创新生态系统领域学科多样性测度研究

樊霞　贾建林　王奥希

〔摘 要〕[目的/意义]创新生态系统是近年兴起的热门领域，反映了学术研究前沿与趋势。对其学科多样性进行研究有助于激发学术思想碰撞，产生新见解，为科技政策制定与管理提供依据。[方法/过程]基于共类分析，以Web of Science数据库创新生态系统领域2002-2017年相关核心文献为目标，通过学科覆盖图，学科丰富度、均匀性、差异性和综合测度指标对比分析创新生态系统领域学科多样性特征。[结果/结论]创新生态系统领域整体学科多样性较强，主要集中于邻近领域或学科。且创新生态系统受其他领域的影响大于其本身对其他学科的影响。时序上，其学科多样性并无显著增强趋势，但总体上目标文献被引频率越高，学科多样性越强。

〔关键词〕创新生态系统；共类分析；学科覆盖图；学科多样性

DOI：10.3969/j.issn.1008-0821.2018.08.008

〔中图分类号〕G301 〔文献标识码〕A 〔文章编号〕1008-0821（2018）08-0061-06

〔Abstract〕[Purpose]The innovation ecosystem is a popular research field in recent years，which reflects the frontier and development trend of academic research.This is conducive to stimulating academic thinking，generating new insights and new ideas，providing reference for the formulation and management of science and technology policy on the diversity study of innovation ecosystem.[Methods]This paper based on the bibliographic analysis method，which aimed at the relevant literature in the Web of Science from 2002 to 2017，and with the discipline overlay map，brillouin index，information entropy，Stirling index and comprehensive measurement index to compare and analyze innovation ecosystem subject diversity characteristics.[Results]The field of innovation ecosystem had a strong diversity of disciplines，and the subject mainly focused on neighboring disciplines or fields.Although there was no significant diversity of disciplines in the field of innovation in time series，but the higher the frequency of the target literature，the greater the diversity of the literature.

〔Key words〕innovation ecosystem；co-classification analysis；overlay map；discipline diversity

随着社会发展和人类需求的不断变化，越来越多的自然现象和社会复杂问题需要通过跨学科合作得以突破和解决。学科多样性研究作为一种促进创新和适应多元化发展的重要手段，在许多科技领域已经得到广泛应用。科研工作者的任务不再局限于单一学科，而更多表现为跨学科问题[1]。跨学科研究有助于激发研究者创新思维，拓宽研究视野，推动科学与技术发展，并很可能形成新的跨学科学[2]。因此如何促进不同学科间的交叉与融合，利用跨学科工具解决具体、复杂问题也已成为科技政策制定与管理的重要议题[3]。创新生态系统是近年兴起的热门研究领域，来源于生态学范畴，后续逐渐延伸至经济学、管理学和商业研究等众多领域[4]，具有高度整合的学科多样性，深刻反映了学科交叉的动态和发展趋势，为解决当前错综复杂的社会问题提供了借鉴思路。

学科多样性是一种特殊的知识交互现象，现有研究不仅探索了文献计量与学科多样性的密切联系，并从不同层面给出了相关概念。Tijssen R J W研究指出学科多样性是对其他领域或学科知识、技术、原理和设备的学习与运用[5]。在Klein K J等人看来，学科多样性是借鉴或引用其他学科模型与范例，整合多种研究方法共同解决所面临的复杂前沿问题的行为过程[6]。Stirling A则认为跨学科亦或学科多样性是一种多学科知识相互渗透、相互作用的过程，学科交叉演化成的理论体系会形成交叉学科，而多种交叉学科又构成了跨学科学[7]。我国著名学者路甬祥院士曾指出跨学科的形式多种多样，学科多样性的跨度和层次将呈现不断扩大趋势[1]。整合不同观点，本研究认为学科多样性是一种动态的跨学科知识融合过程，其本质在于突破学科间的障碍，以促进知识交流与共享[5]。

基于此，国内外学者进一步展开了大量研究，Porter等通过文献计量学方法对低温物理学和分子生物学等6个领域1975～2005年学科多样性进行了探索，研究发现跨学科程度具有愈演愈强的趋势[8]。Small M P等采用文献共引数据的聚类指标测度了学科间的相似性与交叉性关系[9]。马费成等则基于学科引证关系，分析了中国人文社会科学整体的跨学科特征，结果显示人文社科各领域分布较为封闭，学科多样性程度相对较低，很少吸收其他领域知识[10]；许海云等对比分析了情报学近10年的学科交叉情况，结果显示情报学并未与距离较远的其他学科形成过多交叉，现有研究方法与应用仍聚焦于相近领域[3]。王志楠等研究了经济与商业领域高被引学者论文的学科多样性，结果发现其引文与引证文献跨学科程度存在明显差异，即高被引学者成果的引证文献比引文的学科多样性更显著[11]。黄颖等则针对2005～2014年诺贝尔物理学奖获得者论文的跨学科属性展开了研究，研究发现顶尖学者的科研成果主要限定于本领域內，其成果受其他学科及对其他学科的影响均处于较低水平[12]。

总体上，现有文献采用不同研究方法，从多个角度分别对各主要学科或领域的跨学科现象进行了研究，当前主流研究认为学科多样性主要集中于邻近学科或领域，并且针对某一具体学科或领域，往往存在学科多样性不断增强的趋势。但是，创新生态系统作为一新兴的热门研究领域，其跨学科特征是否具有传统普遍性亦或某种特殊规律性，仍然是一个不确定性的问题，很少有研究对创新生态系统领域学科多样性进行探索。基于此，为进一步丰富和完善学科多样性研究，对创新生态系统这一热门领域展开剖析具有重要理论与现实意义。本文运用文献共类分析方法，以Web of Science数据库中创新生态系统相关核心文献为考察对象，基于目标文献的引文和引证文献，以及在传统分类测度指数基础上引入最新综合测度指标，系统分析创新生态系统领域的学科跨度、均匀性、差异性和整体属性，并对四者间的内在关联和统计特征展开系统分析。

1 理论基础

学科多样性研究通常涉及两门或两门以上学科间的知识融合与渗透演化过程，虽然当前学术界并没有恰当的成熟指标测度学科多样性，但是从信息转移角度看，跨学科的形成是由于其他学科信息转移进入到该领域并进行整合的结果，其本质是学科间的引文信息流动[11]，因此许多学者提出借助引文流方法对学科多样性进行测度。同时，也有学者建议采用共词分析或作者分析方法研究学科多样性[14]。然而，相对于共词分析与作者分析，引文流分析更能体现信息流动、整合和知识创造的学科渗透过程[15]。为深刻把握创新生态系统领域学科多样性及其知识互动规律，从某种意义上，如何选取适当的计量测度指标显得尤为关键。

Stirling A在其跨学科相关研究中明确提出学科多样性测度需要满足3个属性：丰富度、均匀性和差异性，并且提出了详细的一般性测度框架和定量化计算公式[7]。Rafols I等在跨学科研究中也指出学科多样性测度应该包括富饶度、均衡性和学科距离3个重要维度，其核心研究思想与Stirling的学科多样性研究属性相一致[16]。所谓丰富度是指跨学科领域覆盖的学科种类数量多少即学科跨度，种类越多则丰富度程度越高；均匀性则强调各学科分布占比的平衡性，学科分布越平衡则均匀性越好；而差异性特指学科间的距离，如学科差异越大则学科距离也越大，相似性大的学科则距离越小。结合学科多样性属性维度，现有文献通过不同测度指标对学科多样性进行了较为丰富的定量分析[17]，但当前指标在测度跨学科方面存在诸多局限。如多数指标仅反映了1～2个跨学科属性维度或对定量测度条件过于苛刻，严重制约了学科多样性度量精确性，因此积极寻求系统的综合性测度标准是学科多样性研究的重点。而本研究结合数理模型与案例分析，提出了一个基于引文流的知识融合度综合新指标2Ds，并将其与传统丰富度、均匀性和差异性指标形成对比，系统分析创新生态系统领域学科多样性特性。各指标计算方法及属性阐述如下。

1.1 学科丰富度指数

典型的丰富度指标亦称布里渊指数，采用信息熵计算原理，通常用于测度单条信息包含的信息量。早期Krebs J将其用于研究生物物种分布[18]，后来Mestre L S据此分析了大型图书馆馆藏学科类别[19]，David L等则运用该指标量化分析了环境科学的学科分布情况[20]。布里渊指数将目标总量与子类别整合到一个运算体系中，因而具有良好数学性质。事实上布里渊指数主要用于不确定性事件分析，尤其是考察跨学科丰富度效果显著（见公式1）。X表征目标总量，xi代表总量中i类别的数量。B取值为[0，+∞），其大小依赖于样本观测总量和子类别分布。可证明当X取值越大或子类别越多时，B值越大，则该领域多样性程度越高。

1.2 学科均匀性指数

信息熵是最常用的学科均匀性测度指数，也是针对不确定性事件的重要测度指标[21]。信息熵原理采用对概率倒数取对数形式表征事件集合所包含的所有信息量。由此可见信息熵深刻反映了随机变量概率分布情况，并非随机变量本身。基于此，在学科多样性研究中信息熵主要被应用于测度跨学科分布均衡性，而无法有效测度丰富度和学科距离（见公式2）。Pi表示研究目标中不同学科概率分布。S取值越大表示学科分布越均匀，即学科分布的平均程度越高。

1.3 学科差异性指数

主要的学科差异性指标在Rafols和Stirling等人的研究基础上发展而来，亦称饶-斯特灵指标。通常情况下，该指数不仅能测度跨学科丰富度、均匀性，且有效表征了学科距离。但Leydesdorff L等在其后续研究中发现，在某些条件下该指标的丰富度和均匀性表征能力并不理想[22]，因此本研究将其视为学科差异性单一指标（见公式3）。R值越大表明学科差异程度越大。Pi和Pj分别表示学科i与j的概率分布，dij表征学科距离，a和β为参数。对于dij，本文借用余弦相似性间接测度，对比统一设定阈值，以向量空间夹角为学科相似度判断依据，能有效规避稀疏矩阵问题（见公式4）。学科距离dij=1-cosθ，X与Y为两组空间向量，xi和yi分别代表向量X与Y的第i个和第j个变量值，n是向量维度。当cosθ越接近0时，dij趋近于1，表示学科距离越大。

1.4 学科多样性综合指数

综合布里渊指数、信息熵和饶-斯特灵指数三大代表性指标，本研究在改进希尔式指数基础上提出了2Ds新指标，并用于学科多样性综合评价。早期，Leinster T等学者已将希尔式指数与传统经典学科多样性测度指标的优越性进行了对比，并充分验证了新指标的合理性、有效性和高区分度[23]，尤其是论证了传统指标无法赋予学科多样性测度更多权重是其重大突破。目前2Ds综合评价新指标已获得著名计量学家Rafols I等的高度认可，及大力推荐引用[24-25]（见公式5）。Pi和Pj分别代表论文引用学科i和学科j的比重，Sij表征学科相似度，“2”表示计量敏感度参数。在本研究中，我们设定敏感度参数值为“2”，主要考虑两方面因素：第一，q=2满足了希尔式指数跨学科多权重测度的良好属性；第二，簡化计算，避免了非整数开方引起的测度精确性问题。

2 学科多样性特征实证分析

2.1 数据收集与处理

本文选取国际权威大型动态数据库“Web of Science”核心文献合集为研究目标数据池。该数据库覆盖1986年至今国际英文核心文献，分属自然、社会、生命科学与生物医学、艺术人文和应用科学5大类科学类别，共计224个子学科。因数据库文献丰富，学科覆盖广，学术水平相对较高，因而被广泛应用于文献计量检索。首先，本文选取2002-2017年创新生态系统领域研究相关文献，同时为消除可能存在的分析障碍和简化程序，将所有“自引”文献及期刊排除，共获得879条目标文献题录。其次，基于目标文献，从其引文和引证文献分别提取后向与前向文献题录。经整理共获得有效引文记录44 058条，引证文献记录10 927条。最后，根据可视化分析和指标测度规则，采取共类分析对引文和引证文献记录进行学科归类整理。

2.2 学科多样性可视化分析

跨学科研究的本质是分析目标领域多学科知识流入与知识流出问题。为使分析更加形象具体，直观反映学科知识渗透，本研究引入学科覆盖图可视化分析工具[26]。学科知识图谱具有直观性特征，已经发展成为科学研究中信息演示与传递的重要手段，更适合非计量专业人员识读与理解。据此，本文借鉴知识学科覆盖图对创新生态系统领域目标文献的引文和引证文献所属学科类别进行可视化分析。学科覆盖图根据学科类别相似性整理而成，其共现次数反映了学科叠加权重，学科类别共现频数越大，对应覆盖图中学科节点面积越大。通常学科交叉研究将学科划分为19大类别，而区别于传统分析，本文将其细分为224个分支学科，分别探索创新生态系统领域目标文献基于引文和引证的学科覆盖情境。

从目标文献引文的学科分布看，引文反映了其他学科对创新生态系统领域的影响。基于引文的学科覆盖网络结构显示（见图1），创新生态系统领域引文的学科分布非常广泛，共跨越了162个子学科类别，占Web of Science总学科类别的72.32%。然而尽管如此，创新生态系统领域知识来源集中度较高，主要集中于商业管理和政治经济两大学科类别，其中管理学、商业研究和经济学是创新生态系统领域最主要的3个子学科知识来源方向。其次是生态学、规划与发展、环境科学和地理学等在引文中也具有较高的分布比重。另外共现频率较高的分支学科还有跨学科学、信息科学与图书馆学、地球科学和计算机科学。同时，创新生态系统领域也吸收了遗传学、工程学，生物学、能源和城市研究等方向的知识成果。而其他子学科对创新生态系统领域影响的重要性程度则相对边缘化。

从目标文献引证文献的学科分布看，引证文献反映了创新生态系统领域对其他学科的多样性影响。对比基于引文的学科覆盖情况，创新生态系统领域基于引证文献的学科覆盖网络结构表明（见图2），虽然创新生态系统领域引证文献的学科覆盖范围相对较小（仅共有124个子学科类别），但其在主要学科分布上与前者大体类似，总体上依然具有较高的学科覆盖面。环境科学、管理学、生态学、环境和商业研究是创新生态系统最重要的应用领域。同时，创新生态系统领域对规划与发展、地球学、经济学、计算机科学和信息与图书馆学等学科也有较大影响。有所差异的是，水资源、绿色可持续发展科学技术、运筹学等新兴分支学科也较大程度受到创新生态系统领域的影响。从而在学科覆盖图中形成了学科分布较为分散化和均匀化的网络结构特征。

综合创新生态系统领域知识流入与知识流出的学科多样性可视化分析，不难发现，无论从后向知识来源亦或前向知识影响方面上看，创新生态系统都是一个学科多样性较强的综合性交叉领域，相关主要学科不仅是创新生态系统领域重要的方法与知识来源，同时也是创新生态系统领域最主要的应用学科，只是在学科分布和学科重要性程度方面存在一定差异。

2.3 学科多样性测度分析

为进一步实证测度创新生态系统研究领域学科多样性特征，将目标领域879篇文献题录按照时间序列进行排序，然后针对每一时间段目标文献的引文记录提取学科聚类共现矩阵。运用学科多样性四个计量指标对创新生态系统领域16年来的跨学科属性进行测度。值得注意，本文仅针对目标文献的引文而非引证文献展开学科共现研究，主要基于两方面考虑：其一，目标文献的引证文献数差异过大，容易引起多个极值现象；其二，因时间效应近期目标文献的引证频数较小，而远期频率相对较大，两者间量比缺乏系统性和客观性。另外，由于文献间引文量差异较大，为此植入一个新的研究变量——引文平均跨学科度，该变量能够有效反映创新生态系统领域的综合情况。各指标测度结果如下（见表1）。

可以发现，2002-2017年创新生态系统研究领域文献数量呈现快速增长趋势。从布里渊指数来看，均值为0.828，表明创新生态系统研究领域学科跨度较大，学科分布范围较广，该领域吸收了许多其他学科的知识成果。从信息熵测度指数来看，创新生态系统研究领域总体学科跨度很均匀，学科分布平衡性好，并未出现过多聚集于若干学科的迹象，故整体表现为较高的S值，S指标均值为0.985。从饶-斯特灵指标测度结果来看，R的均值仅仅为0.213，处于较低水平，这说明创新生态系统研究领域知识来源主要集中于相似或相近学科，与距离较远的其他学科联系较少。从综合测度指标2Ds统计结果来看，均值较大为4.711，这意味着整体上创新生态系统研究领域学科多样性程度较大，是一个跨学科非常明显的综合性学科领域，该实证测度结果与上文学科覆盖图分析结论相一致。另外，根据实证计量研究也发现近16年来创新生态系统研究领域跨学科的丰富度、均匀性、差异性以及总体多样性在时间序列上并未表现出明显变化规律，各指标值均在均值附近小幅度波动，因而可以推断创新生态系统领域学科多样性并未呈现逐渐增强趋势，与现有学科多样性主流研究形成鲜明对比。

与此同时，研究探索了创新生态系统领域目标文献被引频率差异与学科多样性的关系。基于类似考虑，将研究目标锁定于引文分析而非引证文献，并将目标文献按照被引频次划分为11个区间，然后结合各区间目标文献的引文学科类别分别计算其指标值，分析文獻被引频率和学科多样性内在逻辑。统计结果如下（见表2）。

大体上随着目标文献被引频率增加，对应的目标文献及其引文数量越来越少。布里渊指数、信息熵以及饶-斯特灵指标值基本保持水平状态，而2Ds指标均值却呈现明显快速上升趋势。这表明，从单一方面而言，创新生态系统研究领域文献被引频次的变化与学科多样性的覆盖广度、分布均匀性和学科距离之间并不存在显著相关性关系。然而，从总体上看创新生态系统研究领域文献被引频率越高，其学科多样性程度越强。该研究发现从侧面反映出一个隐含迹象，即整体上创新生态系统研究相关领域高被引学者论文相对于低被引学者具有更强的跨学科性，即比较而言高被引学者的研究吸收了更多其他学科的知识成果。

另外，研究综合考察了学科多样性4个测度指标的度量效果与相关性。基于时序的学科多样性分析方面（见表3），学科多样性综合测度指数与丰富度、均匀性以及差异性指数均存在显著负相关关系。而丰富度指数、均匀性指数和差异性指数三者则表现为两两显著正相关。在基于目标文献被引频率的学科多样性分析方面（见表4），与前者唯一的区别是学科丰富度与综合指数间的负相关程度有所减弱。因此，整体上可以将丰富度、均匀性和差异性3个指标合并为表征创新生态系统领域学科种类、分布密度和差异的第一因子，而将综合性指标看作第二因子。显而易见，第一因子与第二因子间存在显著负相关关系，这表明在学科共现网络中学科种类越多，学科分布越均衡以及学科之间差异越大，那么学科共现网络看起来越稀疏，同时也意味着学科共现网络中每个单一学科的重要性程度不断弱化。

3 结 论

本文以Web of Science数据库创新生态系统相关领域核心文献为研究目标，基于共类分析方法，运用学科覆盖图及多种测度指标系统分析创新生态系统领域学科多样性特征，并进一步探索各测度指标间的内在关联，得出以下结论：

1）学科覆盖图可视化分析显示，创新生态系统领域整体上具有较强学科多样性，基于引文的跨学科程度大于基于引证文献的跨学科性，这意味着创新生态系统领域受多学科来源的影响大于其本身对其他学科的影响。盡管两者在学科跨度上存在一定差异，但其主要覆盖学科大体一致。主要集中于管理学、环境科学、商业研究、经济学、生态学、计算机科学与信息科学图书馆学等学科或领域。

2）学科多样性量化测度证实，创新生态系统领域学科分布范围较广，学科类别跨度相对很均匀，学科距离相对较小，说明创新生态系统领域总体上具有较强跨学科性，且学科多样性依然集中于相近学科或领域。

3）在时间序列分析上，创新生态系统领域跨学科的丰富度、均匀性、差异性以及综合程度并未呈现显著变化趋势，这与传统主流研究的“学科多样性将不断增强”观点不一致。但是，随着目标文献被引频率不断增加，创新生态系统领域整体学科多样性程度越来越强。这表明，创新生态系统领域高被引学者文献比低被引学者论文吸收了更多交叉学科知识成果，且具有更强的学科与学术影响力。这启示后续深层次的跨学科研究需要重点关注高被引学者相关研究成果。

4）各测度指标关联性分析结果表明，创新生态系统在其领域内的重要性程度更倾向于弱化，而其弱化趋势有益于创新生态系统建立与其他学科间的联系，但并不利于持续保持其学科自身特征，这侧面反映了创新生态系统领域存在学科多样性趋同规律。

另外，由于研究范围有限，本文在研究内容与方法上仍有许多方面并未涉及。如对创新生态系统领域的学科交叉类型及交叉动力因素缺乏研究，这即不利于丰富创新生态系统领域知识，也不利于从微观层面定量探索更合理的跨学科综合测度指标。进一步，现有学科交叉研究的数据来源往往集中于科技论文，难免过于狭隘且缺乏客观性。因而需要结合当前日益盛行的大数据挖掘技术，关注诸如专利、科技报告、工艺改进以及软件等其他形式的跨学科产出，更全面、系统的把握创新生态系统领域学科多样性现象与规律。

参考文献

[1]路甬祥. 学科交叉与交叉科学的意义[J].中国科学院院刊，2005，（1）：58-60.

[2]Porter A L.Interdisciplinary Research：Meaning，Metrics and Nurture[J].Research Evaluation，2006，（3）：187-195.

[3]许海云，刘春江，雷炳旭，等.学科交叉的测度可视化研究及应用[J].图书情报工作，2014，（12）：95-101.

[4]Traitler H，Watzke H J，Saguy I S.Reinventing R&D; in an Open Innovation Ecosystem[J].Journal of Food Science，2011，（2）：R62-8.

[5]Tijssen R J W. A Quantitative Assessment of Interdisciplinary Structures in Science and Technology：Co-classification Analysis of Energy Research[J].Research Policy，1992，21（1）：27-44.

[6]Klein K J， Harrison D A.On the Diversity of Diversity：Tidy Logic，Messier Realities[J].Academy of Management Perspectives，2007，21（4）：26-33.

[7]Stirling A.A General Framework for Analysing Diversity in Science，Technology and Society[J].Journal of the Royal Society Interface，2007，（15）：707-719.

[8]Porter A L，Rafols I.Is Science Becoming More Interdisciplinary？Measuring and Mapping Six Research Fields Over Time[J].Scientometrics，2009，（3）：719-745.

[9]Small M P，Currens K，Johnson T H，et al.Impacts of Supplementation：Genetic Diversity in Supplemented and Unsupplemented Populations of Summer Chum Salmon（Oncorhynchus Keta）in Puget Sound（Washington，USA）[J].Canadian Journal of Fisheries & Aquatic Sciences，2009，（8）：1216-1229.

[10]马费成，陈柏彤. 我国人文社会科学学科多样性研究[J].情报科学，2015，（4）：3-8.

[11]王志楠，汪雪锋，黄颖，等.高被引学者论文跨学科特征分析——以经济与商业领域为例[J].科学学研究，2016，（6）：807-813.

[12]黄颖，高天舒，王志楠，等.基于Web of Science分类的跨学科测度研究[J].科研管理，2016，（3）：124-132.

[13]王福，刘川.移动图书馆信息接受情境跨学科特性及其作用机理研究[J].现代情报，2017，37（3）：13-20.

[14]Heo G E， Song M. Examining the Intellectual Structure of a Medical Informatics Journal with Author Co-citation Analysis and Co-word Analysis[J].Journal of the Korean Society for Information Management，2013， 30（2）：75-85.

[15]Moed H F.Citation Analysis in Research Evaluation[J].Information Science & Knowledge Management，2005，（1）：13-18.

[16]Rafols I，Meyer M.Diversity and Network Coherence as Indicators of Interdisciplinarity：Case Studies in Bionanoscience[J].Scientometrics，2010，（2）：263-287.

[17]許海云， 尹春晓， 郭婷，等.学科交叉研究综述[J].图书情报工作，2015，59（5）：119-127.

[18]Krebs J.Evolution and Biodiversity：The New Taxonomy[J].Natural Environment Researchcouncil，1992.

[19]Mestre L S.Visibility of Diversity Within Association of Research Libraries Websites[J].Journal of Academic Librarianship，2011，37（2）：101-108.

[20]David L Secord，Cheryl L Greengrove. Environmental Science as a Vehicle for Building Natural Sciences and EE Into a New Interdisciplinary Urban Public University[J].Journal of Environmental Education，2002，34（1）：32-37.

[21]张金柱，韩涛，王小梅.利用参考文献的学科分类分析图书情报领域的学科交叉性[J].图书情报工作，2013，（1）：108-111.

[22]Leydesdorff L，Rafols I.Indicators of the Interdisciplinarity of Journals：Diversity，Centrality，and Citations[J].Journal of Informetrics，2011，（1）：87-100.

[23]Leinster T，Cobbold C A.Measuring Diversity：The Importance of Species Similarity[J].Ecology，2012，（3）：477-489.

[24]Rafols I.Knowledge Integration and Diffusion：Measures and Mapping of Diversity and Coherence[J].Measuring Scholarly Impact，2014，（1）：169-190.

[25]Leydesdorff L，Rafols I，Chen C.Interactive Overlays of Journals and the Measurement of Interdisciplinarity on the Basis of Aggregated Journal-journal Citations[J].Journal of the Association for Information Science and Technology，2013，（12）：2573-2586.

[26]开滨.基于科学叠加图的我国人文社会科学跨学科现象研究[J].现代情报，2018，（1）：162-168.

（责任编辑：陈 媛）