周李梅，劉 勤，麥麗芳，陳 敏

(1. 中國水產(chǎn)科學(xué)研究院南海水產(chǎn)研究所 廣東廣州 510300； 2.中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，農(nóng)業(yè)農(nóng)村部遠(yuǎn)洋與極地漁業(yè)創(chuàng)新重點實驗室，上海 200090)

順應(yīng)大數(shù)據(jù)環(huán)境下文獻(xiàn)信息資源的綜合利用趨勢，中國水產(chǎn)科學(xué)研究院承接的“漁業(yè)專業(yè)知識服務(wù)系統(tǒng)”，對漁業(yè)學(xué)科領(lǐng)域的專著、科技期刊文獻(xiàn)、專利文獻(xiàn)、項目信息、學(xué)位論文等各項文獻(xiàn)情報進(jìn)行了全面的搜集整理，為進(jìn)一步提供知識服務(wù)打下文獻(xiàn)數(shù)據(jù)基礎(chǔ)。學(xué)位論文是作者為獲得某種學(xué)位而撰寫的研究報告或科學(xué)論文，一般不在刊物上公開發(fā)表，只能通過學(xué)位授予單位、指定收藏單位和私人途徑獲得。學(xué)位論文與期刊論文、會議論文一樣，都是對科研、生產(chǎn)和教學(xué)工作具有重要價值的文獻(xiàn)情報源。作為“漁業(yè)專業(yè)知識服務(wù)系統(tǒng)”整體文獻(xiàn)情報信息展示與利用的重要部分，英文漁業(yè)學(xué)位論文的搜集是該類型文獻(xiàn)分析與利用的基礎(chǔ)，因此數(shù)據(jù)搜集應(yīng)重點考慮來源的全面性與檢索的準(zhǔn)確性。

當(dāng)前，集中獲取英文學(xué)位論文最便捷、最主要渠道為商用數(shù)據(jù)庫PQDT(ProQuest Dissertations and Theses Global)。PQDT是提供世界上最全面的學(xué)位論文服務(wù)平臺，截至2019年上半年，收錄了1743年以來，來自全世界各地超過3 000所大學(xué)的5×106篇引文與2.5×106篇全文作品 。PQDT又分為全文庫與文摘庫，國內(nèi)機構(gòu)主要通過中國高等教育文獻(xiàn)保障系統(tǒng)(China Academic Library & Information System, CALIS)鏡像訪問兩個數(shù)據(jù)庫，但檢索入口不同。從收錄范圍、收錄數(shù)量、收錄年限、更新速度方面，PQDT文摘庫存在明顯優(yōu)勢[1]，故選定為英文漁業(yè)學(xué)位論文題錄搜集的數(shù)據(jù)來源。

基于PQDT學(xué)位論文數(shù)據(jù)庫，結(jié)合信息檢索理論綜合利用數(shù)據(jù)庫檢索功能擬定漁業(yè)學(xué)位論文檢索策略，在力求數(shù)據(jù)集全面、可靠的情況下，進(jìn)一步統(tǒng)計分析數(shù)據(jù)庫可下載的字段信息，為當(dāng)前英文為主的漁業(yè)學(xué)位論文的總體情況提供說明。本文通過對各個檢索字段與功能的綜合運用以及對檢索字段之間關(guān)系的梳理，可為其他學(xué)科或研究課題英文學(xué)位論文檢索提供參考。

1 漁業(yè)學(xué)位論文檢索策略

1.1 PQDT文摘庫檢索字段梳理

PQDT文摘數(shù)據(jù)庫提供了豐富的檢索入口，包括簡單檢索、高級檢索、命令行檢索等。具體檢索字段有：(1)文本字段，包括索引短語/關(guān)鍵詞字段(index term/keyword，IF/DISKW)、所有主題和檢索字段(all subjects & indexing, SU)、系統(tǒng)標(biāo)引敘詞(subject, EXACT)、主題詞字段(subject heading, MAINSUBJECT)、文檔標(biāo)題字段(document title, TI)、文檔全文字段(document text, FT)、摘要字段(abstract, AB)、全部文本字段NOFT；(2)作者字段(author, AU)；(3)補充文件類型(supplemental file type, SPTYPE)；(4)教育機構(gòu)中的系部字段(department，DEP)；(5)參考文獻(xiàn)字段(reference，REF)；(6)大學(xué)/單位相關(guān)字段，包括機構(gòu)字段(university/institution，SCH)，位置字段(university/institution location，ULO)；(7)導(dǎo)師字段(advisor，ADV)；(8)出版物卷期字段(volume/issue, DISVOL)；(9)委員會成員字段(committee member, CMT)；(10)學(xué)位論文/畢業(yè)論文編號字段(dissertation/thesis number，DISPUB)。

通過多次檢索，反復(fù)試驗，總結(jié)了PQDT文摘庫文本字段之間的層級關(guān)系為：

NOFT=SU+TI+AB=(CC text+EXACT+IF/DISKW)+TI+AB

(1)

式(1)中，NOFT表示除全文之外的本文字段集合；SU表示所有主題和檢索字段，具體包含CC text、EXACT、IF/DISKW三個部分，其中CC text表示PQDT數(shù)據(jù)庫學(xué)位論文分類中4位分類字符后的文本內(nèi)容 。

數(shù)據(jù)搜集主要通過主題檢索與分類檢索實現(xiàn)。

主題檢索方面，對PQDT文本字段NOFT、SU、MAINSUBJECT、DISKW、AB、TI、CC text等分別進(jìn)行了檢驗，并選擇最合適的字段組配檢索。其中互斥強的文本字段為DISKW，TI與CC text。在實際檢索過程中，對3個字段應(yīng)盡可能同時采用。摘要字段AB造成誤檢率高，直接舍棄。

分類檢索方面，PQDT文摘庫并未公示分類字段，但題錄信息中存在主題分類4位數(shù)字代碼具備實際檢索功能，檢索字段為CC。采用文獻(xiàn)數(shù)據(jù)集逆向統(tǒng)計分析學(xué)位論文題錄中的classification字段，提取每個4位代碼代表的1～4個相近的主題，如0792包含的主題為aquaculture、aquatic sciences、fish production，可直接用于本次相關(guān)文獻(xiàn)的檢索，檢索式為CC(0792)。以此類推，其他分類代碼同樣適用。

此外，部門字段DEP也具有一定的補充效果，可適當(dāng)采用。本研究通過綜合運用主題與分類檢索字段，根據(jù)實際檢索結(jié)果求證選用檢索字段。

1.2 檢索策略設(shè)計

PQDT文摘庫包括兩個專題專輯，分別為人文和社會科學(xué)專輯(PQDT A - Dissertations and Theses A&I: the Humanities and Social Sciences Collection)，收錄主題領(lǐng)域為文學(xué)與語言、社會科學(xué)、歷史、藝術(shù)；科學(xué)和工程學(xué)專輯(PQDT B - Dissertations and Theses A&I: the Sciences and Engineering Collection)，收錄主題領(lǐng)域為科學(xué)與技術(shù)。兩個專輯可分別檢索，也可合并檢索。由于二者收錄存在較大差別，合并檢索誤檢率高，因此對科學(xué)和工程學(xué)專輯與人文和社會科學(xué)專輯分別設(shè)計了檢索策略。

1.2.1 科學(xué)和工程學(xué)專輯檢索策略

根據(jù)不同檢索字段對本專輯的檢索思路與檢索過程分段驗證，從而決定字段的取舍與組合。

表1 PQDT科學(xué)和工程學(xué)專輯漁業(yè)相關(guān)學(xué)位論文檢索式分段檢驗Tab.1 Retrieval segmentation test on fisheries-related thesis in PQDT science and engineering collection

表1中檢索詞包括概括詞與物種檢索詞：(1)概括詞即漁業(yè)領(lǐng)域主題詞，如fishery、aquaculture等；(2)物種類名，即常見魚類的通俗英文名或拉丁名，如puffer、bream、salmon等。參考中圖法列舉常見的研究類型或經(jīng)濟價值較高的物種名為檢索詞。漁業(yè)物種類名繁多，不能窮盡，也受制于PQDT檢索詞上限，因此在物種類名選擇上盡量精簡。采用邏輯“或”連接物種英文常用名擬定初步檢索式，并在檢索過程中根據(jù)實際檢索結(jié)果查找數(shù)據(jù)噪音，添加停用詞，采用邏輯“非”去除這類干擾詞。此流程在人文和社會科學(xué)專輯適用。

PQDT支持合并字段檢索，不同字段檢索標(biāo)識符采用逗號隔開，即表示同時檢索不同字段并返回所有去重后檢索結(jié)果。確定科學(xué)和工程學(xué)專輯檢索式綜合組配為：TI，DISKW(概括詞 OR 類名) OR CC(0792) OR DEP(fish* OR aquaculture)，擬定具體檢索式為：

TI，DISKW(fishery OR fisheries OR aqu* cult* OR aqu* breed* OR polyculture OR mariculture OR “marine culture” OR “marine resource*” OR fisherman OR seafood OR seaweed OR “sea weed” OR aquaculture OR aquaponic* OR trawl OR crustacean OR shrimp OR molluscan OR oyster OR algae OR “aqua* product” OR trammel net OR bycatch OR by-catch OR “mesh size” OR catch* per unit effort OR IUU OR fish* stock enhanc* OR ((fish* NOT ("fluorescen* in situ hybridization" OR "filter in situ hybridization" OR "FISH analysis" OR selfish OR fishbone OR “fisheye”O(jiān)R “fish-eye”O(jiān)R “fish-shaped” OR “fisher”O(jiān)R “fishers” OR “fishplate”O(jiān)R “durie-Salmon stag*”)) OR (bream OR darter OR croaker OR porgy OR “sea bream” OR pargo OR sparid OR Snapper OR flounder OR plaice OR “Tinca tinca” OR “tinca-tinca” OR tench OR “Amur ide” OR “black-pacu” OR turbot OR salmon OR trout OR kelt OR puffer* OR fugu OR bonito OR tuna OR carp OR chub OR wrasse OR perch OR bass OR weever OR tilapia OR mackerel OR eel OR Capelin OR hornpout OR “huso huso” OR acipenser OR MEDAKA OR mackerel OR Sardine OR shark OR tongue sole OR grouper OR mullet OR sturgeon OR Silvery pomfret OR halibut OR herring OR Bluefin OR hake OR Oncorhynchus mykiss OR whiting OR crappies OR “sea urchin” OR japonicus OR phytoplankton OR zooplankton OR “sea cucumber” OR lamprey OR burbot OR catfish OR charr OR litopenaeus vannamei OR fingerling OR atlantic cod OR haliotis OR cichlid OR seahorse OR snail OR goby OR cod fish* OR zebrafish OR “l(fā)ean pacu” OR yellowtail OR otter OR “sea lion” OR whale OR shellfish OR scallop OR abalone OR oyster OR clam OR mussel OR crab OR shrimp OR crustacean OR krill OR lobster OR prawn OR Penaeus monodon OR whelk OR Cephalopod OR octopus OR copepod OR cuttlefish OR nautilus OR squid OR alga& OR seaweed OR spirulina OR "sea mustard" OR undaria OR hijiki OR sargassaceae OR enteromorpha OR eucheuma OR gelidium OR kelp OR laminaria OR seatangle OR laver OR porphyra OR Gracilaria OR saccharina OR Sargassum))) OR CC(0792) OR DEP(fish* OR aquaculture)

截至2018年12月31日，檢索得科學(xué)和工程學(xué)專輯的記錄為38 417條。

1.2.2 人文和社會科學(xué)專輯檢索策略

人文和社會科學(xué)專輯采用的策略大致與科學(xué)和工程學(xué)專輯相同，但由于人文和社會科學(xué)專輯更偏向于社會科學(xué)、經(jīng)濟學(xué)、管理學(xué)等科目，采用的檢索詞偏概括主題詞而非物種類名。將檢索式分為多段，與科學(xué)和工程學(xué)專輯類似，采用分類檢索與文本檢索結(jié)合的方法。此外對“0503農(nóng)業(yè)經(jīng)濟”類作了專門檢索，與NOFT字段組配篩選漁業(yè)相關(guān)文獻(xiàn)。

合并多個字段，并擴展部分漁業(yè)概況詞后，得到人文和社會科學(xué)專輯漁業(yè)學(xué)科檢索式為：

CC(0792) OR NOFT(algae OR shellfish OR fishery OR fishing OR aquaculture OR aquaponics OR seafood OR “marine resource”) OR SU("fish hatcheries" OR "fishing" OR "algae" OR "commercial fishing" OR "fish stocking" OR "fishing zones" OR "shellfish" OR "seafoods" OR "fish" OR "sport fishing" OR "fisheries" OR "fisheries management" OR "fishing industry" OR "fish production" OR "fishery economics" OR "aquaculture" OR "crustaceans") OR TI((fish* OR “aquatic product” OR seafood OR seaweed OR sea weed OR aquaculture OR shrimp OR molluscan OR oyster OR algae OR IUU) NOT(fisher OR fishbowl OR Fishbein)) OR (CC(0503) AND NOFT(fish*))

截至2018年12月31日，檢索得人文和社會科學(xué)專輯檢索結(jié)果3 999條記錄。

2 檢索結(jié)果檢驗

認(rèn)定檢索效果的一般指標(biāo)為檢準(zhǔn)率與檢全率，研究中專門進(jìn)行了抽樣測試。

2.1 檢準(zhǔn)率檢驗

檢準(zhǔn)率也稱查準(zhǔn)率、相關(guān)率[2]，可以表示為：

(2)

本次檢索結(jié)果的檢準(zhǔn)率檢驗主要通過對數(shù)據(jù)的標(biāo)引統(tǒng)計體現(xiàn)。項目組對1869—2017年科學(xué)和工程學(xué)專輯與1888—2017年人文和社會科學(xué)專輯的數(shù)據(jù)，合計36 484條記錄進(jìn)行了機器與人工聯(lián)合標(biāo)引，篩出693條完全不相關(guān)記錄。計算

表2 PQDT人文和社會科學(xué)專輯漁業(yè)相關(guān)學(xué)位論文檢索式分段檢驗Tab.2 Retrieval segmentation test on fisheries-related thesis in PQDT humanities and social sciences collection

檢準(zhǔn)率為：

漁業(yè)學(xué)科為綜合性較強的學(xué)科，與海洋學(xué)、生物學(xué)、環(huán)境科學(xué)都存在密切的聯(lián)系，本次檢索結(jié)果篩選較為寬松?？傮w而言，本次分輯檢索的檢準(zhǔn)率遠(yuǎn)超90%。

2.2 檢全率檢驗

檢全率也稱查全率、命中率[2]，可以表示為：

(3)

檢全率檢驗一般采用特定數(shù)據(jù)集進(jìn)行比對，特定機構(gòu)發(fā)文作為檢全率檢驗是較為常用的方法。ProQuest也于2017年開始收錄中國大學(xué)學(xué)位論文[2]，但仍以歐美大學(xué)為主，因此以國內(nèi)大學(xué)的收錄數(shù)據(jù)量不具備檢全率檢驗的可行性。

美國部分高校學(xué)位論文自建數(shù)據(jù)庫開放題錄信息，項目組選取加利福尼亞大學(xué)(University of California, UC)漁業(yè)學(xué)位論文作為檢全率檢驗數(shù)據(jù)集，通過該校開放存取網(wǎng)站eSholarship 檢索獲取2014—2018年的漁業(yè)學(xué)位論文141篇，其中129篇被總數(shù)據(jù)集涵蓋。計算檢全率為：

以加利福尼亞大學(xué)數(shù)據(jù)集可以看出，本次檢索達(dá)到了較高的檢全率。

3 檢索結(jié)果初步分析

截至2018年12月31日，檢索得人文和社會科學(xué)專輯3 999條記錄，科學(xué)和工程學(xué)專輯38 417條記錄，合并去重，并去掉標(biāo)引過程中的誤檢記錄，得到40 558條記錄，即40 558篇學(xué)位論文題錄信息，基于該數(shù)據(jù)集對漁業(yè)學(xué)位論文總體分布情況進(jìn)行了分析。

3.1 年度分布

漁業(yè)學(xué)位論文在PQDT數(shù)據(jù)庫中各年份均有分布，時間跨度較大。從數(shù)量上來看，1980—2018年期間，收錄的漁業(yè)學(xué)位論文數(shù)量較為集中，漁業(yè)學(xué)位論文數(shù)量達(dá)26 142篇，占全部漁業(yè)學(xué)位論文數(shù)量的64%。

2000年來，隨著漁業(yè)科學(xué)研究的深入，漁業(yè)學(xué)位論文數(shù)量均在1 000篇以上。如圖1所示，1999—2010年P(guān)QDT數(shù)據(jù)庫收錄的漁業(yè)學(xué)位論文數(shù)量一直呈上升勢態(tài)，在2010年全球的漁業(yè)學(xué)位論文數(shù)量達(dá)到了1 777篇的峰值；2010年后數(shù)量下降。

3.2 主題分布

PQDT的學(xué)位論文均有一個或多個學(xué)科主題(Subject)，每個主題對應(yīng)一個4位分類代碼，4位分類代碼對應(yīng)1～4個學(xué)科主題。40 558條漁業(yè)學(xué)位論文記錄對應(yīng)的主題頻次為76 132次，選擇篇頻次超過1 000的主題分類代碼，得出PQDT漁業(yè)學(xué)位論文主要主題分布情況，如表3所示?？梢姳敬螖?shù)據(jù)集的主要主題為水產(chǎn)養(yǎng)殖、水科學(xué)、魚類生產(chǎn)、環(huán)境哲學(xué)、有機生物、動物學(xué)等，對應(yīng)的主要分類為0792、0329、0472等。

3.3 國家/地區(qū)分布

PQDT數(shù)據(jù)庫中漁業(yè)學(xué)位論文分布于31個國家/地區(qū)，其中美國25 569篇，占總數(shù)的63.0%，加拿大6 723篇，占總數(shù)的16.6%，漁業(yè)領(lǐng)域的北美文獻(xiàn)約占總數(shù)的80%。其次，英國相關(guān)收錄為5 598篇，占總數(shù)的13.8%。從圖2可以看出，中國大陸的PQDT數(shù)據(jù)庫中漁業(yè)學(xué)位論文數(shù)量為1 111篇，占總數(shù)的2.7%，愛爾蘭、印度、瑞典、葡萄牙、西班牙等數(shù)據(jù)較為接近，其他22個國家或地區(qū)PQDT數(shù)據(jù)庫中漁業(yè)學(xué)位論文數(shù)量為609篇。PQDT漁業(yè)學(xué)位論文數(shù)據(jù)源集中在北美與歐洲地區(qū)，主要是美國、加拿大、英國等。

表3 PQDT漁業(yè)學(xué)位論文主要主題分布Tab.3 Main subject classifications of fishery dissertations in PQDT

3.4 機構(gòu)分布

這里的機構(gòu)為各類型院校，主要為高校。PQDT數(shù)據(jù)庫中漁業(yè)學(xué)位論文分布于894所高校，以北美地區(qū)與歐洲地區(qū)高校為主。發(fā)文機構(gòu)最多的為美國，合計478所，其次為英國177所，中國61所，加拿大56所，為漁業(yè)學(xué)位論文主要機構(gòu)來源。機構(gòu)的地區(qū)分布與文獻(xiàn)數(shù)量地區(qū)分布總體較為一致，但加拿大高校在漁業(yè)學(xué)科的學(xué)位論文平均收錄量遠(yuǎn)超其他國家。

PQDT收錄漁業(yè)學(xué)位論文數(shù)量最多的十大高校分別為華盛頓大學(xué)、密歇根大學(xué)、加拿大達(dá)爾豪斯大學(xué)、英國斯特靈大學(xué)等，其發(fā)文數(shù)量如表4所示。

表4 PQDT收錄漁業(yè)學(xué)位論文數(shù)量前十的高校Tab.4 Top10 universities of fishery dissertations in PQDT

3.5 語種分布

部分學(xué)位論文為雙語，統(tǒng)計所有漁業(yè)學(xué)位論文語種頻次為40 629。英語學(xué)位論文為39 003篇，占漁業(yè)學(xué)位論文總數(shù)的96.2%，其次為中文學(xué)位論文1 105篇，占總數(shù)的2.7%；法語學(xué)位論文298篇，占總數(shù)的0.7%；西班牙語154篇，占總數(shù)的0.4%，其他語種文獻(xiàn)極少。

4 小結(jié)

對于PQDT數(shù)據(jù)庫功能的研究，較早的有徐淑慧等[3]對PQDT的檢索特點、界面情況進(jìn)行了評述，白榕[4]、夏立娟和劉雯[5]對該庫進(jìn)行了檢索功能分析與評價，二者主要從數(shù)據(jù)庫檢索、結(jié)果處理特點方面進(jìn)行了評述，未深入到應(yīng)用領(lǐng)域。項目組在數(shù)據(jù)庫的功能簡介與評述的基礎(chǔ)上，實踐了PQDT文摘庫的各項檢索功能，數(shù)據(jù)源方面對人文和社會科學(xué)專輯與科學(xué)和工程學(xué)專輯分別檢索，應(yīng)用方面創(chuàng)新性采用了部分字段，從而制定了比較完備的英文漁業(yè)論文檢索策略，實現(xiàn)對漁業(yè)學(xué)科領(lǐng)域的學(xué)位論文題錄的搜集。由于檢索式的長度限制與對漁業(yè)學(xué)科的整體把握問題，可能造成少量檢索主題的遺漏。此外PQDT收錄的文獻(xiàn)經(jīng)常性地補充更新，會出現(xiàn)不同時間使用同一檢索式檢索得到不同的數(shù)據(jù)量的情況。ProQuest公司也在不斷尋求與世界范圍的高校的合作，不排除單次合作收錄某一高校歷年學(xué)位論文數(shù)據(jù)的情況[6]。

通過檢索式設(shè)計，獲得了PQDT漁業(yè)學(xué)位論文40 558條題錄信息，統(tǒng)計分析了漁業(yè)領(lǐng)域?qū)W位論文的年度分布、學(xué)科、地區(qū)、語種分布，提供了英語語言為主的世界范圍內(nèi)漁業(yè)學(xué)位論文的數(shù)量分布概況。不足的是PQDT用戶數(shù)據(jù)輸出字段較單一，分析維度較少。后續(xù)研究應(yīng)充分利用PQDT單篇學(xué)位論文頁面中的詞條，可進(jìn)行頁面抓取后，進(jìn)行多維度綜合分析，進(jìn)一步揭示不同地區(qū)、年份、機構(gòu)研究主題的分布。

本文形成了可操作的基于PQDT文摘庫的漁業(yè)學(xué)位論文檢索策略，并在檢全率與檢準(zhǔn)率方面滿足漁業(yè)專業(yè)知識服務(wù)系統(tǒng)的文獻(xiàn)類資源建設(shè)的要求。文中的文本字段關(guān)系總結(jié)與創(chuàng)新性采用4位字符分類代碼進(jìn)行學(xué)科檢索的方式，均可用于其他課題研究中，可為學(xué)位論文的主題檢索策略提供重要參考。