国际图书情报领域前沿动态研究（2016-2018年）——面向WOS中45种期刊题录数据的实证视角

高轶楠

一、引言

现代信息技术背景下的图书馆学与情报学由于在研究对象和方法上的交叉渗透，往往被看作是一个整体，WOS数据库收录的图书馆学和情报学期刊也被整合在“INFORMATION SCIENCE＆LIBRARY SCIENCE”这一分类中。截止2018年7月20日，WOS数据库共收录图书情报领域期刊86种，这些期刊所刊载的文章影响因子较高，一定程度上反映了全球范围内图书情报领域的研究热点和前沿动态。

国内学者对图书情报领域的研究热点和前沿一直比较关注，如：邱均平[1]邱均平,温芳芳.近五年来图书情报学研究热点与前沿的可视化分析——基于13种高影响力外文源刊的计量研究[J].中国图书馆学报,2011,37(02)：51-60.以13种高影响力外文源刊对2006—2010年间的图书情报领域热点和前沿进行了追踪研究；郭春侠[2]郭春侠,叶继元.基于共词分析的国外图书情报学研究热点[J].图书情报工作,2011,55(20)：19-22.以LISTA数据库为样本文献来源，分析了2005-2009年国外图书情报学的研究热点；刘佳[3]刘佳,韩毅.中外图书情报学研究热点的可视化及对比分析[J].情报科学,2014,32(12)：53-60.以16种SCI图情期刊和16种中文核心期刊总览中的图情期刊在2007—2011年所刊载的论文为对象，分析了中外图书情报学领域的研究情况和热点；李燕[4]李燕,陈蔚杰,漆月,等.2014年图书情报学热点可视化分析——基于85种SSCI期刊与18种CSSCI期刊的比较[J].西南民族大学学报(人文社科版),2015,36(11)：228-234.以85种SSCI图情期刊和18种CSSCI图情期刊在2014年所刊载的论文为对象，分析了2014年国内外图书情报学领域的研究热点；苏福[5]苏福,柯平.国际图书情报学热点与前沿动态研究(2014—2015年)——27种SSCI核心期刊的全样本分析[J].大学图书馆学报,2017,35(01)：11-19,45.以27种SSCI期刊为样本，分析了2014-2015年国际图书情报领域的研究重点。近年来，大数据、人工智能、数字学术等新思维、新技术在图书情报领域深入渗透，新生的图书情报领域的发展趋势和挑战出现和变化的频率比以往更快，每年都会有新视角和新维度的出现。鉴于此，对图书情报领域热点和前沿追踪及时更新，确保研究结果的时效性就显得尤为重要。

本研究以2016-2018年WOS数据库收录的45种图书情报领域期刊所刊载的研究论文及题录数据作为样本来源，利用Cite Space数据挖掘可视化软件，对近两年图书情报领域研究前沿动态进行计量分析。希望通过样本的全面性、研究对象的时效性以及工具和方法的科学性，为国内学者提供较为完整且具有时效性的图书情报领域研究前沿数据，以期为研究者提供帮助。

二、研究方法及数据来源

（一）研究方法

笔者以定量分析与定性分析相结合、理论研究与实证研究相联系为原则，主要采用逻辑分析法、词频分析、共词分析和社会网络分析等研究方法，借助科学知识图谱展示国际图书情报领域热点与前沿动态。

（二）数据来源

截止2018年7月20日，WOS数据库共收录图书情报领域期刊86种，为了更加准确的聚焦到图书情报领域，笔者将这86种期刊与北京大学图书馆编撰的《国外人文社会科学核心期刊总览》（以下简称《总览》）进行比对。发现WOS与《总览》重合的核心期刊共有24种（如表1所示），与《总览》扩展区期刊重合的有3种（如表2所示）。除此27种重合期刊，为了能覆盖更多的样本，笔者根据影响因子增加了18种典型的图书情报类期刊（如表3所示）。因此，最后以45种期刊为样本进行分析研究。随之，以WOS核心数据库为检索库，分别以“出版物来源=所选45种期刊名称”和“时间区间=2016年-2018年”，文献类型为“Article”，语言为“English”，进行检索，共命中4438条文献记录，随后将文献记录以Cite Space能识别的WOS输出格式导入Cite Space软件中进行分析。

表1 与《总览》重合的WOS期刊（按影响因子降序排列）

表2 与《总览》扩展区重合的WOS期刊（按影响因子降序排列）

表3 增补的WOS期刊 （按影响因子降序排列）

三、结果分析

研究前沿是科学研究领域中最具潜力的研究方向，代表着未来的发展趋势。笔者认为研究前沿分析主要以共被引（Cite Reference）的文献网络关系加以体现。科学计量学的奠基人普赖斯（Price）[6]De Solla Price D J. Networks of scienti fi c papers [J].Science,1965,149(3683)：510-515.提出“研究前沿”的概念，即科学引文网络中高被引且时效性强的文献集合。他认为研究前沿能动态地反应某研究领域的本质。加菲尔德（Car fi eld）[7]Gar fi eld E. Research fronts[J].Current Contents,1994,41(10)：3-7.将研究的前沿定义为一组核心的高被引论文和引用论文，认为研究前沿的名称可以从论文标题中出现频率最高的词或短语中提取。根据 Cite Space提取的突现词，可以探测某一领域的研究前沿。本文中对引文进行提取运行数据后，得到研究前沿聚类图。

图1 前沿聚类知识图谱

表4 共被引文献的聚类表

从图1 可见，将共被引文献聚类后得到 13个研究主题。结合图书馆学情报学专业知识，排除相关度较小的聚类后，以“ ＃0 ，＃1……”等形式对聚类进编号，聚类号越小，其聚类的文献数量越多。共被文献的聚类情况如表4所示。

基于LLR（Log-likelihood rate）算法的聚类名称客观反映了2016－2018年国际图书馆情报学研究领域的前沿问题，可进一步将上述聚类归纳为三个领域（如表5所示）。

表5研究前沿领域表

（一）传统图书情报领域

补充计量仍然是近两年学者关注的热点，但是研究已经不再拘泥于补充计量与传统计量方法的对比研究，而是集中于补充计量指标体系的细化和数据源的改进。马弗拉希（Ma fl ahi,N）和瑟沃尔（Thelwall M）[8]Ma fl ahi N, Thelwall M. When are readership counts as useful as citation counts? Scopus versus Mendeley for LIS journals[J]. Journal of the Association for Information Science & Technology, 2016, 67(1)：191-199.通过对4种普通图书馆学和情报学期刊的读者数量与引文次数关系的理论探讨和调查，分析了阅读数与被引数两类指标中所隐含的时间因素。此外，推特（Twitter）由于受到较高的社交网络关注度，其数据也是补充计量学重要的数据指标来源，受到学者的关注。伯恩曼（Bornmann,L）[9]L. Bornmann，Haunschild, R.How toNormalize Twitter Counts? A First Attempt Based on Journals in the Twitter Index，Scientometrics，Vol. 107, No. 3, 2016, 107(3)：1405-1422.等对推特数据指标进行分析，提出了用于测度期刊影响力的推特指数（Twitter Index），指出与期刊论文相比，影响最大的是推特最多的论文。文献计量学领域的研究从19世纪末开始，经过几十年发展已趋于成熟，以往的文献计量研究主要关注点集中在研究者群体、机构和期刊方面。近两年的关注点主要集中在多源数据融合、协同网络演化以及同行专家评议等方面。斯夸佐尼（Squazzoni F）[10]Squazzoni F, Brezis E, Marušić A. Scientometrics of peer review[J].Scientometrics, 2017,113(1)：501-502.等认为同行评议是科学的基石，也是文献计量学研究的核心。另外，期刊分类也是文献计量研究的一个重要方面，王（Wang, Q）和沃尔特曼（Waltman, L）[11]Wang Q, Waltman L. Large-Scale Analysis of the Accuracy of the Journal Classi fi cation Systems of Web of Science and Scopus[J]. Journal of Informetrics, 2016, 10(2)：347-364.检验和比较了WOS和Scopus两个数据期刊分类系统的准确性。

（二）计算机与信息科学领域

信息技术的发展在增加在线商业机会的同时带来了信息安全风险。以往信息安全问题都是在技术背景下研究的，但日益增长的安全需求使得研究者们更加关注管理者在信息安全中的重要作用。苏姆罗（Soomro,Z A）[12]Soomro Z A, Shah M H, Ahmed J. Information security management needs more holistic approach：A literature review[J].International Journal of Information Management, 2016, 36(2)：215-225.等研究发现制定和执行信息安全政策、信息素养培训、发展有效的企业信息架构、IT基础设施管理、业务和信息技术协调以及人力资源管理等管理活动，对信息安全管理的质量产生了重大影响。在过去的五年里，大数据吸引了许多学科学者的兴趣。商业学者越来越多地关注这一新兴现象的影响。尽管人们对大数据的关注有所增加，但我们对大数据是什么以及它对组织和机构行为者意味着什么的理解仍然不确定。但总的来说，大数据在理论基础、方法多样性和以经验为导向的工作方面仍然是一个零散、早期的研究阶段。[13]Frizzo-Barker J, Chow-White P A, Mozafari M, et al. An empirical study of the rise of big data in business scholarship[J]. International Journal of Information Management the Journal for Information Professionals, 2016,36(3)：403-413.格迈尔（Lugmayr,A）[14]Lugmayr A, Stockleben B, Scheib C, et al. Cognitive big data： survey and review on big data research and its implications.What is really ‘new’ in big data?[J].Journal of Knowledge Management, 2017, 21(1).等通过文献资源分析，界定大数据概念，识别大数据的新特征，指出物联网和大数据是一个未经探索的研究领域，为实现未来智能城市的目标带来了新挑战。哈希姆（Hashem,IAT）[15]Hashem IA T,Chang V,Anuar N B,etal.The role of big data in smart city[J]. International Journal of Information Management, 2016, 36(5)：748-758.等研究了大数据在智能城市中的作用。刘（Liu,CH）[16]Liu C H, Wang J S, Lin C W. The concepts of big data applied in personal knowledge management[J]. Journal of Knowledge Management, 2017, 21(1)：213-230.等讨论了大数据在个人知识管理中的应用。诺布雷（Nobre,GC）[17]Nobre G C,Tavares E. Scientific literature analysis on big data, and internet of things, applications on circular economy：a bibliometric study[J].Scientometrics, 2017, 111(1)：463-492.等讨论了大数据与物联网在循环经济环境下的应用。巴克（Bakker,J）[18]Bakker J.The log-linear relation between patent citations and patent value[J]. Scientometrics, 2017,110(2)：1-14.对专利引用和专利更新数据进行了分析，提出了专利引用与专利价值之间的对数线性关系。

（三）社会心理领域

陈（Chan, HF）[19]Chan H F, Önder A S,Torgler B.The fi rst cut is the deepest：repeated interactions of coauthorship and academic productivity in Nobel laureate teams[J].Scientometrics, 2016, 106(2)：509-524.等探索了诺贝尔奖得主的合作模式，考察了跨领域的科学协作的强度和成功，以及物理学、化学和生理学、医学中获奖 者的协作生命周期。扎莱夫斯卡（Zalewska-Kurek,K）[20]Zalewska-Kurek K.Understanding researchers’ strategic behaviour in knowledge production：a case of social science and nanotechnology researchers[J].Journal of Knowledge Management, 2016(5).对43名研究人员进行了半结构化访谈，以社会科学和纳米技术研究者为例，分析了在知识生产中合作需要和自主需求，并比较了个体研究人员在不同领域的协作行为。帕克（Park,H）[21]Park H, Park S J. Communication behavior and online knowledge collaboration： evidence from Wikipedia[J].Journal of Knowledge Management, 2016, 20(4)：769-792.等根据团队成员信息传递行为定义了八种类别，并比较了每个级别团队成员知识贡献的平均数量和对团队级别协作效率的帮助；研究发现参与面向任务的公众讨论和面向关系的私人消息在促进个人知识共享方面具有协同作用。对信任的研究集中在知识共享、信息行为、学术交流以及社交媒体等几个方面，程（Cheng,XS）[22]Cheng X, Fu S, Vreede G J D. Understanding trust in fl uencing factors in social media communication：A qualitative study[J].International Journal of Information Management,2017, 37(2)：25-35.等以115名高频使用微信的参与者为样本，以五种信任类型为基础，探讨了人际交往、群体沟通和大众传播中信任的影响因素。依诺皮尔（Tenopir,C）[23]Tenopir C, Levine K, Allard S, etal. Trustworthiness and authority of scholarly information in a digital age： Results of an international questionnaire[J].Journal of the Association for Information Science & Technolo gy,2016,67(10)：2344-2361.等以一项对3600多名研究者进行的国际调查为样本，分析了在学术阅读、引用和出版决策中如何确定诚信和质量，以及学者们如何通过新的学术交流形式看待信任的变化,研究发现同行评审被认为是决定研究质量和可信度的最重要因素。

四、结论

本文基于2016-2018年WOS数据库中45种图书情报领域的核心期刊所载4438篇论文，借助CiteSpace引文分析功能，对研究前沿进行了识别和聚类分析。从研究前沿的聚类分析来看，传统图书情报领域补充计量学、研究评价，计算机与信息技术领域的信息安全、数据科学与大数据、专利引文，社会心理领域的研究协作和组织成员的信任关系等是今后研究的趋势和重点方向。

根据图书情报领域研究前沿的演化发展，我们发现图书情报学科与其他学科的交叉渗透使得这一领域的研究越来越呈现跨学科边缘交叉的趋势，同时图书情报领域发展的新趋势和新挑战随着时间推移而变化的节奏愈加快速，新思维、新视角不断涌现。此外笔者通过分析认为在今后的研究中还需要关注其他几个方面：

第一、文献计量方法的创新。文献计量的研究依旧是学者们主要的研究方法，但文献计量的研究方法需要在应用中不断创新。

第二、基于人工智能的图书馆服务重塑。未来数据将会是生产资料，计算是生产力，互联网是生产关系，智能时代是基于这些改变而随之发生的巨大社会变革。所以这次技术革命带来的变化远远超过我们的想象，未来三十年智能技术将深入到社会的方方面面，改变传统制造业、服务业，改变教育、医疗，我们所有的生活会因为被数据、被计算所改变。人工智能将赋能新时代，可以预测图书馆也将在这个新时代中赋予新的职能，因此对于人工智能在图书馆的发展应用将是日后研究的热点。但是笔者认为图书馆应该更多关注人工智能对用户、馆员和馆藏的影响以及人工智能背景下图书馆服务的重塑。不应该将人工智能技术和设备作为图书馆领域研究的重点。

第三、信息安全及其立法。大数据已成为当前的研究热点,无论学术界或产业界都试图通过对大数据进行分析以挖掘其潜在价值。但与此同时,大数据在搜集、存储、使用等环节中仍面临着许多信息安全风险问题。可以说,大数据的信息安全问题已经成为制约其发展的主要瓶颈之一。因此，对于信息安全及其立法的研究将是热点。

本研究所采用的Cite Space软件在实际应用中存在因阙值设定差异而造成的分析结果偏差。但总体来看，本研究从特定时间段内选择样本量比较全面、样本的选择也有代表性，研究结果中关于研究前沿趋势的分析，能为其他研究者了解该领域的现状和趋势有所裨益。