科学知识扩散研究：概念界定、理论基础与体系重构

侯剑华 郑碧丽 张洋

摘 要：[目的/意义]大数据技术的发展使科学知识扩散研究进入新的阶段，同时也带来新的研究挑战。数据驱动研究范式的兴起对原有的研究思维及框架产生重大冲击。[方法/过程]为了适应新阶段、新范式的研究需求，在厘清科学知识扩散相关概念的基础上，归纳总结知识单元理论、科学知识扩散途径、机理、测度的研究。立足新范式对研究对象和方法的影响，提出一个面向数据驱动新范式的科学知识扩散研究基本框架。[结果/结论]基于研究对象、理论维度、方法维度等阐释基本框架的主要内容，为研究者提供一定的研究主题和理论基础的参考。

关键词：科学知识扩散;知识扩散;知识单元;测度指标

DOI：10.3969/j.issn.1008-0821.2020.09.013

〔中图分类号〕G301 〔文献标识码〕A 〔文章编号〕1008-0821（2020）09-0117-10

Research on Scientific Knowledge Diffusion：Concept Definition，

Theoretical Basis，System Reconstruction

Hou Jianhua Zheng Bili Zhang Yang

（School of Information Management，Sun Yat-sen University，Guangzhou 510006，China）

Abstract：[Purpose/Significance]The research of scientific knowledge diffusion has entered into a new stage due to the development of big data，which has also brought new research problems.In addition，the rise of data-driven research paradigms has impacted the original research thinking and framework.[Method/Process]In order to meet the needs of the new stage and new paradigm，based on the clarification of concepts related to the diffusion of scientific knowledge，the research on the theory of knowledge units，the channels，mechanisms，and measures of scientific knowledge diffusion were analyzed.According to the impact of the new paradigm on the research objects and methods，a basic framework for the research of scientific knowledge diffusion oriented to the new paradigm of data-driven was proposed.[Result/Conclusion]The main content of the basic framework was explained based on research objects，theoretical dimensions，and method dimensions，providing researchers with certain research topics and theoretical perspectives.

Key words：scientific knowledge diffusion;knowledge diffusion;knowledge unit;metrics

科學知识是推动科学技术发展和人类社会进步的重要战略资源[1]，是知识流动和创新的要素之一，其通过信息、技术、情报等手段跨学科、跨组织、跨地域的扩散，促进科学知识传播、共享和流动，推动知识资源的优化管理与配置，促进知识经济的建设与发展。传统上，科学知识扩散的载体、媒介和环境主要基于正式科学交流系统，例如专利文本、期刊、科学论著等。大数据和智能技术的快速发展推动科学技术活动进入以数据驱动为核心的新研究范式。科学知识扩散机制和科学交流模式已经发生重大变革，从信息科学、管理学、情报学等跨学科视角重新建立适应科学知识扩散的新体系、新框架已经成为当前亟待解决的重要课题。

科学知识扩散研究已经成为学术界研究的热点议题之一。自1980年代以来，尤其是近十年，国内外关于科学知识扩散的研究增长迅速，以TI=（“科学知识扩散”OR“专利扩散”OR“期刊扩散”OR“学科扩散”OR“引文扩散”OR“合作网络扩散”）分别在Scopus和CNKI中进行检索，共获得5 947篇文献（如图1所示）。根据知识扩散研究的情况，可将其分成3个阶段：萌芽期、快速增长期、稳定发展期。1980-2000年属于科学知识扩散研究的萌芽期，在此期间，知识转移、知识溢出概念的提出，使知识扩散在经济发展、技术创新、企业知识管理等领域得到初步的理论构建与实践应用。2001-2008年，科学知识扩散的成果数量快速增加，尤其是引文扩散、期刊扩散、学科扩散的研究。2009年至今，数学模型、计算机辅助分析等研究手段的快速引入，科学知识扩散测度指标和方法不断完善，并得到广泛应用，进一步推动科学知识扩散的研究迅速发展。从学科分布来看，科学知识扩散涉及科学学、情报学、决策科学、企业管理学等学科。从现有的成果来看，目前关于知识扩散的研究多以实证或应用研究为主，在方法上，仍以社会网络、引文网路的方法构建知识扩散的路径和轨迹，在理论上，比较多研究基于管理学、经济学的基础角度分析知识转移、知识溢出、知识扩散等[2]，从科学知识层面阐释知识扩散机理、规律的研究比较少，并且存在概念混淆的情况。

“数据驱动”科学研究范式的兴起使传统的科学知识扩散的载体、环境等因素都产生了重大变化，科学知识扩散理论和方法体系在大数据和新媒体环境下不断创新和发展。在这一背景下，科学知识扩散概念的内涵和外延不断丰富，这其中包括两个基本问题：其一，如何界定并区分科学知识扩散与知识传播、知识溢出等相关概念;其二，如何构建包括科学知识扩散概念内涵和外延的系统性的理论体系，以适应新的科学研究范式。基于此，本文首先对科学知识扩散的相关定义进行辨析，阐释其基本概念及联系，其次以科学知识扩散的理论研究为切入点，梳理理论研究现状，构建适应科学知识交流新范式的研究体系，从而试图建立科学知识扩散研究的新框架，并为相关的方法和应用研究提供较全面的理论基础和方法支撑。

1 科学知识扩散：相关概念辨析

知识扩散是知识创生及流动的过程，按照知识能否被完整表述可以分为显性知识扩散和隐性知识扩散[3]。由于知识扩散与知识转移、知识溢出、知识传播、知识流动等概念范畴有交叉，因此，不少研究存在概念混淆和混用的情况[5]。为了明晰科学知识扩散概念的内涵和外延，有必要对知识扩散、知识传播、知识流动等的概念及其区别与联系进行界定。

1.1 知识扩散

知识扩散是知识通过一定的载体在空间和时间流动的活动或行动[4]，是知识主体主动性、针对性学习、获取知识，并将学习到的知识和自身知识相融合产生新知识的过程[5]。因此，必须有新知识的创生才能称之为知识扩散[6]，扩散效果可以通过广度、强度、速度等量化的指标[7-8]，衡量扩散深度和范围。此外，知识属性、知识主、客体的自身因素、文化因素等对知识扩散的动机、效果产生一定的影响。知识主体是知识扩散最重要的因素，其动机是影响知识扩散的关键[9-10]。按照知识类型，可以将知识扩散分为科学知识扩散、技术知识扩散等。

1.2 知识传播

知识传播是知识扩散的一种形式和途径。知识传播需要特定的媒介、途径，并且是一种有目的性的传播行为，知识传播主要包括知识传播主体、知识传播客体、传播媒介、传播行为、传播环境、传播目的、传播效果等构成要素。按照传播的范围，知识传播可以分为个体知识传播、团队知识传播和组织知识传播。知识传播过程，是知识传播主体，按照主体的目的，在传播环境下，通过一种或多种传播媒介传播知识单元，并达到传播效果的过程。

1.3 知识交流

知识交流是知识主体和知识客体之间的双向交流和对话[11-12]，是一种双向性、交互性，并以双方知识需求为中心的交流形式。按照知识交流的形式，可以分为正式知识交流和非正式知识交流[13]，正式知识交流主要包括论文、期刊、图书之间的引用过程;非正式知识交流的方式较多，包括邮件交流、面对面交流等等。在知识交流的过程中知识主体和知识客体就某一个或多个话题展开，并不断针对需求进行对话的调整，由于知识接受能力的不同，双方可以在交流中互换角色，因此知识交流具有针对性、开放性、动态性的特点。

1.4 知识转移

知识转移与知识交流相比，更强调知识生产者对知识使用者的单向输出，是一种以知识生产者为主的知识扩散形式[14-15]。知识主体向知识客体转移的过程中，以知识主体的意志和目的为中心，不会根据知识客体的需求和接受能力调整转移内容和形式。此外，在知识转移的过程中不会发生角色互换，知识客体被动接受知识，为了要得到符合自己需求的知识，需要不断与知识主体交互。知识转移具有主体向客体单向转移，客体被动接受的特点。

1.5 知识溢出

在知识交流的背景下，知识溢出是不同主体在直接或间接的知识交流中，无意识、无方向的知识流动形式[16]，其溢出的效果取决于知识单元的属性及对已有知识的传播[17]。也就是说，知识主体并没有根据特定的情景，或根据知识客体的需求创生知识，而是基于自身的个体行为而创造知识的过程，而没有一定的预期目标。

1.6 知识流动

知识流动同样需要知识主体和知识客体的参与[18]，知识从高势位向低势位流动，并且容易受知识特性、合作特性、关系质量知识受体等因素的影响。知识流动的形式多样，包括知识扩散、知识交流、知识转移、知识溢出等[19]，其中知识扩散是具有目的性、主动性的知识流动[5]。例如，從科学文献的引用关系来看，施引文献引用被引文献就是知识扩散的行为，也是主动性的知识流动形式。

从相关概念的内涵和外延来看，知识扩散、知识传播、知识交流等是部分与整体的关系，内涵边界存在交叉的情况。其中，知识流动包括知识扩散、知识传播、知识转移等，知识扩散包括知识传播（如图2所示）。

1.7 科学知识扩散

科学知识扩散本质上是科学知识单元的游离与重组[20]，从初级知识形态向高级知识形态演化，形成一定的知识体系和科学范式，并可能发展为科学变革的过程。在空间维度，科学知识单元有向或无向地扩散和蔓延，例如研究者地域内或跨地域的合作，又如学科内或跨学科的知识扩散;在时间维度，科学知识单元通过一定的媒介进行传承性扩散，例如文献的施引与被引。但无论是空间维度还是时间维度，知识单元在知识主体和知识客体的扩散过程中都有新的知识产生，因此，科学知识扩散属于一种“化学反应”。科学知识扩散载体既包括研究者、期刊、学科、专利等，也包括社交媒体等网络平台，通过扩散的广度、强度、速度等指标来衡量扩散效果，如期刊扩散因子[21]、学科扩散强度[22]、平均扩散速度[23]等。

2 理论基础：研究现状梳理

根据科学知识扩散的内涵与特点，已有科学知识扩散的理论基础研究主要包括知识单元，科学知识扩散路径，科学知识扩散机理和科学知识扩散测度等方面。

2.1 知识单元

知识单元又被称为知识元、知识因子、知识基因[24]，是知识的扩散与流动的最小单元。早期的研究中，科学知识单元仅限于数学语言表达的科学概念所组成的定理、定律、定则或规则等被定量化的科学概念[25]。随着社会科学的发展，知识单元的定义不断演进，除了定量化的概念，科学活动中用来表征文献或信息内容的词语、概念、术语等都属于知识单元的范畴[26]。按照科学知识单元的载体，可以将知识单元划分为作者、论文、专利、期刊、学科知识单元[27-28];按照知识单元的内容，可以将其划分为事实、定义、结论、方法、关系知识单元[29]。由于知识单元在知识势场中不断地游离与重组，因此，知识单元具有重组性、再生性、动态性的特征[30]，游离与重组的形式，如扩散、流动、转移、演化等需要通过一定的知识载体呈现，如文献、信息、专利、技术、政策等。此外，科学创造的过程，即新的科学知识单元的创生，是由知识主体的智力与知识单元自身荷值共同作用、促使其在思维势场上重新结晶的过程[31-33]，知识主体在创生知识单元以及知识客体在重组知识单元的过程中，受到自身知识体系、知识存量等的影响，因此，不同知识单元的扩散、流动过程所产生的效果存在一定的差异[34]。

2.2 科学知识扩散路径

科学知识的扩散可以通过非正式的交流群体和交流渠道进行扩散，也可以基于引文、期刊等正式载体不断地在知识网络中进行流动。基于此，复杂网络理论、社会网络理论、引文网络理论是阐释知识扩散机理较普遍的理论，常用于揭示知识扩散的渠道与路径。扩散过程中的知识再创造，是知识创新的重要体现，因而创新扩散的理论从知识单元的创新性特征出发，为知识扩散机理提供必要的理论解释。

在知识交流和知识扩散中，非正式交流的时效性、沟通的准确性、更大的有效信息量使其区别于正式交流，并发挥着重要的作用[35]，盛行于17世纪的无形学院[36]便是其中的一种形式。无形学院的知识主体是一群有共同学术兴趣，为了解决某些重要学术问题，甚至可以跨越地域和研究机构彼此建立联系，进行合作和交流的学术共同体[37-39]，非正式的交流共享是知识交流和扩散的其中一种形式和途径。近年来，随着互联网特别是社交媒体的快速发展，博客、Twitter、Facebook、微博、微信等新的非正式交流工具[40-41]使无形学院在网络环境下得到了进一步的发展，传统的线下无形学院和线上“电子无形学院”[42]，都成为科学知识在科学共同体之间扩散和流动的重要途径。

除此之外，引文是正式交流和科学知识扩散的重要形式之一。文献的引证可以看作是显性科学知识扩散的过程[43]，知识从被引文献向引证文献扩散和流动[44-45]，文献被引次数越多，知识的扩散范围越广、广度越大[46-47]。从知识进化的角度看，科学知识扩散是指通过引用关系表征的科学文献之间的传承[48]。从文献引用的过程来讲，获取、阅读前人文献是知识的采集和选择的过程;引用前人文献的知识是知识传播和扩散的过程，同时也是科学知识增长和进化的过程;知识主体在前人知识的基础上，产生新的理论、方法是知识的再创造和增值[49]。

2.3 科学知识扩散机理

“知识现在就是一张没有形状的大网”[50]，大多数情况下，知识多以网状的形式进行扩散，而非简单的线状流动，例如知识通过合作网络、引文网络的形式向研究者、学科、组织等进行扩散。因此，社会网络分析和引文网络分析常被用来解释科学知识扩散的机理[51]，其中点度、中心度、密度等是体现知识扩散机理的重要指标。

基于合作网络的知识扩散，知识单元一般是以研究者作为网络节点;基于引文网络的知识扩散，作为知识单元的节点可以是关键词、主题词甚至是某篇参考文献。扩散网络中的度数指的是知识主体的个数，点度中心度能够反映知识主体在网络中的活跃程度，中间中心性反映知识主体的知识转移能力[52]。一般来说，中间中心性越高，知识主体对其它知识主体或客体的知识扩散能力越强，知识主体在知识网络中的地位越重要。知识主体与其它主体或客体的联系越紧密，知识交流越容易，有利于知识的传播和扩散[53]，但是，网络密度越大，并不意味这知识扩散的效果越好，基于弱连接结构洞的知识主体拥有信息优势和控制优势[54]，这些知识主体充当媒介的作用，打通相对隔离知识客体的交流渠道，为其它主体或客体网络提供知识扩散和流动的途径，为知识扩散创造了有利条件[55]。

另外，知识单元的重组与再造促使具有一定创新性的知识单元创生，随着时间推移在知识势场中传播[56]。吸收或采纳新知识的知识客体的数量随着时间变化而呈现出S曲线的特征，当这类客体达到一定的数量，知识扩散达到一定的范围之后，数量会逐渐趋于平稳，扩散达到饱和的状态。创新性知识自创生、扩散，并最终达到饱和的过程，可以分为4个对应阶段：起步阶段、起飞阶段、成熟阶段、衰退阶段，但S型曲线只能表征扩散成功的过程，对于未能完成扩散的知识，该曲线处于水平状态，而非S型[57]。对于在知识创生初期，未能成功被采纳和扩散，而后受到大量承认的现象被称为“延迟承认”[58]，即“科學睡美人”现象[59]。这些知识的“沉睡”通常是因为超前性或变革性研究[60]，超出大多数知识客体的认知范围，或者对知识客体现有知识体系产生一定冲击而不被承认和采纳，导致知识扩散不成功的结果。随着客体知识体系的逐渐完善，对某一个问题的认识逐渐清晰和明了，“睡美人”知识可能会“苏醒”，但“沉睡”的时间受知识特性、客体对知识的认知程度影响。

2.4 科学知识扩散测度

根据知识单元的层次，可将科学知识扩散划分为文献扩散、期刊扩散、学科扩散3个维度，科学知识基于不同维度的扩散和流动可以通过文献的引证关系进行表征[61]，因此，引文分析、引文扩散的方法是测度科学知识扩散能力和效率的主要方法。科学知识扩散过程的效果，常用速度、广度、强度等指标来衡量[62]。在正式科学交流体系中，知识扩散速度是指知识单元被文献、期刊、学科引用的数量与其年龄的比值[63-64];广度是指在一定时间范围内，文献每100次施引涉及的不同期刊或不同学科的数量[65]，也可以是知识扩散的地域广度;强度是指对于特定的文献集合，某领域的期刊或某学科领域内的施引文献的数量[66]。

此外，由于引文网络和合著网络是科学知识扩散的重要途径，基于社会网络、复杂网络的方法也是测度科学知识扩散能力的重要手段。通过网络结构特征，如密度、中心度等描述学科领域、技术领域、地理区域的科学知识流动和扩散的方向、布局[67]，或通过主路径分析的方法，测定知识扩散的关键路径和速度[68]，从时间维度、学科维度、地域维度3个层面揭示科学知识扩散的情况[69]。在合著网络中，小世界网络、随机网络、规则网络、无标度网络是测度科学知识扩散链路、模式的主要方法，其中，无标度的科学合著网络能促进科学知识增长、传播、流动效率的最大化[70-71]。

3 范式变革：研究发展新阶段

大数据时代的发展，掀起新一轮技术革命，基于正式科学交流体系下的文献或专利扩散理论难以满足大数据驱动的理论研究和实际需求。互联网技术和智能技术的快速发展，为开展深层研究提供理论可能性和技术支撑。数据收集和处理的方式产生巨大变化，对科学研究产生革命性的冲击，“数据密集型科学范式”应运而生[72]，突破传统的研究框架和思维，向“全数据模式”发展[73]。科学知识扩散的研究对象和研究方法在数据密集型的科研范式下产生了重大变革。

3.1 研究对象的深化与拓展

传统的知识扩散研究多以科学文献、专利等载体为研究对象，以引证的方向、关系、距离为指标，表征知识在学科间或地域间扩散的路径和范围。大数据时代的来临，数据本身也成为扩散来源之一，这主要体现在载体的深化与泛化。

首先，知识单元的载体不仅局限于某文献的引证，而是深化至文献的全文数据。这就意味着，知识的扩散不再以某篇或某些文献的引证为标度，而是通过识别和分析引用的具体位置数据、引用次数和引用语境数据，从微观的角度揭示基于引用关系的知识扩散特征和规律，进而发现扩散动机和机理[74]。其次，作为区别于文献、期刊的新型扩散载体的社交媒体和网络平台，为学术共同体在互联网中进行知识扩散提供必要的条件，同时也促使知识扩散研究对象的泛化，例如，知识在网络百科、网络社区、网络学术交流平台、Twitter、Facebook、微博等载体的扩散情况、特征、动机、规律等问题，为知识扩散研究提供新的主题;又如知识主体在网络环境中利用文本、图片、视频等数据形式进行扩散的情况，也为相应研究提供新方向和新数据。

3.2 研究方法的创新与发展

在新范式的背景下，研究对象的深化和泛化对研究方法提出了新需求，科学技术的快速发展为知识扩散测度方法提供必要的支持。在文献计量、科学计量、复杂网络分析等传统研究方法不断发展的同时，人工智能技术逐渐成熟，自主学习技术、知识融合技术、社交网络计算、大数据可视化技术等迅速发展[75]。深度学习、机器学习等创新性技术与算法可以较好地应对传统知识扩散研究的“反常”与“危机”，诸如递归神经网络[76]、深度卷积神经网络[77]、自然语言处理技术[78]等新的研究方法不仅满足新扩散载体的大规模数据分析的需要，又大大提高了科学知识扩散实证和应用研究的效率。

4 体系重构：理论研究新框架

基于数据驱动研究范式的科学知识扩散，因研究对象的拓展及研究方法的创新对传统科学知识扩散研究提出新的挑战。为了更好地适应大数据环境下的研究范式需求，解决目前涌现的科学知识扩散的实际问题，有必要在已有理论的基础上，补充新的研究对象和研究方法，拓展基本的研究框架及系统的理论视角（如图3所示）。

4.1 科学知识扩散研究对象

科学知识扩散的研究对象可分为基本要素、扩散要素、测度要素。其中，基本要素是科学知识进行扩散研究的基础，扩散要素是过程性特征，测度要素是扩散的测度指标。

4.1.1 基本要素

科学知识的扩散，需要知识主体、知识客体、知识单元、知识载体等基本要素的参与。知识从主体到客体之间的扩散的过程，与二者的意愿、能力、

动机密切相关，一般来说，扩散及采纳的意愿越强烈、能力越大，知识扩散的速度越高[79]。此外，知识扩散是根据一定的目的进行游离的过程，因此，有意识或无意识的扩散动机，背景引用、比较、方法借鉴等采纳动机[80]的不同都会影响知识扩散的效果。知识单元是整個扩散过程的基点，知识单元的层次、属性、特征是研究科学知识扩散的重要切入点。知识单元需要借助一定的载体进行表征，传统的知识载体包括研究者、纸质文献等等。计算机技术的发展，使记录和存储知识的载体发生变化。目前，有声语言、网络文献、图片、软件、数据库等等都属于知识的载体[81]。

4.1.2 扩散要素

扩散要素主要包括扩散载体、扩散过程和扩散环境。按照科学交流的正式程度，可以将知识单元扩散的载体分为正式知识扩散载体和非正式知识扩散载体。其中，正式知识扩散载体主要包括单篇科学文献、专利、期刊、某学科领域内的文献集合等;非正式知识扩散载体主要是基于非正式科学交流的途径，例如面对面式科学交流、电子邮件、网络平台、社交媒体、电子无形学院等[82]。扩散过程主要是揭示扩散阶段性特征的指标，例如，科学知识扩散的学科路径、地理路径、时间路径;扩散过程的阶段性划分等等。扩散环境也是影响知识扩散效果的重要因素之一，可分为学科内部扩散环境和学科外部扩散环境。学科内部扩散环境主要包括科学共同体的研究范式、学科发展、学术环境、学科战略、相关设施设备、教育体系等。学科外部扩散环境主要是社会环境，例如经济、政策、文化、技术等。扩散媒介可以分为纸质媒介和网络媒介，纸质媒介包括纸质印刷的论著、期刊等。网络媒介比较丰富，例如预印本文献、科学交流平台、电子邮件、科学数据库、实验数据集、社交媒体平台等等。

4.1.3 测度要素

测度要素在原有测度指标广度、速度、强度的基础上，考虑到互联网环境下科学传播的特性，增加了扩散热度的要素。扩散热度是指知识单元被知识客体吸收、采纳的数量，一般来说，被采纳的数量越高，该知识主题成为知识网络中心的程度越大。在基于网络平台的扩散系统中，知识主体吸收和采纳知识的行为更加多样，例如点赞、评论、浏览、下载、提及等等[82]，通过扩散热度曲线，可以分析科学知识在正式或非正式科学交流系统中的传播、扩散的走向、流量，甚至预测未来的扩散趋势。在新范式的背景下，科学知识扩散的能力不再囿于引证，而是可以根据不同的吸收或采纳行为对速度、广度、强度、热度指标赋予不同的权重，来衡量科学知识在网络载体中，基于不同吸收行为的扩散能力。

4.2 科学知识扩散理论维度

按照不同的研究目的和对象，可以通过不同的理论视角和维度阐释科学知识扩散的现象以及内在机理，如能力论、本质论、系统论、演化论、价值论、决策论、动力论等等。其中，本质论主要是围绕科学知识扩散的基本要素，阐释各要素的作用、功能和影响机制;系统论是指借助一定的路径识别方法，揭示扩散系统的内在扩散机制，如引文网络扩散路径和合作网络扩散路径。演化论主要基于时间维度，描述科学知识扩散在特定时间段的特征，归纳其扩散的规律;价值论是阐述科学知识扩散对科学发展、科学评价、知识管理，甚至是经济发展、社会发展的意义和价值;决策论主要是如何根据科学知识扩散的确定性或不确定性，做出合理的知识资源配置，从而提高知识扩散的效率，促进知识流动的最优化;动力论是指通过一定的模型，规范地、定量地分析和描述科学知识扩散过程性特征及规律，为预测扩散趋势和制定相应的扩散机制提供方法支撑，如传染病模型、复杂网络模型等等。在基于知识势场的传染病模型中，基本角色可以分为知识扩散源（即知识主体）、可能采纳知识的客体、已采纳知识的客体、拒绝采纳知识的客体。由于传染病模型与知识扩散现象高度契合[83]，因而，传染病模型和类传染病模型适用于揭示知识创生的特性、扩散过程、发展规律以及与之相关的其他因素;能力论主要是指通过特定的测度指标和方法衡量知识单元的扩散能力和扩散程度等基本问题。

4.3 科學知识扩散方法维度

科学知识扩散的研究方法可以分为定性方法和定量方法，其中定性方法主要以德尔菲法为主，通过专家调查的方式，从主观上评价知识的扩散程度。但是随着数据驱动新范式的发展，目前的研究方法越来越注重定量方法。例如基于传统信息计量的方法，如被引量、被引速度、强度等评价作者间、期刊间、专利间、学科间、区域间、国家间的知识扩散的情况。通过引文网络、合著网络分析知识扩散的路径。基于人工智能的新方法和技术，满足大规模、大体量的知识扩散路径识别需求，通过深度学习、机器学习技术（BA、BBV、Bass、振荡算法等方法[84-87]）收集、构建数据集，通过拟合数学模型描述科学知识扩散的过程性定量化特征。在主题内容方面，TF-IDF[88]、LDA[89]等算法为研究者分析主题演化、语义关联，从内容层面挖掘知识扩散的知识的融合与分化，提供丰富路径识别的方法和角度。

5 结 语

现有关于科学知识扩散的理论研究阐释了知识单元定义、扩散机理内容，为构建、完善研究框架提供必要的概念基础和理论依据。大数据和人工智能技术的不断发展，对已有的知识扩散的理论、方法产生冲击，数据驱动型的新研究范式对传统的研究框架和思维也产生挑战，难以满足新研究范式下的实际需求，科学知识扩散研究对象的扩张以及研究方法的创新带来新的研究思维和研究问题。在总结和归纳现有理论研究的基础上，根据知识单元及扩散机理的研究内容，构建适应新范式的基本研究框架，其中研究对象由基本要素、扩散要素、测度要素3个方面组成，丰富、泛化原有的研究问题。此外，新的理论框架，可以为理论研究、方法研究、应用研究提供不同的理论指导和支撑，满足不同层面研究的理论需求。

参考文献

[1]苏新宁.知识经济时代计量学的创新和发展——评邱均平教授新作《知识计量学》[J].情报理论与实践，2016，39（1）：143-144，138.

[2]华连连，张悟移.知识流动及相关概念辨析[J].情报杂志，2010，29（10）：112-117.

[3]波兰尼.个人知识——迈向后批判哲学[M].许泽民译.贵阳：贵州人民出版社，2000：439.

[4]王亮.基于SCI引文网络的知识扩散研究[D].哈尔滨：哈尔滨工业大学，2014.

[5]Stoneman P，Diederen P.Technology Diffusion and Public Policy[J].Economic Journal，2002，（104）：918-930.

[6]Grossman G M，Helpman E.Innovation and Growth in the Global Economy[J].MIT Press，1993：323-324.

[7]李江.基于引文的知识扩散研究评述[J].情报资料工作，2013，（4）：36-40.

[8]Zhang L，Peng T Q.Breadth，Depth and Speed：Diffusion of Advertising Messages on Microblogging Sites[J].Internet Research，2015，25（3）：453-470.

[9]Mcdermott R.Why Information Technology Inspired But Cannot Deliver Knowledge Management[J].California Management Review，1999，41（4）：103-117.

[10]秦铁辉，程妮.试论影响组织知识共享的障碍及其原因[J].图书情报知识，2006，（6）：105-106.

[11]Barwick M A，Boydell K M，Stasiulis E，et al.Knowledge Transfer and Implementation of Evidence-based Practices in Childrens Mental Health[J].Childrens Mental Health Ontario，2005：24-26.

[12]Kiefer L，Frank J，Ruggiero E D，et al.Fostering Evidence-based Decision-making in Canada：Examining the Need for a Canadian Population and Public Health Evidence Centre and Research Network[J].Canadian Journal of Public Health，2005，96（3）：1-19.

[13]吴海霞，朱志伯.知识的非正式交流与机构知识库[J].情报探索，2009，（12）：18-19.

[14]Kang M，Kim B.Embedded Resources and Knowledge Transfer Among R&D Employees[J].Journal of Knowledge Management，2013，17（5）：709-723.

[15]Darr E D，Kurtzberg T R.An Investigation of Partner Similarity Dimensions on Knowledge Transfer[J].Organizational Behavior and Human Decision Processes，2000，82（1）：28-44.

[16]Caniels M C J，Verspagen B.Barriers to Knowledge Spillovers and Regional Convergence in an Evolutionary Model[J].Journal of Evolutionary Economics，2001，11（3）：307-329.

[17]Gabriel Szulanski.The Process of Knowledge Transfer：A Diachronic Analysis of Stickiness[J].Organizational Behavior and Human Decision Processes，2000，82（1）：9-27.

[18]Teece D.Technology Transfer By Multinational Firms：The Resource Cost of Transferring Technological Know-How[J].The Economic Journal，1977，（87）：242-261.

[19]陈有富.知识流动的控制[J].图书馆，2002，（4）：18-20.

[20]赵红洲，蒋国华.知识单元与指数规律[J].科学学与科学技术管理，1984，（9）：39-41.

[21]Rowlands，Ian.Journal Diffusion Factors：A New Approach to Measuring Research Influence[J].Aslib Proceedings，2002，54（2）：77-84.

[22]Liu Y，Rousseau R.Knowledge Diffusion Through Publications and Citations：A Case Study Using？ESI-fields as Unit of Diffusion[J].Journal of the Association for Information Science & Technology，2010，61（2）：340-351.

[23]Rousseau，Ronald.Robert Fairthorne and the Empirical Power Laws[J].Journal of Documentation，2005，61（2）：194-205.

[24]高继平，丁堃，潘云涛，等.知识元研究述评[J].情报理论与实践，2015，38（7）：134-138，133.

[25]赵红州.科学能力学引论[M].北京：科学出版社，1984.

[26]刘则渊.知识图谱的若干问题思考[R].大连：大连理工大学WISE实验室，2010.

[27]温芳芳.基于引文分析的知识扩散研究——以我国图书情报学博士学位论文为例[J].情报理论与实践，2015，38（9）：64-68，78.

[28]赵蓉英，魏绪秋.引证视角下的作者知识扩散规律探析[J].情报理论与实践，2016，39（8）：12-17.

[29]赵蓉英，张心源.基于知识元抽取的中文智库成果描述规则研究[J].图书与情报，2017，（1）：119-127.

[30]徐荣生.知识单元初论[J].图书馆杂志，2001，（7）：2-5.

[31]赵红洲，蒋国华.知识单元与指数规律[J].科学学与科学技术管理，1984，（9）：39-41.

[32]赵红州，唐敬年，蒋国华，等.知识单元的静智荷及其在荷空间的表示问题[J].科学学与科学技术管理，1990，（1）：37-41.

[33]赵红州，唐敬年，蒋国华，等.知识单元的静智荷及其在荷空间的表示问题（续一）[J].科学学与科学技术管理，1990，（2）：39-43.

[34]赵红州，唐敬年，蒋国华，等.物理定律的知识熵表示问题[J].自然辩证法研究，1991，（8）：14-22，13.

[35]王克君.从科学史看无形学院对科学发展的作用[J].东北大学学报：社会科学版，2001，（2）：122-124.

[36]江亮.学术博客的“无形学院”交流模式探析[J].情报科学，2006，（2）：296-299.

[37]Zuccala A.Modeling the Invisible College[J].Journal of the American Society for Information Science & Technology，2006，57（2）：152-168.

[38]Teixeira A A C.Mapping the（in）Visible College（s）in the Field of Entrepreneurship[J].Scientometrics，2011，89（1）：1-36.

[39]Lievrouw L A.Reconciling Structure and Process in the Study of Scholarly Communication[A].Borgman C L.Scholarly Communication and Bibliometrics.Newbury park，CA：Stage，1990：59-69.

[40]張晴.Facebook中无形学院的作用形式与传播机制研究[J].新闻知识，2017，（8）：3-7.

[41]江亮.学术博客的“无形学院”交流模式探析[J].情报科学，2006，（2）：296-299.

[42]宋丽萍，徐引篪.基于SNA的电子无形学院结构分析[J].情报学报，2007，26（6）：902-908.

[43]岳增慧，许海云.学科引证网络知识扩散特征研究[J].情报学报，2019，38（1）：1-12.

[44]Van Leeuwen T，Tijssen R.Interdisciplinary Dynamics of Modern Science：Analysis of Cross-disciplinary Citation Flows[J].Research Evaluation，2000，9（3）：183-187.

[45]Jaffe A B，Henderson T R.Geographic Localization of Knowledge Spillovers as Evidenced By Patent Citations[J].The Quarterly Journal of Economics，1993，108（3）：577-599.

[46]董克，张斌.学科知识扩散网络路径识别研究进展[J].情报理论与实践，2017，40（8）：139-144.

[47]雷怀英，王童，申成霖.协同创新领域知识扩散路径研究[J].经济问题，2017，（9）：13-19.

[48]Chaomei Chen，Diana Hicks.Tracing Knowledge Diffusion[J].Scientometrics，2004，59（2）：199-211.

[49]梁永霞，刘则渊，杨中楷.引文分析学的知识流动理论探析[J].科學学研究，2010，28（5）：668-674.

[50]温伯格.知识的边界[M].胡泳，高美，译.太原：山西人民出版社，2014：186.

[51]Phelps C，Heidl R，Wadhwa A.Knowledge，Networks，and Knowledge Networks：A Review and Research Agenda[J].Journal of Management，2012，116（3）：239-257.

[52]王文静，赵江坤.产学专利合作网络：结构演变与知识流动——合作形式视角[J].科技进步与对策，2019，36（7）：1-9.

[53]李林，李秀霞，刘超，等.知识扩散对国际联合研究和学科融合的影响——以ISLS和Communication为例[J].情报杂志，2018，（1）：158-162，190.

[54]Burt R S.Structural Holes：The Social Structure of Competition[M].Cambridge：Harvard University Press，1992：51-54.

[55]Nerkar A，Paruchuri S.Evolution of R&D Capabilities：The Role of Knowledge Networks Within a Firm[J].Management Science，2005，51（5）：771-785.

[56]Rogers E M.Diffusion of Innovations[M].5th New York：Free Press，2003

[57]宋歌.学术创新的扩散过程研究[J].中国图书馆学报，2015，41（1）：62-75.

[58]Garfield E.Delayed Recognition in Scientific Discovery：Citation Frequency Analysis Aids the Search for Case Histories[J].Current Contents，1989，（23）：3-9.

[59]Raan A F J V.Sleeping Beauties in Science[J].Scientometrics，2004，59（3）：467-472.

[60]杜建，武夷山.一个用于识别睡美人文献的新的无参数指标——基于“Science”和“Nature”上睡美人文献的验证[J].情报理论与实践，2017，40（2）：19-25.

[61]Lewison G，Rippon I，Wooding S.Tracking Knowledge Diffusion Through Citations[J].Research Evaluation，2005，14（1）：5-14.

[62]李江.基于引文的知识扩散研究评述[J].情报资料工作，2013，（4）：36-40.

[63]Rousseau，Ronald.Robert Fairthorne and the Empirical Power Laws[J].Journal of Documentation，2005，61（2）：194-205.

[64]Nakamura H，Suzuki S，Hironori T，et al.Citation Lag Analysis in Supply Chain Research[J].Scientometrics，2011，87（2）：221-232.

[65]Rowlands，Ian.Journal Diffusion Factors：A New Approach to Measuring Research Influence[J].Aslib Proceedings，2002，54（2）：77-84.

[66]Quentin L Burrell.The Gini Index and the Leimkuhler Curve for Bibliometric Processes[J].Information Processing & Management，1992，28（1）：19-33.

[67]王文静，赵江坤.产学专利合作网络：结构演变与知识流动——合作形式视角[J].科技进步与对策，2019，36（7）：1-9.

[68]高霞，陈凯华，官建成.科学知识扩散的网络模型[J].研究与发展管理，2013，25（2）：45-54.

[69]Lewison G，Rippon I，Wooding S.Tracking Knowledge Diffusion Through Citations[J].Research Evaluation，2005，14（1）：5-14.

[70]黄玮强，庄新田，姚爽.基于创新合作网络的产业集群知识扩散研究[J].管理科学，2012，25（2）：13-23.

[71]Xing Li.Research on Knowledge Diffusion in Cluster Innovation Network Based on Social Network Theory[J].Applied Mechanics and Materials，2013，411-414：262-265.

[72]海伊，等.第四范式：数据密集型科学发现[M].潘教峰，张晓林，等译.北京：科学出版社，2012.

[73]维克托·舍恩伯格，肯尼思·庫克耶.大数据时代[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013.

[74]胡志刚.全文引文分析方法与应用[D].大连：大连理工大学，2014.

[75]徐敏，李广建.第四范式视角下情报研究的展望[J].情报理论与实践，2017，40（2）：7-11.

[76]Taigman Y，Yang M，Ranzato M，et al.DeepFace：Closing the Gap to Human-Level Performance in Face Verification[C]//Conference on Computer Vision and Pattern Recognition（CVPR）.IEEE Computer Society，2014.

[77]Krizhevsky A，Sutskever I，Hinton G.ImageNet Classification with Deep Convolutional Neural Networks[J].Advances in Neural Information Processing Systems，2012，25（2）：1097-1105.

[78]方国平，邱均平.基于知识图谱的中外自然语言处理研究的对比分析[J].数据分析与知识发现，2014，30（12）：51-61.

[79]关鹏，王曰芬，傅柱.基于多Agent系统的科研合作网络知识扩散建模与仿真[J].情报学报，2019，38（5）：512-524.

[80]李卓，赵梦圆，柳嘉昊，等.基于引文内容的图书被引动机研究[J].图书与情报，2019，（3）：96-104.

[81]贺巷超.知识转移载体论[J].图书馆理论与实践，2011，（3）：1-5.

[82]余厚强，Bradley M Hemminger，肖婷婷，等.新浪微博替代计量指标特征分析[J].中国图书馆学报，2016，42（4）：20-36.

[83]Istvan Z Kiss，Mark Broom，Paul G Craze，et al.Can Epidemic Models Describe the Diffusion of Topics Across Disciplines？[J].Journal of Informetrics，2009，4（1）.

[84]张理，魏奇锋，顾新.基于无标度网络模型的协同创新网络知识扩散研究[J].情报理论与实践，2018，41（10）：79-86.

[85]魏莹，李锋.知识分享型网络的网络演化及知识扩散模型研究[J].情报科学，2018，36（4）：123-129.

[86]张江甫，顾新.基于双阶段扩散的知识网络知识流动模型及仿真[J].情报理论与实践，2016，39（5）：74-78.

[87]李树青，徐侠，钱钢，等.基于振荡算法和领域本体的学术文献关键路径自动识别和可视化展示方法[J].情报学报，2012，31（7）：676-685.

[88]刘成锴，王斌君，吴勇.基于遗传算法的文本特征选择[J].科学技术与工程，2019，19（33）：302-307.

[89]林丽丽，马秀峰.基于LDA模型的国内图书情报学研究主题发现及演化分析[J].情报科学，2019，37（12）：87-92.

（责任编辑：郭沫含）