高校图书馆推进ESI学科建设的情报服务

2019-01-28

中华医学图书情报杂志 2019年3期

文献的急剧增长与知识的日新月异，给科研人员把握正确的科研方向带来新的挑战。人工智能与大数据新技术的飞速发展，使科研人员逐渐将科研模式转化为对大数据的知识挖掘与关联发现。图书馆必须适应用户的新需求，才能肩负起新时代的历史使命。资源融合与智慧服务已成为图书馆发展的主要趋势，利用新技术、新方法为读者提供智慧型知识服务的转型迫在眉睫。“双一流”导向下，高校图书馆为基本科学指标数据库(Essential Science Indicators，ESI)学科建设提供情报服务已经成为高校图书馆的核心工作，有助于充分发挥图书馆的情报服务优势，助推学校 ESI 学科的持续快速发展，推动图书馆服务的转型升级。

1 面向ESI学科建设的情报服务概述

学科情报分析主要包括以下几方面：学科全局总揽、学科国际/国内对比分析、学科主要研究前沿分析、学科自身优劣势分析、竞争对手分析、人才分析、学科相关机构/地区/期刊分析、发展预测分析等。分析方法的选择应根据研究目的，尽量选取多种方法、多种指标综合反映研究对象，从而多角度观测学科发展布局。面向学科建设的情报分析方法主要有文献计量法、内容分析法、比较分析法、竞争分析法(SWOT分析)、定标比超法与预测分析法。

文献计量法可通过ESI论文数、论文总被引频次、高被引论文数、热点论文数等指标确定学科产出力和影响力。如刘敏对2017年浙江省高校进入ESI全球前1%学科数据进行计量分析，从ESI论文数、被引频次、入围学科数量及类别等指标揭示了浙江省高校学科的发展现状及趋势[1]；白璐对近10年的大陆及港台地区Top 20标杆机构数据运用文献计量学方法从科研生产力、科研影响力、载文期刊、作者统计、国际合作5个维度分析了发展态势[2]。

内容分析法是对文献内部特征提取利用聚类、因子分析、主成分分析等统计分析方法，揭示学科结构特征及前沿分布，并结合可视化软件绘制知识图谱。如王小梅等人应用文本挖掘及可视化方法绘制ESI研究前沿的科学全景图谱，以及全球纳米研究前沿图谱，分析了中国在全球纳米前沿的科研特征[3]；高档妮基于SCIE数据库和ESI高被引论文，利用CiteSpace V软件，构建了石墨烯研究领域的文献共被引、共词共被引、突词网络、突词时区等知识图谱，获取其知识基础、研究前沿与热点[4]。

比较分析法主要通过同学科国内外科研产出与影响力比较明确优势与差距，SWOT分析是基于客观数据探析学科的优势与机遇等。如程艾军以首都医科大学为例，基于ESI和InCites平台对其进行SWOT分析，划分出该校的优势学科、弱势学科、潜力学科和挑战学科，提供科研决策与管理建议[5]。

预测分析法主要是对潜力学科入围ESI前1%的学科的预测，集中在两方面：一是以历史数据为基础，构建数学模型预测未来论文数；二是计算潜力值，即以各学科论文被引数与 ESI 学科阈值的距离。如管翠中运用曲线拟合模型方法，预测清华大学潜力学科入围时间，后经验证预测时间基本准确[6]；秦萍利用InCites数据建立GM(1，1)模型，通过模型的拟合分析预测未来高校潜力学科高水平论文的发展趋势[7]；韩丽以北京师范大学潜力学科“分子生物学与基因学”学科为例，从作者合作、院系贡献、期刊分布以及竞争对手等角度进行了实证分析[8]；汪莉建立了针对高校潜力学科的复合评价指标体系，并运用于南京师范大学潜力学科的实证分析，最后对评价结果进行检验[9]；程建萍针对22个学科在ESI及InCites数据库的数据偏差进行统计分析，计算22个学科误差修正因子，建立ESI潜力学科修正模型，用以消除学术机构在预测潜力学科时出现的偏差[10]。

2 中国医科大学面向ESI学科建设开展的情报服务实践

中国医科大学(以下简称“我校”)图书馆的ESI学科建设服务以出版ESI学科月报和ESI学科竞争力分析报告为主，后期进行服务转型，除了开展潜力学科的预测服务外，还应用情报分析手段对ESI高被引论文进行深度挖掘，发现其学科的分布规律、热点与前沿，助推ESI学科建设。

2.1 学科竞争力分析

中国医科大学为ESI学科发展态势分析报告专刊。通过采集学科评估权威工具ESI和InCites数据库的数据，采用文献计量和对比分析的方法，对中国医科大学相关学科在ESI数据库中的表现进行了总体分析，并选择国内同类高校进行对比，分析了学校已入选的各学科的发展态势以及尚未进入ESI的各学科与门槛值的差距。以下以2019年第一期学科月报的主要内容为例进行分析。

2.1.1 ESI总体学科竞争力分析

截至2019年1月18日ESI更新数据，中国医科大学共有5个学科进入了世界排名前1%的行列，分别是临床医学、药理学与毒理学、神经科学与行为学、生物学与生物化学，分子生物学和遗传学。在国内同类高校入选ESI的学科数排名中，共有48所进入世界1%，进入国内前100的同类院校中，我校排名第10位，位居北京协和医学院、首都医科大学、南京医科大学、海军军医大学、空军军医大学、天津医科大学、南方医科大学、陆军军医大学、哈尔滨医科大学之后。本期国内同类院校新增2个ESI学科，如北京协和医学院增加农业科学、哈尔滨医科大学增加神经科学与行为学；减少1个ESI学科，为温州医科大学的化学。我校未进入ESI的各学科中，免疫学潜力值为0.84(上期为0.82)，社会科学总论的潜力值为0.75(上期为0.89)，是最靠近ESI门槛值的2个学科。

学科总体分析中包括ESI高被引论文的信息，本期我校ESI高被引论文51篇，热点论文1篇。与上一期相比高被引论文减少5篇(具体为新增2篇，减少7篇)。此外，还提供题录信息，高被引论文作者的二级单位、合作情况及内容摘要。

2.1.2 ESI入选学科竞争力分析

中国医科大学有5个学科入选ESI，分析每个学科的全球排位、中国大陆地区排位并统计各期同类院校的排名情况，统计通讯作者单位为“中国医科大学”的发文分支机构贡献度，按作者发文被引频次排行统计分析高产出及高影响力作者，每个学科高被引论文研究内容分析及推送。

2.1.3 ESI潜力学科竞争力分析、预测及推送

中国医科大学图书馆对于ESI潜力学科，除了提供常规竞争力分析报告外，计算进入ESI数据库的潜力值为：潜力学科被引频次/进入ESI学科阈值，值越大说明被引频次越接近进入ESI的阈值。2017年针对潜力值大的学科“分子生物学与遗传学”，参考管翠中的预测方法，预测其进入ESI的时间为2018-2019年(2018年实现了这个预测目标，成功跻身于ESI学科)。当然，这离不开学校领导对ESI潜力学科的重视及图书馆对潜力学科的大力宣传与助推，同时分析其发文年代、期刊、作者贡献、合作以及竞争机构情况，提出对于学校发展潜力学科的建议。

2.2 文本挖掘与可视化分析

为了满足新时代用户的新需求，中国医科大学图书馆利用文本挖掘及可视化方法，如聚类分析、战略坐标与社会网络分析方法等，开展面向ESI学科的战略情报服务。

2.2.1 以免疫学为例

选择ESI免疫学高被引论文为数据源，首先对其发文机构、期刊、作者、引用情况进行文献计量分析；然后利用文本挖掘软件BICOMB提取高频主题词及高频主题词-来源文献的词篇矩阵，进行双聚类分析，通过gCluto软件制作可视化山峰图，挖掘出该学科研究热点结构和研究前沿。学科研究结构包括肿瘤的免疫治疗、艾滋病疫苗的免疫学、B7-H1/PD-1与HIV感染机制、致敏与脱敏免疫学机理、寨卡病毒感染致中枢神经系统损伤的免疫机制、炎症和感染的免疫学、免疫调控中的细胞分化与信号转导过程，然后根据代表性高被引论文给出相应的研究前沿。

可视化知识图谱绘制：在聚类结果基础上利用excel绘制战略坐标，将热点结构置于4个象限中，根据每个主题结构的成熟度与核心度探索其在整个领域所属地位和发展趋势。利用UCINET和NetDraw对共词矩阵进行社会网络分析，从微观角度探索主题内部之间的联系程度。最后，将社会网络分析图谱和战略坐标整合，得到热点与驱动力知识图谱。该图清晰地显示出战略坐标中类间与类内的各个主题之间的关系。将此图推送给专家，解释每个聚类热点包含的主题词，如在本类内贡献度最大的词，其对密度的贡献相对较大；与其他类别之间联系密切，则对向心度的贡献较大。从该图中既能找到学科范围的热点，又能挖掘出构成该热点的核心方向，为科研人员提供学科热点驱动力的参考。

2.2.2 以医学信息学为例

以Web of Science核心合集数据库中2017-2018年的医学信息学论文作为数据源，使用文本挖掘软件BICOMB统计得到共被引矩阵，利用gCluto进行引文的耦合分析和被引论文的共被引分析，得到6个知识基础结构和相应的研究前沿。根据时间序列分析和计算每个类别的新颖度和关注度，绘制引文战略坐标图谱，挖掘该领域成熟结构及高关注度的领域。