獻計量學(xué)家Callon M等[7]提出，其思想來源于文獻計量學(xué)的引文耦合與共被引概念，他們在1986年對共詞分析理論進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20多年的發(fā)展，已經(jīng)在人工智能、科學(xué)計量、信息科學(xué)與信息系統(tǒng)等多個領(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，分析在同一個文本主體中的單詞或者名詞短語對共同出現(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)域知識在時間序列上的不斷發(fā)展演進，使得各知識節(jié)點基于彼此之間的關(guān)聯(lián)關(guān)系逐漸形成知識主題，領(lǐng)域知識網(wǎng)絡(luò)是由不同的知識主題所構(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)來決定主題的數(shù)量和規(guī)模，即自然地識別網(wǎng)絡(luò)內(nèi)部不同主題。本研究目的在于探究領(lǐng)域知識網(wǎng)絡(luò)中知識主題的識別，事先并不確定知識主題的具體情況，因此研究中基于關(guān)鍵詞節(jié)點之間的鄰接關(guān)系構(gòu)建領(lǐng)域知識網(wǎng)絡(luò)，采用社群發(fā)現(xiàn)中的Louvain算法來對領(lǐng)域知識網(wǎng)絡(luò)中的知識主題進行劃分與識別。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，并在知識主題的識別上具有明顯的天然優(yōu)勢。

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)。該算法通過不斷將節(jié)點進行凝聚，實現(xiàn)將整個網(wǎng)絡(luò)分解為多個群落。Louvain算法的主要步驟如下：

1）將網(wǎng)絡(luò)中每個節(jié)點看成是一個獨立的群落，即群落數(shù)目與節(jié)點個數(shù)相同;

2）對每個節(jié)點i，依次嘗試把節(jié)點i分配到每個鄰居節(jié)點所在的群落中，計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，如果MaxΔQ>0，則把節(jié)點i分配到該鄰居節(jié)點所在的群落，否則保持不變;

3）對網(wǎng)絡(luò)進行壓縮，將所有同在一個群落內(nèi)的節(jié)點壓縮成一個新的節(jié)點，重復(fù)1）的過程，直至整個網(wǎng)絡(luò)的模塊度不在發(fā)生變化，即達到最大值。

經(jīng)由上述步驟，Louvain算法通過不斷聚集各節(jié)點來實現(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)域知識網(wǎng)絡(luò)中的知識群落，進而識別LIS領(lǐng)域研究主題。

2 數(shù)據(jù)獲取與預(yù)處理

期刊引用報告（Journal Citation Reports，簡稱JCR）[11]依據(jù)來自Web of Science平臺中的引文數(shù)據(jù)，是一個獨特的多學(xué)科期刊評價工具，JCR以可計量的統(tǒng)計數(shù)據(jù)提供了一種系統(tǒng)客觀測定某個主題類目中大量期刊相對重要性的方法，進而了解學(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，在WoS核心合集數(shù)據(jù)庫中以出版物名稱作為檢索項，數(shù)據(jù)時間限定為2015-2017年，共計檢索出8 018篇文獻（檢索時間：2018年7月8日），經(jīng)過統(tǒng)一大小寫、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，關(guān)鍵詞關(guān)聯(lián)關(guān)系112 113對。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個左右，各個期刊之間關(guān)鍵詞最高出現(xiàn)頻次數(shù)值差距也較大。根據(jù)文獻中作者關(guān)鍵詞的共現(xiàn)關(guān)系構(gòu)建LIS領(lǐng)域知識網(wǎng)絡(luò)，選取網(wǎng)絡(luò)中具有19 832個知識節(jié)點的最大連通圖進行研究，再使用自主研發(fā)的程序工具基于Louvain算法對網(wǎng)絡(luò)進行知識群落劃分，進而實現(xiàn)領(lǐng)域知識主題劃分與研究熱點分析。

3 LIS領(lǐng)域研究熱點與前沿分析

3.1 領(lǐng)域知識主題群落規(guī)模分析

經(jīng)過自主研發(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節(jié)點的數(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個知識節(jié)點數(shù)的T64、T8、T37、T38、T61、T3、T34、T23、T60知識主題社群進行研究。

根據(jù)圖1可以看出，LIS領(lǐng)域關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中各知識主題群落規(guī)模差距較大，T64、T8、T37、T38、T61主題群落中的知識節(jié)點就約占整個領(lǐng)域知識網(wǎng)絡(luò)節(jié)點的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節(jié)點數(shù)量為14 159個，約占整個領(lǐng)域知識網(wǎng)絡(luò)節(jié)點數(shù)量的71%，涵蓋了大部分領(lǐng)域知識節(jié)點，為研究結(jié)果的科學(xué)、準(zhǔn)確性提供保障。

3.2 LIS領(lǐng)域研究熱點分析

本研究基于知識網(wǎng)絡(luò)中關(guān)鍵詞節(jié)點的度數(shù)中心度來識別國際LIS領(lǐng)域的研究熱點。共詞強度是社會網(wǎng)絡(luò)分析中節(jié)點關(guān)鍵程度評價的重要標(biāo)準(zhǔn)，主要指標(biāo)是度數(shù)中心度，度數(shù)中心度越高，說明該節(jié)點在知識網(wǎng)絡(luò)中影響越大，越有可能成為該領(lǐng)域的研究熱點[12]。筆者使用自主研發(fā)的程序工具采用Louvain算法對國際LIS領(lǐng)域知識網(wǎng)絡(luò)進行劃分，選取知識主題群落規(guī)模排名前9位的知識群落進行領(lǐng)域研究熱點分析，主題群落可視化結(jié)果如圖2所示，圖中a～i序號分別代表著T64、T8、T37、T38、T61、T3、T34、T23、T60知識主題群落。

圖2中呈現(xiàn)了各個主題群落的規(guī)模，主題規(guī)模越大，網(wǎng)絡(luò)中包含的知識節(jié)點數(shù)量越多，關(guān)聯(lián)關(guān)系越復(fù)雜，為了進一步揭示知識主題所涵蓋的具體內(nèi)容，筆者統(tǒng)計了每個知識主題群落中度數(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)近三年國際LIS研究9大研究主題內(nèi)容可歸納為：文獻計量、電子政府與高校圖書館、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群落反映出文獻計量主題的熱點詞匯，包括文獻計量學(xué)（Bibliometrics）、引文分析（Citation Analysis）、合作（Collaboration）、 社會網(wǎng)絡(luò)分析（Social Network Analysis）、科學(xué)計量學(xué)（Scientometrics）、研究評估（Research Evaluation）、開放獲?。∣pen Access）、網(wǎng)絡(luò)分析（Network Analysis）等，這些熱點詞匯涵蓋了計量學(xué)研究的基礎(chǔ)理論、分析方法、研究對象、研究目的等，計量學(xué)是LIS領(lǐng)域研究發(fā)展中相對獨立的一個研究領(lǐng)域主題。

b群落反映出電子政府與高校圖書館主題的熱點詞匯，包括大數(shù)據(jù)（Big Data）、創(chuàng)新（Innovation）、高校圖書館（Academic Libraries）、社會網(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，這些熱點詞匯代表了LIS學(xué)科重要的研究內(nèi)容，有關(guān)政府以及高校圖書館服務(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，這些熱點詞匯是LIS研究在網(wǎng)絡(luò)環(huán)境下研究內(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LIS領(lǐng)域?qū)W者研究熱點之一。

d群落反映出管理主題領(lǐng)域的熱點詞匯，包括知識管理（Knowledge Management）、知識共享（Knowledge Sharing）、案例分析（Case Study）、文獻評論（Literature Review）、云計算（Cloud Computing）、技術(shù)采納（Technology Adoption）、電子商務(wù)（E-commerce）等，這些熱點詞匯是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)生健康主題的熱點詞匯，包括衛(wèi)生保?。℉ealth 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，交叉學(xué)科研究也是當(dāng)前國際LIS研究的熱點主題。

f群落反映出技術(shù)主題的熱點詞匯，包括自然語言處理（Natural Language Processing）、機器學(xué)習(xí)（Machine Learning）、信息安全（Information Security）、設(shè)計科學(xué)（Design Science）、規(guī)則（Regulation）等，這些熱點詞匯也同樣體現(xiàn)了LIS學(xué)科與計算機學(xué)科的交叉研究，說明在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，這些熱點詞匯涉及信息檢索這一重要主題研究過程中采用的技術(shù)方法。

h群落反映出企業(yè)管理研究主題的熱點詞匯，包括制度理論（Institutional Theory）、公司業(yè)績（Firm Performance）、吸收能力（Absorptive Capacity）、組織學(xué)習(xí)（Organizational Learning）、創(chuàng)造價值（Value Creation）、商業(yè)價值（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)的競爭情報分析相關(guān)研究也是國際LIS領(lǐng)域研究熱點。

i群落反映出電子商務(wù)研究主題的熱點詞匯，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)評論（Online Reviews）、人群資金（Crowd Funding）、社交商務(wù)（Social Commerce）等，這些熱點詞匯體現(xiàn)了近年來有關(guān)電子商務(wù)主題相關(guān)研究是國際LIS領(lǐng)域研究的一個方向。

3.3 LIS領(lǐng)域研究熱點演化分析

為了進一步把握LIS領(lǐng)域研究熱點的變化情況，筆者選取2015-2017度數(shù)中心度累積數(shù)據(jù)排名前20的知識節(jié)點，這些高點度中心度知識節(jié)點可以在一定程度上反映國際LIS領(lǐng)域研究熱點，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中確定的知識節(jié)點，對其在2015-2017年3年中的演化過程進行動態(tài)跟蹤，進而總結(jié)研究熱點的變化趨勢，筆者統(tǒng)計了這20個知識節(jié)點在每一年的度數(shù)中心度發(fā)生值，這些節(jié)點的度數(shù)中心度時間序列增長數(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，部分知識節(jié)點度數(shù)中心度在時間序列中居高不下，保持著持續(xù)增長的態(tài)勢，如“Social Media”、“Qualitative”、“Knowledge Management”、“Big Data”、“Twitter”、“Social Networks”、“Communication”、“E-government”，說明有關(guān)社交媒體、知識管理、大數(shù)據(jù)等問題的研究在國際情報學(xué)領(lǐng)域中很受歡迎，是國際學(xué)者主要的研究方向以及中長期的核心熱點。尤其是“Social Media”、“Qualitative”在時間序列上相對顯著的增長數(shù)據(jù)，說明學(xué)者們在進行科學(xué)研究過程中更傾向于使用定量研究的方法，同時也再次印證了2015年以來，網(wǎng)絡(luò)技術(shù)的繁榮發(fā)展直接促進了社交網(wǎng)絡(luò)載體的豐富性，社交網(wǎng)絡(luò)在社會中的實際應(yīng)用越來越廣泛，使得對于此類問題的研究愈加有實踐意義，進而掀起了廣大國際學(xué)者們的研究熱潮。但具體來看，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)出增長態(tài)勢，但在2017年又迅速下降，如“Bibliometrics”、“Citation Analysis”、“Knowledge Sharing”、“Innovation”、“Academic Library”、“Privacy”、“Trust”，說明文獻計量、知識共享、高校圖書館、隱私、信任等問題只受到國際學(xué)者短時間內(nèi)的接受和歡迎，學(xué)者對于此類問題的研究熱情呈現(xiàn)下降趨勢。值得注意的是“Health Care”、“Collaboration”、“Internet”、“China”等關(guān)鍵詞隨著時間的發(fā)展度數(shù)中心度在這3年中始終呈現(xiàn)出下降趨勢，其中“Health Care”知識節(jié)點度數(shù)中心度下降幅度最為顯著，說明LIS領(lǐng)域與醫(yī)學(xué)領(lǐng)域研究的交融力度在減弱，兩個領(lǐng)域的粘合度隨著時間的推移逐漸變低。

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，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。進入ESI的Results List，點擊Research Fronts，Add Filter選擇Social Sciences，General，則可以得到目前國際最熱的研究前沿關(guān)鍵詞，從中可以找到社會科學(xué)領(lǐng)域的相關(guān)科研前沿，進而確定目前國際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方面：1）學(xué)術(shù)平臺的相關(guān)問題研究，在對此類問題的文獻梳理過程中發(fā)現(xiàn)，英國伍爾弗漢普頓大學(xué)統(tǒng)計網(wǎng)絡(luò)計量研究小組的Thelwall M[13]對于此類問題研究的較多，逐漸形成系列性成果，他在2017年最早展開對微軟學(xué)術(shù)早期引用問題的研究，對來自不同專業(yè)的29種大型期刊的172 752篇文章引用數(shù)量進行了統(tǒng)計，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)搜索組件來識別最近發(fā)表的文章的早期引用，結(jié)果表明微軟學(xué)術(shù)和Scopus引用計數(shù)在所有年份都是相似的，微軟學(xué)術(shù)平臺并不能更好地利用在線預(yù)印本來找到早期引用[14]。2）在線用戶評論研究，包括酒店評論、旅游評論、消費評論、負(fù)面評論等;學(xué)者們大都通過研究用戶的評論數(shù)據(jù)，探究評論內(nèi)容對于產(chǎn)品營銷的影響，進而提出具有針對性的策略和建議。3）對政治文本的內(nèi)容挖掘研究，政治文本對于政治科學(xué)研究具有重大意義，斯坦福大學(xué)的Grimmer J等[15]檢驗了各種方法，最終得出自動文本方法對于政治科學(xué)家來說是最理想的標(biāo)準(zhǔn)工具。4）智慧城市相關(guān)研究，倫敦大學(xué)高級空間分析中心的Batty M等[16]提出了智慧城市發(fā)展的7個目標(biāo)，即對城市問題的新認(rèn)識;找到協(xié)調(diào)城市技術(shù)的可行性方法;在時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)鍵問題;識別智慧城市中的風(fēng)險、不確定性和危害。5）讀者閱讀研究，包括閱讀認(rèn)知機制、視覺詞閱讀等，Browder D M等[17]對殘疾人視覺詞進行了全面審查，確定視線詞研究的整體有效性以及對殘疾人的影響，它們使用薈萃分析法得出結(jié)論，對于患有中度和重度殘疾的人來說，視覺詞教學(xué)對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、評論以及建議研究，還有一些學(xué)者對網(wǎng)絡(luò)社區(qū)、社交媒體作為營銷媒介的可能性進行評估研究，少數(shù)學(xué)者則探討了其使用的相關(guān)風(fēng)險，它所創(chuàng)造的價值以及在工作場所附加的負(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重要的工具便是科睿唯安與中科院文獻情報中心聯(lián)合發(fā)布的研究前沿系列報告。以《2017研究前沿》報告為例，從ESI Research Fronts中遴選出100個研究熱點前沿和43個新興前沿，并解讀其中的27個重點前沿，是在文獻計量指標(biāo)的基礎(chǔ)上對2017年全球科技發(fā)展布局和競爭結(jié)構(gòu)的一種分析和解釋，對于科研人員研判世界科技前沿具有基礎(chǔ)性意義。在每個學(xué)科領(lǐng)域利用P和CPT指標(biāo)（結(jié)合專家判斷）分別選出一個重點熱點前沿，在每個學(xué)科領(lǐng)域利用CPT指標(biāo)（結(jié)合專家判斷）選出一個重點新興前沿，CPT指標(biāo)值越高表明研究前沿越熱[19]。

根據(jù)《2017研究前沿》報告預(yù)測2017-2018年度的最新經(jīng)濟學(xué)、心理學(xué)以及其他社會科學(xué)Top10熱點前沿科研（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)盡快開展有關(guān)替代計量學(xué)相關(guān)問題的研究。

圖4中顯示了各前沿主題在時間序列發(fā)展過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個時間窗口，以1年為步長。根據(jù)圖4可知，部分前沿問題呈現(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)平臺以及替代計量學(xué)問題、智慧城市問題、讀者閱讀相關(guān)研究在T1（2009-2013）到T2（2010-2014）時間窗口演化過程中3個變量折線的斜率最大，是高被引文獻數(shù)量的爆發(fā)期，T2（2010-2014）到T5（2013-2017）時間窗口進入穩(wěn)步增長階段，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題研究在T1（2009-2013）到T2（2010-2014）時間窗口發(fā)展過程中，高被引論文及其引用次數(shù)迅速增長，但在T2（2010-2014）至T5（2013-2017）時間窗口演化過程中呈現(xiàn)出長時間穩(wěn)定發(fā)展態(tài)勢，T5（2013-2017）至T6（2014-2018）時間窗口演化過程中高被引論文數(shù)量及其引用數(shù)量呈現(xiàn)下降趨勢;

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

5 結(jié) 語

通過本研究對于熱點以及前沿問題的數(shù)據(jù)挖掘結(jié)果，可初步得出如下結(jié)論：近三年國際圖書情報學(xué)的研究熱點主題分別是文獻計量、電子政府與高校圖書館、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)平臺替代計量學(xué)研究、在線用戶評論研究、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

[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.近五年國際圖書情報學(xué)研究熱點、前沿及其知識基礎(chǔ)——基于17種外文期刊知識圖譜的可視化分析[J].圖書情報知識，2013，（3）：4-15.

[5]柯平，賈東琴，李廷翰.2010年國外圖書館學(xué)情報學(xué)研究熱點分析[J].情報科學(xué)，2011，29（9）：1281-1288.

[6]鄧淑卿，徐健.我國情報學(xué)研究主題內(nèi)容分析[J].情報科學(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.基于知識圖譜的國際信息政策研究熱點與前沿分析[J].情報科學(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)略情報研究[J].情報學(xué)報，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》報告的研制實踐與相關(guān)探討[J].智庫理論與實踐，2016，1（02）：79-87.

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

（責(zé)任編輯：郭沫含）