中国人文社科领域研究方法应用的实证研究——基于大规模博士学位论文的调查

[目的/意义]研究方法的发展能在一定程度上反映学科的发展。目前鲜有针对中国整体人文社科领域研究方法使用的调研。对该领域不同学科研究方法的使用情况进行比较,可以揭示不同学科研究方法应用的特点,并为相关学者进行课题研究提供研究方法的使用建议。[方法/过程]与一般期刊论文相比,中国人文社科领域的博士学位论文中的研究方法通常会在特定的小节被明确阐述,便于提取分析。文章基于人文社科领域21个一级学科共63741篇博士学位论文,构建研究方法分类框架,抽取论文使用的研究方法,并从研究方法的使用频次、时间演化以及学科相关度角度进行深入分析。[结果/结论]中国人文社科领域研究方法命名存在不规范的问题,但方法意识正逐渐增强;比较分析法、历史分析法、文献研究法等经典的数据分析方法仍占主导地位;多数热门研究方法在人文社科领域不同学科之中存在一定的普适性。

图书情报领域中外学者研究方法使用差异分析——跨语言文本分类的视角

[目的/意义]对学科研究方法的自省式分析对于理解学科发展和建立学科自主知识体系至关重要。通过研究国内外学者在研究方法上的使用差异,可以更全面地了解不同地区和文化背景下的研究者在应对不同研究问题所采用的策略和方法,从而促进学术交流和跨国合作,并进一步推动学科的发展与学科知识体系的完善。[方法/过程]以图书情报领域5种高影响力中英文期刊中1990-2021年共30余年的学术论文为研究对象,采用跨语言文本分类方法对这些论文中的研究方法进行自动分类。然后从研究方法的使用频率与演化差异以及适用主题多样性差异两个角度,进行中外比较研究。[结果/结论]国外学者越来越倾向于使用定性方法,而对定量方法的使用正在减少。同时,国内外大多数研究方法的适用主题多样性都在增加。这项研究对于理解图书情报学科的发展、促进学术交流与合作以及提高国内学者的国际影响力具有重要意义。

基于SciBERT与ChatGPT数据增强的研究流程段落识别

[目的/意义]在阅读文献的过程中,研究流程是研究者需要特别关注的一个重要方面,自动识别学术文本中描述研究流程的段落对辅助文献阅读、学习研究设计等有着重要意义。[方法/过程]文章以自然语言处理领域为例,收集代表性会议论文构建数据集。分别基于传统机器学习模型、神经网络分类工具以及预训练语言模型构建分类器识别研究流程段落,然后对不同模型的分类效果进行评估,确定性能最优的模型。为进一步提升研究流程段落识别效果,在最优模型的基础上,基于ChatGPT进行了数据增强。[结果/结论]实验结果表明,在所有分类器中,SciBERT具有最好的研究流程段落识别效果。基于ChatGPT的数据增强可使SciBERT模型的分类性能进一步提高,最终准确率(Acc)和F_(1)值分别达到了0.9414和0.9409。

什么类型的机构合作会产生更高的学术影响力?--以自然语言处理领域为例

研究特定领域中机构合作类型与学术影响力之间的关系,能深入了解不同合作类型所产生的学术影响力差异,以识别出哪种类型的合作可能更具生产力或效率。文章以自然语言处理(NLP)领域为例探究机构合作类型与学术影响力之间的关系。通过与工业界进行合作,可以将学术界的研究成果转化为实际应用,但不同合作模式对合作效果的影响有所不同,因此文章研究不同类型的机构合作与学术影响力之间的关系,从而帮助机构更好地规划合作策略,提高合作效果。首先,将机构分为学术界机构和工业界机构;然后,将合作类型分为学术界机构间合作、学术界机构内合作、学术界与工业界机构间合作、工业界机构间合作和工业界机构内合作;最后,从谷歌学术获取5种合作类型发表的论文被引频次信息,同时定义高被引论文,采用这两个指标衡量学术影响力,并将论文归属到NLP领域不同任务,发现学术界与工业界的机构间合作往往能产生更大的学术影响力,且在不同任务中学术影响力最高的机构合作类型存在差异。

大模型时代下全文计量分析的应用与思考——2023全文本文献计量分析学术沙龙综述

2023年9月14日—16日,由中国科学院成都文献情报中心主办、科技创新评价研究中心(SERC)承办的“第六届科学计量与科技评价天府论坛”在成都举办。由章成志、胡志刚、徐硕等人共同发起的第四届“全文本文献计量分析”沙龙作为其中的一项重要活动,吸引了八十余位专家学者的积极参与和深入交流。本文通过对沙龙嘉宾的发言与研讨内容进行梳理与总结,将沙龙的主要内容归纳为大语言模型与全文本计量分析、全文计量分析的应用场景等方面,以期介绍国内外全文本文献计量分析的研究现状和发展趋势。

从算法提出视角看国家学术影响力差异--以自然语言处理领域算法为例

随着数字技术发展,算法在不同领域的重要性日益提升,但少有论文探讨不同国家在算法研发工作中的表现。文章以自然语言处理领域为例,利用机器学习方法抽取该领域学术论文提及的算法,获得领域中的完整算法集合;收集所有算法的提出国家及相关信息,从算法数量和质量等维度分析不同国家的学术影响力。研究发现:在算法数量上,各国差异明显,中美是提出算法的主力军;在算法质量上,美国在综合被引上表现出色,各国平均被引差距较小,澳大利亚、乌克兰等排名明显提升;综合考虑算法数量和质量,将不同国家的学术影响力分为4种类型,从中发掘出数量、质量表现皆优的模范型国家,以及在单一维度影响力高的潜力型国家。文章为国家、机构、个人的学术影响力评价提供了新视角,验证了利用细粒度知识成果进行国家学术影响力评价的可能性,能为算法创新过程中各国之间的学术合作提供参考。

基于公式化表达脱敏与边界识别加强的学术论文研究问题与方法识别研究

研究问题和方法是学术论文中的重要组成部分,其在学术论文组织、管理与检索以及科研成果评价中具有重要意义。为缓解研究问题与方法识别中存在的公式化表达依赖和词语边界识别错误等问题,本文提出一种联合公式化表达脱敏和边界识别加强的模型。具体地,公式化表达脱敏使用数据增强方法实现,边界识别加强使用指针网络与序列标注模型实现。随着学术论文的开放获取,学术论文全文被研究者用于实体识别任务中。为证明使用学术论文全文的必要性,本文人工构建了自然语言处理领域的摘要和全文标注数据集,同时设计了数值和内容指标,用于分析两类数据集中的问题和方法识别结果以及问题与方法关系对抽取结果的差异。十折交叉实验结果表明,本文模型的宏平均F1值优于SciBERT-BiLSTM-CRF基线模型3.69个百分点且存在显著性差异。根据摘要与全文实体识别和关系对抽取结果的对比,发现摘要中包含的问题与方法实体的表意较宽泛,全文中具有更多描述模型设计和训练细节的实体和关系对。

学术专著引用行为研究——基于引文内容特征分析的视角

当前的引文内容分析研究基本上以学术论文为研究对象。与学术论文相比,学术专著的篇幅较长、引文内容更加翔实。学术专著的引文内容特征分布对学术专著的引文内容分析方法、乃至引用行为与动机等研究都具有重要的意义。本文首先通过对Morgan&Claypool出版的39本学术专著的引文内容进行人工标注,构建包含13539条引文内容的学术专著引文内容分析语料;然后分别从引文内容位置分布、引文提及次数以及引文内容上下文特征等三个方面分析学术专著的引文行为,并针对不同学科学术专著的引用行为特点进行了总结;最后本文讨论了学术专著与学术论文引文内容特征分布的差异,并指出进行学术专著引文内容分析时应注意的问题。本文研究成果可以帮助学者进一步了解学术专著引用行为的特点,并为后续的学术专著中的引文动机研究打下基础。

跨学科知识发现及其生长路径挖掘研究——基于国家自然科学基金的跨学科申请视角

[目的/意义]在国家自然科学基金项目申请中,同一个学者在不同时间使用不同学科基金代码,这在一定程度上促进了跨学科知识的融合与生长。为此,文章基于国家自然科学基金跨学科申请视角,挖掘跨学科知识及其融合生长路径。[方法/过程]首先,结合自然科学基金学科申请代码的层级结构,改进并优化了跨学科性测度指标,识别最具有跨学科性的跨学科知识。随后,构建跨学科知识与一级学科的二类型异质网络,并基于RankClus实现了跨学科知识社区发现与生长路径挖掘。[结果/结论]研究发现,存在显著的12个跨学科知识主题与6个明显的知识生长路径,其知识生长路径分别是生命科学部-医学科学部(C-H)、化学科学部-工程与材料科学部(B-E)、生命科学部—地理科学部(C-D)、数理科学部—信息科学部—管理科学部(A-FG)、数理科学部—地理科学部—工程与材料科学部(A-D-E)、化学科学部—管理科学部(B-G)。

跨学科研究综述

随着社会问题的多样化和复杂化,跨学科研究将是解决社会问题的必然选择,为此,本文从三个方面梳理和总结了现有跨学科研究现状:首先,我们从跨学科研究发展历程开始,对跨学科研究概念及内涵进行了剖析;随后,我们从基础研究、关键技术研究和跨学科知识挖掘三个角度总结了现有研究跨学科研究内容;最后,我们归纳了现有存在的问题和挑战。这为后续跨学科研究的开展与发展提供了一个全面的视角和参考。

基于学术论文全文的研究方法实体自动识别研究

研究方法的规范程度标志着一门学科发展的成熟程度。在情报学学科中,关于研究方法的理论分析和规范性研究逐渐引起重视,而使用量化方法进行实证分析的研究相对较少。另外,当一个研究方法实体出现在学术文本中,则表示该研究方法实体被该学术论文使用或该学术论文引用该研究方法实体用于分析或比较。梳理学术论文使用的研究方法实体,可以帮助学者快速了解学术论文的主旨内容。总结学术论文引用的研究方法实体,有助于理清学科领域中研究方法的演变和发展模式。因此,本文将研究方法分为论文使用研究方法和论文引用研究方法。本文比较双向长短时记忆网络等8种神经网络研究方法实体自动抽取模型,从中选择最优的模型进行研究方法实体的识别。实验结果表明,基于字向量的、结合条件随机场的双向长短时记忆网络联合训练模型在研究方法识别任务中表现出最高的性能。以《情报学报》近10年的论文全文为依据,分析抽取出的研究方法实体的使用情况。统计分析结果发现,情报学学科中与实验法相关的研究方法使用频次和引用频次均最高。

中文Web概念挖掘系统设计与测评

Web概念挖掘系统的总体设计思想是 :基于《中图法》知识库的主题标引和自动分类 ,即依据标引源权重方案进行文本的概念提取 ,利用语义相似度算法进行文本的自动分类 .本文简要介绍了概念挖掘系统的基本情况 ,并进行了 4种加权标引方案的比较和性能的测评 .

整合不同评论平台的图书综合影响力评价研究

目前电商网站、社交媒体网站上包含大量的图书评论数据。挖掘在线图书评论,对于图书的全面评价、用户购买决策等都具有重要的作用。然而,目前基于图书评论的图书评价研究主要依据单一的评论平台,尚未利用多个平台的评论数据,在一定程度上造成图书评价结果的片面性。为此,本文量化不同平台图书评论差异的基础上,提出一种整合不同平台的图书综合影响力评价方法,即通过对社交平台、电子商务网站等数据源图书评论的采集与整合,进行图书综合影响力的评价。本文以4个学科的348本图书为例,从图书属性层面整合多源数据,分析不同整合策略所得图书评价结果的差异及原因。与基于单一平台的图书评价结果对比分析表明,整合不同平台数据的评价方法能够更加全面地评价图书影响力,降低传统方法的局限性。

基于引文内容的中文图书被引行为研究

从引文内容角度对图书被引行为进行分析,可改善传统依靠被引频次、专家评论等数据进行图书评价的片面性,进一步提高图书评价结果的准确性和科学性。本研究从亚马逊中文网站上选取计算机、法律、医学、文学和体育五个学科领域的中文图书,通过人工采集方式获取图书在施引文献中的引文内容,由此构建包含2288条引文内容的数据集;然后从引用位置、引用强度、引用长度以及引用情感等方面,分析中文图书被引行为,并比较不同学科领域之间的差异。实验结果表明:不同学科领域对中文图书的引用位置具有不同的分布特征,表现出明显的学科差异;引用强度主要在1—3次,文学领域的平均引用强度最高;引用句长度一般在20—160字之间;施引作者对图书的引用情感中,超过80%表现为中性,而含有感情色彩的引用中,正面引用明显多于负面引用。

基于主题聚类的学科研究热点及其趋势监测方法

常规的学科热点及趋势监测方法存在监测成本高、监测信息相对滞后等问题。因此需要寻求较低成本、较快速的方法进行学科热点和趋势的监测，以保证监测系统提供信息的时效性。本文以图书情报档案学科为例，依据学科学术论文全文，从主题角度对学术论文集合进行全面分析，即：采用主题聚类方法，对包括时间信息的学科学术全文进行主题分析与主题聚类，归纳出某一特定学科的研究热点和这些热点的发展趋势。实验结果表明，基于主题聚类的学科热点及其趋势监测方法，其监测结果在很大程度上接近于常规方法的监测结果，但基于主题聚类的监测方法，在监测成本和监测信息时效方面得到改善。

信息资源整合的建模与实现方法研究

信息资源整合是数字图书馆建设的重要基础工程,当前对信息资源整合理论与实现方法缺乏系统化研究。作者针对这一现况进行了初步研究,首先给出信息资源整合的基本框架,信息资源整合的三维模型及各个维度的含义和功能,然后给出信息资源整合实现的四层体系结构,分别说明了各层次的整合方法。接着在分析比较各层整合方法的基础上。

基于学术论文全文内容的算法使用行为及其影响力研究

数据挖掘算法已被广泛应用于科学研究与实践中。考察数据挖掘算法在学术论文中的使用情况、进而评估其影响力,能辅助研究者全面了解其所在领域的常用算法,并根据研究任务类型选择相应算法。本文利用学术论文全文内容,对算法的使用行为进行分析,从而考察算法的影响力。具体来说,本文以自然语言处理领域为例,收集整理全国计算语言学会议(CCL)1993—2016年收录的学术论文全文数据,从使用频次、使用位置、使用年代以及使用动机等四个方面全面考察十大经典数据挖掘算法在该领域的使用情况,并在此基础上对算法的影响力进行评估。实验结果显示,十大算法的使用行为存在明显差异,且SVM算法影响力最高,CART与Apriori算法影响力较低。本文研究可为基于数据驱动的相关研究者,尤其是为初学者在算法选择时提供参考。

基于多语境的相关词自动提取系统的设计与实现

利用语料库、释义词典、用户检索日志作为识别相关词的语境,设计并实现相关词自动提取系统。实验结果表明,虽然面向相同的基本词汇集合,但是基于不同语境提取的相关词之间的重复率很低,各个结果间的互补性很强,说明结果整合非常有必要。在本系统中,通过直接整合途径构建最后的相关词词表。

不同领域的用户标签主题表达能力差异研究——以中文微博为例

文章以腾讯微博为研究对象,调研用户标签主题表达能力,并针对不同领域的差异进行分析。本研究可进一步丰富信息组织领域的研究内容,并为微博类应用平台的用户标签自动服务提供参考。

中英文图片标签质量差异比较研究--以Flickr为例

[目的/意义]探索Flickr中英文图片标签存在的质量差异,有利于更好地利用社会化标签进行信息的组织与检索。[方法/过程]文章以"广义知网知识本体架构线上浏览系统"词库中动物和植物两个大类的中英文词语为基础,在Flickr网站上分别采集中文与英文的图片信息,开发了标签质量测评网站,邀请志愿者对图片网站Flickr的中英文标签进行标签质量打分和标签类型选择,对图片标签类型分布及质量得分进行了统计分析。[结果/结论]调研结果显示中文标签质量略高于英文标签质量,但是中文标签质量分布比较分散,英文标签质量分布相对比较集中。