分类: 图书馆学、情报学 >> 图书馆学 提交时间: 2023-08-26 合作期刊: 《图书情报工作》
摘要: [目的/意义]构建情报学领域核心作者研究兴趣相似性网络,研究该网络的社群结构与社群隶属问题。[方法/过程]在CSSCI数据库以中图分类号为检索条件,下载该学科1998-2015年所有的论文数据,通过普莱斯定律识别核心作者。将作者研究兴趣用词袋模型表示,并计算作者间研究兴趣的余弦相似性,进而构建核心作者研究兴趣相似性网络。在此基础上进行社群划分并识别各社群研究主题,计算作者对各社群的隶属度与模糊熵。[结果/结论]研究发现,当前我国情报学研究可分为信息组织与检索、文献计量与科学评价、竞争情报与知识管理、情报学学科整体研究4个领域,大部分作者研究并不局限于单个领域,竞争情报和文献计量领域界限明显,较少有作者将彼此作为次要隶属社群。
分类: 图书馆学、情报学 >> 图书馆学 提交时间: 2023-07-26 合作期刊: 《图书情报工作》
摘要: [目的/意义] 旨在通过探讨学科交叉领域共词网络生成的影响因素及其作用机理,揭示学科交叉领域的微观知识连接机制。[方法/过程] 结合网络嵌入性理论,将学科交叉领域关键词共现关系建立的影响因素归纳为网络结构因素(内生变量)和关键词属性因素(外生变量),进而借助指数随机图模型,选择学科交叉领域医学信息学开展实证研究。[结果/结论] 研究结果表明:网络结构对共现关系生成的影响大于关键词本身属性的影响;择优连接机制和传递性机制具有显著正向作用;关键词节点倾向于与较新节点相连;医学信息学的关键词倾向于与基础学科的关键词建立共现关系,而基础学科的关键词却倾向于与自身学科关键词相连。
分类: 图书馆学、情报学 >> 图书馆学 提交时间: 2023-07-26 合作期刊: 《图书情报工作》
摘要: [目的/意义]探究学科领域科研产出在空间上的分布情况,发掘其空间分布是否存在自相关性,分析其形成空间聚集的影响因素。[方法/过程]基于计算机领域核心期刊从1997-2016年间的题录数据,提取机构地理位置信息,以此为观测点,对其分布情况进行可视化呈现,并测算基尼指数和中心性指数,研究其分布集中情况;通过测算全局莫兰指数和局部自相关指标,研究其空间自相关规律;通过测算皮尔森相关系数,研究其与地区高校数量、国民生产总值、研究与试验投入和行业从业人员数量的相关性。[结果/结论]计算机领域核心期刊论文产出呈现出地理位置分布不均衡,有明显集中态势,且存在空间自相关性,同时与地区该学科高水平高校数量、行业从业人员数量和科研人员数量相关性较高。
分类: 图书馆学、情报学 >> 情报资料的处理 提交时间: 2023-04-14
摘要: 目的/意义 理解科学知识发展演化过程有助于促进科学研究,从微观视角追踪知识在细分领域中的结构与演化特征对知识评估和知识服务具有重要意义。 方法/过程 以医学信息学中知识元为例,利用语义类型界定每种疾病的治疗相关细分领域,构建125种疾病不同时刻的知识元引用网络,采用Leiden算法识别知识群落,从群落知识演化、群落知识竞争状态等维度揭示疾病个体的演化特征;提出丰富度、均衡性与差异度三种测度指标,揭示疾病个体与整体的多样性特征。 结果/结论 研究表明,知识元引用网络中的群落能够反映出疾病知识结构与演进状态。整体层次的疾病知识多样性特征包括:疾病知识群落数量不断增加,群落间规模与组成差异不断扩大;不同疾病表现出常规型、早期争议型、泛指型演化模式;研究较早的疾病普遍均衡性较低、差异度较高。
分类: 图书馆学、情报学 >> 情报学 提交时间: 2023-04-01 合作期刊: 《图书情报工作》
摘要: [目的/意义] 科研社群作为当代科学研究中重要知识群体,研究其在学科发展过程中的演化特征对于探索领域发展规律、促进知识创新等方面具有重要意义。[方法/过程] 为探究科研社群的动态演化特征,以图书馆学情报学领域为例,从演化事件探测的角度出发,采用Leiden算法对科研社群进行划分,并构建科研社群演化路径与演化树;在此基础上识别科研社群演化事件,从科研社群演化整体分析、科研社群演化路径及演化树特征分析、科研社群演化事件统计特征分析等3个方面来揭示科研社群的演化模式和演化特征。[结果/结论] 研究表明,科研社群规模呈蓬勃发展趋势,科研社群演化树呈现两种演化模式,增长类演化事件大多发生于大型科研社群且发文量较高,新生和消亡演化事件均发生于小型科研社群且发文量较高,合并、部分合并、分裂、衰减等演化事件的平均社群规模较小且其发文量偏低,进一步证明科研社群之间合作交流趋向频繁,科研社群演化日趋复杂。
分类: 图书馆学、情报学 >> 情报学 提交时间: 2023-04-01 合作期刊: 《图书情报工作》
摘要: [目的/意义] 学术文献下载行为是科研人员文献检索行为的重要一环,对其预测的研究有助于深度理解科研人员检索行为,为学术资源检索平台优化检索结果、重构排序提供依据,从而提升检索系统的服务质量。[方法/过程] 构建用户学术文献下载行为的多维特征体系,在机器学习算法基础上构造基于查询相关性和基于用户行为的子分类器,并采取加权策略构建学术文献下载行为预测混合模型。[结果/结论] 实验结果表明,随机森林算法在两种分类器上均取得最佳性能;相较于仅基于查询相关性特征训练的模型,混合模型的准确率提高了2.3%,F1值提升了1.3%。在混合模型中,基于用户行为的子分类器拥有更高权重;"下载量""是否采用专业/高级检索"和"发表时间"特征的贡献度较大。