图书情报学领域高产研究机构的合作网络指标分析
2017-11-22宋惠兰
宋惠兰
〔摘 要〕[目的/意义]当前有关论文合著的研究大多以主题或学科为研究对象,很少从整个研究机构的角度去探讨各个机构之间的学术合著情况。[方法/过程]本研究选取2007-2016年在Web of Science发表的图书情报学方面的期刊文章,利用书目计量及社会网络分析两种工具,对其论文合著情况进行分析。[结果/结论]研究显示M大学在图书情报学领域的学术合著已经成为普遍趋势,同时论文合著活跃度分别与学术生产力和学术影响力轻度正相关。本文的研究结果为后续研究机构分析学术研究网络提供参考。
〔关键词〕论文合著;学术合著;图书情报;合作活跃度
DOI:10.3969/j.issn.1008-0821.2017.11.026
〔中圖分类号〕G250.252 〔文献标识码〕A 〔文章编号〕1008-0821(2017)11-0163-08
Study on Cooperation Network Index Analysis of High-yield Research Institutes in Library and Information Science
Song Huilan
(Library,Neijiang Normal University,Neijiang 641112,China)
〔Abstract〕[Purpose/Significance]Objective:Most of the studies on co-authored papers took theme or subject as research object,and the academic co-operation between agencies was rarely discussed from the perspective of the whole research institution.[Method/Process]The study selected journal articles published in Web of science from 2007 to 2016,using bibliometrics and social network analysis to analyze the coherence of papers.[Result/Conclusion]The research showed that the academic coherence of M universities in the field of library and information science has become a general trend,and the degree of coherence was positively correlated with academic productivity and academic influence respectively.The results provided an important reference for the research institutions to analyze the academic research network.
〔Key words〕co-author;academic cooperation;library and information;active degree of cooperation
在全球竞争日趋激烈的今天,学术表现与国际学术合著是大学发展的重要方向,学术表现反映在学术生产力与学术影响力上,而学术合著则反映在研究者合作发表论文上[1-2]。我国高校学术生产力与影响力主要通过收录于国际权威数据库WoS(Web of Science)中的论文,并分析其被引用情形、期刊的影响因子(Impact Factor)、研究者个人的h-index等指标来衡量[3]。
研究学者表明,高等教育走向国际交流与学术合著是21世纪教育质量与竞争力提升的新趋势。大科学时代来临,许多的科学研究需要多人共同合作,且往往需要跨领域的知识,而推动高等教育学术发展中,建立良好的学术生态环境是关键所在,需要更多鼓励学者在竞争环境中求合作[4-6]。学术合著的方式有很多,可能是共同实验、赞助支持研究、参与研讨会或共同研究并发表等。而在众多合作方式中有些可能只是对研究团队或个人的资金、设备赞助,并无实际一起参与研究。在过去学术合著研究中,聚类及引文分析较适于在文献上进行跨学科的认知层面分析,而论文合著者的分析则为跨院系、跨机构、跨国的具体实践,并且学术合著是直接共同研究并具深度的学术合著表现。
学术合著的议题可延伸探讨学术影响力与生产力,过去研究纷纷指出合作对学术影响力与生产力有正面影响。大多数研究从分析学者合作的文献篇数,来定义该学者是否为合作活跃者,很少从研究者曾与多少人合作的角度,来定义其合作活跃度及分析学者所建立的学术社会网络。另外,虽然有关学术合著的研究较多,然而过去有关学术合著的研究,大多以主题或学科为研究对象,很少以整个大学为单位,去探讨大学之间的学术合著情况[7-8]。
因此,本文基于Web of Science数据库在图书情报学领域2007-2016年期间发表的论文,选取该领域最活跃的M大学为例,采用书目计量及社会网络分析两种工具,分析M大学近十年在图书情报学领域的期刊文章的合作情况、趋势,并通过社会网络分析工具及统计软件,分析论文合著活跃度与学术生产力间的关系,还有合作活跃度与学术影响力间的关系,此分析模式可供分析相关的学术网络。
1 文献探讨
本研究旨在以M大学在图书情报学领域的论文合著网络为例,以书目计量和社会网络分析法来探讨大学的学术生产力与合作社群,分析学术合著与大学学术生产力及学术影响力的关系。依据本研究主题,对学术表现与学术合著、社会网络分析应用,这两个部分进行文献探讨[9-12]。endprint
1.1 学术表现
学术表现被视为评鉴大学学术能力中最重要的部分,而研究产出(出版品)乃是学术表现最主要之体现,透过学者的研究产出可以从量与质的观点,了解并反映学术生产力与学术影响力。学术生产力与影响力相关研究与引文分析息息相关,引文分析相关研究发展至今,显示为了提高学术研究说服力与建立作者的信用,引用文献为学术研究不可缺少的部分,同时也促使了文献计量指标发展,通过引文概念发展指标来衡量学者个人或教育组织的学术表现,如:2005年Hirsch提出h-index,尔后亦有学者针对h-index相继提出改良计算方式[13]。
1.2 学术合著
学术合著是指研究人员一起工作以达成产生新的知識的共同目标,而当研究人员们共同署名,合作出版一篇学术文献则为合作关系。Beaver指出传统的合作模式是由2个或2个以上的人或实验室合作,有时研究者会轮流挂名第一作者,有的研究团队是由一个主要研究者或领导人去带领或指导其他成员。合作不仅可以是导师、学生的师生合作,也可能是同行间的合作,甚至是跨领域、跨国家的合作[14]。Beaver总结合作的优点为:1)更有效率,且有益于合作组织(实验室)受到更多资金的支持;2)多人任务分工,速度快;3)提高研究能见度,与专家、高知名度者合作,较易于发表。4)研究者间意见交流,互相学习,通过彼此讨论可能激发出创新想法。5)增加研究准确度,研究者彼此可以检验,从而使错误或有问题的部分更容易被发现改进。缺点主要为:1)相较于单一作者,多人合作的情况可能导致每个研究者的贡献彼此瓜分或降低每个研究者被注意到的情况。也就是每个研究者被隐没在其他研究者之中。2)合作研究可以是专家间运用彼此资源共同合作或提携后辈,但也有可能是形成研究社群封闭或私有化。
此外,Hart对学术图书馆学文献中有与他人合作的作者进行问卷调查,了解作者对于合作过程的看法。其研究结果显示,作者认为合作好处的前三名为:可提升文章质量、有效发挥彼此的专业、彼此能激发有价值的想法;另外,在同僚、导师、直接指导三种作者合作的关系中,大多数的作者较偏好同僚关系来与他人维持合作关系。据2010年Franceschet & Costantini针对学术合著与影响力和质量关系的一项研究指出[15],合作研究的优势在于:任务分工、能力意见分享。有学者以中国科技统计年鉴(the Statistical Yearbook on Science and Technology in China)和科学引文索引(Science Citation Index Expanded)作为搜集数据源分析中国大陆合作发表学术文章状况,其研究显示学术合著能使学者交流专业知识并产生知识外溢效果,以达改进并提升学者的研究技能与知能的益处,且国际间的学术合著更能产出更高质量的文章[16]。综合上述可知,学术合著能促使研究者间知识意见交流,并激发创新有价值的想法,使整个研究流程更有效率更快速,且能够提升文章质量。然而,研究者间也可能对整体研究缺乏全盘了解,而产生融合问题。
综观过往文献,学术合著的相关研究多半透过书目计量和社会网络分析,主要探讨学术合著的结构模式,包括学科平均合作人数、不同领域不同文献类型变化、中心作者或研究团体的角色,及跨国与跨领域合作与质量间的关系、学术合著对学术生产量和学术影响力影响等。此外,学术合著与合作情形多数文献仅针对自然科学领域探讨,相较之下社会科学与人文科学领域探讨部分偏少。依据Franceschet & Costantini于2011年综合自然科学、社会科学和人文艺术文献资料的研究[16],在此推测较少对社会科学与人文学领域探讨学术合著的原因之一可能是社会科学和人文领域的作者倾向单独完成研究。
2 研究资料
2.1 数据资料来源
Web of Science(Web of Knowledge)中科学引文索引(Science Citation Index Expanded,SCIE)、社会科学引文索引(Social Science Citation Index,SSCI)和艺术人文引文索引(Arts and Humanities Citation Index,A&HCI)近十年内(即2007-2016年)图书情报学领域作者中包含M大学的教师或学生的文献,共341篇。
2.2 数据资料处理
由于WOS的书目资料并未将作者与所属机构一一对应,因此由WOS下载含有M大学名称的文献后,须确认每篇文章的作者及相对应的机构与系所,为求数据精确,对每篇文章进行人工检查,整理步骤如下:
1)依据Web of Science下载资料的C1、RP等字段进行各作者机构、国家的辨识,并作为跨机构、跨国合作的分析。
2)取得上述数据后,将每一个作者与所属机构进行核对。如果没有明确指出哪一个作者属于哪一个机构,由人工查找其人。
依据本研究搜集的资料而言,没有明确标示作者所属机构的情形包含:
1)该笔文献资料中,机构数量与作者数量不同。
2)同作者在不同时期所属不同机构,而本研究仅以机构导向方式(即针对作者当时投稿所填的机构)作为依据分开处理。
3)不同作者但同名。
4)作者当时发表文章时机构数据填写不完整,例如:有些作者只有机构,没有填系所。此时需要通过搜索引擎、图书馆数据库或亲临图书馆,找到该篇文献。若原始文献有标示机构但未明确指出哪一个作者属于哪一个机构时,则将作者名和所显示机构比对检索。验证方式包含:取得全文文献,文献中标示的作者信息、学者个人网站或系所师资简介中的学术著作与发表清单、该文献所属的期刊数据库核对。若作者在文献中填写的机构不只一项(即:一人多机构)时,则记录该作者当时发表该文献所填写的所有机构。endprint
2.3 数据辨识原则
本文根据之前的名词解释已定义本机构、跨机构、跨国研究合作,主要为将同一研究机构视为同一单位,将[跨机构]定义为同国家不同机构的论文合著;[跨国]定义为文章合作者中包含非本国作者的论文合著。因此,若文章为跨国合作其也是跨机构合作,但在跨机构论文合著计算中不重复计算。
辨识文献与国家、机构合作次数的计算原则以一篇文献为单位,其所出现的国家、机构不重复计,以免因合作者众多造成影响。1)跨国:计算一篇文献中,作者所属国家,同一篇文献同一个国家仅计算1次,例如:一篇文章有3个中国和2个美国合作,则计算该文献中国和美国各1次,表示这篇文献为中国和美国合作1次;(2)跨机构:计算一篇文献中,作者所属机构,同一篇文献同一个机构仅计算1次,例如:一篇文章有2位清华大学、3位北京大学和2位M大学合作,则计算该文献清华、北大和M大学各1次,表示M大学分别与和清华和北大各合作1次。
本研究皆以机构导向来辨识作者身分,也就是以作者当时发表文章所填机构为主,并非从作者个人毕生的学术生产与贡献而论。此外,若同一篇文献某一作者的机构不只一个(即:一人多机构)时,纪录包含[替换机构]与[其他机构],一人多机构时须择一作为主要替换机构,且分析时主要以替换机构代码为主。
2.4 学术生产力指标计算
辨识每篇文献中的M大学作者所属后,分别从机构和个人生产力来计算。机构生产力计算的部分为提供研究目的1(了解M大学师生近十年来在图书情报学领域的学术生产力及学术合著发展现况及趋势)和研究目的2(分析M大学师生学术合著的社会网络)分析之用,而M大学学者个人生产力计算部分则为研究目的3(探讨合作活跃度分别对于学术生产力和学术影响力的关系)分析之用。
3 分析工具及指标
本研究资料取自Web of Science(Web of Knowledge)中SCIE、SSCI和A&HCI近十年作者中有包含M大学的教师或学生在图书情报学领域发表的文献。此外,计算M大学作者的h-index作为学术评鉴指标。透过社会网络分析软件UCINET(University of California at Irvine NETwork)进行分析。以下针对研究所选数据库Web of Science、学术评鉴指标h-index计算、社会网络分析软件UCINET等研究工具,分别详述介绍:
3.1 Web of Science数据库
Web of Science数据库收录全球最具权威及跨学科领域多达11 000种期刊资源,文献类型包含研究论文、评论、书评、摘要、年表等。透过Web of Science可以取得科学、社会科学、人文艺术等256个学科领域最新和回溯文献(最早可回溯至1900年)。Web of Science主要涵盖三大数据库,分别为SCIE、SSCI、A&HCI,其中SCIE收录1990年至今,包含8 300多种期刊,超过150个学科领域文献资料;SSCI收录1990年至今,包含2 697多种期刊,超过55个社会学科领域文献资料;A&HCI收录1975年至今,超过2 300种艺术人文领域的期刊。其中SCIE与SSCI收录欧美英语系重要的期刊且引用文献丰富,这两种资料库对学术研究产生重要应用,包括评估科技和社会科学资源与学术研究成效的工具、期刊质量评鉴、信息检索功能、研究者与研究机构评鉴参考,也可用以探究学科间的知识结构、了解学科的研究前锋、作为国家或学科领域的生产力与学术评鉴工具。基于上述且鉴于数据源权威性与收录完整的考虑,选择SCIE、SSCI、A&HCI作为研究工具。
3.2 学术评鉴文献计量指标h-index
学术评鉴进而促使文献计量指标发展,一般评鉴学术影响力的指标包含:h-index、g-index、A-index、R-index、AR-index等,本研究以h-index作为观察学术影响力的指标。
由美国加州大学物理系教授HirschJ E于2005年提出,一位作者的h-index计算方式为:该作者至少有h篇文献被引用至少h次。h值越高,表示作者出版多且多被引用的文献。例如:若某一作者的h-index为5,代表该作者至少有5篇文献至少被引用5次,也就是该作者其余文献被引用数皆等于和小于5次。
本研究计算h-index依据字段为:以数据提取时间2016年12月31日所得共341篇文献中,代表每篇文献被引用次数的[TC]字段和代表文章出版年的[PY]字段。此外,h-index的計算需依据文献被引用次数,而文献被引用次数当中关于自我引用(self-citation)问题,Thomson Reuters网站中的《Journal self-citation in the Journal Citation Reports》一文中JCR针对收录期刊自我引用情形进行分析,其结果显示自我引用比率低且对于期刊或主题影响力并无显著影响,故本研究不再另行处理自我引用问题。
3.3 社会网络分析软件UCINET(University of California at Irvine NETwork) UCINET最初由加州大学社会网络的研究学者Linton Freeman开发编写,UCINET涵盖了大量的网络分析指标,包含:中心度、凝聚力、位置分析、派系分析、多元统计分析工具、多维量表、群聚分析、矩阵数据分析等,通过描述、可视化、统计建模了解网络结构。图1为UCINET第6版使用接口图。
4 资料数据处理
4.1 书目计量统计(图书情报学领域)
1) M大学文献篇数统计;
2) M大学第一作者文献比率;
3) M大学平均作者数与作者平均产出文章数统计;
4) M大学的合作模式(跨国、跨机构、本机构、单一作者)统计;endprint
5) M大学学者的文献篇数;
6) M大学学者的h-index数值。
4.2 社会网络分析
4.2.1 程度中心度(Degree Centrality,简称DC)
能够依单一行动者衡量出行动范围,计算时需先算出行动者的所有连结数,当行动者有很多连结时,表示该行动者有很多渠道或机会取得社会资源。本研究DC值利用社会网络分析工具UCINET依据[绝对中心度]取直接相连的节点个数,分析M大学师生在图书情报学领域曾与多少人合作过,即计算每个学者的程度中心度(Degree Centrality,DC),并将DC指标定义为本研究的合作活跃度,指标越高者表示合作活跃度越高,学术活跃度高表示学者与其他研究者合作的次数越多。
4.2.2 网络成分数(Components)
指网络中被分割为不相关联的次群体,孤立的一个点也算是一个成分。成分能够反映整个网络可以被分为多少小群体。利用SNA中的成分分析,探讨M大学论文合著网络学者间的连通程度。在SNA中,成分数多表示整体网络被分割成较多个不连通的次群体,而成分数低,表示网络间的连通关系较紧密。
4.2.3 Spearman等级相关系数
基本算法与皮尔森相关系数(Pearson Correlation Coefficien)相似,不受极端值的影响,属于无母数的统计方法,常用于表示非常态分布之变量相关。由于本研究中M大学学者的生产力分布、影响力h-index分布、合作活跃度DC值分布皆为非常态分布,因此检验相关系数时,使用斯皮尔曼等级相关系数(Spearman's Rank Correlation Coefficient)。此外,Portney和Watkins将相关系数程度分为:0表示没有相关、轻微相关(<0.25)、轻度相关(0.25~0.5)、中度相关(0.5~0.75)、高度相关(>0.75)。本研究依据Portney和Watkins对相关系数解释研究结果相关程度。
5 结果分析
5.1 M大学图书情报学领域论文合著趋势在近二十年的发展 整理M大学师生2007-2016年期间Web of Science发表的关于图书情报学领域的文章,并依据本研究目的与问题进行量化分析,探讨学者的论文合著活跃度分别与学术生产力和学术影响力的相关性。
图2为M大学于2007-2016年在Web of Science的文献数量(图书情报学领域),从图中可以看到,文献数量大体呈现逐年成长趋势,从2011年之后,趋势更加明显,超过65%的文献来自于2011-2016年。图3为M大学在图书情报学领域的学术合著情况,从图中可以看出,学术合著已普遍且为趋势,M大学大多数WoS期刊文章(图书情报学领域)为合作文献,单一作者文献仅占全部文献的8%(27篇),而这少量的单一作者文献中,约74%集中于2007-2010年。
此外,从文章篇数与作者数的分布可知文献作者数集中于2~4人(如图4所示)。从图4可知文章的平均作者数有些微增长情形,2007-2008年的文章平均作者数约3.62人,2015-2016年增为4.76人,整体数据显示每篇文章平均作者数为4.3位。根据之前的文献显示,在社会科学领域文献中合作人数以4~5人为居多,本研究中文章作者数为4~5人的文献同样比例最高,占总文章数量80%以上,此与过去文献的结果相呼应。
5.2 M大学师生学术合著的社会网络
如前文所述,论文合著模式包含:跨国、跨机构、本机构。本研究发现,M大学2007-2016年于Web of Science的文献,多数为合作文献且历年合作的学校和国家数量呈现增长情形,如图5、图6所示。
在2006-2017年共341篇文献中,除去无法辨识的文献外,合著的文献数量达到91%,其中跨机构合作的文献最多,共170篇,占全部文献50%,其次为本机构合著,占全部文献22%,再者为跨国合作文献,共65篇,占全部文献19%。从数据来看,M大学约有一半左右的学者偏好和国内其他机构的学者合作发表文章。而在国际合作交流部分,有超过80%的跨国合作文献生产于2001-2011年。
图7为M大学在图书情报学领域跨国合作的分布情况,从图中可以看到,合作的国家达到51国,涵盖了北美、中南美、欧洲、非洲、亚西、亚太地区国家。合作最多的国家依序为美国(39.78%)、日本(9.72%)、英国(3.54%)、德国(3.18%)、韩国(3.09%)、加拿大(2.82%)、印度(2.09%)、澳大利亚(2%)。
过去有些文献显示,合作对象受地理位置影响,认为邻近国家或同一机构的学者较容易一起合作。观察M大学在图书情报学领域的具体资料,主要为國内合作,其他合作国家则与美国合作(39.78%)最多,合作次数前10名包含:北美、欧洲、亚洲。同时统计显示M大学在合作国家与合作学校倾向国内跨机构合作,除了国内合作情形以外,在其他合作国家与机构并无明显与地理位置有关。
5.3 合作活跃度分别对于学术生产力和学术影响力的关系 以研究者曾跟多少人合作的角度,计算M大学学者的程度中心度(Degree Centrality,以下简称DC值)作为该学者的合作活跃度指标,探讨合作活跃度与学术生产力的关系,以及合作活跃度与学术影响力的关系,以下分述研究结果。
5.3.1 合作活跃度与学术生产力的关系
根据之前的检索结果,计算M大学学者合作活跃度指标DC值和学者个人发表篇数,从而评估合作活跃度与学术生产力的关系,如图8所示,M大学学者的合作活跃度指标DC值显示集中于1~8人,最大值为103人,同时以斯皮尔曼等级相关系数(Spearman's Rank Correlation Coefficient)检验M大学学者的合作活跃度与学术生产力之关系,依据Portney和Watkins对相关系数的说明而言,研究结果显示,合作活跃度与学术生产力整体呈现轻度相关,相关系数为0.471(数值皆介于0.25~0.5),达到了显著水平(P<0.01),这与过往文献中提到的以学者的合作篇数作为合作活跃指标与生产力间的相关结果这个结论相呼应。endprint
5.3.2 合作活跃度与学术影响力的关系
为了探究合作活跃度高者是否也反映出高学术影响力,以M大学学者的合作活跃度指标DC值与h-index进行相关分析,如图9所示。研究发现,M大学学者h-index大多数集中0~3,尤其h-index为1的比例最高,仅少数的学者为高h-index。以斯皮尔曼等级相关系数(Spearman's Rank Correlation Coefficient)检验M大学学者的合作活跃度与学术影响力之关系,依据Portney和Watkins对相关系数的说明而言,研究结果显示学者合作活跃度指标DC值和h-index之间相关系数,呈现轻度相关,相关系数0.468(数值皆介于0.25~0.5),达到了显著水平(P<0.01)。过去文献以文献被引用次数、专家审查、学科领域核心期刊作为文献影响力或质量的指标,其研究结果显示学者合著能提升文献的影响力。而本研究则以学者为核心,以h-index为学术影响力指标,检测出学者合作活跃度与学者个人影响力相关。
综合上述研究结果,M大学文献篇数呈现成长趋势,且合著情形普遍,2007-2016年平均作者数为4.3人,大部分文章的作者数集中于2~4人,超过半数的文献以M大学学者为第一作者。从M大学学者生产力分布可知多数的学者发表少篇文章,而仅少数为高生产力的学者;论文合著多以跨机构和跨国合作情形较多,M大学曾合作的国家共达51国,合作较密切的国家为美国、日本,整体而言,M大学合作网络与世界趋势团队导向以及跨机构相符,学术合作较为频繁。
6 结论与建议
学术研究需要合作,才能集众人之力,有更好的表现,因此在学术界,合作论文的现象非常普遍。本研究以M大学为例,利用书目计量及社会网络分析两种工具,分析M大学在图书情报学领域近十年学术生产力及学术合著发展现况及趋势,了解M大学学术合著的社会网络,并探讨合作活跃度分别对于学术生产力和学术影响力之关系,研究发现学术合著现象非常普遍,主要以本国机构合作为主,合作活跃者分别与生产力和学术影响力皆为轻度正相关,达到了的显著水平(p<0.01)。另外也提出合作的文章有助于该文献的影响力与质量提升。本文的研究可以为研究机构分析学术研究网络提供参考,并对研究机构制定跨机构合作研究相关策略有借鉴意义,针对后续研究提出下列建议:
6.1 广泛搜集数据源,完整分析学术生产力及学术合著的全貌 在过去相关文献中发现分析资料多取自WoS,然而除了WoS外,未来研究可加入Scopus、TSSCI等数据库收录的数据。此外,也可再深入考虑不同学科领域反映或呈现的学术生产力与学术合著数据应该如何搜集且获得领域认同。通过扩展数据源,以利完整分析学术生产力及学术合著的全貌。
6.2 可进行多机构分析比较,以了解我国学术合著、生产力及影响力的整体概况 在本研究中资料范围仅包含图书情报学领域方面,累积的文献篇数较少,故无法看出合作模式与影响力,而每个学校背景与发展重点各有不同,因此后续研究可对其他学校的学术合著、生产力、影响力加以分析,并进一步进行多校分析比较,以了解我国学术合著、生产力及影响力的整体概况。
6.3 开发学术表现评量指标
学术表现包含学术生产力与影响力,目前学术生产力主要以数量计算,而学术影响力指标非常多样,如h-index、g-index、A-index、R-index、K-index、M-index等,每个指标的优缺点不同,目前也仍未发展出一套获得全面认同的指标,后续研究可以针对某一特定的环境与条件,发展出合适的学术表现评量指标,让具备相同环境条件的机构可以参考。
6.4 深入分析不同学科的合作模式、建立合作团队及进行研究所需时间 学科属性会影响学术合著模式、学术生产力、学术影响力,未来可深入分析不同学科的合作模式、建立合作团队及进行研究所需时间。
参考文献
[1]邱均平,党永杰.我国图书情报领域机构合作网络分析——以“图书情报与数字图书馆”论文为例[J].情报科学,2013,(1):56-60.
[2]余丰民,汤江明.基于可视化知识图谱的合著网络研究——以期刊为研究对象[J].图书情报工作,2011,55(12):109-113.
[3]刘云,刘文,叶选挺.基于SCI合著论文的中美合作机构分析[J].科学观察,2010,(1):10-15.
[4]Han W P,Leydesdorff L.Knowledge linkage structures in communication studies using citation analysis among communication journals[J].Scientometrics,2009,81(1):157-175.
[5]Chen C.CiteSpace II:Detecting and visualizing emerging trends and transient patterns in scientific literature[J].J.Am.Soc.Inf.Sci,2006,57(3):359-377.
[6]Kretschmer H.Patterns of behaviour in coauthorship networks of invisible colleges[J].Scientometrics,1997,40(3):579-591.
[7]邱均平,秦鹏飞.基于作者共被引分析方法的知识图谱实证研究——以国内制浆造纸领域为例[J].情报理论与实践,2013,33(10):28-36.
[8]刘云,刘文,叶选挺.基于SCI合著论文的中美合作机构分析[J].科学观察,2010,(1):10-15.
[9]徐媛媛,朱庆华.社会网络分析法在引文分析中的实证研究[J].情报理论与实践,2008,31(2):184-188.
[10]Carter W C,Feld S L.Principles relating social regard to size and density of personal networks,with applications to stigma[J].Social Networks,2004,26(4):323-329.
[11]Melin G,Persson O.Studying research collaboration using co-authorships[J].Scientometrics,1996,36(3):363-377.
[12]纪雪梅,李长玲,许海云.基于权力指数的引文网络分析方法探讨[J].图书情报工作,2009,53(24):111-114.
[13]孟微,庞景安.我国情报学科研合著网络特性与集团结构分析[J].情报理论与实践,2009,32(9):14-18.
[14]周志峰,曾爾雷.国内h指数和h型指数研究文献综述与计量分析[J].情报杂志,2009,28(6):52-57.
[15]董琳,刘清.国外学科评价及其文献计量评价指标研究[J].情报理论与实践,2008,31(1):37-40.
[16]董琳,刘清.学科评价之文献计量指标分析[J].图书情报工作,2008,52(1):31-34.endprint