基于外部学科属性及内部主题演化的学科交叉发展态势分析

摘 要： ［目的／ 意义］ 结合外部学科属性及内部主题演化开展学科交叉发展态势分析， 有助于捕获领域发展前沿， 推进交叉创新发展。［方法／ 过程］ 本文基于目标领域的全景与突破性研究， 通过构建学科交叉共现网络开展外部学科属性演化分析， 依托ＢＥＲＴｏｐｉｃ 模型挖掘学科交叉内部主题并开展内部主题演化分析， 进而开展全景与突破性研究的对比分析。［结果／ 结论］ 本文以生物医学工程研究为例， 在外部学科属性层面， 学科交叉程度日益加强， 且突破性研究的关键子网络是全景研究的子集， 前者更关注医学而后者更关注工学； 在内部主题演化层面，学科交叉演化速度日趋加快， 前者演化速度较快而后者演化速度相对稳定， 且二者各有不相交的５ 个和３ 个前沿主题。基于外部学科属性与内部主题演化揭示全景与突破性研究的学科交叉发展态势有助于促进交叉创新。

关键词： 学科交叉； 学科属性； 主题演化； 发展态势； 生物医学工程

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０２．０１１

〔中图分类号〕Ｇ２０３ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２５） ０２－０１１６－１７

社会发展和科学研究范式的加速演进， 使得学科间的相互渗透与融合趋势愈加明显［１］ ， 学科交叉也已逐步成为促进学科发展创新的重要因素之一。研究学科交叉发展态势， 不仅对理解学科交叉演化规律、揭示学科交叉本质具有重要意义， 而且能够帮助识别潜在学科交叉领域， 进而为引导学科交叉发展提供管理依据及有益指导［２］ 。此外， 突破性研究是指根本性突破或研究进展， 具有原创性且影响力可辐射至其他领域［３］ 。随着近年来我国对突破性研究的重视程度逐步提高， 开展基于突破性研究的学科交叉发展态势分析， 有助于敏锐捕获领域发展前沿， 以期为推进领域技术创新发展和优化学科布局提供更为精准的参考依据。

对此， 众多学者在开展学科交叉发展态势分析方面取得了诸多研究成果。已有文献主要通过构建学科交叉测度指标， 结合学科差异度［４］ 、学科凝聚性［５］ 及学科多样性［６］ 等指标， 运用文献计量法［７］ 、社会网络分析［８］ 、文本分析［９］ 等研究方法对相关论文数据进行文本挖掘和充分解读， 进而探究学科交叉发展态势。但是， 仍存在以下不足： 第一， 现有研究大多仅运用定量测度指标粗粒度开展宏观层面的学科交叉发展态势分析， 而较少从微观层面的学科交叉主题入手来剖析其发展态势， 难以为把握具体领域学科交叉发展方向提供细粒度参考依据。第二， 现有研究多聚焦于开展面向全景研究的学科交叉发展态势分析， 而较少关注具体领域内少数带来技术变革的突破性研究的学科交叉演化过程， 由此可能会影响分析结果的前瞻性和全面性。

有鉴于此， 本文结合外部学科属性及内部主题演化开展学科交叉发展态势分析。在收集目标领域的全景研究和突破性研究相关数据后， 运用Ｇｅｐｈｉ软件分别构建二者在各时间段下的学科交叉共现网络并开展外部学科属性演化分析， 依托ＢＥＲＴｏｐｉｃ模型分别挖掘二者在各时间段下的学科交叉内部主题并开展内部主题演化分析， 进而开展全景研究与突破性研究学科交叉发展态势对比分析， 以期为目标领域的技术创新发展和学科布局优化提供科学的决策参考依据。

１ 相关研究

１. １ 学科交叉概念与内涵

作为促进学科发展与创新的新兴动力， 学科交叉融合研究日益引起了学者的广泛关注［６］ 。随着研究的深入发展， 涌现出许多与学科交叉相关的概念术语， 如跨学科、交叉学科等。对此， 国内外不少学者对相关概念进行了具体阐述和辨析。

学科交叉概念最早是由来自哥伦比亚大学的心理学家Ｗｏｏｄｗｏｒｔｈ Ｒ Ｓ 提出的， 认为学科交叉是指跨越已知学科边界而进行的研究活动， 同时涉及两个或两个以上的学科［１０－１１］ 。进一步的， 美国国家科学院认为， 学科交叉是由团队或个人进行的一种研究模式， 通过集成两个或两个以上学科或专业知识团体的信息、数据、技术、工具、理论等， 解决那些超过单一学科范围或研究实践领域的关键问题［１２］ 。而后， Ｒａｆｏｌｓ Ｉ 等［１３］ 在上述定义的基础上指出， 学科交叉的重点在于整合不同学科知识体系而并非违反学科边界。而“跨学科” 与“学科交叉” 虽表述不同， 但其基本内涵相通。国内学者范春竹等［１４］ 指出， 跨学科与学科交叉均是交叉学科的部分研究内容， 表现为多个学科领域跨越边界进行整合。而张雪等［１２］ 认为， “交叉学科” 是指两门或两门以上学科渗透融合的活动及所形成的新学科群。

综上， 学科交叉（跨学科）更侧重于具体实践层面， 且其作为一种科研组织方式， 属于交叉学科的部分研究内容， 即学科交叉（跨学科）研究可能会逐渐发展壮大形成交叉学科， 也可能会因没有良好的发展前景而逐步消亡。

１. ２ 学科交叉发展态势

随着数据信息的激增， 开展具体领域的学科交叉发展态势研究， 对于深入理解领域学科结构、把握学科交叉发展脉络及趋势具有重要的参考意义。近年来， 国内外学者从不同角度对多个领域的学科交叉发展态势展开了丰富研究。例如， 马丽丽等［１５］从学科交叉规模、学科交叉强度、学科交叉网络及演化３ 方面进行了合成生物学领域的学科交叉发展态势分析； 曾德明等［１６］ 则通过构建交叉融合网络，分析了交叉融合的路径并探究了网络的结构演化特征； 张雪等［１７］ 以美国科学基金会资助项目为研究对象， 剖析了各科学部的学科交叉度及其演化趋势；基于Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ（ＷＯＳ）数据库， 齐燕等［１８］ 从交叉度、交叉规模和交叉时序３ 个角度探究了医学学科近４０ 年来的学科交叉发展态势， 而Ｓｏｎｇ Ｙ 等［１９］以新开发的指标ＤＩＶ∗ 及其成分的多样性、平衡性和差异性作为跨学科测度依据， 剖析了学科交叉对气候变化领域科学影响力的影响； 吴小兰等［２０］ 借用布里渊指数及丰富性、均衡性和差异度的三维指标， 探索了学科的跨学科性演变； Ｐａｒｋ Ｈ［２１］ 运用研究数据的均衡性及多样性测度指标研判了科学、技术、工程及数学等多领域研究数据的跨学科性；Ｚｈｏｕ Ｈ 等［２２］ 从跨学科知识流的广度、强度及同质性３ 方面细粒度描述了不同学科间的知识交流， 并提高了跨学科知识流的研究粒度及可用性； Ａｌａｓｅ⁃ｈｉｒ Ｏ 等［２３］ 依托文本相似性分析模型Ｄｏｃ２Ｖｅｃ 提出了一种用于分析认知科学领域跨学科性的方法。

整体来看， 现有学科交叉发展态势研究取得了一系列颇有见地的研究成果， 但仍存在一定的局限性。相关文献大多运用学科交叉定量测度指标粗粒度开展学科交叉发展态势研究， 由此可能会影响分析结果的精准性。此外， 以往研究较少关注具体领域内少数带来技术变革的突破性研究， 由此可能会影响分析结果的前瞻性和全面性。因此， 本文将结合外部学科属性及内部主题演化开展学科交叉发展态势分析， 从更为全面和细粒度的视角为具体领域学科交叉发展提供有益参考。

２ 研究框架

在借鉴前人研究成果的基础上， 本文开展基于外部学科属性及内部主题演化的学科交叉发展态势分析， 共分为４ 个阶段， 整体研究框架如图１ 所示。第一， 分别收集目标领域的全景研究论文数据及突破性研究论文数据， 并对其进行数据预处理。第二，获取全景研究论文数据集与突破性研究论文数据集的ＳＣＡＤＣ 学科分类信息， 运用Ｇｅｐｈｉ 软件构建各时间段下的学科交叉共现网络并开展外部学科属性演化分析。第三， 依据ＳＣＡＤＣ 学科分类信息筛选全景研究与突破性研究的学科交叉共现论文数据，依托ＢＥＲＴｏｐｉｃ 模型挖掘各时间段下的学科交叉内部主题并开展内部主题演化分析。第四， 基于外部学科属性及内部主题演化两方面开展全景研究与突破性研究的学科交叉发展态势对比分析。

２. １ 全景研究与突破性研究的数据收集及预处理

开展学科交叉发展态势分析首先需要从海量数据源中选择合适的数据库， 收集目标领域的相关信息并进行数据预处理。

由于论文数据库能够提供高质量、多学科且持续更新的学术研究数据， 因此， 本文选择论文数据库作为全景研究学科交叉发展态势分析的数据源［２４］ 。此外， 同行评议作为学术论文发表体系及规范中的重要环节， 能够较为精准地评估论文的创新性、有效性、价值与意义［２５］ 。因此， 本文选择同行评议数据库作为突破性研究学科交叉发展态势分析的数据源。

具体内容包括： 首先， 选择合适的论文数据库，并根据目标领域制定检索表达式来获取全景研究论文数据集， 进而对其进行数据预处理； 其次， 选择合适的同行评议数据库， 并根据目标领域制定检索表达式来获取突破性研究论文数据集， 进而对其进行数据预处理。

２. ２ 全景研究与突破性研究的学科交叉外部学科属性演化分析

开展全景研究与突破性研究的学科交叉外部学科属性演化分析， 能够直观呈现学科间知识相互融合的程度与趋势， 揭示学科交叉视角在解决领域复杂问题时的新思路， 进而有助于引导科技创新发展的方向和重点。由此， 本文基于前述获取的数据集，探究目标领域全景研究与突破性研究的学科交叉外部学科属性演化过程。

由于Ｉｎｃｉｔｅｓ 数据库涵盖国内外主要学科分类体系， 并提供ＷＯＳ 期刊分类与其他学科分类体系的映射关系［２６］ ， 因此， 本文选择Ｉｎｃｉｔｅｓ 作为获取学科分类信息的数据源。此外， ＳＣＡＤＣ 分类体系是我国双一流建设和评估的学科分类基础， 包含学科门类和一级学科分类两个层级［１５］ 。为清晰地对我国学科交叉发展提供有益参考， 本文将依据ＳＣＡＤＣ学科门类和一级学科分类两个层级开展全景研究与突破性研究外部学科属性演化分析。

具体内容包括： 首先， 对所得到的全景研究与突破性研究论文数据集进行时间段划分， 并从Ｉｎ⁃ｃｉｔｅｓ 数据库中获取每篇论文相对应的ＳＣＡＤＣ 学科门类及一级学科分类信息； 其次， 依据ＳＣＡＤＣ 学科分类信息分别构建全景研究与突破性研究各时间段下的学科交叉共现矩阵， 并运用Ｇｅｐｈｉ 软件［２７］绘制学科交叉共现网络； 最后， 分别基于ＳＣＡＤＣ学科门类及一级学科分类的学科交叉两方面开展全景研究与突破性研究外部学科属性演化分析。

２. ３ 全景研究与突破性研究的学科交叉内部主题演化分析

开展全景研究与突破性研究的学科交叉内部主题演化分析， 能够从基于知识语义的微观层面细粒度探究学科交叉的关键问题及热点方向， 进而为厘清学科交叉发展脉络和预测发展趋势提供参考。由此， 还需探究全景研究与突破性研究的学科交叉内部主题演化过程。

具体内容包括： 首先， 从全景研究论文数据集与突破性研究论文数据集中筛选包含两门及以上ＳＣＡＤＣ 一级学科分类的论文， 提取这些论文的题目、关键词、摘要、发表年份等关键信息； 其次，依托ＢＥＲＴｏｐｉｃ 模型［２８］ 从上述所筛选论文相关数据中提取全景研究与突破性研究各时间段下的学科交叉主题， 并结合目标领域专业知识对其进行清洗和预处理； 最后， 利用余弦相似度［２９］ 计算相邻时间段下学科交叉主题之间的相似度， 借助桑基图［３０］ 分别绘制全景研究与突破性研究的学科交叉内部主题演化路径并进行演化分析。

２. ４ 全景研究与突破性研究的学科交叉发展态势对比分析

开展全景研究与突破性研究的学科交叉发展态势对比分析有助于全面了解学科发展脉络及前沿趋势， 并精准洞悉领域发展方向及重点。由此， 还需开展基于全景研究与突破性研究的学科交叉发展态势对比分析。

具体内容包括： 首先， 依据２. ２ 小节中全景研究与突破性研究的学科交叉外部学科属性演化分析过程， 开展基于外部学科属性的学科交叉发展态势对比分析； 其次， 依据２. ３ 小节中全景研究与突破性研究的学科交叉内部主题演化分析过程， 开展基于内部主题演化的学科交叉发展态势对比分析。

３ 生物医学工程研究的学科交叉发展态势分析

随着科学与技术的蓬勃发展， 生物医学工程研究中越来越多的问题需要借助跨学科的合作来解决［３１］ 。生物医学工程作为一门结合生物医学和理工学而发展起来的交叉边缘学科， 涉及包括电子学、现代计算机技术、高分析化学、物理学等多门学科知识， 是各国（地区）争相大力发展的高新技术之一［３２］ 。近年来， 生物医学工程发展非常迅速， 其中， 生物医学图像与医学影像学的发展更是日新月异。由此可见， 通过剖析当前生物医学工程研究的学科交叉发展态势， 能够深入理解和厘清不同学科之间知识和经验的共享现状与趋势， 有助于推动新的研究方向形成并挑战传统的学科边界。由此， 探究生物医学工程的学科交叉发展态势， 不仅能够推动技术创新和科学进步， 还能够解决现实生物医学问题， 并为人类健康带来更多福祉。

３. １ 生物医学工程研究的相关数据收集及预处理

３. １. １ 全景研究的相关数据收集及预处理

本文运用ＷＯＳ 核心合集数据库进行生物医学工程全景研究论文数据检索。根据文献调研并结合专家意见， 首先需要确定论文数据的具体检索方案，如表１ 所示。

对检索到的论文进行格式清洗与统一， 并将每篇论文的题目、摘要、关键词及发表年份等关键信息作为全景研究论文数据集以开展后续外部学科属性及内部主题演化分析。

３. １. ２ 突破性研究的相关数据收集及预处理

Ｈ１ Ｃｏｎｎｅｃｔ（原Ｆ１０００ 数据库）是生物医学工程研究中极具特色的同行评议数据库， 该数据库收录的重要文献更具创新性和突破性［３３］ 。由此， 本文运用Ｈ１ Ｃｏｎｎｅｃｔ 数据库进行生物医学工程突破性研究的论文数据检索。具体的检索方案如表２ 所示。

对所检索到的论文进行格式清洗与统一， 并依据论文题目信息在ＷＯＳ 核心合集数据库中检索对应论文， 并将每篇论文的题目、摘要、关键词及发表年份等关键信息作为突破性研究论文数据集以开展后续外部学科属性及内部主题演化分析。

３. ２ 生物医学工程全景研究与突破性研究的学科交叉外部学科属性演化分析

３. ２. １ 基于ＳＣＡＤＣ 学科分类的论文信息获取

一是运用Ｉｎｃｉｔｅｓ 数据库实现对全景研究论文数据集的ＳＣＡＤＣ 学科分类信息获取。依据１９８０—２０２３ 年全景研究论文数据集的逐年论文数量， 将其划分为６ 个时间段， 如图２ 所示。

二是运用Ｉｎｃｉｔｅｓ 数据库实现对突破性研究论文数据集的ＳＣＡＤＣ 学科分类信息获取。依据２０００—２０２３ 年突破性研究论文数据集的逐年论文数量， 将其划分为４ 个阶段， 如图３ 所示。

３. ２. ２ 学科交叉共现网络构建

通过构建基于ＳＣＡＤＣ 学科门类及一级学科分类的学科交叉共现网络， 能够实现不同学科之间共现关系的可视化表达。

一是基于学科门类的全景研究与突破性研究学科交叉共现网络构建。依据１９８０—２０２３ 年的６ 个时间段下生物医学工程全景研究论文数据集的ＳＣＡＤＣ学科门类信息及其共现关系， 运用Ｇｅｐｈｉ 软件构建各时间段下的学科交叉共现网络， 如图４ 所示。其中， 每个节点代表１ 个学科门类， 节点间的连线越粗表示两学科门类在论文中的交叉融合越明显。

依据２０００—２０２３ 年的４ 个时间段下突破性研究论文数据集的ＳＣＡＤＣ 学科门类信息及其共现关系， 运用Ｇｅｐｈｉ 软件构建各时间段下的学科交叉共现网络， 如图５ 所示。

二是基于一级学科分类的学科交叉共现网络构建。依据１９８０—２０２３ 年的６ 个时间段下生物医学工程全景研究论文数据集的ＳＣＡＤＣ 一级学科分类信息及其共现关系， 运用Ｇｅｐｈｉ 软件构建各时间段下的学科交叉共现网络， 如图６ 所示。其中， 每个节点代表１ 个一级学科分类， 节点颜色表示各节点所代表的学科门类， 节点间的连线越粗表示两一级学科分类在论文中的交叉融合越明显。需要注意的是， 由于各一级学科分类的名称较长， 难以直观展示， 因此在图中用其学科分类代码简要表示， 各一级学科分类的具体名称如表３ 所示。

依据２０００—２０２３ 年的４ 个时间段下生物医学工程突破性研究论文数据集的ＳＣＡＤＣ 一级学科分类信息及其共现关系， 运用Ｇｅｐｈｉ 软件构建各时间段下的学科交叉共现网络， 如图７ 所示。其中， 各一级学科分类的具体名称如表３ 所示。

３. ２. ３ 学科交叉的外部学科属性演化分析

一是生物医学工程全景研究的学科交叉外部学科属性演化分析。结合上述所构建的学科交叉共现网络， 本文分别从学科门类和一级学科分类两方面分析其在１９８０—２０２３ 年的６ 个时间段下全景研究的学科交叉发展情况。

１） 基于学科门类的全景研究学科交叉外部学科属性演化分析

由图４ 不难看出， 在１９８０—１９９０ 年生物医学工程研究的发展初期， 主要涉及医学、工学和理学３门学科， 其中医学和工学的交叉研究相对较多。在１９９１—２０００ 年期间， 该研究领域的学科数量明显增加， 包含１３ 个ＳＣＡＤＣ 学科门类， 且各学科门类间开始出现少量的学科交叉研究， 并初步呈现出以“医学—工学—理学” 这一子网络为中心的多学科交叉共现网络特征， 这表明生物医学工程作为一个复杂而多样化的研究领域逐渐开始从更多学科吸取和汇集不同的专业知识与技术。在２００１—２０１０ 年期间， 各学科门类间的学科交叉研究数量逐步增多，“医学—工学—理学” 子网络的中心地位也更为凸显。２０１０ 年之后的３ 个时间段内， 各学科门类间的学科交叉种类逐渐减少， 但各学科门类间的交叉次数逐渐增多， 这种变化可能源于该研究领域在近年来的快速发展和不断分化， 使得研究者更趋向于从深入、专业和特定的研究方向中探寻问题的求解思路。此外， “医学—工学—理学” 这一子网络的共现程度也在逐渐增强， 表明这３ 门学科之间的交叉合作在该研究领域的重要性逐渐提高。

２） 基于一级学科分类的全景研究学科交叉外部学科属性演化分析

由图６ 可知， 整体上看， “１００１（基础医学）—０７１０（生物学）” 和“０８０５（材料科学与工程）—０８３１（生物医学工程）” 是网络中的两个关键学科交叉组合， 且这两个组合之间的融合程度随时间变化逐渐增强。这表明生物医学工程相关研究需要结合基础医学和生物学的知识来深入理解人体生理、疾病机制等， 且二者的交叉融合能够为其提供扎实的生物学基础； 同时也需要结合材料科学与工程及生物医学工程的技术和应用来开发医疗材料和器械等， 且二者的交叉融合能够为其提供应用技术支持。此外， 自１９９０ 年后， 各时间段下的网络呈现出以“０８０５（材料科学与工程）—０７１０（生物学）—０７０３（化学）—０８３１ （ 生物医学工程）—１００１ （ 基础医学）—０７０２（物理学）—０８３６ （生物技术与生物工程）—０８１２（计算机科学与技术）—１００２ （临床医学）—１０１０（医学技术）—１００９（特种医学）” 这一子网络为中心的特征， 表明上述１１ 门学科的相互交叉融合对于生物医学工程研究的创新发展至关重要。同时， 从各学科门类在不同时间段下的一级学科分类占比情况可知， 工学、理学及医学学科所涉及的一级学科分类数量占比较大且整体呈上升趋势。其中工学学科下的一级学科分类数量最多， 占比约为４２％， 且关键一级学科分类为０８０５（材料科学与工程）、０８３１（生物医学工程）、０８３６（生物技术与生物工程）及０８１２（计算机科学与技术）， 表明工学学科中的技术应用与工程实践相关知识能够极大推动该领域的技术创新与发展。

二是生物医学工程突破性研究的学科交叉外部学科属性演化分析。结合上述所构建的突破性研究学科交叉共现网络， 本文分别从学科门类和一级学科分类两方面分析其在２０００—２０２３ 年的４ 个时间段下突破性研究的学科交叉发展情况。

１） 基于学科门类的突破性研究学科交叉外部学科属性演化分析

由图５ 不难看出， 生物医学工程突破性研究主要涉及医学、工学、理学、管理学和交叉学科５ 个学科门类， 这表明在该研究领域中跨学科合作和知识融合是取得突破性进展的重要因素。具体而言，在２０００—２０１０ 年期间， 生物医学工程的突破性研究主要涉及医学、工学、理学和交叉学科， 且开始初步呈现“医学—工学—理学” 的学科交叉子网络。这表明医学、工学、理学在突破性研究中开始出现合作和交流， 而交叉学科还未与其他学科产生联系。在２０１１—２０１４ 年期间， 生物医学工程的突破性研究开始涉及管理学学科， 且“医学—工学—理学” 的学科交叉子网络呈现出较为紧密的联系。在２０１５—２０１８ 年期间， 生物医学工程的突破性研究主要涉及医学、工学、理学和交叉学科， 且“医学—工学—理学” 的学科交叉子网络呈现出更为紧密的联系。在２０１９—２０２３ 年期间， 管理学学科再次出现在生物医学工程的突破性研究中， 且涉及交叉学科的论文数量有所增加。这一变化趋势表明，交叉学科在生物医学突破性研究中的影响力逐渐增加， 而管理学的影响力仍在不断变化。同时， “医学—工学—理学” 学科交叉子网络联系得逐渐紧密表明突破性研究中对于跨学科合作、知识融合、解决综合性问题的需求日益增加。这种趋势有助于突破性研究的开展， 进而推动生物医学工程领域在医疗保健和生命科学等多方面的进步。

２） 基于一级学科分类的突破性研究学科交叉外部学科属性演化分析

由图７ 可知， 整体上看， “０７１０（生物学）—１００１（基础医学）” 和“１００１（基础医学）—１００２（临床医学）” 是网络中的两个关键学科交叉组合， 且随时间推进这两个组合之间的融合程度逐渐增强， 表明上述３ 门学科之间的合作交流是推动生物医学工程取得突破性研究的关键因素。此外， 各时间段下的网络逐步呈现出以“１００１（基础医学）—０７１０（生物学）—０８３１（生物医学工程）—０８０５（材料科学与工程）—１００２（临床医学）” 这一子网络为中心的特征， 表明这５ 门学科的相互交叉融合对于生物医学工程突破性研究的创新发展至关重要。同时， 从各学科门类在不同时间段下的一级学科分类占比情况可知， 医学学科所涉及的一级学科分类数量整体呈上升趋势， 且所增一级学科分类为１００９（特种医学）和１０１０（医学技术）， 其中特种医学可能包括针对特定人群或特殊疾病的研究， 而医学技术可能涉及对医疗设备、医学成像等的研究， 这表明医学学科对于生物医学工程的突破性研究产生了更多的影响及贡献。

３. ３ 生物医学工程全景研究与突破性研究的学科交叉内部主题演化分析

３. ３. １ 基于ＳＣＡＤＣ 学科分类的交叉共现论文数据获取

首先从全景研究论文数据集中筛选包含两门及以上一级学科分类的论文， 共得到１７ ７９２篇； 其次，从突破性研究论文数据集中筛选包含两门及以上一级学科分类的论文， 共得到２３８ 篇； 最后， 提取这些论文的题目、摘要、关键词及发表年份等关键信息， 并将其分别作为全景研究与突破性研究后续主题挖掘的数据集。

３. ３. ２ 学科交叉内部主题挖掘

依托ＢＥＲＴｏｐｉｃ 模型， 从上述数据集中分别提取全景研究与突破性研究各时间段下的学科交叉主题， 结合生物医学工程领域专业知识及专家意见对主题下的关键词进行清洗和预处理， 主要包括去除与该领域相关度较低的主题及其关键词、合并语义相近或相似的主题等， 进而为各主题命名［３４］ 。

３. ３. ３ 学科交叉的内部主题演化分析

首先利用余弦相似度分别计算全景研究与突破性研究相邻时间段下学科交叉主题之间的相似度，从而判定主题演化关系； 其次， 为简化主题演化路径， 清晰呈现关键主题的发展脉络， 本文在计算主题相似度时将阈值设为０. ３； 第三， 运用桑基图分别绘制生物医学工程全景研究与突破性研究的学科交叉内部主题演化路径， 如图８ 和图９ 所示； 最后，开展全景研究与突破性研究的学科交叉内部主题演化分析。其中， 相邻时间段下各主题之间线条的粗细表示相邻时间段主题间的相似度大小。

１） 全景研究学科交叉的内部主题演化分析

分析发现， 生物医学工程全景研究的学科交叉内部主题演化趋势具有以下特点： 在１９８０—１９９０年期间， 全景研究中主要涉及医疗设备、临床工程与模型建模、细胞治疗与电极技术、ＤＭＤ 研究与基因治疗４ 个主题。这表明该研究领域初期着重于通过开发和改进医疗设备提高医疗效果、开发新的治疗方法和应用基因技术进行疾病治疗。自１９９０ 年后， 各时间段下的全景研究均主要涉及７ 个主题。从整体来看， 与肿瘤免疫治疗（Ｔ２－２、Ｔ３－３、Ｔ４－３、Ｔ５－４、Ｔ６－４）相关的主题是全景研究近年来持续存在的主题， 表明肿瘤免疫治疗是生物医学工程全景研究中的一个重要分支且得到了长期关注和研究。与组织工程（Ｔ２－３、Ｔ４－２、Ｔ６－３）、基因工程（Ｔ２－５、Ｔ３－５、Ｔ５－７、Ｔ６－６）、骨骼组织工程（Ｔ２－１、Ｔ３－１、Ｔ３－２、Ｔ５－２、Ｔ５－３、Ｔ６－２）相关的主题在各时间段下的出现次数也较多， 表明这些主题在生物医学工程全景研究中也具有重要地位。此外， 与水凝胶材料（Ｔ４－１、Ｔ５－１、Ｔ６－１）、纳米医学（Ｔ４－５、Ｔ５－６、Ｔ６－５）、生物医学材料（Ｔ３－４、Ｔ４－４、Ｔ５－５）相关的主题从２０１１ 年开始崭露头角，是近年来比较有前景的研究方向， 也是未来生物医学工程全景研究的重点之一。这表明随着科技进步， 新型材料在生物医学工程的应用成为研究热点， 这些主题的持续发展能够为该领域提供新的诊断和治疗方法， 进而改善和提升医疗效果。

２） 突破性研究学科交叉的内部主题演化分析

分析发现， 生物医学工程突破性研究的学科交叉内部主题演化趋势具有以下特点： ２００１—２０１０ 年期间， 该领域突破性研究着重于研发新型疫苗和感染控制方法， 探索神经科学领域的机制和治疗方法，以及应用生物材料和细胞移植技术进行组织修复和再生； ２０１１—２０１４ 年期间， 该领域突破性研究开始加强对组织修复与再生医学的关注力度， 探索免疫治疗和肿瘤靶向治疗的方法， 并探究纳米技术在该领域的应用； ２０１５—２０１８ 年期间， 该领域突破性研究进一步加强对组织修复、干细胞及其应用的探究，关注神经退行性疾病的机制和治疗方法， 并注重３Ｄ 打印、器官移植等新兴技术在生物医学工程中的应用； ２０１９—２０２３ 年期间， 该领域突破性研究尤为关注视觉障碍的治疗方法， 并深入探究组织修复与再生医学， 探索生物传感器和细胞治疗技术在生物医学工程中的应用。此外， 从整体来看， 与组织修复与再生医学（Ｔ１－１、Ｔ２－１、Ｔ３－１、Ｔ４－１）、癌症与免疫治疗（Ｔ１－４、Ｔ２－４、Ｔ２－５、Ｔ３－４、Ｔ４－３、Ｔ４－４）相关的主题是突破性研究近年来持续存在的主题， 表明这些主题长期占据重要地位。就组织修复与再生医学研究主题而言， 随着干细胞技术和生物材料的发展， 未来研究将进一步探索如何促进组织和器官的自然修复能力， 推动再生医学的发展；就癌症与免疫治疗研究主题而言， 未来研究可能集中在深入理解肿瘤的发生、发展和转移机制， 并探索新的靶向治疗策略。

３. ４ 生物医学工程全景研究与突破性研究的学科交叉发展态势对比分析

３. ４. １ 基于外部学科属性演化的学科交叉发展态势对比分析

依据图４ 和图５ 开展基于学科门类的生物医学工程全景研究与突破性研究学科交叉发展态势对比分析， 具体结果如表４ 所示。

由表４ 不难看出， 全景研究与突破性研究的学科交叉程度均日趋加强， 但所涉及的学科门类数量存在一定差异。此外， 二者的关键子网络均是“医学—工学—理学”， 且其在全景研究及突破性研究的学科交叉共现网络中均呈现出不断增加的发展趋势， 表明这３ 个学科在生物医学工程研究中的跨学科交流合作越来越密切， 且它们的交叉融合对于该领域的创新发展至关重要。

依据图６ 和图７ 开展基于一级学科分类的生物医学工程全景研究与突破性研究学科交叉发展态势对比分析， 具体结果如表５ 所示。

由表５ 不难看出， 全景研究与突破性研究所涉及的一级学科分类数量存在一定差异。同时， 突破性研究的关键子网络是全景研究关键子网络的一个子集， 且“１００１（基础医学）—０７１０（生物学）” 在两类型研究中都属于关键学科交叉组合， 这进一步反映了基础医学和生物学对于推动该研究领域发展至关重要。此外， 在全景研究网络中工学学科下的一级学科分类占据重要地位， 而在突破性研究网络中医学学科下的一级学科分类数量呈上升趋势。这一差异反映了全景研究和突破性研究在目标、方法及侧重点上的不同， 且表明医学学科在推动突破及创新方面的作用逐渐增强。

３. ４. ２ 基于内部主题演化的学科交叉发展态势对比分析

由图８ 和图９ 可知， 在生物医学工程全景研究与突破性研究的学科交叉内部主题演化路径中， 各时间段所包含的主题存在一定差异。具体而言， 从整体上看， 全景研究中不同时间段下的主题大多具有强关联性， 而突破性研究中不同时间段下的主题间差异较为明显。这表明全景研究的内部主题演化致力于提供较为全面的视角理解领域整体发展脉络及趋势， 而突破性研究更能够凸显一些具有革新性和前沿性的研究方向。此外， 突破性研究的内部主题涵盖了大量在全景研究主题演化中未出现的主题词， 如２０１９—２０２３ 年的视觉障碍与治疗、生物传感器、细胞治疗、遗传变异、生物医学技术等主题，这些主题可能是未来具有创新潜力的重要方向， 也是能够推动该领域技术创新发展的核心力量。

３. ５ 与其他学科发展态势研究方法的结果对比分析

为进一步说明本文所提学科交叉发展态势分析方法的优越性， 将在此进行对比实验。借鉴已有学科交叉发展态势的研究范式［１５］ ， 从学科交叉规模、学科间的交叉融合情况两层面开展对比实验。

从学科交叉规模上来看， 本文通过统计１９８０—２０２３ 年生物医学工程领域逐年论文数量及逐年学科交叉论文占比来分析该领域的学科交叉程度， 如图１０ 所示。

由图１０ 可知， 该领域随时间发展发表论文总量逐年上升， 且在１９８０—１９９５ 年研究初期， 已开始出现学科交叉研究论文， 但其占比波动较大， 在１９９６ 年后， 该领域的学科交叉论文占比趋于稳定，总体范围在２０％～４０％之间。由此可见， 生物医学工程领域的发展涉及多个学科领域， 学科交叉能够在一定程度上推动研究成果的应用和转化。

统计１９８０—２０２３ 年逐年涉及的学科数量及学科交叉度来进一步分析该领域的学科交叉强度， 如图１１ 所示。

学科交叉度计算方法参考已有文献［１５］ ， 具体如式（１） 所示：

其中， ｍ 表示生物医学工程领域的论文数量，ｎ 表示该领域论文所属的学科门类数量。

由图１１ 可知， 生物医学工程领域随时间发展所涉及学科数量逐渐增多， 且学科交叉度在１９８０—１９９５ 年研究初期波动较大， 自１９９６ 年后趋于稳定，在０. ７ 上下波动。由此可见， 该领域具有较高的学科交叉程度。

为进一步明晰该领域所涉及的具体学科信息，还需从学科间交叉融合程度来进行分析。统计１９８０—２０２３ 年生物医学工程领域研究论文中所涉及的学科分类数量， 并分析各学科间的交叉融合共现次数。

由图１２ 可知， 该领域中工学、医学、理学为最重要的学科分类， 由此可见， 工学提供了工程技术方法， 医学提供了医学知识和实践经验， 理学则提供了数学、物理等基础理论支持， 三者结合共同促进该领域的创新发展。

由图１３ 可知， “工学—理学” “理学—医学”“工学—医学” ３ 个学科交叉组合是该领域中最为关键的学科交叉组合， 由此可见， 结合工程技术、科学原理及医学知识， 能够提供多角度、多层次的研究视角， 为该领域提供更为全面的解决方案。

综合上述对比实验结果， 开展其与本文所提结合外部学科属性与内部主题演化的学科交叉发展态势分析方法的对比分析。首先， 对比实验从学科交叉规模、学科间的交叉融合情况进行分析， 能够直观揭示该领域的学科交叉情况， 但难以为精准洞悉其发展方向提供细粒度指导。而本文通过结合外部学科属性及内部主题演化， 不仅能够宏观揭示学科交叉发展情况， 而且能够从语义层面探究其学科交叉发展前沿。因此， 本文所提方法的分析结果细粒度更强。其次， 对比实验聚焦于该领域的全景研究，为其学科交叉发展提供全局性分析结果， 但难以进一步探究该领域的突破创新前沿问题。而本文所提方法不仅考虑了全景研究， 还将突破性研究纳入其中， 能够更为全面地剖析生物医学工程领域的学科交叉发展态势。因此， 本文所提方法的分析结果全面性更强。

４ 结 论

研究学科交叉的发展过程， 厘清学科交叉的演化规律， 对于揭示学科交叉本质和引导新兴交叉学科发展具有重要意义。基于这一认识， 本文面向全景研究和突破性研究， 开展基于外部学科属性及内部主题演化的学科交叉发展态势分析， 并进行两类研究的对比分析。研究发现， 生物医学工程研究在外部学科属性层面， 学科交叉程度日益加强， 且突破性研究的关键子网络是全景研究的子集， 前者更关注医学而后者更关注工学； 在内部主题演化层面， 学科交叉演化速度日趋加快， 前者演化速度较快而后者演化速度相对稳定， 且二者各有不相交的５ 个和３ 个前沿主题。

在本文分析基础上， 对今后生物医学工程的学科交叉发展提出如下建议： 积极开展医学、工学、理学３ 个学科的交叉研究， 发挥这一学科交叉核心子网络在生物医学工程研究中的关键作用； 加强基础医学学科与生物学学科之间的交叉融合， 促进二者在生物医学工程研究中的转化应用； 在全景研究中积极发挥工学学科的关键作用， 在突破性研究中积极发挥医学学科的关键作用； 在全景研究中重视并推进水凝胶材料、纳米医学、生物医学材料等研究方向的延伸和发展， 在突破性研究中重点关注视觉障碍与治疗、生物传感器、细胞治疗、遗传变异、生物医学技术等研究方向的发展， 合力促进生物医学工程研究的科技进步与交叉创新。

本文具有一定的理论和现实意义。在理论层面，一方面， 结合基于学科分类体系的外部学科属性和基于知识的内部主题演化探究目标领域下不同学科间交叉融合的动态发展趋势， 不仅解决了以往运用学科交叉定量测度指标粗粒度开展学科交叉发展态势研究可能导致的模糊及粗粒度问题， 而且提高了分析结果的精准性； 另一方面， 本文充分探究目标领域突破性研究的学科交叉发展态势并开展全景研究与突破性研究的对比分析， 不仅克服了以往较少关注领域内少数带来技术变革的突破性研究的局限性， 而且提高了分析结果的前瞻性和全面性。在实践层面， 本文通过揭示生物医学工程研究领域的学科交叉演化规律， 为相关学者和研究人员精准洞悉学科交叉新兴趋势、优化学科布局和技术创新资源配置提供了科学的决策依据。

本文仍存在一定局限性。其一， 虽然借助ＳＣＡＤＣ学科分类体系对论文进行学科划分具有一定的科学性， 但其普适性略显不足， 仍需进一步提高学科划分的普适性。其二， 本文仅以单案例作为研究对象探究学科交叉发展态势， 后续还需尝试对比分析不同类型研究领域的学科交叉发展态势， 以期为高效开展面向学科交叉的技术创新活动提供更全面的有益参考。

参考文献

［１］ 马费成， 张帅． 我国图书情报领域新兴交叉学科发展探析［Ｊ］．中国图书馆学报， ２０２３， ４９ （２）： ４－１４．

［２］ 操玉杰， 毛进， 潘荣清， 等． 学科交叉研究的演化阶段特征分析———以医学信息学为例［Ｊ］． 数据分析与知识发现， ２０１９，３ （５）： １０７－１１６．

［３］ Ｓｃｈｎｅｉｄｅｒ Ｗ Ｊ， Ｃｏｓｔａｓ Ｒ． Ｉｄｅｎｔｉｆｙｉｎｇ Ｐｏｔｅｎｔｉａｌ “ Ｂｒｅａｋｔｈｒｏｕｇｈ”Ｐｕｂｌｉｃａｔｉｏｎｓ Ｕｓｉｎｇ Ｒｅｆｉｎｅｄ Ｃｉｔａｔｉｏｎ Ａｎａｌｙｓｅｓ： Ｔｈｒｅｅ Ｒｅｌａｔｅｄ Ｅｘｐｌｏｒ⁃ａｔｉｖｅ Ａｐｐｒｏａｃｈｅｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉ⁃ｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２０１７， ６８ （３）： ７０９－７２３．

［４］ 王晋飞， 孙巍， 张学福， 等． 基于自适应特征选择的科研论文跨学科性测度方法研究［Ｊ］． 农业图书情报学报， ２０２３， ３５ （３）：５２－７０．

［５］ 黄菡， 王晓光， 王依蒙． 复杂网络视角下的研究主题学科交叉测度研究［Ｊ］． 图书情报工作， ２０２２， ６６ （１９）： ９９－１０９．

［６］ Ｚｈａｏ Ｑ， Ｙａｎｇ Ｍ． Ａｎ Ｅｆｆｉｃｉｅｎｔ Ｅｎｔｒｏｐｙ ｏｆ Ｓｕｍ Ａｐｐｒｏａｃｈ ｆｏｒ Ｍｅａｓ⁃ｕｒｉｎｇ Ｄｉｖｅｒｓｉｔｙ ａｎｄ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍｅｔｒｉｃｓ，２０２３， １７ （３）： １０１４２５．

［７］ 常凤娇， 刘芳， 姚洁． 基于文献计量学的医学学科交叉研究发展态势的可视化分析［Ｊ］． 循证护理， ２０２３， ９ （１１）： １９８８－１９９３．

［８］ Ｑｉａｎ Ｙ， Ｒｕｉ Ｔ， Ｓｈａｎ Ｊ． Ｅｘｐｌｏｒｉｎｇ ｔｈｅ Ｅｖｏｌｕｔｉｏｎ ｏｆ ＩｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙＣｉｔａｔｉｏｎ Ｎｅｔｗｏｒｋ ｂｙ ｔｈｅ Ｃｏｌｏｒｅｄ Ｎｅｔｗｏｒｋ Ｍｏｔｉｆｓ： ｔｈｅ Ｃａｓｅ ｏｆ Ｐｅｒｏｖｓ⁃ｋｉｔｅ Ｍａｔｅｒｉａｌｓ ［Ｊ］． Ｓｃｉｅｎｔｏｍｅｔｒｉｃｓ， ２０２３， １２８ （８）： ４４２１－４４４６．

［９］ Ｗａｎｇ Ｚ， Ｃｈｅｎ Ｊ， Ｃｈｅｎ Ｊ， ｅｔ ａｌ． Ｉｄｅｎｔｉｆｙｉｎｇ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙ Ｔｏｐ⁃ｉｃｓ ａｎｄ Ｔｈｅｉｒ Ｅｖｏｌｕｔｉｏｎ Ｂａｓｅｄ ｏｎ ＢＥＲＴｏｐｉｃ ［ Ｊ］． Ｓｃｉｅｎｔｏｍｅｔｒｉｃｓ，２０２３： １－２６．

［１０］ 刘仲林． 交叉科学时代的交叉研究［Ｊ］． 科学学研究， １９９３，（２）： １１－１８， ４．

［１１］ 章成志， 吴小兰． 跨学科研究综述［Ｊ］． 情报学报， ２０１７， ３６（５）： ５２３－５３５．

［１２］ 张雪， 张志强． 学科交叉研究系统综述［Ｊ］． 图书情报工作，２０２０， ６４ （１４）： １１２－１２５．

［１３］ Ｒａｆｏｌｓ Ｉ， Ｍｅｙｅｒ Ｍ． Ｄｉｖｅｒｓｉｔｙ ａｎｄ Ｎｅｔｗｏｒｋ Ｃｏｈｅｒｅｎｃｅ ａｓ Ｉｎｄｉｃａｔｏｒｓｏｆ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ： Ｃａｓｅ Ｓｔｕｄｉｅｓ ｉｎ Ｂｉｏｎａｎｏｓｃｉｅｎｃｅ ［Ｊ］． Ｓｃｉｅｎｔｏ⁃ｍｅｔｒｉｃｓ， ２００９， ８２ （２）： ２６３－２８７．

［１４］ 范春竹， 韩毅． 学科交叉研究的可持续发展识别———以应急管理领域为例［Ｊ］． 情报资料工作， ２０２２， ４３ （６）： ３０－３７．

［１５］ 马丽丽， 赵晏强， 左锟澜， 等． 学科交叉视角下合成生物学研究领域发展态势分析［Ｊ］． 科学管理研究， ２０２３， ４１ （３）：１９－２６．

［１６］ 曾德明， 于英杰， 文金艳， 等． 基于Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 分类的学科交叉融合演化特征分析［Ｊ］． 情报学报， ２０２０， ３９ （８）： ８７２－８８４．

［１７］ 张雪， 张志强． 美国科学基金会资助项目的学科交叉度演化规律及影响研究［Ｊ］． 情报理论与实践， ２０２１， ４４ （１２）： １２２－１３２．

［１８］ 齐燕， 高东平． 特定学科跨学科交叉发展态势分析： 以医学为例［Ｊ］． 情报杂志， ２０２０， ３９ （９）： ２００－２０７．

［１９］ Ｓｏｎｇ Ｙ， Ｆａｎｇ Ｚ， Ｆｕ Ｈ． Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ ｏｎ Ｓｃｉｅｎ⁃ｔｉｆｉｃ Ｉｍｐａｃｔ： Ｔｈｅ Ｃａｓｅ ｏｆ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ Ｆｉｅｌｄ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｉｎ⁃ｆｏｒｍｅｔｒｉｃｓ， ２０２３， １７ （３）： １０１４１０．

［２０］ 吴小兰， 章成志． 国家自然科学基金视角下学科跨学科性演变研究［Ｊ］． 科技情报研究， ２０２２， ４ （３）： ２０－３２．

［２１］ Ｐａｒｋ Ｈ． Ｔｈｅ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ ｏｆ Ｒｅｓｅａｒｃｈ Ｄａｔａ： Ｈｏｗ Ｗｉｄｅｌｙ ｉｓＳｈａｒｅｄ Ｒｅｓｅａｒｃｈ Ｄａｔａ Ｒｅｕｓｅｄ ｉｎ ｔｈｅ ＳＴＥＭ Ｆｉｅｌｄｓ？ ［Ｊ］． Ｔｈｅ Ｊｏｕｒ⁃ｎａｌ ｏｆ Ａｃａｄｅｍｉｃ Ｌｉｂｒａｒｉａｎｓｈｉｐ， ２０２２， ４８ （４）： １０２５３５．

［２２］ Ｚｈｏｕ Ｈ， Ｇｕｎｓ Ｒ， Ｅｎｇｅｌｓ Ｅ． Ｔｏｗａｒｄｓ Ｉｎｄｉｃａｔｉｎｇ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒ⁃ｉｔｙ： Ｃｈａｒａｃｔｅｒｉｚｉｎｇ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙ Ｋｎｏｗｌｅｄｇｅ Ｆｌｏｗ ［ Ｊ］ Ｊｏｕｒｎａｌｏｆ ｔｈｅ Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２０２３，７４ （１１）： １３２５－１３４０．

［２３］ Ａｌａｓｅｈｉｒ Ｏ， Ａｃａｒｔｕｒｋ Ｃ． Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ ｉｎ Ｃｏｇｎｉｔｉｖｅ Ｓｃｉｅｎｃｅ：Ａ Ｄｏｃｕｍｅｎｔ Ｓｉｍｉｌａｒｉｔｙ Ａｎａｌｙｓｉｓ ［Ｊ］． Ｃｏｇｎｉｔｉｖｅ ｓｃｉｅｎｃｅ， ２０２２， ４６（１２）： ｅ１３２２２－ｅ１３２２２．

［２４］ 欧桂燕， 陈佩， 吴江． 学术文本可读性特征对Ａｌｔｍｅｔｒｉｃｓ 的影响研究———以Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 论文摘要数据为例［Ｊ］． 图书情报工作， ２０２３， ６７ （４）： １０２－１１３．

［２５］ 张光耀， 谢维熙， 姜春林， 等． 同行评议速度与论文影响力的关系研究———以二次文献选文速度为视角［ Ｊ］． 信息资源管理学报， ２０２３， １３ （４）： １４０－１５０．

［２６］ 耿海英， 张建东， 杨立英， 等． 不同学科分类体系下学科结构画像的对比分析［Ｊ］． 情报科学， ２０２３， ４１ （１０）： ８３－９０， １２０．

［２７］ 卞俊， 戴珍燕， 周斌． 基于社会网络分析的网络公益信息传播研究———以微博为例［Ｊ］． 情报探索， ２０２２， （３）： ２６－３２．

［２８］ Ｅｕｎｊｉ Ｊ， Ｎａｅｕｎ Ｙ， Ｙｏｕｎｇ Ｓ Ｓ． Ｅｘｐｌｏｒｉｎｇ Ｎｅｗ Ｄｉｇｉｔａｌ ＴｈｅｒａｐｅｕｔｉｃｓＴｅｃｈｎｏｌｏｇｉｅｓ ｆｏｒ Ｐｓｙｃｈｉａｔｒｉｃ Ｄｉｓｏｒｄｅｒｓ Ｕｓｉｎｇ ＢＥＲＴｏｐｉｃ ａｎｄ ＰａｔｅｎｔＳ⁃ＢＥＲＴａ ［Ｊ］． Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｆｏｒｅｃａｓｔｉｎｇ ＆ Ｓｏｃｉａｌ Ｃｈａｎｇｅ， ２０２３， １８６（ＰＡ）： １２２１３０．

［２９］ 王金凤， 仵轩， 冯立杰， 等． 用户偏好－制造商偏好双重视阈下的产品创新机会识别路径研究［Ｊ］． 计算机集成制造系统，２０２４， ３０ （４）： １４３３－１４４５．

［３０］ 王健， 杨柳， 李雪松， 等． ＣｈａｔＧＰＴ 网络舆情特征多维度演化分析［Ｊ］． 情报杂志， ２０２４， ４３ （７）： １３８－１４５．

［３１］ Ｂｉｎ Ｌ， Ｘｉｎ Ｙ， Ｙｉｎｇ Ｚ， ｅｔ ａｌ． Ａ Ｒｅｖｉｅｗ ｏｆ Ｎａｎｏ／ Ｍｉｃｒｏ／ ＭｉｌｌｉＮｅｅｄｌｅｓ Ｆａｂｒｉｃａｔｉｏｎｓ ｆｏｒ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ［Ｊ］． Ｃｈｉｎｅｓｅ Ｊｏｕｒ⁃ｎａｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０２２， ３５ （１）： １０６．

［３２］ 侯海燕， 王亚杰， 梁国强， 等． 基于期刊学科分类的学科交叉特征识别方法———以生物医学工程领域为例［ Ｊ］． 中国科技期刊研究， ２０１７， ２８ （４）： ３５０－３５７．

［３３］ 迟培娟， 丁洁兰， 冷伏海． 突破性论文的三元计量特征及识别研究———以生物医学领域为例［Ｊ］． 情报学报， ２０２２， ４１ （７）：６６３－６７５．

［３４］ 冯立杰， 秦浩， 王金凤， 等． 融合专利数据与社交媒体数据的潜在颠覆性技术识别———基于深度学习模型［Ｊ］． 情报学报，２０２４， ４３ （２）： １８１－１９７．

（责任编辑： 杨丰侨）

基金项目： 国家社会科学基金重点项目“心理账户理论视角下在线健康社区精准信息服务研究” （项目编号： ２０ＡＴＱ００８）。