基于期刊作者耦合的学科知识聚合研究

学术期刊是科学文献的重要载体,是学者进行知识交流和传播的重要平台。阐述了期刊作者耦合分析的实现方法,并以国内图书馆、情报与文献学领域的20种核心期刊为例进行实证研究,通过VOSviewer聚类结果和多维尺度分析结果的比较研究,将该领域分为情报学、图书馆学和档案学三个大的研究分支,验证了期刊作者耦合分析方法对于中文期刊的适用性,同时也发现期刊作者耦合分析是一种探测学科知识结构的新方法,可用于学科知识聚合的研究。

基于期刊作者耦合的学科结构识别研究

通过计算期刊之间的关联关系进而识别学科结构,有助于探索不同学科之间的交互特征,分析学科间的知识流动趋势情况。本文采用一种基于期刊作者耦合方法来识别学科结构,并针对传统方法只是利用二值矩阵进行分析进而损失大量信息的问题,提出直接利用期刊-作者分布矩阵进行聚类分析的思想。针对期刊-作者矩阵聚类过程中出现的高维数据难以聚类分析的问题,提出了利用t-SNE降维和层次聚类模型进行聚类的新方法。选择经济学领域重要中文期刊进行实证分析,从CSSCI数据库中遴选出69种期刊作为分析样本,并采集了2014—2018年的43617篇论文和47458位作者进行实证分析。实证结果表明,本文提出的t-SNE+层次聚类模型,能够有效处理和利用期刊-作者矩阵信息,对期刊进行分类。实证结果将69种经济学期刊分成9类(子领域),并可以较为清晰地给出不同类的具体含义。本文也梳理了期刊作者耦合方法用来识别学科结构的前提和适用条件。