基于Rao-Stirling指数和LDA模型的领域学科交叉主题识别——以纳米科技为例

【目的/意义】基于Rao-Stirling指数和LDA模型进行领域学科交叉主题识别,并以纳米科技为例验证将Rao-Stirling指数和LDA模型用于领域学科交叉主题识别的有效性和适用性。【方法/过程】基于Rao-Stirling指数测度领域文献学科交叉程度,设定阈值发现高度学科交叉文献。基于LDA模型对筛选出的学科交叉文献进行主题识别,发现学科交叉点和学科交叉研究主题。【结果/结论】基于Rao-Stirling指数从引文的角度进行领域文献学科交叉测度可以有效地发现与某领域相关的学科交叉文献,且有利于大数据集的学科交叉文献发现研究的实现。基于LDA模型进行学科交叉主题识别可以有效地发现学科交叉主题。两方法的组合应用为发现某领域学科交叉主题研究提供一种新视角。

基于Rao-Stirling指数的学科交叉文献发现——以纳米科学与纳米技术为例

[目的／意义]学科交叉文献发现是进行学科交叉研究的重要前提，从海量的文献中快速、精准地发现领域相关交叉文献有助于研究人员快速地把握领域学科交叉动态，识别领域学科交叉研究热点与前沿。提出基于Rao-Stirling指数的领域学科交叉文献发现方法，并以纳米科学与纳米技术领域为例，探讨该方法的可行性。[方法／过程]在WebofScience数据库下载纳米科学与纳米技术领域文献，构建期刊缩写一全称一学科类别对照表，利用Python编程构建文献参考文献学科分布矩阵，利用R编程计算每篇文献的Rao-Stirling指数进行文献的学科交叉测度，根据测度结果将纳米科学与纳米技术领域文献按照学科交叉程度分为三个水平，以发现领域学科交叉文献。[结果／结论]基于Rao--Stirling指数的领域学科交叉文献发现方法可以实现领域文献水平的学科交叉测度，并发现学科交叉文献，且该研究方法也同样可扩展到其他研究领域。

近五十年国际上人工智能领域跨学科演变研究

以Web of Science中人工智能领域1964年至2015年包含的197 394篇文献为研究样本,借助于跨学科指数和科学叠加图技术,对近五十年来国际上人工智能领域的跨学科演变过程进行了探究,包括核心学科的识别及跨学科演变过程的分析。研究结果表明探寻到的核心学科主要集中在计算机类、工程电气类、医学及成像类、数学类等学科中,这些学科在人工智能领域跨学科的发展演变过程中起着关键性的作用;随着时间的推移人工智能领域的跨学科特征越来越明显,依次经历了萌芽期、迅速发展期、平稳期和缓慢降低期。研究结果同时表明了人工智能领域的跨学科范围起始于人工智能领域邻近的核心学科,近年来逐渐扩散到更加遥远的潜在学科和边缘学科中,随着这些学科的出现,可能会形成一些新的交叉领域。

基金项目计划学部交叉及对前沿分布的影响研究——以美国NSF数据中AI领域为例

本文旨在融合学者参与度的基础上,测算和分析基金项目计划的学部交叉度,并识别前沿型项目计划,从项目资助专项层面上探究学部交叉对项目计划资助与前沿型项目计划分布的影响。本文首先以项目计划为研究对象,为融合项目计划的学部多样性和不同学者对同一项目计划各学部参与的均衡性,引入Rao-Stirling指标,将项目计划分为学部高交叉、中交叉、低交叉和不交叉类;其次,依据项目计划的资助强度和资助趋势,结合学部交叉特性,将项目计划分为不同交叉水平的前沿型、热点型、潜在型和衰退型;最后,对高交叉前沿型项目计划进行具体分析。研究结果表明,以美国NSF (National Science Foundation)资助的AI (artificial intelligence)领域为例,NSF资助的项目计划在学部交叉和不交叉类的数目上分布较为均衡,但对交叉类项目计划的平均资助强度远高于不交叉类型;在前沿分布上,不交叉类的项目计划多为潜在型,而学部高交叉类和低交叉类的前沿型占比相对较高,且对前沿型项目计划的资助趋势向高交叉类倾斜;高交叉类的前沿型项目计划多倾向于神经与认知系统、自然与人类系统、信息智能系统等方面的研究。

基于引文分析的我国情报学学科交叉性实证研究

本文采用学科交叉指数及科学叠加图可视化技术对我国CSSCI数据库中4种情报学的核心期刊2006-2015年刊载的13 098篇文献进行分析,用以揭示我国情报学学科交叉性的特征及变化。结果表明,被引学科的频率分布符合幂律分布,10年间我国情报学与国内外人文社会科学领域及自然科学领域的关系非常密切;其中国内外人文社会科学领域的被引学科的数量变化不大,而国内外自然科学领域的被引学科数量增长较为明显;国内外被引学科主要集中在与图情学相邻近的几个核心学科中,且国内外学科交叉性呈现出了相反的变化趋势,但总体变化并不明显;具体来看,国内的图情学、新闻与传播学等学科以及国外的图情学、计算机科学—交叉应用、跨学科等学科等具有学科交叉性背景的学科的比例在不断增加。

基于科学叠加图的我国人文社会科学跨学科现象研究

[目的/意义]利用科学叠加图进行跨学科的研究,可以非常直观地从全领域的宏观层面对学科之间的引用关系及跨学科现状进行研究。[方法/过程]基于CSSCI中23个学科对我国人文社科领域的科学叠加图的制作过程进行了探讨研究,具体包括我国人文社科领域基础图、科学叠加图的制作以及Rao-Stirling跨学科指数的计算。[结果/结论]对我国图情学和山东省6所高校CSSCI发文这两个实例进行了实证研究。结果表明,基于CSSCI构造的人文社科领域科学叠加图较好地展示了学科的引用情况,Rao-Stirling指数较好地显示了跨学科的水平,因此可以将其作为一种展示我国人文社科领域跨学科研究的可视化方法。

中美大数据论文的跨学科性比较研究

基于Web of Science(WoS)数据库,本文运用文献计量学方法和可视化工具对比分析了2009-2016年中美大数据研究论文的跨学科性发展态势,研究内容包括跨学科性(Rao-Stirling Index)测度、核心学科分布以及跨学科性与引用影响的关系,并应用VOSviewer将两国的学科分布进行了可视化呈现。结果显示,尽管中美两国论文的跨学科性都在逐年增强,研究期间美国论文的跨学科性始终高于中国。美国的大数据研究参考的学科数量更多,且学科分布更均衡,涉及的主要学科包括数学与计算机科学、生物医学与健康科学以及社会科学与人文科学;中国的大数据研究涉及学科较少,主要集中在数学和计算机科学领域。论文涉及的学科数量与被引百分位显著相关。