-
题名基于主题词分布测度的学者知识累积行为研究
被引量:1
- 1
-
-
作者
吴志祥
何超
赵凯蕊
闵超
王昊
-
机构
南京工业大学经济与管理学院
南京大学信息管理学院
-
出处
《情报理论与实践》
CSSCI
北大核心
2022年第7期140-147,共8页
-
基金
国家自然科学基金青年项目“基于深度学习与语义关联的关键核心技术-专家组合模型研究”的成果,项目编号:71904083。
-
文摘
[目的/意义]学者个人的知识累积伴随着学者整个科研生涯,为其个人的科研经验积累乃至科学系统的发展进步提供了条件,然而目前对学者层面的知识累积行为规律知之甚少。[方法/过程]文章梳理了已有的相关基础理论,以规范的主题词为知识表征,从学者知识累积的生命周期、新知识加入、旧知识复用以及累积知识分布4个方面,对免疫与微生物领域的近万名学者开展了系统的实证研究。[结果/结论]研究发现,学者倾向于复用旧知识,累积知识频次符合幂律分布,职业生涯30年以上的学者尤其明显,因此我们认为学者的知识累积行为可以用“最省力法则”解释。研究发现在探索学者创新行为规律、增强学者自我认知以及科研人才培养等方面具有理论与现实价值。
-
关键词
学者创新行为
知识累积模型
生命周期理论
主题词
幂律分布
-
Keywords
scholar innovative behavior
the cumulative model of knowledge
life cycle theory
subject headings
power law distribution
-
分类号
G353.1
[文化科学—情报学]
-
-
题名学科领域主题演化与预测研究:理论、方法与价值
被引量:1
- 2
-
-
作者
吴志祥
赵凯蕊
何超
朱晓峰
-
机构
南京工业大学经济与管理学院
-
出处
《情报理论与实践》
CSSCI
北大核心
2022年第6期98-105,共8页
-
基金
国家自然科学基金青年项目“基于深度学习与语义关联的关键核心技术—专家组合模型研究”的成果之一,项目编号:71904083。
-
文摘
[目的/意义]当前学科领域主题演化与预测研究文献快速增长,适时开展国内外最新研究的梳理与述评,助力研究的价值提升。[方法/过程]首先,归纳现有研究理论基础,构建研究总体框架图;其次,依据研究的内在知识逻辑,刻画了主题演化与主题预测的方法路径;最后,在剖析研究价值的基础上,提出未来研究建议。[结果/结论]后续研究需加强科学演化模型、演化扩散理论以及科学—技术关联模型的完善与应用,积极使用深度语言模型以及深度学习算法以提升主题预测的准确性,同时在宏观、中观以及微观三个层面丰富研究对象颗粒度,并注重研究的科技情报实效。
-
关键词
学科领域
主题演化与预测
文献计量
深度学习
科技创新
-
Keywords
scientific disciplines and research fields
topic evolution and prediction
bibliometric
deep learning
scientific innovation
-
分类号
G353.1
[文化科学—情报学]
-