情报学领域潜在高影响力学者及其合作特点研究

随着社会化媒体的不断发展,学者学术影响力的评价方式和手段也在迅速增加。引文网络结构变异模型方法的出现,打破了传统的通过科学计量学指标、作者合作或作者引文网络结构中的节点指标来识别学者影响力的方式。基于该方法,利用CiteSpace软件工具检测情报学领域潜在的高影响力学者,揭示这些学者的合作特征。研究发现,情报学领域最具潜在影响力的五角星学者主要包括Leydesdorff L,Bornmann L,Thelwall M,Bar-llanJ,Waltman L,Huang MH,Rousseau R等人。五角星学者通常位于作者合作网络中不同合作小组的核心位置。其他有影响力的非五角星学者与五角星学者保持着较高的合作频率,在研究方向上有较高的相似性。

伯乐型专利的识别及其特征研究

[目的/意义]挖掘以“伯乐型专利”为代表的高质量科技成果的形成和演化规律,以促进科技成果的转移与转化,进一步为企业的创新发展提供有力支持。[方法/过程]以中国和美国人工智能领域的专利家族为研究对象,通过构建知识迸发检测模型(KBDM),寻找善于从海量专利成果中发现、延续和继承高质量专利成果知识的专利。[结果/结论]通过KBDM模型,总计识别29925个伯乐型专利。伯乐型专利的地域分布呈现出全球化的特点。伯乐型专利申请人主体主要为人工智能领域的龙头企业,这些企业具备领先的技术经验和发现潜在高价值专利的能力。研究还发现伯乐型专利具有集聚效应,多个伯乐型专利常常共同发现具有潜在的知识价值,积极地通过协同唤醒整个专利家族的潜力。这突出伯乐型专利在创新生态系统中的重要性,促进了知识的传播。最后研究还发现,家族内的专利被引频次与唤醒专利家族的伯乐型专利数量之间存在正向关系。这一研究为伯乐型专利的特征和作用提供全面的理解,有助于更好地应用专利知识在科技创新和知识传播方面。