劉　娜，余光勝，毛薦其

(1. 山東工商學院　工商管理學院，山東　煙臺　264005； 2.復旦大學　管理學院，上?！?00433)

?

基于網(wǎng)絡數(shù)據(jù)的經管學科研究趨勢測度

劉娜1，余光勝2，毛薦其1

(1. 山東工商學院工商管理學院，山東煙臺264005； 2.復旦大學管理學院，上海200433)

摘要：隨著越來越多的交流、合作、共享、搜尋和收集信息發(fā)生在多樣化的社會網(wǎng)絡中，海量的網(wǎng)絡數(shù)據(jù)正成為科學研究的數(shù)據(jù)源。為了解以網(wǎng)絡數(shù)據(jù)作為數(shù)據(jù)源的經管領域科學研究的動態(tài)景觀，本文基于從SSCI及SCI-E數(shù)據(jù)庫提取的相關文獻數(shù)據(jù)，應用科學計量的方法及指標、社會網(wǎng)絡分析方法和突現(xiàn)檢測算法，開展該領域的測度研究。研究發(fā)現(xiàn)該領域的科學產出增長顯著；美國在該領域占據(jù)絕對領導地位，中國論文世界份額上升最為明顯，具有較高的科學影響力及合作影響力；該領域跨國家/地區(qū)的科學合作網(wǎng)絡呈現(xiàn)出相對穩(wěn)定的擴張；該領域的研究熱點主題有行為、信任、挖掘、內容、情緒、態(tài)度、預測等，前沿主題有內容、大數(shù)據(jù)、社會商務、情緒分析、行為等。本研究為未來基于網(wǎng)絡數(shù)據(jù)的經管科學研究提供了借鑒。

關鍵詞：網(wǎng)絡數(shù)據(jù)；科學動態(tài)；合作網(wǎng)絡；突現(xiàn)檢測；熱點；前沿

一、引言

當今互聯(lián)網(wǎng)時代，各式各樣的網(wǎng)絡在我們的日常生活和工作中正變得日益重要，如維基百科及百度百科等各類知識共享平臺，博客、Yahoo！Answer及Google Answer等內容社區(qū)，美國的Twitter、Facebook和中國的新浪微博、騰訊微博等社交網(wǎng)站，職業(yè)社交網(wǎng)站LinkedIn及學術社交網(wǎng)站ResearchGate，谷歌及百度等各類搜索引擎，企業(yè)及政府各類網(wǎng)站等。多樣化的社會網(wǎng)站增加了我們的在線體驗，個人或組織比以往任何時候花費更多的時間通過社會網(wǎng)站進行社交、溝通、合作、共享、搜尋和收集信息。網(wǎng)絡用戶的網(wǎng)絡活動產生了海量的網(wǎng)絡數(shù)據(jù)，為科學研究者提供了前所未有的數(shù)據(jù)源。

海量的網(wǎng)絡數(shù)據(jù)由網(wǎng)絡用戶直接創(chuàng)造或生成，記錄著個人或組織的網(wǎng)絡行為，蘊含著網(wǎng)絡用戶的興趣愛好、消費習慣、觀點、情緒、網(wǎng)絡關系等。網(wǎng)絡數(shù)據(jù)有別于從數(shù)據(jù)庫、年度報告、訪談或問卷調查獲得的傳統(tǒng)的統(tǒng)計數(shù)據(jù)，具有覆蓋面廣、時效性強、靈活性、易獲得、海量性、精確性等顯著優(yōu)勢[1]。當今大數(shù)據(jù)時代，傳統(tǒng)來源的數(shù)據(jù)的弊端不斷凸顯，如數(shù)據(jù)庫及年度報告存在滯后性、覆蓋面窄，個人或組織對自發(fā)的學術研究問卷調查或訪談的響應率通常比較低，追蹤性的調研難以實現(xiàn)等。

鑒于網(wǎng)絡數(shù)據(jù)眾多優(yōu)勢和傳統(tǒng)數(shù)據(jù)的弊端，海量的網(wǎng)絡數(shù)據(jù)似乎有巨大的潛力推動未來科學的進步。海量的網(wǎng)絡數(shù)據(jù)在經濟管理領域科學研究中的應用及挖掘開始逐漸得到學界的重視。Wu and Brynjolfsson (2014) 搜集了美國房地產市場相關的谷歌搜索數(shù)據(jù)，預測房地產的銷售及價格，論證了用搜索引擎數(shù)據(jù)預測未來商業(yè)活動的準確性[2]。Vicente et al. (2015) 運用ARIMA模型，利用谷歌的趨勢數(shù)據(jù)預測了西班牙的失業(yè)率[3]。G?k et al. (2015) 運用網(wǎng)絡挖掘探索英國中小企業(yè)的研發(fā)活動，考察了網(wǎng)絡挖掘作為研究方法在創(chuàng)新研究中的可行性及有效性[1]。Huang et al. (2015) 關注企業(yè)雇員的博客行為，分析了雇員在企業(yè)社會媒體的內容創(chuàng)造及消費行為的動態(tài)結構模式[4]。

盡管在經濟預測、市場監(jiān)測及預警、行為、創(chuàng)新等方面網(wǎng)絡數(shù)據(jù)的應用及挖掘正在興起并已取得了一定的進展，但以網(wǎng)絡數(shù)據(jù)為數(shù)據(jù)源的經濟管理領域的科學研究動態(tài)如何？目前還沒有研究對其進行綜合地測度。本研究試圖通過文獻計量方法及指標、社會網(wǎng)絡分析方法及可視化技術、突現(xiàn)檢測方法等探究基于網(wǎng)絡數(shù)據(jù)的經管科學研究的動態(tài)，期望了解該領域代表性國家的科學產出、科學影響力和合作影響力、研究熱點問題、前沿問題等，從而為未來該領域的科學研究提供借鑒。

二、數(shù)據(jù)

本研究選擇使用復合型的關鍵詞查詢策略，從Web of Science的SSCI及SCI-E數(shù)據(jù)庫提取基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的文獻數(shù)據(jù)。雖然我們試圖發(fā)現(xiàn)一些權威的關鍵詞檢索列表，但就我們所知，目前還沒有相關的研究提供該領域完善及可靠的檢索詞列表。因此，我們在參考Khan (2013) 及Coursaris and Van Osch (2014) 的檢索詞的基礎上[5-6]，閱讀大量文獻對他們的檢索詞進行了補充和完善，經過反復的檢索實驗，不斷修改和完善，最終確定了本研究所使用的檢索查詢項。我們于2015年7月9日進行了文獻檢索，經過徹底的數(shù)據(jù)清洗過程，最終獲得了2000-2015年間5741篇基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的文獻。我們的檢索查詢項設定如下：

TS =(“social media” OR “social medium” OR “internet media” OR “new media” OR “new web” OR “social web” OR “website*” OR “web site*” OR “social network site*” OR “social networking site*” OR “online social network*” OR “online communit*” OR “web communit*” OR “online network*” OR “online media” OR “search engine quer*” OR “search quer*” OR “web search” OR “internet search” OR “internet source*” OR “web data” OR “web-based method” OR “web-based data” OR “web-based study” OR “internet-based data” OR “internet-based method” OR “internet-based study” OR twitter OR tweet* OR linkedin OR typepad OR zoho OR reddit OR yelp OR pageflakes OR facebook OR youtube OR orkut OR myspace OR flock OR blog* OR micro-blog* OR weblog* OR wiki* OR yahoo* OR baidu OR “research gate” OR forum* OR webometric* OR “web metric*” OR cybermetric* OR “web impact” OR “web citation analy*” OR “web citing analy*” OR “l(fā)ink analy*” OR “colink analy*” OR “co-link analy*” OR “colink relationship*” OR “co-link relationship*” OR “colink network*” “co-link network*” OR “co-link impact*” OR “l(fā)ink relationship*” OR “l(fā)ink impact*” OR “l(fā)ink network*” OR “web hyperlink” OR “hyperlink network analy*” OR weblink* OR “web analy*” OR “l(fā)og analy*” OR “l(fā)og mining” OR “web log*” OR “web content*” OR “web usage” OR “web memetic*” OR “virtual memetic*” OR “web knowledge” OR “web mining” OR “web data mining” OR “World-Wide-Web mining” OR “google mining” OR “google insight*” OR “google trend*” OR “google answer” OR “google search” OR “google docs” OR “web personal*” OR “web recommend*” OR “web linkage mining” OR “web structure” OR “online valuation” OR “online review” OR “opinion mining” OR “opinion finder” OR “sentiment analy*” OR “sentiment mining” OR “web graph measur*” OR “web graph model*” OR “web structural analy*” OR “web structure analy*” OR “web temporal analy*” OR “web scraping” OR “web text analy*”)

Refined by:Web of Science Categories = (Business OR “Business, Finance” OR Economics OR Management OR “Operations Research & Management Science” OR “Planning & Development” OR “Public Administration”), Time span = 2000-2015, Database = SSCI and SCI-EXPANDED, Language=English, Document type=Article

三、結果

(一)科學產出

圖1展示了基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的產出狀況?？芍?，該領域的科學研究產出呈現(xiàn)出非常顯著穩(wěn)定的增長，從2000年的116篇論文逐步增長到2014年的846篇。然而，2015年科學產出 (442篇) 的下降是因為我們的數(shù)據(jù)集是在2015年7月收集的。根據(jù)該圖中的每年發(fā)表的論文數(shù)量的指數(shù)擬合趨勢線(R2=0.91)，可以推測基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的產出的穩(wěn)定增長趨勢還將繼續(xù)。

圖1　每年發(fā)表的論文數(shù)量

圖2 給出了基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究最高產的15個國家/地區(qū)的論文世界份額的年度值。這15個國家創(chuàng)造了該領域84%的科學研究產出。可知，在該領域的科學研究產出上，美國占據(jù)絕對的領導地位，其年度論文世界份額大都高于40%。但是，隨著時間的推移，美國的論文世界份額呈現(xiàn)出一定的下降趨勢。其他14個國家/地區(qū)的年度論文世界份額曲線推擠在該圖的下半部分，并且它們都低于20%。這些國家/地區(qū)在該領域的科學研究產出與美國還存在很大的差距。我們發(fā)現(xiàn)，相對于其他國家/地區(qū)來說，中國在該領域的論文世界份額上升趨勢最為明顯。

(二)科學影響力

學術論文的影響力反映了論文得到學術圈認可的程度。一篇論文的價值越大，它得到的關注就越多，從而獲得的引用頻次就越高，相應的，這篇文章的科學影響力就越大。因而，為了考察15個科學高產國家/地區(qū)在基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的影響力，我們給出了一組基于引文數(shù)據(jù)的影響力指標得分(見表1)，因為考慮到單一引文指標的局限性。

從表1可知，在比較的國家/地區(qū)中，篇均引文頻次最高的國家是美國，得分為19.15；接下來是法國、加拿大、新加坡、荷蘭與韓國；英國與中國處于同一水平上，其篇均引文頻次得分都大約為11。美國的論文未被引用率為20.54%，稍高于加拿大；中國的論文未被引用率為28.07%，高于美國、英國、加拿大、澳大利、荷蘭以及中國臺灣。

H指數(shù)被定義為科學家發(fā)表的被引頻次大于或等于H的論文的數(shù)量[7]。H指數(shù)受到大規(guī)模論文數(shù)量的影響，不能簡單地推廣到機構或國家層面。Molinari and Molinari (2008) 定義了一個規(guī)模調整的H指數(shù)即Hm指數(shù)(Hm=H/TN0.4，TN為某個國家或機構論文總量)用來考察國家或機構層面的科學影響力[8]。從表1可知，美國的Hm得分最大；接著是加拿大、韓國、法國與新加坡；中國的Hm得分為3.05，稍高于英國。

圖2　Top 15個最多產國家/地區(qū)的論文世界份額

前10%最頻繁被引用論文的百分比 (PPtop10 %) 同時考慮了論文的數(shù)量及質量，可以測度高質量的科學研究產出[9]。某個國家i在某領域的PPtop10 %可以通過下式計算得到：PPitop10%=NCitop10%/TNCi，其中，NCitop10%表示國家i在該領域世界前10%最頻繁被引用論文的數(shù)量；TNCi是國家i在該領域總的論文數(shù)量。從PPtop10 %的計算可知，不同國家/地區(qū)的得分可以與世界期望水平10%比較。從表1可知，美國、加拿大、韓國及荷蘭等國家的PPtop10 %得分高于世界期望水平10%；中國的PPtop10 %得分為7.99%，與英國接近，這兩個國家的得分都低于世界期望水平。

以該領域論文世界篇均被引頻次為基線，統(tǒng)計各個國家論文影響力高于世界均值水平的論文，即表現(xiàn)不俗的論文，并計算它們的比重?？芍?，美國與加拿大表現(xiàn)不俗論文比重都高于29%；韓國、荷蘭及新加坡表現(xiàn)不俗的論文比重也處于一個較高的水平，得分在23%以上；中國表現(xiàn)不俗的論文比重為19.88%。

(三)跨國家/地區(qū)的科學合作網(wǎng)絡

我們從作者的地址信息中提取他們所隸屬的國家/地區(qū)信息，將跨國家/地區(qū)合著論文的國家/地區(qū)視為網(wǎng)絡中的節(jié)點，合著關系視為網(wǎng)絡連結關系。如果一篇論文由多個作者所著，并且他們的研究地址涉及多個不同的國家/地區(qū)，我們就假定這些國家/地區(qū)兩兩之間存在一次科學合作關系，進而借助Sci2Tool 軟件構建跨國家/地區(qū)的科學合作網(wǎng)絡。我們以三年為時間窗，共構建了2000-2002、2003-2003、2006-2008、2009-2011、2012-2014年間基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的5期跨國家/地區(qū)的科學合作網(wǎng)絡。

表2報告了跨國家/地區(qū)科學合作網(wǎng)絡的基本特性，圖3展示了這些網(wǎng)絡的可視化結果。在圖3中，節(jié)點的大小與它們的度數(shù)中心性成比例，節(jié)點越大表示它的度數(shù)中心性就越高，該節(jié)點的合作者就越多；連線的寬度與節(jié)點之間的連結強度即合作強度成比例，線條越寬說明合作強度越大，合著次數(shù)就越多。我們需要指出的是，跨國家/地區(qū)的科學合作網(wǎng)絡是非常密集的，為了清晰地觀測跨國家/地區(qū)之間顯著的合作關系及網(wǎng)絡結構，我們對所構建的網(wǎng)絡進行了縮減，即只保留合作強度在2以上的合作關系 (邊的權重大于等于3)。

表1　Top 15個最高產國家/地區(qū)的引文數(shù)據(jù) (2000-2015)

表2　跨國家/地區(qū)科學合作網(wǎng)絡的特性

根據(jù)表2及圖3，在過去的15年中，基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的跨國家/地區(qū)的科學合作網(wǎng)絡在穩(wěn)定地擴張。2000-2002年間，跨國家/地區(qū)的科學合作網(wǎng)絡中僅有4個國家，網(wǎng)絡呈現(xiàn)嚴格的星型結構；2006-2008年間，網(wǎng)絡中增加了9個國家/地區(qū)；參與國際科學合作的國家/地區(qū)持續(xù)增長，發(fā)展到2012-2014年間，網(wǎng)絡中已經有28個國家/區(qū)域。網(wǎng)絡中邊數(shù)的變化表明跨國家/地區(qū)科學合作關系的數(shù)量在緩慢地增長。2000-2002年間，跨國家/地區(qū)的合作網(wǎng)絡中僅有3條邊，表明僅4個國家/地區(qū)之間存在科學合作關系；發(fā)展到2012-2014年間，網(wǎng)絡中的邊數(shù)上升到了97，表明跨國家/地區(qū)的科學合作活動在世界范圍內得到了一定的擴展。2000-2002年間，科學合作網(wǎng)絡中節(jié)點的平均度中心性是1.5，表明網(wǎng)絡中每個國家/地區(qū)平均與其他1.5個國家/地區(qū)之間存在科學合作關系；2012-2014年間，節(jié)點的平均度中心性增加到了6.93，表明國家/地區(qū)的科學合作影響力范圍得到了穩(wěn)定的擴展。從五個時間段的網(wǎng)絡密度得分來看，跨國家/地區(qū)的科學合作網(wǎng)絡還不太密集，還有很大的發(fā)展空間。從2006-2008年間，網(wǎng)絡開始呈現(xiàn)出一定的集團化。2012-2014年間，網(wǎng)絡聚集系數(shù)得分為0.78，網(wǎng)絡聚集較為明顯并呈現(xiàn)出中心—外圍的網(wǎng)絡結構。從平均路徑長度及直徑的得分來看，跨國家/地區(qū)的科學合作網(wǎng)絡具有較短的路徑長度和較大的連通性。中心勢用來度量網(wǎng)絡中行動者的集中趨勢及差異性程度。從網(wǎng)絡接近中心勢的得分來看，雖然網(wǎng)絡中節(jié)點的接近度的變異程度已經明顯減少，但仍然比較大。

如圖3所示，在我們考察的五個時間段內，美國都居于跨國家/地區(qū)科學合作網(wǎng)絡的中心位置。從節(jié)點的大小及邊的寬度來看，美國的度中心性及合作強度明顯高于其他國家/地區(qū)，證實了美國在跨國家/地區(qū)科學合作中的優(yōu)勢地位。在跨國家/地區(qū)的合作中，表現(xiàn)出相對顯著影響力的國家/地區(qū)還有中國、加拿大、英國、韓國。特別地，發(fā)展到2012-2014年間，中國已經成為美國最主要的合作者。

(四)熱點及前沿主題

為了探索基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的熱點及前沿主題，我們選擇將作者關鍵詞作為分析對象。作者關鍵詞最能夠表述一篇論文的中心內容，但是它是非標準化的。因此，為了降低數(shù)據(jù)的噪聲干擾，我們首先利用Sci2Tool軟件的數(shù)據(jù)清洗功能對作者關鍵詞進行了反復清洗。

我們首先統(tǒng)計了各個研究主題的頻次，以了解基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的熱點問題。表3報告了20個頻繁出現(xiàn)的研究主題的統(tǒng)計結果。顯然，“網(wǎng)絡數(shù)據(jù)”來源相關的研究主題的頻次較高，如社會媒體、互聯(lián)網(wǎng)、網(wǎng)站、博客、微博、萬維網(wǎng)、社交網(wǎng)絡、臉譜網(wǎng)等。經濟管理“研究內容”相關的熱點主題集中在以下幾個方面：行為，包含消費者行為、行為意向、購買行為、在線行為等；電子商務；營銷，包含網(wǎng)絡營銷、營銷傳播、關系營銷等；信任，包含在線信任、信任傳遞、社會信任等；挖掘，包含數(shù)據(jù)挖掘、網(wǎng)絡挖掘、文本挖掘、觀點挖掘、關聯(lián)挖掘等；內容，包含用戶生成的內容、內容分析、網(wǎng)站內容、媒體內容等；創(chuàng)新，包含用戶創(chuàng)新、創(chuàng)新采納、創(chuàng)新擴散等；情緒，包含情緒分析、情緒挖掘、投資者情緒等；態(tài)度，包含態(tài)度變化、品牌態(tài)度、產品態(tài)度、態(tài)度分析等。

圖3　跨國家/地區(qū)科學合作網(wǎng)絡的動態(tài)演化

“網(wǎng)絡數(shù)據(jù)獲得”相關的主題經濟管理“研究內容”相關的主題主題頻次主題頻次包含的其他主要主題socialmedia502behavior411consumerbehavior,behavioralintention,buyingbehavior,onlineBehaviorinternet399ecommerce399b2cecommerce,b2becommerce,ecommerceservicewebsite150marketing301internetmarketing,marketingcommunication,relationshipmarketing,viralmarketingonlinecommunity111trust300onlinetrust,e-trust,trustTransfer,contenttrust,socialtrustblog95mining269datamining,webmining,textmining,opinionmining,associationmining,blogminingsocialnetworking95content198usergeneratedcontent,contentanalysis,websitecontent,mediacontenttwitter89innovation192userinnovation,innovationadoption,innovationdiffusionworldwideweb88sentiment139sentimentanalysis,sentimentmining,investorsentiment,emotionfacebook81intention132purchaseintention,behavioralintention,continuanceintention,entrepreneurialintention,travelintentiongoogle53attitude110attitudechange,brandattitude,productattitude,attitudeanalysis

為了進行研究主題的結構分析，我們利用Sci2Tool 軟件構建了研究主題的共現(xiàn)網(wǎng)絡。圖4報告了研究主題共現(xiàn)網(wǎng)絡的最大連通分圖的可視化結果。在該圖中，節(jié)點代表研究主題，其大小與它共現(xiàn)的主題數(shù)成比例；連線代表研究主題之間的共現(xiàn)關系，其寬度與其連結的兩個主題的共現(xiàn)頻次成比例。需要說明的說，研究主題共現(xiàn)網(wǎng)絡是非常密集的。因此，我們對該網(wǎng)絡進行了縮減，以清晰地觀察網(wǎng)絡的結構關系。也就是說，一個節(jié)點會出現(xiàn)在網(wǎng)絡中，如果它與至少4個其他研究主題發(fā)生了共現(xiàn)關系；一條邊會出現(xiàn)在網(wǎng)絡中，如果其連結的兩個研究主題之間的共現(xiàn)頻次超過了2次。

由圖4可知，網(wǎng)絡數(shù)據(jù)獲得相關的主題具有較大的網(wǎng)絡中心性和較多的網(wǎng)絡連接，并占據(jù)較為中心的網(wǎng)絡位置，如社會媒體、互聯(lián)網(wǎng)等。研究內容相關的主題連結著網(wǎng)絡數(shù)據(jù)獲得相關的主題。我們可以從研究主題共現(xiàn)網(wǎng)絡中識別出8個研究內容相關的聚集子群。子群1位于網(wǎng)絡的左中側，可以定義為“挖掘”子群。子群2位于網(wǎng)絡的左下方，該子群較為松散，涉及“預測”及“數(shù)據(jù)分析”相關的研究內容。子群3位于網(wǎng)絡的左上方，反映了“內容分析”相關的研究主題。子群4位于網(wǎng)絡的正上方，可以定義為“信任”子群。子群5涉及“行為”研究，如決策行為，消費者行為等。子群6反映了“創(chuàng)新”研究，主要是與用戶相關的創(chuàng)新研究。子群7位于網(wǎng)絡的正下方，以“電子商務”為中心節(jié)點，涉及“電子商務”相關的研究。利用網(wǎng)絡數(shù)據(jù)進行價格預測在共現(xiàn)網(wǎng)絡中也具有可見性，見子群8。

為了識別和探索基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的前沿問題，我們使用Kleinberg (2003) 的突現(xiàn)檢測算法[10]識別該領域突現(xiàn)的研究主題并給出了突現(xiàn)值最大的50個研究主題 (見表4)。由表4可知，該領域研究主題在過去的15年中不斷地突現(xiàn)。研究主題“社會媒體”具有最大的突現(xiàn)值，其值為57.96，說明該研究主題自2013年起在文獻中的出現(xiàn)頻次經歷了最大的突然性的增長，并且它的突現(xiàn)仍在繼續(xù)，因為其突現(xiàn)時間還沒有結束。此外，網(wǎng)絡數(shù)據(jù)獲得相關的研究主題，如“互聯(lián)網(wǎng)”、“萬維網(wǎng)”、“微博”、“臉譜網(wǎng)”以及“社交網(wǎng)絡”等也具有較大的突現(xiàn)值。商務及市場相關的突現(xiàn)主題涉及“電子商務”、“網(wǎng)絡營銷”、“社會商務”、“電子市場”、“零售”、“網(wǎng)絡購買”、“市場導向”；從突現(xiàn)時間來看，除社會商務外，其他幾個商務及市場相關的突現(xiàn)主題的突現(xiàn)歷程已結束。消費者相關的突現(xiàn)主題涉及“消費者行為”、“客戶滿意度”、“網(wǎng)絡消費者”、“消費者信任”及“客戶忠誠度”，它們的突現(xiàn)歷程都已結束。一般管理相關的突現(xiàn)主題涉及“戰(zhàn)略”、“管理”、“行為”、“組織”及“人力資源”，除“行為”及“人力資源”外，其他幾個主題的突現(xiàn)已結束。數(shù)據(jù)挖掘及分析相關的突現(xiàn)主題涉及“大數(shù)據(jù)”、“觀點挖掘”、“網(wǎng)絡挖掘”、“情緒分析”及“文本挖掘”，“大數(shù)據(jù)”及“情緒分析”的突現(xiàn)仍在繼續(xù)。

圖4　研究主題共現(xiàn)網(wǎng)絡

四、結論

伴隨著大數(shù)據(jù)時代的到來及高性能計算的發(fā)展，海量的網(wǎng)絡數(shù)據(jù)似乎有巨大的潛力推動未來的科學進步。從現(xiàn)有文獻研究來看，網(wǎng)絡數(shù)據(jù)將會或至少在某種程度上成為經管領域科學研究的數(shù)據(jù)源。這就要求我們科學工作者對網(wǎng)絡數(shù)據(jù)在科學研究中的應用予以關注。通過對基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的測度，我們主要得出了以下結論：

(1)該領域科學研究產出增長非常明顯，并有進一步增長的趨勢；該領域科學產出呈現(xiàn)馬太效應，少數(shù)幾個國家創(chuàng)造了該領域絕大多數(shù)科學產出；美國是該領域最主要的科學生產者；中國在該領域的論文世界份額上升最為明顯。

(2)綜合考慮幾個影響力指標，美國、加拿大、韓國在該領域的科學影響力高；英國、中國及法國的科學影響力較高；而澳大利亞、意大利及西班牙的科學影響力較低。

(3) 該領域跨國家/地區(qū)的科學合作網(wǎng)絡的擴張表現(xiàn)得相對比較穩(wěn)定；美國仍然是該領域科學研究最主要的合作國家；中國已經發(fā)展成為美國最主要的合作者。

(4) 基于網(wǎng)絡數(shù)據(jù)的經濟管理科學研究的內容涉及諸多方面，呈現(xiàn)多樣化的特征。該領域研究的熱點主題有“行為”、“電子商務”、“信任”、“挖掘”、“內容”、“創(chuàng)新”、“情緒”、“態(tài)度”、“預測”等。前沿主題有“用戶生成的內容”、“大數(shù)據(jù)”、“社會商務”、“情緒分析”、“行為”、“人力資源”等，應予以關注。

表4　Top 50個突現(xiàn)的研究主題

參考文獻：

[1]G?k, A., Waterworth, A., & Shapira, P.. Use of web mining in studying innovation [J]. Scientometrics, 2015, 102(1), 653-671.

[2]Wu, L., & Brynjolfsson, E.， The future of prediction: How Google searches foreshadow housing prices and sales [M].in Economic Analysis of the Digital Economy. University of Chicago Press, 2014, 89-118.

[3] Vicente, M. R., López-Menéndez, A. J., & Pérez, R.， Forecasting unemployment with internet search data: Does it help to improve predictions when job destruction is skyrocketing?[J]. Technological Forecasting and Social Change, 2015, 92: 132-139.

[4] Huang, Y., Singh, P. V., & Ghose, A.， A structural model of employee behavioral dynamics in enterprise social media [J]. Management Science, 2015，61(12)：2825-2849.

[5] Khan G. F. Social media-based systems: an emerging area of information systems research and practice [J].Scientometrics, 2013, 95(1): 159-180.

[6] Coursaris C. K, & Van Osch W.， A scientometric analysis of social media research (2004-2011) [J]. Scientometrics, 2014, 101(1): 357-380.

[7] Hirsch J. E.， An index to quantify an individual's scientific research output [J]. Proceedings of the National academy of Sciences of the United States of America, 2005, 102(46): 16569-16572.

[8] Molinari, J. F., & Molinari, A.， A new methodology for ranking scientific institutions [J]. Scientometrics, 2008, 75(1):163-174.

[9] Bornmann, L., de Moya-Anegón, F., & Leydesdorff, L.， The new excellence indicator in the World Report of the SCImago Institutions Rankings 2011 [J]. Journal of Informetrics, 2012, 6(2): 333-335.

[10]Kleinberg J.， Bursty and hierarchical structure in streams [J]. Data Mining and Knowledge Discovery, 2003, 7(4): 373-397.

(本文責編：海洋)

Measuring Research Trend in Economics and Management Field by Using Web-based Data

LIU Na1, YU Guang-sheng2，MAO Jian-qi1

(1.SchoolofManagement,ShandongInstituteofBusinessandTechnology，Yantai264005,China;2.SchoolofManagement,FudanUniversity,Shanghai200433,China)

Abstract：As more and more communication, cooperation, sharing, searching and collecting information take place on the internet, internet-based big data are becoming a key source of information for scientific research. To better understand the dynamic landscape of scientific research using internet-based data in economic and management field, we perform a measure research using scientometrical analysis, social network analysis and burst detection based on corresponding articles data extracted from SSCI and SCI-E database. Results indicate that scientific output grows significantly; USA is the unchallenged leader in this field; China exhibits a rise in world share articles and it shows high scientific influence and across-countries/regions collaborative influence; Behavior, trust, mining, content, sentiment, attitude and forecast are hot topics in this field; content, big data, social commerce, sentiment analysis and behavior are frontier topics. This study provides guidance for future research in economic and management field.

Key words:Internet-based data; scientific dynamics; collaboration network; burst detection; hot topics; frontier topics

中圖分類號：F204

文獻標識碼：A

文章編號：1002-9753(2016)04-0133-10

作者簡介：劉娜(1985-)，山東菏澤人，山東工商學院講師，博士，研究方向為科技創(chuàng)新管理、復雜創(chuàng)新網(wǎng)絡、創(chuàng)新計量。

基金項目：國家自然科學基金資助項目“技術生態(tài)視角的產品開發(fā)微觀過程與發(fā)生機理研究”(71172086)和“基于企業(yè)知識演化觀與創(chuàng)新生態(tài)觀匹配的企業(yè)創(chuàng)新問題研究”(71072002)。

收稿日期：2015-11-10修回日期：2016-02-22