姚曉杰，屈文建，龔花萍，陳東有

(南昌大學(xué)管理學(xué)院，江西 南昌 330031)

現(xiàn)代科學(xué)的發(fā)展，知識(shí)協(xié)同是促進(jìn)知識(shí)技術(shù)創(chuàng)新發(fā)展的重要途徑[1]，跨學(xué)科已經(jīng)成為當(dāng)代科學(xué)發(fā)展的時(shí)代特征。近些年來(lái)人工智能、納米技術(shù)、神經(jīng)系統(tǒng)科學(xué)、生物信息學(xué)等學(xué)科領(lǐng)域，均呈現(xiàn)出極高的綜合跨學(xué)科特征。不同學(xué)科之間通過(guò)相互融合、滲透，引發(fā)了社會(huì)重大的科技創(chuàng)新。同時(shí)，科學(xué)研究也逐步呈現(xiàn)出高度綜合的跨學(xué)科特征。學(xué)科交互融合為原創(chuàng)性科學(xué)成果提供了原始動(dòng)力[2]。學(xué)者之間的科研合作也越來(lái)越體現(xiàn)跨學(xué)科交叉的動(dòng)態(tài)趨勢(shì)。學(xué)科間的交互交融，有效地促進(jìn)科學(xué)研究的創(chuàng)新效率提升。如何更好地促進(jìn)不同學(xué)科之間的交叉，是跨學(xué)科研究亟需解決的問(wèn)題。對(duì)于特定研究領(lǐng)域中學(xué)科關(guān)聯(lián)關(guān)系的研究，有助于有效促進(jìn)學(xué)科知識(shí)之間的交互效率，因而成為學(xué)者們關(guān)注的焦點(diǎn)。

“跨學(xué)科”(interdisciplinary)是由美國(guó)心理學(xué)家伍德沃思最早提出，是指涉及兩個(gè)或兩個(gè)以上學(xué)科的實(shí)踐活動(dòng)[3]。國(guó)內(nèi)外學(xué)者對(duì)跨學(xué)科交叉的研究集中在兩個(gè)方面：一方面是對(duì)學(xué)科交叉程度的研究。學(xué)者們從期刊的學(xué)科性、學(xué)科集成及論文產(chǎn)出等視角對(duì)交叉度進(jìn)行度量。Leydesdorff等研究期刊中學(xué)科交叉性的指標(biāo)包括多樣性、中心性和引文[4]。黃穎等從學(xué)科集成、學(xué)科專(zhuān)業(yè)化和學(xué)科擴(kuò)散三個(gè)指數(shù)維度對(duì)跨學(xué)科性進(jìn)行研究[5]。另一方面是對(duì)跨學(xué)科關(guān)聯(lián)關(guān)系的研究。以往學(xué)者在引文關(guān)系、合著關(guān)系、共詞分析及聚類(lèi)分析等方面展開(kāi)了大量研究[6-7]。Reis等通過(guò)研究人員的合作探討了通信和信息科學(xué)各領(lǐng)域之間的跨學(xué)科關(guān)系[8]。謝成等通過(guò)共詞分析法，構(gòu)建信息科學(xué)、經(jīng)濟(jì)學(xué)與管理學(xué)的學(xué)科關(guān)聯(lián)[9]。

然而，目前在跨學(xué)科交叉關(guān)系方面的研究，學(xué)者大都采用文獻(xiàn)計(jì)量方法，局限于某一個(gè)研究角度，較少全面系統(tǒng)地探討跨學(xué)科的關(guān)聯(lián)特征?；诖?，本文運(yùn)用社會(huì)網(wǎng)絡(luò)分析的研究方法，從三個(gè)角度分別探測(cè)不同學(xué)科及主題在合作交互網(wǎng)絡(luò)中的結(jié)構(gòu)地位，對(duì)跨學(xué)科網(wǎng)絡(luò)中的學(xué)科及主題進(jìn)行影響力識(shí)別，以及探測(cè)學(xué)術(shù)群網(wǎng)絡(luò)聚類(lèi)特征。本研究對(duì)于拓展跨學(xué)科領(lǐng)域研究，以及對(duì)學(xué)者開(kāi)展多學(xué)科合作、形成重大跨學(xué)科交叉團(tuán)隊(duì)提供有益借鑒。

1 原理及方法

為更好地探求生物醫(yī)學(xué)領(lǐng)域不同學(xué)科主題的關(guān)聯(lián)關(guān)系特征，本文基于復(fù)雜網(wǎng)絡(luò)理論，主要運(yùn)用主題識(shí)別、網(wǎng)絡(luò)中心度分析及塊模型分析方法，揭示該領(lǐng)域的跨學(xué)科網(wǎng)絡(luò)結(jié)構(gòu)特征、識(shí)別出關(guān)鍵學(xué)科及共同關(guān)注的研究主題。

1.1 主題識(shí)別

在某一特定研究領(lǐng)域，主題代表學(xué)科范圍內(nèi)相關(guān)文獻(xiàn)的研究?jī)?nèi)容[10]。主題識(shí)別又被稱為主題提取，通過(guò)對(duì)大量文本信息處理，幫助用戶快速有效地獲取關(guān)鍵內(nèi)容[11]。詞頻-逆向文件頻率值(TF-IDF)作為一種統(tǒng)計(jì)加權(quán)技術(shù)，常被用于信息檢索提取及文本挖掘的運(yùn)用[12]。TF是基于單一文檔，統(tǒng)計(jì)在文檔中某一詞語(yǔ)的出現(xiàn)頻率。IDF則是根據(jù)全部文檔的統(tǒng)計(jì)分析，衡量詞語(yǔ)的常見(jiàn)程度。TF-IDF計(jì)算公式如下：

(1)

其中，dj表示一篇文檔，|D|是文檔總數(shù)。nij代表詞語(yǔ)在文檔中的頻次，nkj代表文檔中所有詞匯的頻次。本文對(duì)主題詞的提取，采用python的TF-IDF術(shù)語(yǔ)加權(quán)算法實(shí)現(xiàn)，來(lái)識(shí)別生物醫(yī)學(xué)領(lǐng)域?qū)W科研究主題。其中，TF統(tǒng)計(jì)生物醫(yī)學(xué)領(lǐng)域不同學(xué)科主題的頻率，IDF衡量主題詞的普遍重要性。

1.2 關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建

基于社會(huì)網(wǎng)絡(luò)分析，構(gòu)建學(xué)科及主題之間的關(guān)聯(lián)網(wǎng)絡(luò)，研究學(xué)科主題的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。社會(huì)網(wǎng)絡(luò)分析使用量化方式描述節(jié)點(diǎn)之間關(guān)系，關(guān)注行動(dòng)者之間的二元屬性關(guān)系，并把關(guān)系表達(dá)為一種模式或規(guī)則，來(lái)反映社會(huì)結(jié)構(gòu)，從而進(jìn)行結(jié)構(gòu)關(guān)系的量化[13]。它側(cè)重于研究社會(huì)關(guān)系的結(jié)構(gòu)和各種關(guān)系，實(shí)現(xiàn)對(duì)關(guān)系的測(cè)量及可視化。社會(huì)網(wǎng)絡(luò)關(guān)系表達(dá)式如下：

(2)

其中，v和g分別為點(diǎn)集和邊集，m和n分別為網(wǎng)絡(luò)邊數(shù)和節(jié)點(diǎn)數(shù)。本文跨學(xué)科關(guān)聯(lián)結(jié)構(gòu)網(wǎng)絡(luò)中，節(jié)點(diǎn)表示不同的學(xué)科或主題。邊則是節(jié)點(diǎn)間的連線，代表兩個(gè)學(xué)科(或主題)間的合作關(guān)聯(lián)。邊的權(quán)重代表合作強(qiáng)度。

1.3 網(wǎng)絡(luò)中心度

衡量節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要程度的指標(biāo)是網(wǎng)絡(luò)中心度，通過(guò)節(jié)點(diǎn)值的測(cè)量識(shí)別其在結(jié)構(gòu)網(wǎng)絡(luò)位置上的影響力[14]。根據(jù)度中心度和中介中心度指標(biāo)探測(cè)節(jié)點(diǎn)的重要程度，測(cè)度主題在結(jié)構(gòu)網(wǎng)絡(luò)中的影響力。度中心性是測(cè)度節(jié)點(diǎn)重要性的最直接指標(biāo)，反映與網(wǎng)絡(luò)中其他節(jié)點(diǎn)直接聯(lián)系的緊密程度。度中心性的值越大，表示在網(wǎng)絡(luò)中的權(quán)利地位及影響就越大，能夠有效影響網(wǎng)絡(luò)中其他行動(dòng)者[15]。度中心性Dc(i)，公式表示為：

(3)

其中n表示網(wǎng)絡(luò)中的節(jié)點(diǎn)總數(shù)，i表示某一節(jié)點(diǎn)。在學(xué)科主題網(wǎng)絡(luò)中，某一學(xué)科主題的度中心度越大，表明其與其他主題之間存在直接交互關(guān)系越強(qiáng)，在網(wǎng)絡(luò)中直接影響越大。

中介性可以評(píng)價(jià)某一節(jié)點(diǎn)在網(wǎng)絡(luò)中的媒介作用，通過(guò)中介中心度測(cè)度，識(shí)別節(jié)點(diǎn)在網(wǎng)絡(luò)結(jié)構(gòu)中的間接影響力。節(jié)點(diǎn)i的中介中心性CC(i)公式為：

(4)

公式(4)中，n和dij分別表示節(jié)點(diǎn)數(shù)量和點(diǎn)i與點(diǎn)t之間的最短路徑。中介中心性高的主題通常在該學(xué)科領(lǐng)域發(fā)展中承擔(dān)橋梁和中介作用，也是連接不同研究方向的關(guān)鍵主題。

1.4 塊模型分析

本文運(yùn)用塊模型分析方法對(duì)學(xué)科主題進(jìn)行凝聚子群劃分，并分析子群內(nèi)部及子群間的關(guān)聯(lián)關(guān)系。塊模型是一種通過(guò)對(duì)行動(dòng)者進(jìn)行取值和分類(lèi)的技術(shù)，來(lái)研究不同行動(dòng)者的網(wǎng)絡(luò)位置關(guān)系的分析方法[16]，包括密度矩陣和相應(yīng)的圖像矩陣的構(gòu)建。本文運(yùn)用CONCOR算法迭代相關(guān)矩陣計(jì)算得到主題詞塊矩陣結(jié)構(gòu)，從而實(shí)現(xiàn)學(xué)科子群的層次劃分。在子群劃分的基礎(chǔ)上，通過(guò)像矩陣值，研究子群內(nèi)部及彼此之間的關(guān)系模式，得出不同子群的層次結(jié)構(gòu)地位。與傳統(tǒng)聚類(lèi)分析不同[17]，塊模型分析更適用網(wǎng)絡(luò)關(guān)系的聚類(lèi)，探討聚類(lèi)之間的關(guān)系。

2 實(shí)證分析

科研機(jī)構(gòu)成員的跨學(xué)科合作，可以更好地促進(jìn)科研創(chuàng)新發(fā)展。生物醫(yī)學(xué)作為一個(gè)綜合交叉研究領(lǐng)域，涵蓋醫(yī)學(xué)、生命科學(xué)和生物學(xué)等多個(gè)學(xué)科，具有明顯的學(xué)科交叉特征。為了更好地探析該領(lǐng)域?qū)W者的跨學(xué)科合作現(xiàn)狀，本文以生物醫(yī)學(xué)科研機(jī)構(gòu)為實(shí)證對(duì)象，探析領(lǐng)域內(nèi)不同學(xué)科主題的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系特征。

2.1 數(shù)據(jù)獲取

選取上海交通大學(xué)Bio-X研究院機(jī)構(gòu)所有成員發(fā)表的論文為數(shù)據(jù)樣本，因?yàn)樵撗芯繄F(tuán)隊(duì)在生物醫(yī)學(xué)跨學(xué)科研究領(lǐng)域具有較好的代表性。對(duì)WoSTM核心合集中的SSCI和SCI兩個(gè)數(shù)據(jù)庫(kù)進(jìn)行檢索，檢索條件限定機(jī)構(gòu)為“Shanghai Jiao Tong Univ，Bio X Inst”。為跟蹤生物醫(yī)學(xué)近十年的跨學(xué)科現(xiàn)狀，檢索時(shí)間限定為2011-2020年。將下載的文獻(xiàn)去重、清洗，最終獲取238篇有效數(shù)據(jù)，將獲取得到的TI、AU、DE、WC等文獻(xiàn)字段數(shù)據(jù)存儲(chǔ)在MySQL數(shù)據(jù)庫(kù)中。分別運(yùn)用Python、Ucinet軟件，進(jìn)行主題提取、測(cè)算網(wǎng)絡(luò)結(jié)構(gòu)指標(biāo)值，并進(jìn)行網(wǎng)絡(luò)可視化。

對(duì)238篇學(xué)者科研合作發(fā)文數(shù)據(jù)統(tǒng)計(jì)，得到近十年來(lái)生物醫(yī)學(xué)領(lǐng)域?qū)W科類(lèi)別分布共有57種，可能存在著關(guān)聯(lián)關(guān)系。從學(xué)科發(fā)文量來(lái)看，獲得了該領(lǐng)域中主要學(xué)科類(lèi)別。對(duì)應(yīng)的學(xué)科類(lèi)別發(fā)文量和總發(fā)文量占比如圖1(a、b)所示。從圖中可以看出，遺傳學(xué)與遺傳排第一位，占總發(fā)文的18.75%。其次是神經(jīng)科學(xué)(14.06%)和精神病學(xué)(13.67%)。根據(jù)“二八定律”在學(xué)科類(lèi)別分布中占比超過(guò)百分之八十的學(xué)科類(lèi)別有6個(gè)，除了遺傳學(xué)與遺傳、神經(jīng)科學(xué)、精神病學(xué)外，還包括生物化學(xué)與分子生物學(xué)、多學(xué)科科學(xué)及藥學(xué)。從所屬學(xué)科大類(lèi)來(lái)看，主要集中分布在醫(yī)學(xué)、生物學(xué)及藥學(xué)三個(gè)大學(xué)科。這表明了在學(xué)科交互合作網(wǎng)絡(luò)中生物醫(yī)學(xué)成員機(jī)構(gòu)具有廣泛的跨學(xué)科關(guān)聯(lián)，但是存在核心交互學(xué)科。這與生物醫(yī)學(xué)在神經(jīng)科學(xué)和遺傳學(xué)領(lǐng)域的實(shí)際地位和影響是一致的。

圖1 生物醫(yī)學(xué)成員機(jī)構(gòu)WoS跨學(xué)科發(fā)文量(a)和其對(duì)應(yīng)的占比(b)

2.2 整體關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建

2.2.1 學(xué)科分類(lèi)關(guān)聯(lián)網(wǎng)絡(luò)

Web of ScienceTM數(shù)據(jù)庫(kù)中期刊論文被歸并劃分為一個(gè)或者多個(gè)學(xué)科類(lèi)別。學(xué)者常常采用WoS學(xué)科類(lèi)別來(lái)表征不同學(xué)科[18]。本文對(duì)每條記錄提取文獻(xiàn)的WoS學(xué)科分類(lèi)，構(gòu)建學(xué)科類(lèi)別共現(xiàn)矩陣，得到生物醫(yī)學(xué)WoS學(xué)科分類(lèi)的結(jié)構(gòu)網(wǎng)絡(luò)關(guān)聯(lián)圖(圖2)。在該圖中節(jié)點(diǎn)和連線分別表示學(xué)科類(lèi)別和學(xué)科類(lèi)別之間的關(guān)聯(lián)關(guān)系。節(jié)點(diǎn)大小代表網(wǎng)絡(luò)中的核心邊緣地位，節(jié)點(diǎn)越大表明在網(wǎng)絡(luò)中的關(guān)聯(lián)程度越大?？梢钥闯?，“Genetics & Heredity遺傳學(xué)與遺傳”、“Neurosciences神經(jīng)科學(xué)”、“Biochemistry & Molecular Biology生物化學(xué)與分子生物學(xué)”、“Pharmacology & Pharmacy藥學(xué)”、和“Cell Biology細(xì)胞生物學(xué)”處于網(wǎng)絡(luò)中間位置，關(guān)聯(lián)程度最大。處于最外層結(jié)構(gòu)位置的學(xué)科分類(lèi)數(shù)量最多，尤其是“Physics Applied應(yīng)用物理學(xué)”、“Nanoscience & Nanotechnology納米科學(xué)和納米技術(shù)”、“Materials Science，Multidisciplinary材料科學(xué)多學(xué)科”三個(gè)學(xué)科類(lèi)別之間獨(dú)立形成關(guān)聯(lián)網(wǎng)絡(luò)，而不與學(xué)科相互關(guān)聯(lián)。通過(guò)對(duì)學(xué)科網(wǎng)絡(luò)結(jié)構(gòu)位置分析，表明不同學(xué)科類(lèi)別在結(jié)構(gòu)關(guān)聯(lián)網(wǎng)絡(luò)中處于不同位置層次，越處于中間位置的，越與其他學(xué)科具有更多的關(guān)聯(lián)關(guān)系。生物醫(yī)學(xué)成員組織在網(wǎng)絡(luò)中間的位置相對(duì)集中，交互關(guān)系更為密切，但是外圍學(xué)科交互比較松散。這也反映了生物醫(yī)學(xué)研究院最早是在在神經(jīng)精神病學(xué)、人類(lèi)遺傳科學(xué)和生命科學(xué)的基礎(chǔ)上建立起來(lái)的跨學(xué)科團(tuán)隊(duì)。生物化學(xué)、納米科學(xué)、計(jì)算生物學(xué)及生命科學(xué)雖然關(guān)聯(lián)性較小，也在豐富生物醫(yī)學(xué)成員的結(jié)構(gòu)，體現(xiàn)了生物醫(yī)學(xué)跨學(xué)科發(fā)展的趨勢(shì)。同時(shí)，它反映了生物醫(yī)學(xué)融合生物化學(xué)、納米技術(shù)及計(jì)算機(jī)科學(xué)多個(gè)學(xué)科領(lǐng)域的跨學(xué)科的特點(diǎn)。

圖2 基于WoS學(xué)科分類(lèi)的關(guān)聯(lián)結(jié)構(gòu)網(wǎng)絡(luò)圖

2.2.2 主題內(nèi)容關(guān)聯(lián)網(wǎng)絡(luò)

主題作為文獻(xiàn)內(nèi)容的一個(gè)重要組成部分，通過(guò)分析可以獲取某一主題研究領(lǐng)域的學(xué)者關(guān)注熱點(diǎn)及發(fā)展趨勢(shì)。本文運(yùn)用python進(jìn)行摘要文本主題詞識(shí)別，最終得到22個(gè)高頻主題。如圖3所示，通過(guò)構(gòu)建主題共現(xiàn)矩陣并可視化，得到學(xué)科主題交互關(guān)聯(lián)結(jié)構(gòu)網(wǎng)絡(luò)圖。主題節(jié)點(diǎn)“Schizophrenia精神分裂癥”、“Major Depressive Disorder抑郁癥”、“Case-Control Study病例對(duì)照研究”、“Single Nucleotide Polymorphisms單核苷酸多態(tài)性”處于網(wǎng)絡(luò)結(jié)構(gòu)核心位置，具有較多的關(guān)聯(lián)關(guān)系。為了考察網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的整體關(guān)聯(lián)程度，進(jìn)一步測(cè)算整體網(wǎng)絡(luò)密度。數(shù)值越接近1，代表成員間關(guān)聯(lián)程度越緊密。主題網(wǎng)絡(luò)密度結(jié)果為0.562，表明生物醫(yī)學(xué)不同學(xué)科主題間的網(wǎng)絡(luò)關(guān)聯(lián)程度整體不強(qiáng)。圖中比較可以看出，生物學(xué)和醫(yī)學(xué)的主題關(guān)聯(lián)強(qiáng)度最大，這也表明不同學(xué)科主題的關(guān)聯(lián)性程度不同。

圖3 基于主題內(nèi)容的關(guān)聯(lián)結(jié)構(gòu)網(wǎng)絡(luò)圖

2.3 影響力識(shí)別

3.3.1 學(xué)科分類(lèi)影響力識(shí)別

基于總被引頻次對(duì)學(xué)科分類(lèi)進(jìn)行測(cè)度，識(shí)別得到高影響力的學(xué)科，結(jié)果見(jiàn)圖4所示。可以看出，影響最大的是學(xué)科是“Cell Biology細(xì)胞生物學(xué)”，值為1263，占所有學(xué)科總被引頻次的21.55%；其次是“Biochemistry Molecular Biology生物化學(xué)與分子生物學(xué)”總被引頻次是958，占比為16.34%；“Oncology腫瘤學(xué)”總被引頻次是640，占比為10.92%。

圖4 基于被引頻次的學(xué)科分類(lèi)影響力識(shí)別

基于h指數(shù)對(duì)學(xué)科分類(lèi)進(jìn)行的測(cè)度，對(duì)交互學(xué)科影響力進(jìn)行識(shí)別，結(jié)果見(jiàn)圖5所示?？梢钥闯觥癎enetics Heredity遺傳學(xué)與遺傳”h指數(shù)值明顯最高17，影響最大。居于第二、三位的分別是，“Biochemistry Molecular Biology生物化學(xué)與分子生物學(xué)”、“Neurosciences神經(jīng)科學(xué)”。同時(shí)發(fā)現(xiàn)學(xué)科的h-index與衡量學(xué)科影響的篇均被引次數(shù)趨勢(shì)基本保持一致。在篇均被引統(tǒng)計(jì)分析中，細(xì)胞生物學(xué)值(151.41)明顯高于其他學(xué)科，具有較大的影響。

圖5 基于h指數(shù)的學(xué)科分類(lèi)影響力識(shí)別

與傳統(tǒng)的文獻(xiàn)計(jì)量指標(biāo)總被引頻次相比，h指數(shù)可以更好地評(píng)估學(xué)術(shù)的數(shù)量與質(zhì)量綜合水平。圖4、5比較，發(fā)現(xiàn)生物化學(xué)與分子生物學(xué)在總被引頻次和h指數(shù)都具有較大的影響力。細(xì)胞生物學(xué)總被引值最高，但是h指數(shù)指標(biāo)較低。遺傳學(xué)與遺傳h指數(shù)值較高，但是被引頻次中排在第7位。

2.3.2 主題影響力識(shí)別

運(yùn)用Ucinet對(duì)主題關(guān)聯(lián)網(wǎng)絡(luò)中的節(jié)點(diǎn)，進(jìn)行中心性測(cè)量。點(diǎn)度中心度和中介中心度結(jié)果，如表1、2所示。表1可以看出“精神分裂癥”、“抑郁癥”及“病例對(duì)照研究”的點(diǎn)度中心度值居于前三位，分別為30、19和12，表明這三個(gè)主題在學(xué)科主題整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中，具有較大的直接影響力。與其他主題的直接關(guān)聯(lián)關(guān)系較強(qiáng)，處于網(wǎng)絡(luò)中的關(guān)鍵核心地位，是該領(lǐng)域?qū)W者研究的熱點(diǎn)。特別是“精神分裂癥”居于第一位，并且中心度值明顯高于其它節(jié)點(diǎn)，說(shuō)明該主題是生物醫(yī)學(xué)領(lǐng)域不同學(xué)科共同關(guān)注的重點(diǎn)內(nèi)容。表2中，“單核苷酸多態(tài)性”中介中心度值最高，值為64.00，其次是“精神分裂癥”、“多囊卵巢綜合征”，值分別為49.45、42.00。表明該三個(gè)主題在網(wǎng)絡(luò)結(jié)構(gòu)中發(fā)揮著較大的中介橋梁作用，具有較強(qiáng)的間接影響力。其他主題依賴它們的媒介作用來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)中的相互關(guān)聯(lián)。尤其是前三位的中介中心度值明顯高于其他節(jié)點(diǎn)，也表明了“單核苷酸多態(tài)性”、“精神分裂癥”、及“多囊卵巢綜合征”，目前在該研究領(lǐng)域中具有不可替代的橋梁關(guān)聯(lián)作用。

表1 基于點(diǎn)度中心度的主題內(nèi)容影響力識(shí)別

表2 基于中介中心度的主題內(nèi)容影響力識(shí)別

2.4 主題塊模型分析

運(yùn)用塊模型來(lái)分析生物醫(yī)學(xué)領(lǐng)域不同學(xué)科主題之間的網(wǎng)絡(luò)聚類(lèi)關(guān)系。通過(guò)對(duì)學(xué)科主題網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)分區(qū)，得到7個(gè)凝聚子群。將不同的主題群進(jìn)行學(xué)科歸屬，形成四大學(xué)科群。結(jié)果如表3所示。從學(xué)科主題歸類(lèi)來(lái)看，醫(yī)學(xué)-生物學(xué)-藥學(xué)群在抑郁情感障礙及藥理學(xué)形成集聚，該學(xué)科群最大。而醫(yī)學(xué)-生物學(xué)、醫(yī)學(xué)-數(shù)學(xué)學(xué)科群相對(duì)較小。

表3 學(xué)科主題塊模型劃分

如表4所示，對(duì)7個(gè)主題模塊，進(jìn)行模塊內(nèi)以及模塊間的親密關(guān)系及關(guān)聯(lián)程度測(cè)度，得到密度矩陣和像矩陣值?？梢钥闯?，密度矩陣密度最大的兩個(gè)模塊是第5和第3模塊，值分別是2.00、1.33，說(shuō)明這兩個(gè)模塊在學(xué)科主題關(guān)聯(lián)網(wǎng)絡(luò)中內(nèi)部關(guān)聯(lián)程度最為緊密。從像矩陣結(jié)果，可以得到學(xué)科主題模塊外部及內(nèi)部間關(guān)聯(lián)關(guān)系。根據(jù)主題模塊內(nèi)外之間的關(guān)聯(lián)，構(gòu)建主題模塊關(guān)聯(lián)圖，如圖6所示?？梢钥闯?，醫(yī)學(xué)-生物學(xué)群中的第1、2模塊、醫(yī)學(xué)-生物學(xué)-藥學(xué)群中的第3模塊和醫(yī)學(xué)-數(shù)學(xué)群中的第5模塊存在模塊內(nèi)部的主題關(guān)聯(lián)關(guān)系。同時(shí)，第1模塊又與第3、4模塊產(chǎn)生模塊之間主題交互關(guān)系。第6、7模塊關(guān)聯(lián)關(guān)系為0。特別是第1主題模塊的“精神分裂癥”“遺傳關(guān)聯(lián)”，在模塊內(nèi)外都有交互關(guān)系，在網(wǎng)絡(luò)交互結(jié)構(gòu)中發(fā)揮著重要作用。

表4 密度矩陣和像矩陣

圖6 跨學(xué)科主題模塊關(guān)聯(lián)關(guān)系圖

塊模型結(jié)果表明，不同學(xué)科之間的距離和密切關(guān)系形成了具有一定層次差異性的跨學(xué)科關(guān)聯(lián)網(wǎng)絡(luò)。在結(jié)構(gòu)化的多學(xué)科協(xié)同網(wǎng)絡(luò)中，學(xué)科及主題之間存在著一定的交互關(guān)系，但交互關(guān)系又分為不同的結(jié)構(gòu)層次。同時(shí)，也表明主題領(lǐng)域機(jī)構(gòu)學(xué)者之間開(kāi)展的跨學(xué)科合作，其關(guān)系網(wǎng)絡(luò)表現(xiàn)出差異性，存在明顯的強(qiáng)弱差異。同一個(gè)結(jié)構(gòu)層次內(nèi)部的交互作用較強(qiáng)，而結(jié)構(gòu)層次之間的交互作用較弱。

3 結(jié)論

本文基于社會(huì)網(wǎng)絡(luò)和塊模型分析，分別從WoS學(xué)科分類(lèi)與主題兩個(gè)維度，在交互網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征、學(xué)科主題影響力及學(xué)科群聚類(lèi)關(guān)系特征三個(gè)層面上，揭示了生物醫(yī)學(xué)主題研究領(lǐng)域科研協(xié)同中的跨學(xué)科關(guān)聯(lián)關(guān)系特征。主要研究結(jié)論如下：

(1)學(xué)科主題關(guān)聯(lián)關(guān)系在網(wǎng)絡(luò)結(jié)構(gòu)上呈現(xiàn)親近-疏遠(yuǎn)的差異特征。生物醫(yī)學(xué)領(lǐng)域關(guān)聯(lián)的學(xué)科范圍較廣，但整體交互關(guān)系較弱，一些學(xué)科處于孤立位置。從網(wǎng)絡(luò)結(jié)構(gòu)特征來(lái)看，核心學(xué)科和邊緣學(xué)科分化嚴(yán)重。在學(xué)科分類(lèi)網(wǎng)絡(luò)中，遺傳學(xué)與遺傳、神經(jīng)科學(xué)、藥學(xué)、生物化學(xué)及細(xì)胞生物學(xué)處于網(wǎng)絡(luò)結(jié)構(gòu)核心位置，與其他學(xué)科類(lèi)別有較多的關(guān)聯(lián)特性。主題關(guān)聯(lián)網(wǎng)絡(luò)中的精神分裂癥、抑郁癥及單核苷酸多態(tài)性處于網(wǎng)絡(luò)核心位置，是生物醫(yī)學(xué)領(lǐng)域的研究熱點(diǎn)。這與生物醫(yī)學(xué)在神經(jīng)科學(xué)和遺傳學(xué)領(lǐng)域的實(shí)際地位和影響是一致的。

(2)交互關(guān)聯(lián)的學(xué)科主題中，具有高影響力的學(xué)科及共同關(guān)注的研究主題。從學(xué)科類(lèi)別的計(jì)量指標(biāo)來(lái)看，生物化學(xué)與分子生物學(xué)、神經(jīng)科學(xué)在該學(xué)術(shù)領(lǐng)域具有較大影響，成為主要學(xué)科交叉點(diǎn)。從學(xué)科主題的節(jié)點(diǎn)中心性指標(biāo)來(lái)看，精神分裂癥和單核苷酸多態(tài)，在關(guān)聯(lián)網(wǎng)絡(luò)中與其他主題直接關(guān)聯(lián)關(guān)系最大，也發(fā)揮著重要的媒介影響作用，成為不同學(xué)科共同關(guān)注的熱點(diǎn)。這些關(guān)鍵學(xué)科在科研合作中，占有和控制著絕大多數(shù)的科研資源。

(3)跨學(xué)科關(guān)聯(lián)合作網(wǎng)絡(luò)形成了不同的學(xué)科主題凝聚子群，關(guān)聯(lián)關(guān)系表現(xiàn)出結(jié)構(gòu)層次差異。基于塊模型分析，對(duì)跨學(xué)科主題進(jìn)行網(wǎng)絡(luò)聚類(lèi)，得到7個(gè)模塊，進(jìn)而形成醫(yī)學(xué)-生物學(xué)、醫(yī)學(xué)-生物學(xué)-藥學(xué)、醫(yī)學(xué)-數(shù)學(xué)以及醫(yī)學(xué)-生物學(xué)-化學(xué)-物理學(xué)四個(gè)學(xué)科群。同時(shí)在模塊內(nèi)部以及模塊之間形成了強(qiáng)弱不同的關(guān)聯(lián)關(guān)系。不同學(xué)科關(guān)聯(lián)網(wǎng)絡(luò)中，較易在親緣關(guān)系學(xué)科中形成團(tuán)聚關(guān)聯(lián)。

本文對(duì)于跨學(xué)科關(guān)聯(lián)關(guān)系特征的研究，對(duì)于深入理解主題研究領(lǐng)域跨學(xué)科科研合作具有重要意義。從理論的角度，這在一定程度上豐富了跨學(xué)科理論研究。在實(shí)踐上，為主題研究領(lǐng)域開(kāi)展多學(xué)科科研協(xié)作，形成重大跨學(xué)科團(tuán)隊(duì)提供參考?？蒲腥藛T開(kāi)展積極有效的跨學(xué)科科研合作，要注重與相近學(xué)科開(kāi)展合作。隨著不同學(xué)科知識(shí)交互，衍生出新的學(xué)科知識(shí)增長(zhǎng)點(diǎn)，從而提升科研創(chuàng)新效率。此外，需要提升政策在跨學(xué)科合作中的推動(dòng)作用。由于學(xué)科知識(shí)界限的阻礙，一些邊緣學(xué)科較難實(shí)現(xiàn)學(xué)科交互?？梢酝ㄟ^(guò)重大聯(lián)合交叉科研項(xiàng)目、聯(lián)合資助等的激勵(lì)政策，鼓勵(lì)各個(gè)學(xué)科領(lǐng)域開(kāi)展有效的跨學(xué)科科研合作，從而更好地實(shí)現(xiàn)科學(xué)研究上的突破。