[西安電子科技大學 西安 710071]

我國在2015年8月通過《關(guān)于促進大數(shù)據(jù)發(fā)展的行動綱要》，2015年11月《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃的建議》中首次提出推行國家大數(shù)據(jù)戰(zhàn)略?！蛾P(guān)于全面推進政務(wù)公開工作的意見》《政務(wù)信息資源共享管理暫行辦法》等一系列政策陸續(xù)發(fā)布。2018年初《公共信息資源開放試點工作方案》確定在北京、上海、浙江、福建、貴州開展公共信息資源開放試點。政府信息公開網(wǎng)站如bjdata.gov.cn，datashanghai.gov.cn，gzdata.gov.cn等已經(jīng)開始運行。大數(shù)據(jù)以人工智能、公共信息資源開放、智慧城市等多種形式改變著社會。

大數(shù)據(jù)應(yīng)用于政務(wù)活動中，使得政府部門在節(jié)約經(jīng)費、提高生產(chǎn)率和創(chuàng)新方面更加有效[1]；大數(shù)據(jù)分析技術(shù)給健康、自然災害等重大問題決策提供了低成本的機遇[2]；大數(shù)據(jù)推進個性化醫(yī)療、降低臨床風險、預測分析和患者數(shù)據(jù)自動報告等[3]；大數(shù)據(jù)技術(shù)可以將信息和服務(wù)推送到最精準的時間、地點和目標客戶，如電商平臺的用戶畫像。物聯(lián)網(wǎng)與大數(shù)據(jù)協(xié)同工作，通過物聯(lián)網(wǎng)跟蹤各種基礎(chǔ)設(shè)施狀態(tài)[4]，如智慧城市建設(shè)中各種管網(wǎng)檢測。

大數(shù)據(jù)已經(jīng)成為研究和應(yīng)用領(lǐng)域關(guān)注的重要主題，相關(guān)文獻處于快速增長期[5]，因此有必要從文獻角度梳理我國大數(shù)據(jù)研究和應(yīng)用現(xiàn)狀，探討我國大數(shù)據(jù)研究的知識基礎(chǔ)和發(fā)展脈絡(luò)、研究熱點和演進過程，以供研究者們更深入的探索。

一、數(shù)據(jù)來源和研究方法

（一）數(shù)據(jù)來源

文獻[6]中，采用“大數(shù)據(jù)”“海量數(shù)據(jù)”“大規(guī)模數(shù)據(jù)”和“海量信息”等術(shù)語表示“大數(shù)據(jù)”概念[6]；但更多的文獻[7～10]采用“大數(shù)據(jù)”一個術(shù)語表達“大數(shù)據(jù)”概念?？紤]到2011年以后“大數(shù)據(jù)”作為一個概念已經(jīng)被廣泛認可和使用，且相關(guān)文獻在2011年以前數(shù)量少，因此本文選擇“大數(shù)據(jù)”作為檢索詞，數(shù)據(jù)庫檢索時間是2018年1月22日。文獻數(shù)據(jù)來自CNKI和CSSCI，構(gòu)造了五組檢索策略以獲得不同相關(guān)程度的數(shù)據(jù)集。檢索策略1是在CNKI一框式檢索中主題包括“大數(shù)據(jù)”的全部結(jié)果，檢索策略2是在CNKI一框式檢索中標題或關(guān)鍵詞中包括“大數(shù)據(jù)”的全部結(jié)果，檢索策略3是在策略2的基礎(chǔ)上要求文獻來源是較高水平的期刊（SCI來源期刊或EI來源期刊或核心期刊或CSSCI期刊），檢索策略4是在策略3的基礎(chǔ)上要求文獻分類目錄為“經(jīng)濟與管理科學”。檢索策略1～4逐步精煉檢索結(jié)果，對應(yīng)數(shù)據(jù)集1～4。檢索策略5是在CSSCI數(shù)據(jù)庫中查找標題或關(guān)鍵詞中包括“大數(shù)據(jù)”的引文數(shù)據(jù)，主要用于參考文獻共被引分析，對應(yīng)數(shù)據(jù)集C。

（二）研究方法

文獻計量和科學計量方法已經(jīng)被廣泛應(yīng)用于科學學和科研管理等研究領(lǐng)域。本文主要采用以下方法分析我國大數(shù)據(jù)研究領(lǐng)域的研究主題、知識基礎(chǔ)、研究熱點和演化路徑等。

引文分析：引文分析是文獻計量和科學計量的經(jīng)典方法，通常認為引用與被引用可以解釋知識的演化規(guī)律和過程，被引用可以表達知識影響力。本文通過引用路徑和高被引分析以發(fā)現(xiàn)知識的演化過程和領(lǐng)域高影響力文獻。

共現(xiàn)分析：共現(xiàn)關(guān)系能夠表現(xiàn)信息的內(nèi)容特征和外部特征，不僅具有語義內(nèi)涵而且相互關(guān)聯(lián)，這些特征共同構(gòu)成了文本知識關(guān)聯(lián)揭示和知識挖掘的基礎(chǔ)[11]。本文主要采用關(guān)鍵詞共現(xiàn)分析以發(fā)現(xiàn)研究熱點和演變過程，參考文獻共被引分析以發(fā)現(xiàn)大數(shù)據(jù)研究的知識基礎(chǔ)，作者/機構(gòu)合作分析以發(fā)現(xiàn)研究團隊。

本文使用了CiteSpace[12]和VOSviewer[13]兩個文獻計量可視化分析軟件，CiteSpace知識可視化軟件是目前國內(nèi)最流行的知識圖譜繪制工具之一，VOSviewer也是近年來一款流行的信息可視化分析工具?？紤]到二者在分析結(jié)果上的差異[14]，本文同時采用了兩個工具。

二、文獻分布特征

（一）文獻數(shù)量分布及增長規(guī)律

在文獻計量研究中，文獻數(shù)量變化可以揭示一個研究領(lǐng)域的發(fā)展階段。張姣姣等分析了1990～2015年WOS數(shù)據(jù)庫中大數(shù)據(jù)應(yīng)用領(lǐng)域的文獻數(shù)量，認為該領(lǐng)域的文獻在2012～2015年符合普賴斯指數(shù)增長規(guī)律，處于快速發(fā)展期[5]。本文設(shè)計的五組檢索策略得到相關(guān)文獻數(shù)量分布見表1。不同檢索策略得到的文獻集合數(shù)量變化趨勢相同，由此可以將國內(nèi)大數(shù)據(jù)研究分為三個階段：

表1 不同檢索策略的命中文獻數(shù)量分布

初始期（2011年以前）：有關(guān)文獻主要以“大數(shù)據(jù)集”“海量數(shù)據(jù)”等形式出現(xiàn)，文獻累積量少，增長緩慢。

爆發(fā)期（2012～2013年）：有關(guān)文獻以“大數(shù)據(jù)”形式出現(xiàn)，文獻量劇增，環(huán)比增速在5～10倍之間。

穩(wěn)定增長期（2014年至今）：大數(shù)據(jù)在更多領(lǐng)域得到應(yīng)用，文獻累積量不斷增加，增速放緩，環(huán)比增速逐步回落到1～2倍。2014年環(huán)比增速大于2，2015年開始環(huán)比增速低于2。

相關(guān)度高、質(zhì)量高的文獻增速低于全部文獻的增速，且爆發(fā)年份略晚于全部文獻。對比同期WOS平臺數(shù)據(jù)，國內(nèi)會議、報紙等文獻在大數(shù)據(jù)文獻方面的爆發(fā)時間與WOS文獻一致，而期刊論文滯后一年。國內(nèi)經(jīng)管類和社會科學領(lǐng)域的大數(shù)據(jù)文獻在2013年顯著增加。

（二）文獻來源和類型分布

有9種文獻排在數(shù)據(jù)集1和2的文獻來源前十強：貴陽日報、貴州日報、人民郵電、電腦知識與技術(shù)、中國計算機報、中國電腦教育報、科技日報、通信世界。文獻來源最多的是貴州省的兩種報紙以及計算機相關(guān)領(lǐng)域的報刊。WOS平臺數(shù)據(jù)也表明，大數(shù)據(jù)相關(guān)文獻超過一半來自計算機領(lǐng)域，且會議論文占比高。貴州省近年來在大數(shù)據(jù)建設(shè)方面取得巨大成就在文獻方面得到很清晰的體現(xiàn)。大數(shù)據(jù)相關(guān)文獻來源多樣，報紙和會議成為主要的文獻產(chǎn)出途徑，研究論文也占據(jù)了重要的地位；報紙是政府信息溝通的主要路徑。

（三）研究領(lǐng)域分布

大數(shù)據(jù)已經(jīng)滲透到各個學科，大數(shù)據(jù)相關(guān)文獻涉及到大數(shù)據(jù)技術(shù)、大數(shù)據(jù)應(yīng)用、大數(shù)據(jù)管理等問題，表現(xiàn)在相關(guān)文獻主要來自計算機科學研究領(lǐng)域，同時分布在經(jīng)濟、管理等更廣泛的領(lǐng)域。表2是數(shù)據(jù)集1和2中相關(guān)文獻研究領(lǐng)域分布。

表2 大數(shù)據(jù)研究文獻的學科分布

三、研究機構(gòu)、基金支持與著者分析

（一）機構(gòu)與基金資助

在數(shù)據(jù)集1和2中，主要發(fā)文機構(gòu)是：吉林大學、電子科技大學、武漢大學、北京郵電大學、山東大學、南京大學、清華大學、華中科技大學、中國人民大學和浙江大學。數(shù)據(jù)集4中發(fā)文最多的機構(gòu)分別是：重慶理工大學會計學院、重慶理工大學云會計研究所、中國人民大學財政金融學院、中國人民大學新聞學院和遼寧大學商學院。通過CiteSpace對機構(gòu)間合作進行分析，發(fā)現(xiàn)國內(nèi)經(jīng)管界在該研究領(lǐng)域合作不明顯。

數(shù)據(jù)集1和2表明我國大數(shù)據(jù)文獻主要基金資助來自：國家自然科學基金、國家社會科學基金、國家高技術(shù)研究發(fā)展計劃、國家科技支撐計劃、國家重點基礎(chǔ)研究發(fā)展和中國博士后科學基金，其中國家自科基金和社科基金是最主要的資助機構(gòu)。

（二）高產(chǎn)作者與高被引作者

數(shù)據(jù)集1和2中，高產(chǎn)作者包括：程平、喻國明、杜創(chuàng)、朱恒鵬、王澤宇、高秋明、黃欣榮、鄔賀銓、甄峰、廖震松等。其中重慶理工大學程平和中國人民大學喻國明發(fā)文最多。通過CiteSpace作者聚類分析，數(shù)據(jù)集4僅突顯出以程平為核心的一個研究團隊。整體上，經(jīng)管領(lǐng)域大數(shù)據(jù)文獻表現(xiàn)出的合作團隊較少。

數(shù)據(jù)集C中，來自中文社科領(lǐng)域的高被引作者包括：《大數(shù)據(jù)時代》作者維克托·邁爾-舍恩伯格，《大數(shù)據(jù)》作者涂子沛，中科院計算所李國杰，人大信息學院孟小峰，中國工程院鄔賀銓，國家自科基金委管理學部馮芷艷，人大新聞學院彭蘭以及桂林理工大學圖書館樊偉紅。

四、基于高被引與共被引分析的知識基礎(chǔ)識別

文獻引用和被引用反映出知識繼承、傳遞和發(fā)展脈絡(luò)。1973年Small H提出共被引，認為兩篇文獻同時被其他文獻引用形成知識網(wǎng)絡(luò)，這兩篇共被引文獻在主題上具有相似性或相關(guān)性[14]。引用關(guān)系和共被引網(wǎng)絡(luò)可以反映出學科的結(jié)構(gòu)、特征和演化過程。

（一）高被引文獻分析

數(shù)據(jù)集1中輸出被引次數(shù)最高的12篇文獻，見表3。有3篇文獻發(fā)表在2011年之前，其中文獻[2]和[8]是大數(shù)據(jù)技術(shù)研究，文獻[12]是地理信息系統(tǒng)大數(shù)據(jù)集的研究。其余9篇文獻分布在2011～2014年，與大數(shù)據(jù)研究密切相關(guān)。除文獻[2]，[8]，[10]，[12]外，其余8篇文獻在CSSCI中屬于被引次數(shù)大于50的高被引文獻。CSSCI期刊論文對于技術(shù)性強的文獻引用相對較少。高被引論文主要集中在2011～2014年，可以認為目前國內(nèi)大數(shù)據(jù)研究依然沿著爆發(fā)期形成的方向發(fā)展，沒有出現(xiàn)明顯轉(zhuǎn)折點，這些高被引文獻構(gòu)成了大數(shù)據(jù)研究的主要知識基礎(chǔ)。

表3 高被引文獻列表

高被引文獻通常具有更高的影響力。在WOS平臺獲得的12篇高被引文獻中，有兩篇文獻的作者機構(gòu)是合肥工大、華中科大以及清華大學；一篇文獻的作者機構(gòu)是澳門大學。比較檢索結(jié)果的機構(gòu)分布和高產(chǎn)作者，在經(jīng)管大數(shù)據(jù)領(lǐng)域，我國的文獻產(chǎn)出數(shù)量多且增長快，但在影響力方面還需要加強。中國科學技術(shù)信息研究所發(fā)布的中國科技論文統(tǒng)計結(jié)果也表明，我國的高影響力論文多分布在農(nóng)學、化學、計算機、工程等學科，經(jīng)濟管理學科乃至整個社會科學研究的國際影響力還有待提高。

（二）基于共被引的大數(shù)據(jù)研究知識基礎(chǔ)辨識

通過VOSviewer對數(shù)據(jù)集C進行共被引分析以發(fā)現(xiàn)社會科學領(lǐng)域大數(shù)據(jù)研究的知識基礎(chǔ)。本文選擇VOSviewer的Fractional counting計數(shù)方法，對2345篇文獻的參考文獻進行統(tǒng)計，得到24268條引用關(guān)系，對被引次數(shù)不少于50次的175篇文獻進行共被引聚類分析（其中1篇屬于孤立點沒有被顯示）。聚類參數(shù)選擇如下：Normalization Method=LinLog/Modularity且最小聚類規(guī)模不小于15個節(jié)點，得到6個聚類。即數(shù)據(jù)集C中通過共被引關(guān)系識別出中文社科領(lǐng)域大數(shù)據(jù)研究的6類知識基礎(chǔ)，見圖1。

圖1 數(shù)據(jù)集C的共被引聚類圖譜

聚類1#：紅色區(qū)域包括42個節(jié)點，該區(qū)域高被引文獻多，大部分節(jié)點關(guān)系緊密。突出的作者包括維克托·邁爾-舍恩伯格、李國杰、涂子沛、鄔賀銓、郭曉科等。該區(qū)域的學科界限模糊，屬于多學科研究，時間跨度長。

聚類2#：綠色區(qū)域包括35個節(jié)點，以管理學領(lǐng)域為主，主要與計算機領(lǐng)域交叉。突出的作者包括孟小峰、馮芷艷、李國杰、俞立平等，這個區(qū)域出現(xiàn)較多WOS平臺高被引英文文獻。主要分布在2012～2014年，外文參考文獻年代略早于中文參考文獻。

聚類3#：藍色區(qū)域包括34個節(jié)點，以傳播學領(lǐng)域為主，與計算機、圖書情報領(lǐng)域交叉。主要作者有孟小峰、李國杰、彭蘭、黃升民等。主要分布2012～2014年，該類別界限較模糊。

聚類4#：黃色區(qū)域包括26個節(jié)點，以圖書情報領(lǐng)域為主，突出的作者包括樊偉紅、張興旺、黃曉斌等，主要分布在2012～2013年。

聚類5#：紫色區(qū)域包括20個節(jié)點，以計算機類期刊為主，夾雜圖書情報學期刊，主要作者有李國杰、王珊、覃雄派、李廣建等，主要分布在2012～2014年，該類別界限較模糊。

聚類6#：青色區(qū)域包括17篇文獻，集中在教育研究領(lǐng)域，年代在2012～2016年。

通過共被引聚類分析，中文社科領(lǐng)域大數(shù)據(jù)研究的知識基礎(chǔ)由計算機科學、圖書情報學、管理學、新聞傳播學和教育學構(gòu)成；英文文獻主要與管理類和計算機類文獻共被引；英文文獻大多屬于WOS領(lǐng)域高被引文獻，如文獻“Chen HC，2012”“Mcafee A，2012”“Lavalle S，2011”“Manyika J，2011”“Davenport TH，2014”“Mayer-Schonberger，2013”“Boyd D，2012”“Lazer D，2014”“Dean J，2008”等，國內(nèi)外經(jīng)管領(lǐng)域大數(shù)據(jù)研究的知識基礎(chǔ)有共性；被引用文獻主要分布在2012～2014年，與WOS平臺數(shù)據(jù)一致。

五、基于關(guān)鍵詞共現(xiàn)分析的研究熱點及其演變過程

張勤等指出共詞分析法是一種內(nèi)容分析方法，主要通過對能夠表達某一學科領(lǐng)域研究主題或研究方向的專業(yè)術(shù)語共同出現(xiàn)在一篇文獻中的現(xiàn)象進行分析，判斷學科領(lǐng)域中主題間的關(guān)系，從而展現(xiàn)該學科的研究結(jié)構(gòu)[16]。本文主要分析經(jīng)濟與管理領(lǐng)域大數(shù)據(jù)文獻研究熱點及其演變過程。為了更準確地進行分析，對數(shù)據(jù)集4進行進一步精煉，剔除會議通知、征稿、總目錄等非學術(shù)論文，剔除2011年及以前文獻，得到2801篇發(fā)表在2012～2018年來自CNKI較高質(zhì)量期刊中經(jīng)管領(lǐng)域的文獻。具體數(shù)量分布為（15，151，389，621，781，837，7），合計占數(shù)據(jù)集4的90.94%，命名為數(shù)據(jù)集4’。

（一）TimeLine圖譜

經(jīng)濟與管理學科發(fā)展有其自律性，也有他律性，既體現(xiàn)學科自身發(fā)展，也順應(yīng)時代環(huán)境變化，CiteSpace的關(guān)鍵詞圖譜清楚地顯示出該特征。基于關(guān)鍵詞共現(xiàn)關(guān)系的TimeLine圖譜將所有關(guān)鍵詞聚為11類，每類由若干關(guān)鍵詞組成，節(jié)點最大的詞出現(xiàn)頻次最高，紫色外圈的節(jié)點具有高中心性，與其他詞的結(jié)合能力強，詞被標識在首次出現(xiàn)的年代，連線表示關(guān)鍵詞之間的共現(xiàn)關(guān)系，如圖2所示。

圖2 基于關(guān)鍵詞共現(xiàn)關(guān)系的TimeLine圖譜

通過圖譜可以直觀地看出2012年以來大數(shù)據(jù)如何被應(yīng)用到各個領(lǐng)域?！盎ヂ?lián)網(wǎng)+”在文獻中的出現(xiàn)與我國政府2015年的系列政策密切相關(guān)?！熬珳史鲐殹笔橇暱倳涀?013年以來多次做出的重要指示，2016年文獻中開始出現(xiàn)基于大數(shù)據(jù)的精準扶貧研究，既順應(yīng)國家政策，也是大數(shù)據(jù)不斷滲透到各個領(lǐng)域的必然結(jié)果；2017年提出基于大數(shù)據(jù)的個人征信；2018年最新的主題是大數(shù)據(jù)與風險防控、馬克思主義等的結(jié)合。

（二）Density Visualization圖譜

VOSviewer繪制的密度圖（density visualization）可以更加直觀地觀察到研究熱點的分布和演變。2012年和2018年數(shù)據(jù)量小，無明顯聚類。圖3系列（為了更好地顯示聚類效果，沒有顯示“大數(shù)據(jù)”節(jié)點）分別顯示了2013～2017年每年的研究熱點以及多年疊加后的研究熱點。

圖3 密度圖（2013）

2013年開始大量出現(xiàn)“大數(shù)據(jù)”“社交網(wǎng)絡(luò)”和“物聯(lián)網(wǎng)”成為重點主題，“云計算”“互聯(lián)網(wǎng)金融”“數(shù)據(jù)挖掘”“麥肯錫”等屬于較重要的主題。2014年“互聯(lián)網(wǎng)金融”成為重點主題，“大數(shù)據(jù)時代”“物聯(lián)網(wǎng)”“云計算”“國家戰(zhàn)略”“社交媒體”等是較重要的主題。2015年“物聯(lián)網(wǎng)”和“互聯(lián)網(wǎng)金融”成為重點主題，“數(shù)據(jù)挖掘”“征信”和“云會計”等是較重要的主題。2016年“互聯(lián)網(wǎng)+”成為最重要的主題，“物聯(lián)網(wǎng)”“互聯(lián)網(wǎng)金融”“大數(shù)據(jù)時代”“信息技術(shù)”“數(shù)據(jù)挖掘”等依然是重點主題，更多主題涌現(xiàn)出來。2017年由于數(shù)據(jù)不全，話題密度較2016有所下降，“精準扶貧”“大數(shù)據(jù)審計”“精準營銷”等主題成為新重點，“互聯(lián)網(wǎng)金融”“數(shù)據(jù)挖掘”“物聯(lián)網(wǎng)”“云會計”等主題持續(xù)重要。2012～2018年全部文獻疊加后的關(guān)鍵詞共現(xiàn)圖譜顯示出研究熱點主要包括：互聯(lián)網(wǎng)金融、物聯(lián)網(wǎng)、數(shù)據(jù)挖掘、互聯(lián)網(wǎng)+、云計算、大數(shù)據(jù)時代、電子商務(wù)、社交網(wǎng)絡(luò)、信息技術(shù)、云會計等。

結(jié)合圖2中高頻詞出現(xiàn)年代，通常熱點詞出現(xiàn)后第二年會在文獻中反映出來，如出現(xiàn)在2013年的“互聯(lián)網(wǎng)金融”在2014年以后持續(xù)成為熱點主題，出現(xiàn)在2015年的“互聯(lián)網(wǎng)+”成為2016年最大主題?！拔锫?lián)網(wǎng)”“云計算”“數(shù)據(jù)挖掘”作為與“大數(shù)據(jù)”密切相關(guān)的主題，成為文獻持續(xù)焦點。

國內(nèi)外經(jīng)管領(lǐng)域大數(shù)據(jù)的熱點主題與演變過程有顯著差異。英文文獻有明顯的技術(shù)導向，云計算、大數(shù)據(jù)分析、Hadoop、數(shù)據(jù)挖掘等是持續(xù)熱點話題，大數(shù)據(jù)與經(jīng)管領(lǐng)域結(jié)合路徑明顯，如知識管理、用戶分析、供應(yīng)鏈管理、商務(wù)智能、創(chuàng)新、電子商務(wù)等。中文文獻使用的詞匯更豐富，新概念能更快速地顯現(xiàn)出來。“物聯(lián)網(wǎng)”“互聯(lián)網(wǎng)金融”不僅出現(xiàn)較早，而且是持續(xù)熱點話題；“互聯(lián)網(wǎng)+”“精準扶貧”等詞匯與國家政策密切相關(guān)；技術(shù)導向不明顯，技術(shù)類詞匯被淹沒在眾多的新詞匯中。

六、結(jié)論

本文采用文獻計量方法對國內(nèi)大數(shù)據(jù)領(lǐng)域的相關(guān)文獻進行分析。根據(jù)文獻數(shù)量變化，可以將國內(nèi)大數(shù)據(jù)研究分為三個階段：初始期、爆發(fā)期和穩(wěn)定增長期。大數(shù)據(jù)領(lǐng)域文獻主要來自計算機領(lǐng)域，貴州省大數(shù)據(jù)產(chǎn)業(yè)發(fā)展態(tài)勢通過文獻被凸顯出來。國家級研究基金是文獻產(chǎn)出的最重要支持力量，高校是文獻產(chǎn)出的主力軍。經(jīng)管領(lǐng)域大數(shù)據(jù)研究尚無明顯的高影響力團隊，經(jīng)管領(lǐng)域大數(shù)據(jù)研究熱點和演變過程既體現(xiàn)客觀規(guī)律，也體現(xiàn)出國家政策的影響。我國大數(shù)據(jù)研究與國際大數(shù)據(jù)研究有共性，也有特性，互聯(lián)網(wǎng)金融、云會計等術(shù)語在WOS數(shù)據(jù)中沒有顯著出現(xiàn)。我國文獻存量巨大、增長快速，但經(jīng)管和社會學科研究的國際影響力還較低。

本文存在以下不足：首先，2017年數(shù)據(jù)不完整導致分析不完整；其次，經(jīng)管領(lǐng)域文獻內(nèi)容對比研究中，為平衡文獻數(shù)量采用的檢索策略不完全相同，中文檢索更強調(diào)查準率而英文檢索強調(diào)查全率，WOS平臺學科劃分與CNKI不同，本文通過人工篩選將12個WOS學科對應(yīng)于CNKI的經(jīng)濟與管理學科，可能存在一定偏差。

[1] 趙強, 單煒.大數(shù)據(jù)政府創(chuàng)新：基于數(shù)據(jù)流的公共價值創(chuàng)造[J].中國科技論壇, 2014(12)：23-27.

[2] Big Data, Big Impact：New Possibilities for International Development[DB/OL].[2018-1-20].https：//www.weforum.org.

[3] HUSER V, CIMINO J J.Impending Challenges for the Use of Big Data[J].International Journal of Radiation Oncology Biology Physics, 2015, 95(3)：890-894.

[4] ASHTON K.That “Internet of Things” Thing-RFID Journal[DB/OL].[2018-01-20].https：//www.mendeley.com/research-papers/internet-things-thing-rfid-journalpdf/.

[5] 張姣姣, 劉云, 程旖婕.基于文獻計量學定律的大數(shù)據(jù)應(yīng)用領(lǐng)域發(fā)展規(guī)律研究[J].知識管理論壇, 2016(5)：384-392.

[6] 王雪.基于文獻計量的國內(nèi)外大數(shù)據(jù)研究對比分析[J].高校圖書館工作, 2017(4)：49-54.

[7] 趙丹, 王晰巍, 李嘉興, 等.國內(nèi)外大數(shù)據(jù)工具學術(shù)論文比較研究—基于文獻計量方法[J].情報科學, 2016, 34(6)：133-137.

[8] 陳軍, 謝衛(wèi)紅, 陳揚森, 等.國內(nèi)外大數(shù)據(jù)可視化學術(shù)論文比較研究—基于文獻計量與SNA方法[J].科技管理研究, 2017, 37(8)：44-53.

[9] 李賀, 袁翠敏, 李亞峰.基于文獻計量的大數(shù)據(jù)研究綜述[J].情報科學, 2014(6)：148-155.

[10] 王岑嵐, 尤建新.大數(shù)據(jù)文獻評述：基于軟件Citespace的可視化研究[J].科技管理研究, 2017, 37(21)：180-189.

[11] 王曰芬, 宋爽, 熊銘輝.基于共現(xiàn)分析的文本知識挖掘方法研究[J].圖書情報工作, 2007, 51(4)：66-70.

[12] SYNNESTVEDT M B, CHEN C, HOLMES J H.CiteSpace II：visualization and knowledge discovery in bibliographic databases [C]//Annual Symposium proceedings,2005：724-731.

[13] VAN ECK N J, WALTMAN L.VOSviewer：A Computer Program for Bibliometric Mapping[J].Social Science Electronic Publishing, 2009, 84(2)：523-538.

[14] 宋秀芳, 遲培娟.VOSviewer與Citespace應(yīng)用比較研究[J].情報科學, 2016, 34(7)：108-112+146.

[15] SMALL H.Cocitation in scientific literature-new measure onf relationship between 2 documents[J].Journal of the American Society for Information Science, 1973,24(4)：265-269.

[16] 張勤, 馬費成.國外知識管理研究范式—以共詞分析為方法[J].管理科學學報, 2007, 10(6)：65-75.