跨学科研究的文献计量学特征研究进展

赵俊玲，刘雪立

(新乡医学院，河南 新乡 453003)

跨学科研究是科学发展在当代表现出的显著特征。纵向来看，各门学科不断衍生发展；横向来看，各门学科之间的交叉、渗透和融合现象已经成为常态。跨学科研究发展的动力主要来自两个方面：一方面，为了解决经济社会发展中所出现的各类复杂问题，要求多个学科密切合作、协同攻关，提出综合性的解决方案；另一方面，科学研究领域的拓宽以及科学自身向纵深的演进所提出的各类学术问题，要求进行学科间的对话，以求取得更好的研究结论。

1 跨学科研究的内涵

跨学科，也称作“交叉学科”。中文“跨学科”一词是从英文Interdisciplinarity翻译引进的。目前，在国外学者中，获得公认的“跨学科”的涵义是指对于典型学科之间的问题的研究。西方学者G·伯杰克在《跨学科——大学的教学和科研问题》中指出，跨学科是两门或两门以上不同学科之间紧密的和明显的相互作用。著名学者钱学森指出，所谓交叉学科是指自然科学和社会科学相互交叉地带生长出来的一系列新生学科。由此可见，跨学科是一种多学科之间相互作用、相互补充的合作研究，是打破学科界限进行的科研活动。

2 跨学科研究测量的指标和方法

2.1 跨学科测量指标

亨利指出，一个学科的特定领域可以通过文献和共同引用的网络进行分析研究，这提供了一种考虑跨学科交叉参考的新方式。Zhang等[1]从学科分类数量和分布的差异方面对图书情报学领域(LIS)的跨学科性进行了分析。Bjorn[2]通过引文分析对来自各种文学期刊的引文主题进行了统计分析，比较了两个时期的变化趋势，并通过引文主题对一个学科的跨学科性进行了测量。在标准化主题关键词的基础上，Min和Sun[3]得出了交叉关键词的树状图，他们通过使用从定量角度引入的聚类分析和策略分析，讨论跨学科研究热点的内部关系和发展背景。Chang和Huang[4]利用布里渊指数分析了LIS的跨学科性，证明了其在测量跨学科性方面的有效性，并得出了LIS跨学科水平增强的结论。Morillo等[5]提出了利用一系列文献计量指标衡量跨学科性，并在化学领域进行了实证研究。通过使用COC指数，Hurd[6]测量了大学科学家进行的研究领域的跨学科水平。Lariviere和Gingras[7]将一篇论文参考文献涉及其他学科所占的比例作为一个跨学科的测量指标。

2.2 跨学科研究方法

2.2.1 生态多样性措施。随着认识到多样性在生态系统健康功能中的重要作用，以及人们对人类活动的威胁日益增加的关注，生态领域已经开发了成熟的措施来量化生物多样性。Chao和Jost[8]采用术语“元素”和“系统”代替生态学中使用的相应术语：“物种”和“集合”，并根据信息内容对其进行分类，形成两种“理想类型”的多样性措施。其中第一代多样性措施为分布敏感措施，它主要测度系统中存在的不同元素的数量。Chao和Jost认为，最简单的多样性仅具有两个不同元素的系统将被认为比仅具有一个元素的系统更多样化。分布敏感措施的一个明显缺陷是它忽略了元素的分布，它不能区分少数元素占优势的系统和元素均匀分布的系统。若两个系统元素的分布相同，两个系统将具有相同的值。文献计量学中的Simpson diversity和Shannon entropy指标可以映射到生态学中使用的第一代多样性措施，它们的形式如公式1和公式2。pi分别表示Simpson diversity和Shannon entropy指标系统中元素的比例，S是系统中元素的数量。应当注意的是，对于Shannon entropy通常使用自然对数，但是也可以使用其他的基数。

第二代多样性措施为分布和相似性敏感度量，是一类考虑在其他条件相同的情况下，远距离相关物种的集合要比近距离紧密相关物种的集合发育更具多样性。Ricotta和Szeidl[9]提出了Rao-Stiring二次熵(见公式3)，通过考虑元素的相似性来扩展文献计量学Gini-Simpson diversity指数，其中di,j是距离矩阵中第i和第j个元素之间的距离，pi是元素i的比例，S是系统中元素的数量。在生态学中，这种测量已经进一步发展成为物种差异的多样性测量。

文献计量学指标Rao-Stiring可以映射到生态学中使用的第二代多样性措施。分布敏感度量是一类不仅考虑系统中元素的数量而且考虑到元素之间的相似性或不相似性的分布的度量。因此笔者认为，生物多样性研究的属性同样适用于在文献计量学中学科多样性的研究。

2.2.2 空间距离作为评估工具。一些学者提出，可以使用空间距离作为分析可视化跨学科研究的度量。空间距离方法通常需要可视化计算机动画技术的辅助，这一措施的有效性已经通过计算机算法的最新发展得到证实，可以用于观察和分析跨学科之间潜在的动态关系。此外，一个经典的方法是使用因子分析法，通过测量引文系统中各个因子之间的向量空间距离，确定不同因子在多大程度上具有跨学科性。其中每个因子被标记为学科，在一定空间距离内因子的个数在预设阈值以上的被认为是跨学科的。

2.2.3 术语频率TF、TF-IDF和TI值。术语频率(TF)是特定关键词在文档中出现的次数，TF值越高，关键词出现的频率越高。术语频率逆文档频率(TF-IDF)通常用于信息检索的加权技术。它是一种基于词频的统计方法，用于评估文档中特定关键词的重要性。TF-IDF值越高，特定关键词就越重要。主题术语的重要性与其在文档中出现的时间成比例，而它与文档集合中的出现次数成反比。具有高水平跨学科性的主题术语应出现在许多学科中。此外，跨学科性的重要主题术语应积累到一定频率。为了突出跨学科主题的特征，可将累积频率进行对数变换，导出每个主题术语的TI值。具有高TI值的主题术语是潜在的跨学科主题。TI的计算公式如下。

TI=d*logtf

其中，d是主题项的分布，tf表示主题项的出现频率。TI是对主题术语的跨学科程度的度量。高TI值表示各学科之间高度的跨学科主题术语。

3 结语

跨学科领域研究是对单一学科研究的挑战与革命，是人类认识自然、改造自然的实质性突破。这是科学发展与技术进步的必然趋势，必将对未来科学与技术的发展产生深远的影响。

参考文献：

[1] Zhang,R.J.,Yu,Y.,& Yang,Y.N.A research of interdiscipline based on information science[J]. Journal of intelligence,2013(2)：1-5.

[2] Bjorn,H.Interdisciplinarity and the intellectual base of literature studies：Citation analysis of highly cited monographs[J].Scientometrics,2010(3)：705-725.

[3] Min,C.,& Sun,J.J.Clustering analysis on discipline-crossing research hotspots：An example of library and information science and journalism and communication studies[J].Library and Information Service,2014(1)：109-116.

[4] Chang,Y.W.,& Huang,M.H.A study of the evolution of interdisciplinarity in library and information science: Using three bibliometric methods[J].Journal of the American Society for Information Science and Technology,2012(1)：22-33.

[5]Morillo,F.,Bordons,M.,& Go ′mez, I. An approach to interdisciplinarity through bibliometric indicators[J].Scientometrics,2001(1)：203-222.

[6]Hurd,J.M.Interdisciplinary research in the sciences: Implications for library organization[J].College & Research Libraries,1992(4)：283-297.

[7] Lariviere,V.& Gingras, Y.On the relationship between interdisciplinarity and scientific impact[J].Journal of the American Society for Information Science and Technology,2010(1)： 126-131.

[8] Chao,A.,& Jost,L.Diversity measures.In A.Hastings & L.Gross (Eds.)[J].Encyclopedia of theoretical ecology,2012：203-207.

[9] Ricotta,C.,& Szeidl,L.Towards a unifying approach to diversity measures: Bridging the gap between the Shannon entropy and Rao’s quadratic index[J].Theoretical Population Biology,2006(3)：237-243.