曹文振 周慶山 鄺偉文

摘 要：[目的/意義]全新的社會情境、信息場景與技術(shù)環(huán)境成為再次推動情報學學科變革的力量。從困惑中發(fā)展，在創(chuàng)新中前行，是情報學學科演進的現(xiàn)實需要與時代使命，也亟待對情報學學科前沿的探索并以此指引情報理論與實踐的方向。[方法/過程]通過一種改進的樣本期刊選擇方法，遴選10種國際優(yōu)秀綜合性情報學核心期刊，共獲得2 196篇2016-2018年期間樣本期刊所發(fā)表的研究文獻，以標準化年均被引頻次為指標選取得到201篇高被引文獻，進而通過以文獻計量學與質(zhì)化分析為基礎(chǔ)的方法探尋情報學研究的前沿領(lǐng)域。[結(jié)果/結(jié)論]從研究話題、研究情境、研究方法3個方面對情報學前沿研究領(lǐng)域進行總結(jié)與討論，為新時期我國情報學研究提供一定的指引性參考。

關(guān)鍵詞：情報學;前沿;核心期刊;文獻計量學;扎根理論;高被引文獻

DOI：10.3969/j.issn.1008-0821.2019.05.001

〔中圖分類號〕G250.2 〔文獻標識碼〕A 〔文章編號〕1008-0821（2019）05-0003-14

Abstract：[Purpose/Significance]The new social situation，information context and technological environment have become the transforming forces to promote the development of information science.It is the realistic needs and the mission of the times to explore the frontiers of information science and guide the development of this academic discipline.[Method/Process]Through an improved sample journal selection method，the research selected 10 international excellent core journals of comprehensive information science，obtained 2196 research literatures published in the sample journals from 2016 to 2018，and chose 201 highly cited literatures using the standardized annual citation frequency as the index.The frontiers of information science research were explored by methods based on bibliometrics and qualitative analysis.[Result/Conclusion]The frontiers were summarized in three fields of research topics，research contexts and research methods and discussed for certain directional references of Chinas information science research in the new era.

Key words：information science;frontier;core journal;bibliometrics;grounded theory;highly cited literature

1 研究背景與意義

當前我國的情報學學科發(fā)展仍然在一定程度上處于爭論之中，情報學學科的研究體系和研究領(lǐng)域究竟應如何構(gòu)建，不同的學者存在不同的看法，學科邊界的模糊性、學科定位的不確定性成為學科發(fā)展中一個尚待厘清的問題。從近來對情報學學科發(fā)展的討論中，也可以看到這種認識上存在的混亂現(xiàn)象，時而以Intelligence為導向[1]，時而以數(shù)據(jù)科學推動范式轉(zhuǎn)型[2]，時而以知識理論為核心論題[3]，甚至對“情報學”這一學科定名之批判思考也未曾終結(jié)[4]。然而，若從另一視角審視之，可以發(fā)現(xiàn)以上諸多思考的不竭動力源于學界對情報學學科發(fā)展的關(guān)心和重視。如何推動學科發(fā)展始終是擺在情報學界眼前的問題，關(guān)注具有挑戰(zhàn)性的前沿問題，以學科前沿為導向指導選稿與選題，并創(chuàng)造出能解決這些問題的有效工具[5]，這是學界幾無爭議的看法。因而，撇去這些爭議不論，發(fā)現(xiàn)學科前沿是推進學科演進關(guān)鍵路徑上的重要工作，也是學科研究人員進行學術(shù)探尋方向選擇的重要指導。

隨著近年來大數(shù)據(jù)、云計算、人工智能等信息環(huán)境和信息技術(shù)的持續(xù)變革，情報學學科研究正逐漸發(fā)生著轉(zhuǎn)向，在繼承傳統(tǒng)研究領(lǐng)域的基礎(chǔ)上不斷引入新的研究話題，開拓出新的研究疆土。然而，當前國內(nèi)情報學界就整體而言存在這樣的問題，研究方向百花齊放缺少聚焦，研究水平參差不齊缺少標桿。面對當下的現(xiàn)狀，如何在全新的社會情境、信息場景與技術(shù)環(huán)境之下對情報學前沿領(lǐng)域進行挖掘，并用以指導研究工作開展和研究成果遴選，成為情報學研究人員的重要課題。本研究希望為上述問題提供一條有價值的解決路徑：采用以文獻計量學為基礎(chǔ)的實證方法，遴選國外高水平綜合性情報學核心期刊，通過分析國際情報學期刊的研究趨勢，探尋新時期我國情報學研究的選題前沿，以為我國情報學研究人員提供一定的選題指引與研究建議。

2 樣本選擇與獲取

2.1 樣本期刊選擇：一種改進方法

就情報學研究的前沿進展論題，國內(nèi)已有研究人員開展過探索并發(fā)表了成果。選題前沿必然基于一定的分析樣本而得出，就情報學學科視野下的研究前沿問題而言，既往研究通常采用兩種樣本選擇方法：一是通過研究者主觀判別或期刊評價指標遴選部分期刊;二是以數(shù)據(jù)庫中文獻的歸屬類別（一般選擇Library & Information Science）或分類號進行文獻獲取。由于國際高水平期刊往往發(fā)表的文章更具質(zhì)量、創(chuàng)新性更好，適合成為我國情報學研究選擇的對標方向，因而本研究在獲取樣本文獻時不采用全面獲取學科文獻的做法。同時，前者所采用的對期刊進行遴選的方式，也有利于我國的情報學期刊從同樣的整體選題角度進行相互比較，實現(xiàn)標桿管理（Benchmarking）。

綜觀既有研究的樣本期刊選擇，主要存在兩大影響分析結(jié)果的不足之處：對樣本期刊的簡單入選或不合理抽樣造成分析結(jié)果無法展現(xiàn)學科成果的真實面貌，對綜合性與專門性期刊不加區(qū)分或不分列權(quán)重使得分析結(jié)果產(chǎn)生偏誤（Bias）。在本研究中，我們力圖通過對遴選方法的改進嘗試解決這兩項問題。

對于研究的樣本期刊選擇，既往研究往往采用單一期刊評價源，依當年的影響因子報告選取一定比例的期刊入選，如趙蓉英等[6]利用2015年的JCR（Journal Citation Reports）數(shù)據(jù)，選取情報學與圖書館學（Information Science & Library Science）類目下前20%的期刊為樣本期刊。然而，由于各類期刊評價成果倚重的指標體系和操作方法不同，同一刊物經(jīng)由不同的評價指標體系得出的結(jié)果可能存在差別，且目前并沒有一個得到公認的、通用的期刊評價方法。例如Springer Nature旗下的《Knowledge Management Research and Practice》或Emerald旗下的《Program：Electronic Library and Information Systems》在不同指標體系中的排名就分屬于Q1（依Scopus CiteScore）、Q2（依SJR Score）、Q3（依JCR IF Score）3個分區(qū)。另一方面，同一期刊在相同指標體系中的排名結(jié)果也處于變化狀態(tài)，因而不能以位次的高低來簡單判定一個期刊的質(zhì)量好壞。比如《Journal of Documentation》在Clarivate Analytics（原Thomson Reuters）的評價體系中，2006年為Q1區(qū)刊物，2011年屬于Q2區(qū)，2016年屬于Q3區(qū)，雖然從Q1區(qū)下降到了Q3區(qū)，但依然入選了第四輪教育部學科評估的A類期刊目錄。

由于期刊評價需要詳盡的指標體系與支撐數(shù)據(jù)，研究本身仍藉由國際知名且較受認可的期刊評價體系進行樣本刊物遴選。但在本研究中，筆者較全面地選取了多類國際知名且為文獻計量學研究所通用的期刊評價指標來進行樣本集的第一步構(gòu)建，包括來自JCR的IF Score（剔除自引后）、來自Scopus的CiteScore、來自SJR的SJR Score、來自Google的Google Scholar Metrics（GSM）。研究所采用的基本評價觀點是，好的刊物在不同的多種評價體系中，總會入選其中至少1個Q1區(qū)，即使它在其他評價標準中獲得的結(jié)果不佳。因而研究以任意入選JCR、Scopus、SJR其中1個指標的Q1區(qū)，或者進入GSM榜單（因為Library & Information Science作為該指標的二級類目，總共僅有20家刊物入選）為篩選標準，并從中排除視作期刊的連續(xù)出版物（連年出版的會議論文集、集刊），在第一步共獲得81種樣本期刊。通過多種指標體系的相互補充、交叉印證，研究在很大程度上規(guī)避了期刊在不同指標體系和同一指標體系中的排名波動，并且也避免了重要期刊在某個指標體系中的排名不佳而產(chǎn)生遺漏。

對于綜合性與專門性期刊不加區(qū)分或不分列權(quán)重是當前研究中第二個方面的不足。鑒于文獻計量方法是基于所選擇文獻樣本而得出結(jié)論，樣本的部分變化就有可能引起結(jié)果的較大變動。既有的研究往往在期刊樣本的選擇上對綜合性與專門性期刊不加以區(qū)分，造成分析結(jié)果可能缺少具有全局代表性的說服力。以劉志輝等[7]的研究為例，由人工所判定的重點期刊中首本刊物是《Scientometrics》，這是一本專門發(fā)表文獻計量學研究的期刊，它與其他期刊的共同入選必然造成分析結(jié)果中文獻計量學相關(guān)結(jié)果的顯著增加、相關(guān)類群的明顯突出，在主題分布圖譜中較大的節(jié)點上出現(xiàn)了Research Assessment、Knowledge Map、Patent Analysis、H-index、Webometrics等文獻計量學領(lǐng)域的詞匯。這種不區(qū)分綜合性與專門性期刊的做法，既使得一些專門研究領(lǐng)域在情報學的整體研究視域中被不合理放大，又使得情報學研究中比較重要的其他領(lǐng)域被相對弱化甚至埋沒，造成對學科整體全貌產(chǎn)生一定程度的失察以及失誤性的概觀。

在本研究中筆者對上一步工作產(chǎn)生的81種期刊進行了人工判別，根據(jù)期刊官網(wǎng)的刊物介紹、出版范圍、選題要求和近幾期發(fā)表的作品判斷其刊物定位和載文集中度，從中選取能反映情報學研究整體性特征的綜合性期刊，排除聚焦于某一特定領(lǐng)域的專門期刊。我們發(fā)現(xiàn)國外的絕大多數(shù)情報學期刊都是關(guān)注特定領(lǐng)域的專門期刊，如《Government Information Quarterly》、《International Journal of Geographical Information Science》、《Journal of Chemical Information and Modeling》、《Journal of Informetrics》、《Knowledge Management Research and Practice》等等，這與我國情報學學術(shù)期刊多為綜合性期刊的辦刊情況不符，且對于學科研究進行整體性考察時很容易產(chǎn)生結(jié)果上的不當解釋，因而研究均未將該部分期刊入選，并同時剔除了圖書館學、檔案學的專門性刊物，如《Library Quarterly》、《Archival Science》。經(jīng)過本階段的工作，研究的樣本來源期刊得以確定，一共有10種國際情報學綜合性期刊進入樣本期刊集（見表1）。

在綜合性要求以外，研究進一步對最終入選的樣本期刊的合理性進行了驗證。10種樣本期刊均屬于SSCI入選刊物，為通常所認為的國際核心刊物;其中有8種期刊進入了基于h5-index篩選的Google Scholar Metrics排行榜，證實了樣本期刊總體具有較高的文章質(zhì)量。同時，10種刊物分別屬于Elsevier、Emerald、SAGE、Wiley-Blackwell、Swets & Zeitlinger、University of Bors 6家出版機構(gòu)，其編輯和出版方式有所差異，但均為同行評議刊物。與國內(nèi)最常用于科研管理和科研評價的基于Web of Science（WoS）數(shù)據(jù)的JCR IF Score對比，有3家期刊屬于Q1區(qū)，4家期刊屬于Q2區(qū)，3家期刊屬于Q3區(qū);換而言之，若簡單采用JCR的評價指標來對期刊進行篩選，樣本期刊中將有7種刊物被排除在外，因而研究采用的期刊遴選方法對于彌補傳統(tǒng)期刊樣本選擇過程的不足是有益且有效的。綜合來看，本研究采用的期刊遴選方法是合理的，入選樣本具有較高質(zhì)量且分布多元，并在很大程度上平抑了評價指標波動性對確認樣本來源的影響。

2.2 文獻數(shù)據(jù)獲取

由于近年來信息技術(shù)與信息環(huán)境發(fā)生巨大變革，情報學研究的導向、視角、話題和方法都發(fā)生了很大變化，因而本研究將所獲取的文獻時間限定在近3年（2016-2018年）發(fā)表，以更好地追蹤近期國際情報學研究的前沿方向。需要指出的是，本研究中對文獻發(fā)表時間的具體界定是正式刊印時間，而非在線發(fā)表時間，因為有些文獻以預發(fā)表形式提前數(shù)月甚至1年以上已經(jīng)在線發(fā)表，有的文獻則在出版后才數(shù)字化上線，規(guī)范性不及正式刊印時間。在該種限定方式之下，文獻集中也并不包括2018年在線預出版，實際上是2019年及以后進行刊發(fā)的作品。同時，樣本文獻集僅納入研究論文和綜述類型的文章，排除了所有非學術(shù)論文，排除文章類型的具體情況參見表2。經(jīng)過本階段的工作，研究一共獲得了2 196篇樣本期刊近3年發(fā)表的研究文獻。

本研究采用的文獻數(shù)據(jù)主要包括文獻外部特征和被引用情況兩個方面。為了保障樣本期刊所發(fā)表文獻的數(shù)據(jù)質(zhì)量，對于非開放存取期刊，通過收錄該期刊文獻的原始數(shù)據(jù)庫獲取有關(guān)信息;對于開放存取期刊則通過期刊官網(wǎng)取得有關(guān)信息。不同數(shù)據(jù)庫平臺及開放存取網(wǎng)站的操作差異較大，在數(shù)據(jù)庫提供數(shù)據(jù)導出或下載功能時，直接采用系統(tǒng)功能導出所需信息;若無法直接從數(shù)據(jù)庫下載所需信息，則通過文本提取的工具軟件或自編爬蟲等多種方式下載并整理信息。

本研究涉及的文獻外部特征主要有題名、刊名、正式出版年份、公開發(fā)表時間、關(guān)鍵詞，并保留了作為基本字段的作者數(shù)據(jù)以及匹配引文數(shù)據(jù)所需的DOI編號。需要說明的是，公開發(fā)表時間指的是第一次面向讀者公開的時間，即在線出版時間早于印刷版出版時間的選用前者，否則則與印刷版出版時間一致，因而其公開發(fā)表年份可能與正式出版年份不同;對于缺少在線發(fā)表日期的文獻（如EPI、IR上的文獻），則直接采用印刷版發(fā)表時間。對10種刊物以不同方式獲取的上述數(shù)據(jù)進行規(guī)范化處理，如文獻關(guān)鍵詞統(tǒng)一以逗號分隔進行保存;對原始數(shù)據(jù)中的缺失值進行了填充，如對于只有年份和月份的在線發(fā)表日期數(shù)據(jù)，采用01對日期進行插補;又如對于原文中未提供作者關(guān)鍵詞的文獻，或者采用機器自動索引關(guān)鍵詞進行補充（如JASIST、IR上的文獻），或者結(jié)合題名和摘要對關(guān)鍵詞進行人工標引（如LISR上的文獻）。對于10種樣本期刊文獻不同字段進行處理和轉(zhuǎn)換的技術(shù)細節(jié)，由于篇幅所限，此處不再一一贅述。對于被引用情況的數(shù)據(jù)獲取過程，將在下一節(jié)進行說明。

經(jīng)過一系列的數(shù)據(jù)處理過程，不同平臺、不同期刊的來源文獻數(shù)據(jù)以相同的形式得以規(guī)范化表示，為后續(xù)分析工作的開展奠定了堅實的基礎(chǔ)。在上述工作完成后，隨機抽取了50條數(shù)據(jù)，與來源數(shù)據(jù)庫或來源網(wǎng)站的原始信息進行比對，確認數(shù)據(jù)規(guī)范性和完整性均無誤，從而保證文獻信息獲取結(jié)果正確且可靠。

2.3 高被引論文選取

由于10種期刊收錄于多種數(shù)據(jù)庫中，每種數(shù)據(jù)庫的后臺文獻量與收錄范圍差異較大，對文獻被引用次數(shù)的統(tǒng)計結(jié)果也存在很大差異;且有部分為開放存取期刊，官網(wǎng)數(shù)據(jù)并未提供被引用次數(shù)，因而文獻被引用情況的統(tǒng)計數(shù)據(jù)難以通過直接采集原始數(shù)據(jù)的方式獲得。經(jīng)過對比分析WoS、Scopus、Google Scholar、Microsoft Academic等文摘或索引數(shù)據(jù)庫的文獻被引用數(shù)據(jù)，研究最終選擇Google Scholar的被引用頻次作為文獻被引用數(shù)據(jù)的統(tǒng)一來源，使之基于相同標準和文獻集進行統(tǒng)計，便于不同刊物文獻之間的對比。具體而言，采用DOI號匹配文獻與對應的Google Scholar被引用頻次;對于沒有DOI編號的文獻（如IR上的文獻），采用題名進行匹配，并手動修正由于符號和空格差異造成的數(shù)據(jù)匹配不成功問題。

當前的許多研究在平衡不同發(fā)表周期文獻的被引數(shù)據(jù)時，采用的是一種簡單的年度平均法，即根據(jù)文獻所屬刊期的印刷版發(fā)表年份到評價年份的距離進行平均，如在2019年評價2016年發(fā)表的某篇文獻時，將該文獻的被引用頻次除以3。這種做法的粗糙之處在于同年份不同時間發(fā)表的文獻在被引用概率上被視作是相同的，然而事實上他們是不同的，例如某年1月發(fā)表的文獻被其他研究人員關(guān)注、閱讀和引用的概率顯然大于同年12月發(fā)表的文獻;同時，即使同一期刊相同卷期上所刊載的文章也可能在不同時間向讀者公開，以JLIS 49卷1期的文章為例，正式出版時間統(tǒng)一為2017年3月，但各篇文章的在線預出版時間卻有很大差別，最早的上線時間為2015年6月17日，最晚為2016年3月14日。因而在本研究中，采用到“日”的細粒度的公開發(fā)表時間（其詳細說明參見上一部分）作為計算指標，將所有樣本文獻的被引用頻次轉(zhuǎn)換為標準化的年均被引頻次，從而使得所有文獻不受其公開發(fā)表時間先后的影響。其轉(zhuǎn)換公式如下：

標準化年均被引頻次=被引用頻次數(shù)據(jù)獲取日期-公開發(fā)表日期×365[8]

其中，數(shù)據(jù)獲取日期根據(jù)實際情況定為2019年1月1日。

經(jīng)過轉(zhuǎn)換，2 196篇文獻年均被引用頻次的最大值為330.98，最小值為0?？疾煳墨I之間的被引用頻次情況，平均每篇文獻每年被引用3.83次，但中位數(shù)僅為2.00，標準差達到9.31，有17.49%（384篇）的文獻被引用次數(shù)為0，可見文獻之間的被引用情況存在很大差異。

考慮到樣本文獻的數(shù)量級，首先根據(jù)“帕累托法則”選取年均被引用頻次居于前20%的文獻為高被引文獻，得到約440篇高被引文獻，年均被引用頻次的下限值為5.40。然而，筆者認為以5.4次作為年被引次數(shù)的下限來確定高被引文獻事實上是一個不夠嚴格的“高被引”標準，降低了對入選高被引文獻的要求。研究進而綜合考察入選文獻年均被引用頻次的最低值與高被引文獻集占全體文獻總集的比例，經(jīng)過反復測試，最終將年均被引用頻次的最低值定為9次，以此作為進入高被引文獻集的標準，即年均被引用頻次在9次及以上的文獻才能夠進入高被引文獻的樣本集。最終獲得由201篇高被引文獻組成的樣本集合，占全部2 196篇文獻的9.15%。

3 研究方法與作用

3.1 歸一化共詞分析

為了提供有效的文獻檢索點以及快速發(fā)現(xiàn)文章涵蓋的主題，大部分文獻都會由作者標注關(guān)鍵詞。在數(shù)據(jù)庫式的文獻檢索系統(tǒng)中，通常也會為不提供作者關(guān)鍵詞的作品采用機器索引等方式生成文章關(guān)鍵詞。每篇文獻的關(guān)鍵詞通常由多個詞匯或詞組組合而成，共同反映出文章所關(guān)聯(lián)的多方面主題。共詞分析就是要通過聚類分析、多維尺度分析和網(wǎng)絡分析等方法，產(chǎn)生具有近似語義，且能夠揭示研究主題特征的詞匯簇。跟蹤詞匯簇在不同時期的發(fā)展變化，是揭示前沿研究領(lǐng)域的一類代表性方法[9]。同時，與文獻共被引、作者共被引等方法相比，共被引分析的結(jié)果難以直接標識出關(guān)于研究子領(lǐng)域?qū)嶋H內(nèi)容的詳細信息，但共詞分析提供了研究領(lǐng)域的內(nèi)容[10]。

就理論而言，通過計算共詞矩陣可以將關(guān)鍵詞間遠近的共現(xiàn)關(guān)系進行展現(xiàn)，即詞匯簇內(nèi)的關(guān)鍵詞關(guān)系較近，詞匯簇間的關(guān)鍵詞關(guān)系較遠。但是原始的關(guān)鍵詞共詞矩陣記錄的是詞匯出現(xiàn)的絕對頻次，所反映出的共現(xiàn)關(guān)系偏離真實情況，因而研究對絕對詞頻進行了歸一化轉(zhuǎn)換，使得原始矩陣轉(zhuǎn)化為相關(guān)矩陣。這一過程沒有信息損失產(chǎn)生，同時便于之后的分析得出更可靠的結(jié)論。本研究中采用經(jīng)典的Salton余弦相似度（Cosine Similarity）或稱為Ochiai系數(shù)[11]來對絕對頻次進行歸一化轉(zhuǎn)換，最終得到0～1之間的系數(shù)值。以O(shè)chiai系數(shù)為表達形式的計算公式如下，其中（x，y）表示任意一組詞匯對，C表示相應詞匯的原始絕對詞頻。

Ochiai（x，y）=CxyCxCy

3.2 爆發(fā)詞檢測

爆發(fā)詞（Burst Word）在本質(zhì)上也是關(guān)鍵詞，只不過他們的出現(xiàn)表明一些代表性主題在給定的時間段內(nèi)產(chǎn)生了更大的意義。爆發(fā)詞的發(fā)現(xiàn)基于對關(guān)鍵詞沿時間趨勢進行變化的考察，因而其在監(jiān)測事件動態(tài)變化的活動中被廣泛采用。正確、有效地捕捉爆發(fā)詞對科學研究的趨勢預測、研究熱點和研發(fā)機會發(fā)現(xiàn)均有重要的研究意義和現(xiàn)實意義[12]。在本研究中，基于年份演化的爆發(fā)詞檢測提供了另一種探測選題前沿的方法。也就是說，研究在檢測歸一化詞頻高低之外，還通過發(fā)現(xiàn)詞頻數(shù)量或增加速度的變化趨勢來提取學科領(lǐng)域中的研究前沿。

3.3 關(guān)鍵詞詞頻統(tǒng)計

基于詞頻統(tǒng)計的關(guān)鍵詞分析有一個最大的優(yōu)勢，就是實現(xiàn)過程簡單，僅需要對詞頻進行統(tǒng)計上的計數(shù)。當然，直接對關(guān)鍵詞開展詞頻統(tǒng)計也存在一系列的問題，大多數(shù)情況下可能需要進一步的人工干預。關(guān)鍵詞表中可能包含著一些不具有表征意義的詞，需要人工標注為停用詞，即計算機在進行統(tǒng)計時將會忽略掉的詞匯;統(tǒng)計結(jié)果也會與詞性和單復數(shù)形式有關(guān)，需要對這部分異形詞匯進行規(guī)范化處理。在本研究中，高被引文獻被視作一個整體集合，關(guān)鍵詞詞頻統(tǒng)計提供了對高被引文獻的一種前沿觀察方法，通過計數(shù)產(chǎn)生的高頻詞代表了之后的施引文獻更多關(guān)注的領(lǐng)域，能夠用以分析哪些領(lǐng)域被更多的后續(xù)研究所引用。

3.4 扎根理論

扎根理論分析是一種被社會科學領(lǐng)域所廣泛采用的定性研究方法，并逐漸在定性取向的研究中占據(jù)主導位置。由扎根理論提供的一系列抽象化的指導方針與具體化的操作方法，使得概念的重新融合成為一個自然過程，并伴隨著理論層次的逐步提高。編碼是經(jīng)典扎根理論方法的核心過程，包括了兩種類型的編碼：實質(zhì)編碼與理論編碼。本研究僅涉及實質(zhì)編碼過程中的開放編碼和選擇編碼技術(shù)，通過實質(zhì)編碼直接對數(shù)據(jù)進行提煉和分析。研究將文獻關(guān)鍵詞視作開放編碼的核心概念，通過不斷比較核心概念間的關(guān)聯(lián)性繼續(xù)開展主軸編碼。這是一個持續(xù)對比和概念融合的交叉循環(huán)過程，以形成內(nèi)部概念相互鏈接、外部命名可解釋的類別，從而將分析結(jié)論向更高層次的概念抽象推進。

4 選題前沿的整體性趨勢

在本部分中，2 196篇文獻將依照年份演化趨勢進行分析。全體文獻的原始數(shù)據(jù)依字段被轉(zhuǎn)換為以WoS格式表示的TXT文檔，從而便于進入經(jīng)典的文獻可視化分析工具CiteSpace展開進一步研究。研究采用的CiteSpace版本號為5.3.R9。

4.1 基于共詞分析的整體性趨勢

采用CiteSpace軟件對文獻關(guān)鍵詞開展共詞分析，按照正式出版年份（2016-2018年）進行切片，并由算法自動標注聚類標簽，得到2016年、2017年、2018年3幅共詞分析圖譜。

以2016年的結(jié)果為基準，2017年中信息檢索（Information Retrieval）、政治傳播（Political Communication）、出版（Publication）呈現(xiàn)出明顯的研究進展趨勢。信息檢索一直以來都是一個活躍的研究領(lǐng)域，但在大規(guī)模（Large-scale）信息環(huán)境中，判斷文檔的相關(guān)性需要新的技術(shù)實現(xiàn)方法，這是該領(lǐng)域在2017年得到更多關(guān)注的主要原因;另外一些子領(lǐng)域在2017年的持續(xù)活躍也使得信息檢索更加活躍，這些領(lǐng)域主要是音樂信息檢索（Music Information Retrieval）和生物醫(yī)學信息檢索（Biomedical Information Retrieval），也值得我國情報學研究的更多關(guān)注與深入探討。

政治傳播（Political Communication）在2017年出現(xiàn)的原因，是由于美國特殊的政治背景：2016年下半年，美國舉行了第58屆總統(tǒng)選舉，新任總統(tǒng)唐納德·特朗普于2017年1月舉行了就職典禮。作為美國最重要政治事件之一的總統(tǒng)大選引發(fā)了研究人員的關(guān)注，考慮到合理的評議、修訂與編輯周期，政治傳播的研究文獻在2017年得以較多發(fā)表，其中又以新媒體為媒介的政治傳播受到更多研究人

員青睞。另一方面的原因也在于出版機構(gòu)的引導，如EPI就適時地推出了政治傳播?？渲械摹巴铺嘏c政治傳播”[13]一文得到了較廣泛關(guān)注。

出版（Publication）這一研究領(lǐng)域，更準確而言，指的是學術(shù)出版（Academic Publication或Scholarly Publication）。2017年AJIM上發(fā)表的關(guān)于中國科學出版激勵制度的研究“出版賺錢還是保持貧困：對中國科學界論文獎勵制度的考察”[14]得到了廣泛的學術(shù)傳播，并被許多媒體進行報道。開放存?。∣pen-access）的學術(shù)出版形式、跨國合作（Transnational Collaboration）的學術(shù)出版以及學術(shù)出版的數(shù)字化保存（Digital Preservation）問題是該領(lǐng)域在2017年的主要研究前沿。

基于2016-2017年的共詞分析聚類結(jié)果，大數(shù)據(jù)（Big Data）、內(nèi)容分析（Content Analysis）、主題建模（Topic Modeling）更多地出現(xiàn)在2018年的研究視野中，在分析時筆者結(jié)合了對每個領(lǐng)域典型文獻的考察。以大數(shù)據(jù)為主題的有關(guān)研究更多地關(guān)注大數(shù)據(jù)在各行業(yè)中能夠創(chuàng)造的價值（From Data to Value），特別是在組織（公司）管理、第三產(chǎn)業(yè)（服務業(yè)）、新興產(chǎn)業(yè)（Emergent Industry）中發(fā)揮大數(shù)據(jù)的戰(zhàn)略作用與競爭優(yōu)勢，對于具體細分環(huán)節(jié)的技術(shù)實現(xiàn)探討則相對弱化。以內(nèi)容分析（Content Analysis）為代表的傳統(tǒng)研究方法也并未因為大數(shù)據(jù)技術(shù)的出現(xiàn)而得以式微，反而在2018年得到了較多關(guān)注，特別是用于研究領(lǐng)域的整體性評價、回顧與重新審查，比如JASIST上的“數(shù)據(jù)集說明與引用：對全文出版物的內(nèi)容分析”[15]。作為機器學習與自然語言處理（NLP）中常用的文本挖掘工具，主題建模（Topic Modeling）越來越多地被用來發(fā)現(xiàn)各類數(shù)據(jù)源中非結(jié)構(gòu)化文本所隱藏的語義特征，且不斷改進的算法已能在真實情景中取得具有分析意義的結(jié)果。在2018年的研究中，作為方法的主題建模（Topic Modeling）被應用于分散的多領(lǐng)域研究中，但主要用于研究文本信息（特別是社會化媒體文本信息）的系統(tǒng)分類（Systematic Classification）和主題演變（Topic Evolution）。

4.2 基于爆發(fā)詞檢測的整體性趨勢

以2 196篇文獻總集為樣本，按照正式出版年份為切分范圍，采用CiteSpace軟件帶有的爆發(fā)詞檢測算法，選取其中對研究前沿進展具有分析價值的爆發(fā)詞（即停用一些實際意義較小的爆發(fā)詞），并將爆發(fā)詞檢測結(jié)果投影到可視化圖譜上，得到最終的爆發(fā)詞檢測圖譜。

2017年出現(xiàn)的爆發(fā)詞包括信息行為（Information Behaviour）、政治傳播（Political Communication）、對照試驗（Controlled Study）、在線社交網(wǎng)絡（Online Social Networking），其中政治傳播在上一部分中已經(jīng)進行了解釋，在此不再贅述。

對信息行為（Information Behaviour）的研究主要關(guān)注了用戶的信息搜尋（Information Seeking）與在線交流（Online Communication）行為，在線交流行為中又包括了在線問答（Online Q&A）行為這一細分領(lǐng)域。在研究內(nèi)容上則主要關(guān)心用戶行為的影響因素、驅(qū)動因素和持續(xù)使用因素。一篇經(jīng)典的文獻是2017年發(fā)表于JDoc的文章“人盡皆知：在深度休閑中體現(xiàn)的信息”[16]，作者Cox A M等提出在信息行為研究中應當重視對“身體”（Body）這一因素的考察。

對照試驗（Controlled Study）一方面出現(xiàn)在部分算法改進和算法比較的研究中，但沒有發(fā)現(xiàn)比較明顯的集中研究領(lǐng)域，例如有的用于專利地圖的技術(shù)距離[17]，有的用于文檔集合的主題表示[18]，有的用于網(wǎng)絡搜索的人名消歧[19]。另一方面，對照試驗常被用于用戶研究，特別是用戶行為研究。作為一種實證的可以人類為研究對象的研究方法，對照試驗被用戶行為研究較為廣泛采用，可參見上一段的分析。

在線社交網(wǎng)絡（Online Social Networking）的研究與此前提到的多個研究領(lǐng)域存在交疊。事實上，與其將在線社交網(wǎng)絡看作是研究領(lǐng)域，不如將其視作一個研究情境（Context），或者說許多研究領(lǐng)域都將自身的研究問題置于在線社交網(wǎng)絡中而開展。例如學術(shù)社交網(wǎng)絡的在線問答[20]、社交媒體的政治傳播[21]、社交網(wǎng)絡的用戶行為意愿[22]、在線社區(qū)的內(nèi)容分類[23]等。唯一可被發(fā)現(xiàn)不同于上述研究領(lǐng)域的內(nèi)容是對在線社交網(wǎng)絡內(nèi)容的審查和規(guī)制，如JASIST上的“在線社交網(wǎng)絡中的新聞審查：對規(guī)避審查評論的研究”[24]，但這方面的研究并不多見。

2018年的文獻中產(chǎn)生的爆發(fā)詞是案例研究（Case Study）、隱私（Privacy）、文本挖掘（Text Mining）、元數(shù)據(jù)（Metadata），更多的詞匯是來自研究方法或是技術(shù)方法，僅有隱私（Privacy）可在一定程度上代表研究領(lǐng)域。

隱私（Privacy）問題在2018年受到研究人員關(guān)注，這與當前大數(shù)據(jù)的信息化情境與信息共享背景下的倫理問題存在著明顯關(guān)聯(lián)，兩個重要的研究話題包括隱私如何影響人們對信息的接受和使用，如JASIST上的“大數(shù)據(jù)時代消費者對個人信息的評估”[25];以及保護個人隱私的理論探討和實踐經(jīng)驗，如EPI上的“歐盟統(tǒng)一的個人數(shù)據(jù)保護：挑戰(zhàn)和影響”[26]。

案例研究（Case Study）作為一種典型的質(zhì)性研究方法，應用領(lǐng)域十分多元，但大多以項目為案例進行研究，小部分則以國家或組織為案例，如發(fā)表在IJIM上的“通過知識管理實現(xiàn)軟件持續(xù)部署的案例分析”[27]以Meta4公司的DevOps實踐為案例，證實運用知識管理工具可以有效幫助軟件的持續(xù)交付。

文本挖掘（Text Mining）通過對文本進行一系列處理以推斷出給定任務所需的信息，其具體的應用領(lǐng)域除了與同年度主題建模（Topic Modeling）相同的系統(tǒng)分類（Systematic Classification）、主題演變（Topic Evolution），還有質(zhì)量評估（Quality Assessment）、特征提取（Feature Extraction）和知識提?。↘nowledge Extraction）。

最后一個詞是元數(shù)據(jù)（Metadata），即描述其他數(shù)據(jù)的數(shù)據(jù)。伴隨著新的信息載體，特別是數(shù)字化信息載體的出現(xiàn)，元數(shù)據(jù)研究仍然在一定程度上占據(jù)重要地位。這些在2018年被討論的信息載體主要來源于考古學、氣象學、網(wǎng)絡通信、游戲視覺風格。

5 高被引論文的選題前沿趨勢

高被引文獻體現(xiàn)了后續(xù)開展的研究對先前研究的關(guān)注和引用情況。由于本研究采用的是Google Scholar的文獻被引用數(shù)據(jù)，不僅包括了期刊文獻，還有不在本研究樣本內(nèi)的會議文獻、未正式見刊的預發(fā)表文獻、作者自存儲文獻等，可以認為由這些高被引文獻所涵蓋的研究領(lǐng)域構(gòu)成了一個總的集合，能夠在一定程度上共同指明下一階段的研究趨勢。因而研究將201篇高被引文獻視作一個統(tǒng)一的整體，而不再按照年份進行切分，進而得出高被引論文的選題趨勢。

5.1 基于詞頻統(tǒng)計的高被引選題前沿趨勢

通過對高被引文獻關(guān)鍵詞詞形、詞態(tài)的規(guī)范化處理，刪去無意義的部分停用詞，并借助Python的自編程序?qū)υ~頻進行統(tǒng)計，研究得到詞頻在10次及以上的關(guān)鍵詞（組）共7個（見表3）。其中，大數(shù)據(jù)（Big Data）和社交網(wǎng)絡（Social Network/Social Networking）在前面的部分已經(jīng)談及。

社會化媒體（Social Media）的用戶數(shù)量不斷擴大使得社會化媒體不僅越來越融入用戶的生活場景，也愈加受到研究人員的關(guān)注。這一研究領(lǐng)域目前仍處于比較活躍的文獻出版過程中，包括以下幾個主要的研究話題：一是社會化媒體在特定產(chǎn)業(yè)或行業(yè)中的作用，如研究企業(yè)社會化媒體的知識共享[28];二是以社會化媒體作為信息源進行文本挖掘或意見挖掘，如研究YouTube上的多語言意見挖掘[29];三是社會化媒體使用對用戶產(chǎn)生的影響，如研究社會化媒體使用和心理健康的關(guān)系[30]。其余研究則是與在線社交網(wǎng)絡（Online Social Networking）一樣，只是將社會化媒體作為一個研究情境，但作為研究情境出現(xiàn)的社會化媒體，其涉及的研究內(nèi)容并不聚焦，可參見前述在線社交網(wǎng)絡研究部分。而“推特”（Twitter）作為信息快速更新、用戶群體龐大的國外社會化媒體，又被最多研究所關(guān)注，因而在詞頻統(tǒng)計中居于前列。

情感分析（Sentiment Analysis）是伴隨著機器學習、文本挖掘、自然語言處理等技術(shù)的發(fā)展而日趨成熟的一個新興研究領(lǐng)域，其核心研究問題就是如何量化文本中體現(xiàn)的情感狀態(tài)。這一研究領(lǐng)域的上升事實上也得益于社會化媒體的活躍，在許多文獻中都能看到社會化媒體的影子。情感分析可依據(jù)所分析的不同數(shù)據(jù)來源進行劃分，但主要集中在微博客、在線評論、新聞以及其他特定文檔。

與以大數(shù)據(jù)為主題的有關(guān)研究相似，云計算（Cloud Computing）的有關(guān)研究也主要探討云計算所能創(chuàng)造的價值與帶來的變革，而非技術(shù)實現(xiàn)的具體方法，或許后者在計算機科學的期刊中會得到更多引用，但并沒有反映在情報學期刊的同行引用行為中。研究人員認為云計算可能會改變的行業(yè)或產(chǎn)業(yè)中值得探討的有醫(yī)療行業(yè)、教育行業(yè)以及各類企業(yè)，此外還需要注意云計算服務帶來的信息安全問題[31]。

知識管理（Knowledge Management，KM）也是一個趨勢比較明顯的研究領(lǐng)域。除了最受關(guān)注的企業(yè)知識管理以外，還有知識管理對信息系統(tǒng)和軟件開發(fā)的影響、個人知識共享意圖、知識轉(zhuǎn)移績效都是高被引文獻的主要研究問題。

必須指出的是，許多研究領(lǐng)域都不是單一而具有明確邊界的，而是與其他研究領(lǐng)域存在交叉，共同產(chǎn)出優(yōu)質(zhì)論文，如IJIM上發(fā)表的“企業(yè)社交網(wǎng)絡：一個知識管理的視角”[32]就是知識管理與社交網(wǎng)絡相結(jié)合的成果。

5.2 基于扎根理論的高被引選題前沿趨勢

研究把文獻關(guān)鍵詞視作開放編碼形成的自由節(jié)點，通過自由節(jié)點進一步向上聚合的主軸編碼過程，并借助詞頻數(shù)據(jù)，以每個范疇內(nèi)的關(guān)鍵詞詞頻不少于20次為篩選標準，一共獲得8個范疇（見表4）。其中，用戶研究和真人試驗（User Study & Human Experiment）、文獻計量學（Bibliometrics）、商業(yè)智能（Business Intelligence）是新出現(xiàn)的前沿領(lǐng)域。

在用戶研究（User Study）中，除了前面已經(jīng)提及的信息行為研究，還有兩個值得注意的領(lǐng)域：一是對用戶創(chuàng)新行為的研究，如IJIM上發(fā)表的“利用用戶創(chuàng)新的社會化媒體營銷：‘眾包漢堡包的案例研究”[33];二是對用戶行為背后的用戶動機和用戶意愿的研究，如同是IJIM發(fā)表的“用戶安裝移動應用程序意圖的影響因素”[34]。隨著情報學對用戶而非技術(shù)的關(guān)注度提升，以用戶為實驗對象或在用戶的真實情境中開展的研究也愈發(fā)受到關(guān)注，真人試驗（Human Experiment）方法成為情報學研究的一個熱點趨勢。例如JASIST上發(fā)表的“超越‘意圖：將行為期望整合進UTAUT模型”[35]就基于對321名真實用戶開展的縱向田野研究。

文獻計量學（Bibliometrics）的前沿領(lǐng)域主要是科學計量學（Scientometrics），以探討科學文獻分布和科學產(chǎn)出評價為核心內(nèi)容;以及在社會化媒體和社交網(wǎng)絡的背景下如何改進科學計量，即以補充計量學（Altmetrics）為代表的研究，如JASIST上的“Mendeley讀者數(shù)對醫(yī)學論文的補充計量：基于45個領(lǐng)域的分析”[36]。此外還有部分綜述型文章將文獻計量學作為方法所體現(xiàn)出的應用價值，在此不做展開。

商業(yè)智能（Business Intelligence）研究是一個與大數(shù)據(jù)、云計算、人工智能存在明顯交叉的領(lǐng)域，其主要關(guān)注的焦點一是從業(yè)務流程管理（Business Process Management）出發(fā)改進信息系統(tǒng)來實現(xiàn)商業(yè)智能，比如IJIM上的“業(yè)務流程管理和信息技術(shù)管理：缺少的集成”[37];二是從組織中的“人”出發(fā)，研究如何通過智能技術(shù)提高人力資本，比如同發(fā)表在IJIM上的“工作場所的社會幸福感和技能管理框架”[38]。

此外，社交網(wǎng)絡（Social Network）這一范疇中的社會網(wǎng)絡分析（Social Network Analysis，SNA）作為一種比較有前景的研究方法，可以產(chǎn)生一些有意思的研究成果，也值得研究人員和期刊編輯在選題時關(guān)注。如IJIM上發(fā)表的“社會網(wǎng)絡分析：災難后在線社交網(wǎng)絡的特征”[39]已被引用近200次。

6 研究結(jié)論與建議

本研究以探尋國際情報學期刊的選題前沿為研究目的，遴選10種國外優(yōu)秀綜合性情報學刊物，綜合采用多種方法對這些期刊近3年來刊載的文獻展開了較細粒度的分析。綜觀全文的分析結(jié)果，情報學期刊文獻與情報學研究中有較大潛力且有望被較多關(guān)注的研究領(lǐng)域可以從研究話題、研究情境、研究方法3個方面來進行考察。

就研究話題而言，包括：1）大數(shù)據(jù)背景下與專門領(lǐng)域中的信息檢索方法探新研究;2）開放存取等新形式學術(shù)出版研究與學術(shù)出版激勵制度研究;3）信息搜尋與在線社群的用戶行為研究，特別是用戶行為影響因素、動機和意愿的研究;4）大數(shù)據(jù)與信息共享背景下的信息安全問題、隱私問題研究;5）元數(shù)據(jù)在不同信息載體與學科的應用研究;6）在線新聞或評論、社會化媒體數(shù)據(jù)的情感分析研究;7）知識管理、知識共享、知識轉(zhuǎn)移的相關(guān)問題研究;8）以科學計量學和補充計量學為代表的文獻計量學研究;9）利用商業(yè)智能改進業(yè)務流程管理和組織人力資本的研究。

從研究情境或研究背景來說，包括：1）以大數(shù)據(jù)為研究背景或主題的研究，重點是對大數(shù)據(jù)應用價值的研究;2）以云計算為研究背景或主題的研究，重點是對云計算應用價值的研究;3）以在線社交網(wǎng)絡為研究情境或主題的研究;4）以社會化媒體為研究情境或主題的研究。

從研究方法出發(fā)，包括：1）以內(nèi)容分析為方法的研究，特別是對研究領(lǐng)域的綜述與整體評價;2）運用文本挖掘（主題建模）方法的研究，特別是運用社會化媒體文本信息的主題建?；蛞庖娡诰蜓芯?3）以案例研究為研究方法的研究;4）以真實用戶為研究對象的對照試驗研究;5）以社會網(wǎng)絡分析作為研究方法的研究。

表5是以更加簡潔的形式歸納的情報學前沿研究領(lǐng)域。需要指出的是，應當特別歡迎這些研究領(lǐng)域、背景、方法相互交叉所產(chǎn)出的研究成果，這意味著研究的選題很可能具有較好的前瞻性，并在發(fā)表后取得良好的關(guān)注度。

當然，本研究仍然存在一定的局限性。由于研究采用關(guān)鍵詞來作為研究話題的表征形態(tài)，但作者關(guān)鍵詞的指定有一定的隨意性和較大的自由度，雖然研究對詞形和詞態(tài)進行了歸一化處理，但仍然不能與規(guī)范化處理的敘詞相比，其結(jié)果并不是絕對的準確和全面;另一方面，部分刊物的編排格式中不含有關(guān)鍵詞或類似項目，研究對這部分文獻采用了機器自動抽取結(jié)合人工標引關(guān)鍵詞的做法予以補充，使得樣本集內(nèi)的每篇文獻均有關(guān)鍵詞數(shù)據(jù)可供分析，但這種做法得到的關(guān)鍵詞與作者關(guān)鍵詞存在不同程度的差異，可能造成分析過程中對部分研究領(lǐng)域的過度解讀或是疏漏。因而，上述研究結(jié)論應當成為研究選題的合理但不盲從的參考。

參考文獻

[1]楊國立，蘇新寧.邁向Intelligence導向的現(xiàn)代情報學[J].情報學報，2018，37（5）：460-466.

[2]巴志超，李綱，周利琴，等.數(shù)據(jù)科學及其對情報學變革的影響[J].情報學報，2018，37（7）：653-667.

[3]王琳.社科情報學學科內(nèi)涵和理論核心問題的思考[J].情報資料工作，2018，（6）：37-42.

[4]劉強.中國“情報學”亂象和迷途的終結(jié)與選擇——基于信息與情報的本源內(nèi)涵和學科機理與邊界[J].情報雜志，2018，37（11）：1-9.

[5]張云，楊建林.從學科交叉視角看國內(nèi)情報學的學科地位與發(fā)展思考[J/OL].情報理論與實踐.http：//kns.cnki.net/kcms/detail/11.1762.g3.20181129.1217.002.html，2019-02-16.

[6]趙蓉英，魏明坤.2010-2015年國內(nèi)外情報學研究熱點可視化比較[J].圖書館雜志，2016，35（8）：15-22.

[7]劉志輝，趙筱媛，許曉陽，等.文獻計量分析視角下的情報學理論研究進展[C]//中國國防科學技術(shù)信息學會.情報學進展：第11卷，2014-2015年度評論.北京：國防工業(yè)出版社，2016：27-46.

[8]王知津，曹文振.我國圖書館新媒體服務研究展望——基于高被引論文的分析[J].圖書館論壇，2017，37（9）：62-69.

[9]陳仕吉.科學研究前沿探測方法綜述[J].現(xiàn)代圖書情報技術(shù)，2009，25（9）：28-33.

[10]Eom S.Author Cocitation Analysis：Quantitative Methods for Mapping the Intellectual Structure of an Academic Discipline[M].New York：Information Science Reference，2008：10.

[11]Zhou Q，Leydesdorff L.The Normalization of Occurrence and Co-Occurrence Matrices in Bibliometrics Using Cosine Similarities and Ochiai Coefficients[J].Journal of the Association for Information Science and Technology，2016，67（11）：2805-2814.

[12]逯萬輝，馬建霞，趙迎光.爆發(fā)詞識別與主題探測技術(shù)研究綜述[J].情報理論與實踐，2012，35（6）：125-128.

[13]Campos-Domínguez E.Twitter and Political Communication[J].El Profesional de la Información，2017，26（5）：785-793.

[14]Quan W，Chen B，Shu F.Publish or Impoverish：An Investigation of the Monetary Reward System of Science in China（1999-2016）[J].Aslib Journal of Information Management，2017，69（5）：486-502.

[15]Zhao M，Yan E，Li K.Data Set Mentions and Citations：A Content Analysis of Full-Text Publications[J].Journal of the Association for Information Science and Technology，2018，69（1）：32-46.

[16]Cox A M，Griffin B，Hartel J.What Everybody Knows：Embodied Information in Serious Leisure[J].Journal of Documentation，2017，73（3）：386-406.

[17]Yan B，Luo J.Measuring Technological Distance for Patent Mapping[J].Journal of the Association for Information Science and Technology，2017，68（2）：423-437.

[18]Aletras N，Baldwin T，Lau J H，et al.Evaluating Topic Representations for Exploring Document Collections[J].Journal of the Association for Information Science and Technology，2017，68（1）：154-167.

[19]Delgado A D，Martínez R，Montalvo S，et al.Person Name Disambiguation in the Web Using Adaptive Threshold Clustering[J].Journal of the Association for Information Science and Technology，2017，68（7）：1751-1762.

[20]Jeng W，DesAutels S，He D，et al.Information Exchange on an Academic Social Networking Site：A Multidiscipline Comparison on ResearchGate Q&A[J].Journal of the Association for Information Science and Technology，2017，68（3）：638-652.

[21]López-Meri A，Marcos-García S，Casero-Ripollés A.What Do Politicians Do on Twitter？Functions and Communication Strategies in the Spanish Electoral Campaign of 2016[J].El Profesional de la Información，2017，26（5）：795-804.

[22]Wang L，Yan J，Lin J，et al.Let the Users Tell the Truth：Self-Disclosure Intention and Self-Disclosure Honesty in Mobile Social Networking[J].International Journal of Information Management，2017，37（1）：1428-1440.

[23]Cohan A，Young S，Yates A，et al.Triaging Content Severity in Online Mental Health Forums[J].Journal of the Association for Information Science and Technology，2017，68（11）：2675-2689.

[24]Schwartz D G，Yahav I，Silverman G.News Censorship in Online Social Networks：A Study of Circumvention in the Commentsphere[J].Journal of the Association for Information Science and Technology，2017，68（3）：569-582.

[25]Lim S，Woo J R，Lee J，et al.Consumer Valuation of Personal Information in the Age of Big Data[J].Journal of the Association for Information Science and Technology，2018，69（1）：60-71.

[26]Martínez-Martínez D F.Unification of Personal Data Protection in the European Union：Challenges and Implications[J].El Profesional de la Información，2018，27（1）：185-194.

[27]Colomo-Palacios R，F(xiàn)ernandes E，Soto-Acosta P，et al.A Case Analysis of Enabling Continuous Software Deployment Through Knowledge Management[J].International Journal of Information Management，2018，40：186-189.

[28]Pee L G.Affordances for Sharing Domain-Specific and Complex Knowledge on Enterprise Social Media[J].International Journal of Information Management，2018，43：25-37.

[29]Severyn A，Moschitti A，Uryupina O，et al.Multi-Lingual Opinion Mining on YouTube[J].Information Processing & Management，2016，52（1）：46-60.

[30]Dhir A，Yossatorn Y，Kaur P，et al.Online Social Media Fatigue and Psychological Wellbeing—A Study of Compulsive Use，F(xiàn)ear of Missing Out，F(xiàn)atigue，Anxiety and Depression[J].International Journal of Information Management，2018，40：141-152.

[31]Ramachandran M.Software Security Requirements Management as an Emerging Cloud Computing Service[J].International Journal of Information Management，2016，36（4）：580-590.

[32]Mntymki M，Riemer K.Enterprise Social Networking：A Knowledge Management Perspective[J].International Journal of Information Management，2016，36（6）：1042-1052.

[33]Pacauskas D，Rajala R，Westerlund M，et al.Harnessing User Innovation for Social Media Marketing：Case Study of a Crowdsourced Hamburger[J].International Journal of Information Management，2018，43：319-327.

[34]Harris M A，Brookshire R，Chin A G.Identifying Factors Influencing Consumers Intent to Install Mobile Applications[J].International Journal of Information Management，2016，36（3）：441-450.

[35]Maruping L M，Bala H，Venkatesh V，et al.Going Beyond Intention：Integrating Behavioral Expectation into the Unified Theory of Acceptance and Use of Technology[J].Journal of the Association for Information Science and Technology，2017，68（3）：623-637.

[36]Thelwall M，Wilson P.Mendeley Readership Altmetrics for Medical Articles：An Analysis of 45 Fields[J].Journal of the Association for Information Science and Technology，2016，67（8）：1962-1972.

[37]Rahimi F，Mller C，Hvam L.Business Process Management and IT Management：The Missing Integration[J].International Journal of Information Management，2016，36（1）：142-154.

[38]Araújo J，Pestana G.A Framework for Social Well-Being and Skills Management at the Workplace[J].International Journal of Information Management，2017，37（6）：718-725.

[39]Kim J，Hastak M.Social Network Analysis：Characteristics of Online Social Networks after a Disaster[J].International Journal of Information Management，2018，38（1）：86-96.

（責任編輯：馬 卓）