杜德慧 劉超

上海大學(xué)圖書(shū)情報(bào)檔案系 上海 200444

1 引言

隨著科學(xué)“微分化”的發(fā)展和研究問(wèn)題復(fù)雜度的提高，單一學(xué)科的知識(shí)已無(wú)法滿足人們解決問(wèn)題的需要，從而導(dǎo)致學(xué)科間知識(shí)融合的程度逐漸加深，進(jìn)程不斷加快?？蒲腥藛T通常需要打破不同學(xué)科的界限，跨越不同的研究領(lǐng)域，借助學(xué)科間的相互滲透促進(jìn)知識(shí)創(chuàng)新[1]。與此同時(shí)，各門學(xué)科的迅速發(fā)展和研究工具的日益精巧，促使科學(xué)工作者或者使用一種方法將本學(xué)科知識(shí)應(yīng)用于不同的研究領(lǐng)域，或者將各種方法應(yīng)用于某個(gè)固定的學(xué)科領(lǐng)域[2]。在探究跨學(xué)科（Interdisciplinary）知識(shí)交流中，識(shí)別并判斷未來(lái)可能的發(fā)展趨勢(shì)才能更好地對(duì)跨學(xué)科研究的發(fā)展和規(guī)劃提供建設(shè)性意見(jiàn)[3]。面對(duì)當(dāng)前新興技術(shù)浪潮的沖擊，新文科建設(shè)要求突破傳統(tǒng)文科的思維模式，強(qiáng)調(diào)學(xué)科發(fā)展中的繼承與創(chuàng)新、交叉與融合，而在圖書(shū)情報(bào)學(xué)的學(xué)科體系構(gòu)建過(guò)程中也吸收借鑒了許多來(lái)自于其他學(xué)科的理論、方法等[4]?？鐚W(xué)科知識(shí)組合指融合潛力較高的本學(xué)科知識(shí)與其他學(xué)科知識(shí)，即由本學(xué)科主題或關(guān)鍵詞所構(gòu)成的知識(shí)與由其他學(xué)科主題或關(guān)鍵詞所構(gòu)成的知識(shí)通過(guò)某種關(guān)系得以關(guān)聯(lián)所形成的具有研究?jī)r(jià)值、新穎性和發(fā)展?jié)摿Φ闹R(shí)組合。面對(duì)不同學(xué)科間知識(shí)融合需求的日益增長(zhǎng)，亟需從數(shù)量龐大的科技文獻(xiàn)中挖掘潛在跨學(xué)科知識(shí)組合。通過(guò)識(shí)別潛在跨學(xué)科知識(shí)組合能夠有針對(duì)性地掌握其他學(xué)科可以與目標(biāo)學(xué)科相結(jié)合的知識(shí)點(diǎn)，從而服務(wù)于目標(biāo)學(xué)科的問(wèn)題研究。

2 相關(guān)研究綜述

1926年，美國(guó)哥倫比亞大學(xué)的R. S. Woodworth教授[5]在社會(huì)科學(xué)研究理事會(huì)的年會(huì)上首次提出“跨學(xué)科”的概念，強(qiáng)調(diào)跨學(xué)科是不同基礎(chǔ)學(xué)科之間的交叉、滲透與融合。針對(duì)跨學(xué)科知識(shí)研究，學(xué)者們主要從跨學(xué)科領(lǐng)域知識(shí)發(fā)揮的作用、跨學(xué)科領(lǐng)域的發(fā)展模式與演化以及跨學(xué)科主題的結(jié)構(gòu)特征與跨學(xué)科知識(shí)識(shí)別3個(gè)方面展開(kāi)探究。

從跨學(xué)科角度探索領(lǐng)域知識(shí)在不同學(xué)科轉(zhuǎn)移過(guò)程中發(fā)揮的作用，有助于明晰跨學(xué)科知識(shí)在促進(jìn)成果產(chǎn)出與學(xué)科知識(shí)發(fā)展方面的影響力。E. Yan等[6]將知識(shí)貿(mào)易理論與施引網(wǎng)絡(luò)相結(jié)合，通過(guò)計(jì)算學(xué)科主題類別間的貿(mào)易順差額度探析了學(xué)科知識(shí)的貿(mào)易影響力。H. Eto[7]利用跨學(xué)科信息的輸入和輸出作用力，對(duì)納米技術(shù)項(xiàng)目的成果產(chǎn)出行為進(jìn)行測(cè)度。K. Karunan等[8]基于引文網(wǎng)絡(luò)構(gòu)建定量方法模型，評(píng)估不同學(xué)科間知識(shí)相互作用的強(qiáng)度、主導(dǎo)模式和相互貢獻(xiàn)率?？虑嗟萚9]通過(guò)分析圖書(shū)情報(bào)學(xué)科的跨學(xué)科引用總體情況和時(shí)間演變態(tài)勢(shì)，揭示該學(xué)科的主要知識(shí)來(lái)源與知識(shí)貢獻(xiàn)推進(jìn)效應(yīng)。徐璐等[10]從輸出強(qiáng)度、時(shí)效性和跨學(xué)科性3個(gè)維度，分析得出跨學(xué)科引用有助于拓寬知識(shí)輸出的學(xué)科范圍。上述相關(guān)研究主要從知識(shí)轉(zhuǎn)移視角對(duì)跨學(xué)科知識(shí)的作用強(qiáng)度和知識(shí)貢獻(xiàn)等特征進(jìn)行定量分析，為后續(xù)探索跨學(xué)科相關(guān)研究奠定了基礎(chǔ)，但缺乏對(duì)跨學(xué)科領(lǐng)域形成及其演化特點(diǎn)的分析，而探究跨學(xué)科領(lǐng)域的發(fā)展和演化有助于深入了解各學(xué)科相互作用的動(dòng)態(tài)關(guān)系變化情況。

在跨學(xué)科發(fā)展過(guò)程中，各領(lǐng)域知識(shí)在不同發(fā)展階段發(fā)揮的作用有所不同，因而有必要探析跨學(xué)科領(lǐng)域的發(fā)展模式與演化過(guò)程?？鐚W(xué)科研究通常經(jīng)歷潛伏期、萌芽期和成熟期3個(gè)階段，各研究領(lǐng)域在不同時(shí)期扮演知識(shí)來(lái)源者、知識(shí)接收者、知識(shí)響應(yīng)者和跨學(xué)科參與者等不同角色[11]。T. Chakraborty[12]提出施引文獻(xiàn)多樣性指數(shù)，結(jié)合參考文獻(xiàn)多樣性指標(biāo)歸納出跨學(xué)科領(lǐng)域知識(shí)具有“吸收—內(nèi)化—輸出”的發(fā)展模式。呂冬晴等[13]通過(guò)聚類分析得到國(guó)內(nèi)人文社會(huì)科學(xué)學(xué)科具有內(nèi)聚型、收斂型、平衡型和開(kāi)放型4種跨學(xué)科模式，以及低平、高平、劇烈波動(dòng)和均衡波動(dòng)4類演變態(tài)勢(shì)。岳增慧等[14]從集中趨勢(shì)、離散程度和分布形態(tài)描述學(xué)科知識(shí)擴(kuò)散數(shù)量特征，運(yùn)用社會(huì)網(wǎng)絡(luò)分析法探析學(xué)科知識(shí)擴(kuò)散中介性特征以及中間人角色特征。梁鎮(zhèn)濤等[15]運(yùn)用引文關(guān)系網(wǎng)絡(luò)分析跨學(xué)科發(fā)展的模式，考察不同階段各學(xué)科在跨學(xué)科領(lǐng)域中的關(guān)系結(jié)構(gòu)與角色演變，并基于文獻(xiàn)引證關(guān)系從微觀層面揭示跨學(xué)科領(lǐng)域的演化路徑。上述相關(guān)研究主要運(yùn)用引文分析法，通過(guò)構(gòu)建測(cè)度指標(biāo)模型或引文關(guān)系網(wǎng)絡(luò)探析跨學(xué)科領(lǐng)域的形成過(guò)程和發(fā)展模式，并從微觀層面研究跨學(xué)科領(lǐng)域的動(dòng)態(tài)演化以及發(fā)展路徑。

隨著跨學(xué)科研究的深入，僅僅圍繞跨學(xué)科領(lǐng)域的發(fā)展模式和演化過(guò)程已經(jīng)無(wú)法實(shí)現(xiàn)對(duì)跨學(xué)科知識(shí)本身的細(xì)粒度挖掘與探索，因此，一系列學(xué)者著手研究跨學(xué)科主題的結(jié)構(gòu)及其特征，并探究跨學(xué)科相關(guān)知識(shí)的發(fā)現(xiàn)方法。L. Li等[16]提出一種主題相關(guān)分析法，從多個(gè)學(xué)科中提取共有和特有的主題潛在特征。S. Lafia等[17]基于加州大學(xué)Santa Barbara分校地球研究所的出版物和研究項(xiàng)目，構(gòu)建模型并設(shè)計(jì)科學(xué)地圖，揭示該研究院跨學(xué)科研究的潛在主題結(jié)構(gòu)。李長(zhǎng)玲等[18]針對(duì)情報(bào)學(xué)與計(jì)算機(jī)科學(xué)主要期刊的互引論文，通過(guò)分析兩學(xué)科關(guān)鍵詞共詞矩陣的核心—邊緣模型識(shí)別交叉研究主題。岳增慧等[19]運(yùn)用高頻詞共現(xiàn)及高頻詞—學(xué)科共現(xiàn)網(wǎng)絡(luò)，從學(xué)科交叉領(lǐng)域基礎(chǔ)以及學(xué)科交叉關(guān)聯(lián)基礎(chǔ)兩個(gè)方面，識(shí)別情報(bào)學(xué)和計(jì)算機(jī)跨學(xué)科應(yīng)用這兩個(gè)學(xué)科的熱點(diǎn)研究主題和交叉研究主題。吳蕾等[20]使用改進(jìn)的主題相關(guān)分析法，提取農(nóng)學(xué)生殖生物學(xué)和獸醫(yī)學(xué)兩個(gè)學(xué)科的共同主題和各自的獨(dú)立主題，結(jié)合相關(guān)性測(cè)度方法量化學(xué)科獨(dú)立主題之間的關(guān)聯(lián)性。李長(zhǎng)玲和劉小慧等[21-22]分別運(yùn)用閉合式、開(kāi)放式非相關(guān)知識(shí)發(fā)現(xiàn)法，定義主題跨學(xué)科合作潛力指數(shù)并挖掘潛在跨學(xué)科合作主題。另外，也有學(xué)者基于引文分析法對(duì)跨學(xué)科相關(guān)知識(shí)的識(shí)別進(jìn)行探究。張瑞等[23]從文獻(xiàn)引用角度測(cè)量學(xué)科間的知識(shí)流動(dòng)，抽取跨學(xué)科學(xué)術(shù)名詞并判斷其發(fā)展趨勢(shì)。杜德慧等[24]基于引文關(guān)鍵詞構(gòu)建學(xué)科相關(guān)新穎性指數(shù)，以圖書(shū)情報(bào)學(xué)為例探討識(shí)別跨學(xué)科相關(guān)知識(shí)的方法。牌艷欣等[25]利用目標(biāo)學(xué)科源文獻(xiàn)、跨學(xué)科參考文獻(xiàn)和跨學(xué)科引證文獻(xiàn)，構(gòu)建跨學(xué)科知識(shí)弱引文關(guān)聯(lián)網(wǎng)絡(luò)并識(shí)別跨學(xué)科相關(guān)知識(shí)組合。此外，李長(zhǎng)玲等[26]基于學(xué)者博文的好友關(guān)系，構(gòu)建目標(biāo)學(xué)科知識(shí)節(jié)點(diǎn)與跨學(xué)科相關(guān)知識(shí)的弱關(guān)系網(wǎng)絡(luò)，識(shí)別最佳跨學(xué)科相關(guān)知識(shí)對(duì)。

綜上，挖掘跨學(xué)科研究主題以及相關(guān)知識(shí)可以為進(jìn)一步探索跨學(xué)科知識(shí)的運(yùn)用、發(fā)揮跨學(xué)科研究的潛在利用價(jià)值提供思路與參考。當(dāng)前研究主要運(yùn)用主題相關(guān)分析法、共現(xiàn)分析法、非相關(guān)知識(shí)發(fā)現(xiàn)理論和引文分析法對(duì)跨學(xué)科研究主題及相關(guān)知識(shí)進(jìn)行挖掘，少有學(xué)者借助文獻(xiàn)間的直接引用關(guān)系識(shí)別不同學(xué)科的潛在跨學(xué)科知識(shí)組合。因此，本研究借助引文分析法，從直接引用關(guān)系角度對(duì)潛在跨學(xué)科知識(shí)組合的識(shí)別方法進(jìn)行探究，并挖掘融合可能性較大的潛在跨學(xué)科知識(shí)組合，以豐富有關(guān)跨學(xué)科知識(shí)融合發(fā)現(xiàn)的相關(guān)方法和途徑。

3 引用關(guān)系下潛在跨學(xué)科知識(shí)組合識(shí)別

3.1 潛在跨學(xué)科知識(shí)組合識(shí)別路徑分析

引文是學(xué)術(shù)成果間知識(shí)流動(dòng)的載體，基于引用關(guān)系的知識(shí)發(fā)現(xiàn)方法能產(chǎn)生更多類型的關(guān)聯(lián)實(shí)體，并能保持局部一致性[27]。關(guān)鍵詞是標(biāo)識(shí)文獻(xiàn)內(nèi)容的重要知識(shí)單元，是文章核心內(nèi)容的濃縮和提煉，通過(guò)分析關(guān)鍵詞所在跨學(xué)科參考文獻(xiàn)的被引用路徑可以揭示跨學(xué)科知識(shí)在目標(biāo)學(xué)科文獻(xiàn)中的被引用情況[28]。令學(xué)科A為目標(biāo)學(xué)科，通過(guò)不同學(xué)科間文獻(xiàn)的引用關(guān)系可以獲取與目標(biāo)學(xué)科具有較高融合潛力的跨學(xué)科相關(guān)知識(shí)。在目標(biāo)學(xué)科節(jié)點(diǎn)文獻(xiàn)集S(S={S1,S2,S，…，SN})的參考文獻(xiàn)中，存在跨學(xué)科參考文獻(xiàn)集IR(IR={IR1,IR2,IR3，…，IRN})，令節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞構(gòu)成的集合為GK，GK中含有關(guān)鍵詞Kp（p=1，2，…，x），令跨學(xué)科參考文獻(xiàn)關(guān)鍵詞構(gòu)成的集合為GI，GI中含有關(guān)鍵詞Iq（q=1，2，…，y）。GI對(duì)于節(jié)點(diǎn)文獻(xiàn)集S來(lái)說(shuō)屬于知識(shí)輸入方，所以可從中識(shí)別出對(duì)目標(biāo)學(xué)科具有較高利用價(jià)值的跨學(xué)科知識(shí)。圖1為引用關(guān)系下潛在跨學(xué)科知識(shí)組合的識(shí)別路徑示意圖。

如圖1所示，跨學(xué)科參考文獻(xiàn)關(guān)鍵詞集GI內(nèi)含有對(duì)于目標(biāo)學(xué)科來(lái)說(shuō)較為新穎的跨學(xué)科知識(shí)，這里運(yùn)用作者前期研究成果IDN指數(shù)[24]從該引用關(guān)系中識(shí)別出較少或尚未應(yīng)用于目標(biāo)學(xué)科的類屬于其他學(xué)科的相關(guān)知識(shí)。IDN指數(shù)的計(jì)算方法為跨學(xué)科參考文獻(xiàn)關(guān)鍵詞Iq在節(jié)點(diǎn)文獻(xiàn)集S中的被引量與其所在節(jié)點(diǎn)文獻(xiàn)數(shù)的乘積，除以目標(biāo)學(xué)科中以Kp為主題發(fā)表的文檔數(shù)。通過(guò)IDN指數(shù)計(jì)算能有效識(shí)別與目標(biāo)學(xué)科相關(guān)性強(qiáng)且新穎度高的跨學(xué)科知識(shí)，根據(jù)Kp所在節(jié)點(diǎn)文獻(xiàn)與Iq所屬跨學(xué)科參考文獻(xiàn)形成的引用關(guān)系，可將代表該類跨學(xué)科知識(shí)的Iq與其對(duì)應(yīng)的代表本學(xué)科知識(shí)的Kp進(jìn)行配對(duì)得到初始跨學(xué)科關(guān)鍵詞組，之后通過(guò)融合潛力指標(biāo)與灰色關(guān)聯(lián)分析法計(jì)算篩選得到融合潛力較大的潛在跨學(xué)科知識(shí)組合。

圖1 直接引用關(guān)系下潛在跨學(xué)科知識(shí)組合的識(shí)別路徑

3.2 融合潛力評(píng)價(jià)指標(biāo)構(gòu)建

如上文所述，本文基于IDN指數(shù)得到與目標(biāo)學(xué)科相關(guān)性強(qiáng)且新穎度高的跨學(xué)科知識(shí)，并通過(guò)引用關(guān)系匹配得到初始跨學(xué)科關(guān)鍵詞組。為挖掘?qū)τ谀繕?biāo)學(xué)科來(lái)說(shuō)融合可能性較高且新穎性較強(qiáng)的潛在跨學(xué)科知識(shí)組合，筆者從目標(biāo)學(xué)科節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp與跨學(xué)科參考文獻(xiàn)關(guān)鍵詞Iq的引用關(guān)聯(lián)性、Kp的學(xué)術(shù)研究?jī)r(jià)值度，以及Kp與Iq的潛在融合新穎性三方面衡量初始跨學(xué)科關(guān)鍵詞組的融合潛力，從而為后續(xù)潛在跨學(xué)科知識(shí)組合的識(shí)別與篩選奠定基礎(chǔ)。

（1）引用關(guān)聯(lián)性。在直引關(guān)系中，Kp與Iq的關(guān)聯(lián)性強(qiáng)度體現(xiàn)為Kp所在節(jié)點(diǎn)文獻(xiàn)引用Iq所屬跨學(xué)科參考文獻(xiàn)（下文部分簡(jiǎn)稱Kp引用Iq）的總頻次M值的大小，M越大，表明Kp引用Iq的強(qiáng)度越大，Iq對(duì)于Kp來(lái)說(shuō)的關(guān)聯(lián)性越強(qiáng)，則它們產(chǎn)生融合的可能性越高。

（2）學(xué)術(shù)研究?jī)r(jià)值度。在引用關(guān)系中會(huì)產(chǎn)生許多針對(duì)性不強(qiáng)的跨學(xué)科知識(shí)組合，為此，需篩選出具有較高學(xué)術(shù)研究?jī)r(jià)值度的目標(biāo)學(xué)科知識(shí)與跨學(xué)科相關(guān)知識(shí)進(jìn)行匹配。目標(biāo)學(xué)科節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp在其學(xué)科中的學(xué)術(shù)研究?jī)r(jià)值度越高，對(duì)應(yīng)的跨學(xué)科關(guān)鍵詞與其結(jié)合所形成的潛在跨學(xué)科知識(shí)組合越有針對(duì)性。本研究從學(xué)術(shù)影響力及學(xué)術(shù)研究熱度兩方面衡量Kp的學(xué)術(shù)研究?jī)r(jià)值度。

俞立平教授提出的時(shí)間因子[29]根據(jù)發(fā)表時(shí)間的新舊賦予指標(biāo)對(duì)象不同權(quán)重，修正了因論文出版時(shí)間遠(yuǎn)近所帶來(lái)的引用時(shí)滯對(duì)評(píng)價(jià)結(jié)果的影響。本文引用該指標(biāo)測(cè)度5年時(shí)間窗口內(nèi)節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp在目標(biāo)學(xué)科中的學(xué)術(shù)影響力（TIF5），其計(jì)算公式如下：

公式（1）中，時(shí)間窗口r=5年，統(tǒng)計(jì)年份為t，Ct-d(d=1,2,3,4,5)表示節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp在5年時(shí)間范圍內(nèi)距離統(tǒng)計(jì)年份t前d年的文獻(xiàn)于統(tǒng)計(jì)年份t的被引頻次，Et-d(d=1,2,3,4,5)表示節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp在5年時(shí)間范圍內(nèi)距離統(tǒng)計(jì)年份t前d年的文獻(xiàn)量。另外，為使Kp于某年的文獻(xiàn)量為0時(shí)公式有意義，將分母中Et-d加1。公式（1）中關(guān)鍵詞所屬文獻(xiàn)的發(fā)表時(shí)間越新，其權(quán)重越高。

主題詞在目標(biāo)學(xué)科中的文獻(xiàn)數(shù)量是該主題詞研究熱度的直接體現(xiàn)，因此，本文利用目標(biāo)學(xué)科中以節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp為主題的年均文獻(xiàn)量Va表示時(shí)間窗口r內(nèi)Kp在目標(biāo)學(xué)科中研究熱度的整體水平，因本文的時(shí)間窗口限定為5年，則其計(jì)算公式如下：

令W1表示學(xué)術(shù)影響力TIF5的權(quán)重，W2表示學(xué)術(shù)研究熱度Va的權(quán)重，則節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp在目標(biāo)學(xué)科中的學(xué)術(shù)研究?jī)r(jià)值度（Academic Research Value，ARV）的計(jì)算公式為：

（3）潛在融合新穎性。直接引用關(guān)系下目標(biāo)學(xué)科節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp與跨學(xué)科參考文獻(xiàn)關(guān)鍵詞Iq可能已經(jīng)產(chǎn)生融合，體現(xiàn)在文獻(xiàn)中便是兩者存在共現(xiàn)關(guān)系?；诖?，Kp與Iq在目標(biāo)學(xué)科中的共現(xiàn)關(guān)系越強(qiáng)，表明它們結(jié)合所形成的知識(shí)新穎度越低，越不利于跨學(xué)科知識(shí)的創(chuàng)新性融合。令U表示在目標(biāo)學(xué)科中以Kp與Iq共同作為主題的文獻(xiàn)量，U值越小，表明兩者的融合新穎度越高，則Kp與Iq在目標(biāo)學(xué)科中的潛在融合新穎性（Degree of Potential Integration Novelty，PIN）計(jì)算公式為：

灰色關(guān)聯(lián)分析法是綜合定量評(píng)價(jià)研究中常用的方法之一，它具有計(jì)算簡(jiǎn)便、可靠性強(qiáng)和樣本量要求少等優(yōu)點(diǎn)。因此，本文運(yùn)用灰色關(guān)聯(lián)分析法對(duì)ARV指數(shù)、M值和PIN指數(shù)3個(gè)指標(biāo)進(jìn)行綜合評(píng)價(jià)，從而篩選獲得具有較高融合可能性的潛在跨學(xué)科知識(shí)組合。

4 實(shí)證研究

4.1 數(shù)據(jù)來(lái)源與預(yù)處理

本文以圖書(shū)情報(bào)學(xué)作為目標(biāo)學(xué)科，選擇CSSCI作為節(jié)點(diǎn)文獻(xiàn)集和參考文獻(xiàn)集的來(lái)源數(shù)據(jù)庫(kù)，獲取圖書(shū)情報(bào)學(xué)領(lǐng)域9種優(yōu)質(zhì)期刊（《情報(bào)學(xué)報(bào)》《情報(bào)資料工作》《情報(bào)理論與實(shí)踐》《情報(bào)雜志》《圖書(shū)情報(bào)工作》《圖書(shū)情報(bào)知識(shí)》《情報(bào)科學(xué)》《圖書(shū)與情報(bào)》《現(xiàn)代情報(bào)》）于2018年的載文題錄信息和參考文獻(xiàn)題名信息。去掉期刊載文中的“會(huì)議通知”“選題指南”等非學(xué)術(shù)型文章，最終得到2 168篇圖書(shū)情報(bào)學(xué)科的有效節(jié)點(diǎn)文獻(xiàn)，52 401篇參考文獻(xiàn)。接下來(lái)從維普批量下載可獲取的“參考文獻(xiàn)—參考文獻(xiàn)關(guān)鍵詞”數(shù)據(jù)，并用CNKI數(shù)據(jù)庫(kù)補(bǔ)充不完整的參考文獻(xiàn)關(guān)鍵詞數(shù)據(jù)，后借助關(guān)系型數(shù)據(jù)庫(kù)MySQL匹配得到“節(jié)點(diǎn)文獻(xiàn)集—參考文獻(xiàn)集—參考文獻(xiàn)關(guān)鍵詞集”的關(guān)系數(shù)據(jù)。

4.2 初始跨學(xué)科關(guān)鍵詞組匹配

本文運(yùn)用《中國(guó)科技期刊引證報(bào)告（擴(kuò)刊版）》的期刊—學(xué)科分類體系與VBA程序?qū)⒖嘉墨I(xiàn)進(jìn)行學(xué)科分類，剔除圖書(shū)情報(bào)與檔案類后共得8 954條其他學(xué)科類別的中文期刊類參考文獻(xiàn)，通過(guò)匹配最終得到“節(jié)點(diǎn)文獻(xiàn)集S—節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞集GK—跨學(xué)科參考文獻(xiàn)集IR—跨學(xué)科參考文獻(xiàn)關(guān)鍵詞集GI”的關(guān)系數(shù)據(jù)。

不同學(xué)科間交換的知識(shí)主要包括科學(xué)研究的方法、過(guò)程、思維方式和技術(shù)等[3]，因而對(duì)于圖書(shū)情報(bào)學(xué)科來(lái)說(shuō)，其他學(xué)科領(lǐng)域的理論、方法、模型、算法等是更具有潛在利用價(jià)值的知識(shí)，其往往能促進(jìn)學(xué)科之間的交叉和相互滲透。因此，本文運(yùn)用自編程序結(jié)合人工判別，從跨學(xué)科參考文獻(xiàn)關(guān)鍵詞集GI中提取類屬“理論”“方法”“模型”“算法”等及其同義詞或近義詞的跨學(xué)科節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞。以學(xué)科相關(guān)新穎性指數(shù)值大于等于2的跨學(xué)科參考文獻(xiàn)關(guān)鍵詞為樣本，借助關(guān)系數(shù)據(jù)抽取與它們構(gòu)成的初始跨學(xué)科關(guān)鍵詞組。經(jīng)過(guò)統(tǒng)計(jì)發(fā)現(xiàn)，初始跨學(xué)科關(guān)鍵詞組中存在大量Kp引用Iq頻次僅為1（M=1）的部分，說(shuō)明它們的關(guān)聯(lián)性很弱，融合潛能極小，故將此類數(shù)據(jù)過(guò)濾。經(jīng)過(guò)上述步驟處理，得到的部分初始跨學(xué)科關(guān)鍵詞組如表1所示：

表1 初始跨學(xué)科關(guān)鍵詞組（部分）

4.3 潛在跨學(xué)科知識(shí)組合識(shí)別

統(tǒng)計(jì)Kp所在節(jié)點(diǎn)文獻(xiàn)引用Iq所屬跨學(xué)科參考文獻(xiàn)的總頻次M，結(jié)果如表2第3列所示。借助CNKI的專業(yè)檢索平臺(tái)，以CSSCI中圖書(shū)情報(bào)與文獻(xiàn)學(xué)的20種來(lái)源期刊作為檢索范圍，令時(shí)間窗口r=5年，統(tǒng)計(jì)距離t=2019年前d年的文獻(xiàn)主題中含有Kp的文獻(xiàn)量Et-d(d=1,2,3,4,5)，結(jié) 果 見(jiàn) 表2第4-8列；統(tǒng) 計(jì)Et-d于統(tǒng)計(jì)年份t的被引頻次Ct-d，結(jié)果見(jiàn)表2第9-13列。將表2第4-13列各數(shù)據(jù)代入公式（1）和公式（2），分別計(jì)算節(jié)點(diǎn)文獻(xiàn)關(guān)鍵詞Kp在目標(biāo)學(xué)科中的學(xué)術(shù)影響力TIF5和研究熱度整體水平Va，計(jì)算結(jié)果分別見(jiàn)表2第14和15列。運(yùn)用熵權(quán)法對(duì)TIF5和Va進(jìn)行賦權(quán)得到W1=19.66%、W2=80.34%，通過(guò)公式（3）與SPSSAU分析軟件計(jì)算得到Kp在目標(biāo)學(xué)科的學(xué)術(shù)研究?jī)r(jià)值度ARV指數(shù)的總得分，結(jié)果見(jiàn)表2第16列。統(tǒng)計(jì)CSSCI中圖書(shū)情報(bào)與文獻(xiàn)學(xué)的20種來(lái)源期刊在2019年將Kp與Iq共同作為主題的文獻(xiàn)量U，如表2第17列所示。將U值代入公式（4）計(jì)算Kp與Iq在目標(biāo)學(xué)科中的潛在融合新穎性PIN指數(shù)，如表2最后1列所示，計(jì)算結(jié)果保留兩位小數(shù)。因篇幅限制，這里僅展示部分?jǐn)?shù)據(jù)結(jié)果。

觀察表2第1-2列可以發(fā)現(xiàn)，“數(shù)字人文—ACP方法”“大數(shù)據(jù)—ACP方法”和“情報(bào)體系—ACP方法”等對(duì)應(yīng)的跨學(xué)科知識(shí)都是“ACP方法”。因此，本文運(yùn)用灰色關(guān)聯(lián)分析法對(duì)初始跨學(xué)科關(guān)鍵詞組的ARV指數(shù)、M值和PIN指數(shù)3個(gè)指標(biāo)進(jìn)行綜合評(píng)價(jià)，從而獲取具有較高融合潛力的跨學(xué)科知識(shí)組合。其計(jì)算過(guò)程如下：

表2 初始跨學(xué)科關(guān)鍵詞組各指標(biāo)統(tǒng)計(jì)與計(jì)算結(jié)果（部分）

（1）根據(jù)初始跨學(xué)科關(guān)鍵詞組的M值、ARV指數(shù)和PIN指數(shù)，構(gòu)建原始指標(biāo)矩陣，選取樣本數(shù)據(jù)中這3個(gè)指標(biāo)的最大值構(gòu)成參考指標(biāo)序列為：A0=(7, 0.86, 1)。

（3）由各指標(biāo)數(shù)據(jù)和參考指標(biāo)序列得到3個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化后的序列矩陣，部分結(jié)果見(jiàn)表3第2-4列。

（4）計(jì)算各指標(biāo)序列與參考指標(biāo)序列對(duì)應(yīng)元素的絕對(duì)差值，構(gòu)成i個(gè)樣本對(duì)象j個(gè)指標(biāo)的差序列Δ0i(j)，如表4第2-4列所示。由差序列Δ0i(j)得到最大差，即差序列中樣本對(duì)象所有指標(biāo)最大值的最大值，以及最小差，即差序列中樣本對(duì)象所有指標(biāo)最小值的最小值。令分辨系數(shù) =0.5，將表3第2-4列數(shù)值代入公式（5），得到指標(biāo)序列與參考序列對(duì)應(yīng)元素的關(guān)聯(lián)系數(shù)，其中，指標(biāo)M的關(guān)聯(lián)系數(shù) 1、ARV指數(shù)的關(guān)聯(lián)系數(shù) 2和PIN指數(shù)的關(guān)聯(lián)系數(shù) 3的部分計(jì)算結(jié)果見(jiàn)表4第5-7列。

表3 M、ARV指數(shù)和PIN指數(shù)標(biāo)準(zhǔn)化后的序列矩陣（部分）

表4 指標(biāo)M、ARV指數(shù)、PIN指數(shù)的差序列及關(guān)聯(lián)系數(shù)（部分）

（5）運(yùn) 用 熵 權(quán) 法 對(duì)M值、ARV指 數(shù)和PIN指數(shù)進(jìn)行賦權(quán)得到三者的權(quán)重分別為73.16%、22.16%、4.68%，將各指標(biāo)權(quán)重與表4第5-7列各指標(biāo)的關(guān)聯(lián)系數(shù)代入公式（6），計(jì)算各初始跨學(xué)科關(guān)鍵詞組的關(guān)聯(lián)序Ri，計(jì)算結(jié)果保留4位小數(shù)。

根據(jù)關(guān)聯(lián)序的大小，從每組具有相同跨學(xué)科參考文獻(xiàn)關(guān)鍵詞的初始跨學(xué)科關(guān)鍵詞組中選擇關(guān)聯(lián)序最大的作為該組融合潛能最高的跨學(xué)科知識(shí)組合，部分結(jié)果如表5第2列所示，它們對(duì)應(yīng)的關(guān)聯(lián)序Ri值見(jiàn)表5第3列。

表5 直接引用關(guān)系下的潛在跨學(xué)科知識(shí)組合及其關(guān)聯(lián)序Ri（部分）

觀察表5可知，由樣本數(shù)據(jù)集得到融合潛能最高的跨學(xué)科知識(shí)組合為：“因子分析—多準(zhǔn)則妥協(xié)解排序法”（VIKOR）。因子分析是一種用于客觀評(píng)價(jià)的定量分析方法，其在高校[30]、學(xué)者[31]、期刊[32-34]等的科技評(píng)價(jià)領(lǐng)域應(yīng)用廣泛，但因子分析僅選取特征根大于1的公共因子進(jìn)行評(píng)價(jià)，會(huì)導(dǎo)致信息損失。多準(zhǔn)則妥協(xié)解排序法的原理是確定正理想解和負(fù)理想解，并根據(jù)評(píng)價(jià)對(duì)象的評(píng)估值和理想解的接近程度進(jìn)行優(yōu)先排序[35]。多準(zhǔn)則妥協(xié)解排序法能夠同時(shí)考慮樣本對(duì)象整體的最大化與個(gè)體差異的最小化，進(jìn)而使評(píng)價(jià)結(jié)果更加合理[36]。因此，可以將多準(zhǔn)則妥協(xié)解排序法與因子分析相結(jié)合，在充分利用樣本整體數(shù)據(jù)的基礎(chǔ)上得到更加真實(shí)、合理的評(píng)價(jià)結(jié)果。

此外，“引文分析—技術(shù)軌道”的融合潛能也較高。技術(shù)軌道（technology trajectory）也被稱為技術(shù)軌跡，即技術(shù)發(fā)展的自然軌道，是隱含于技術(shù)范式中的、針對(duì)技術(shù)變化方向做出明確取舍所依據(jù)的技術(shù)演化路徑，或是一組可能的技術(shù)發(fā)展方向[37-39]。在圖書(shū)情報(bào)學(xué)領(lǐng)域，可以將技術(shù)軌道理論與引文主路徑分析的SPC（search path count，搜索路徑數(shù)）、SPLC（search path link count，搜索路徑鏈接數(shù)）等算法相結(jié)合，借助技術(shù)軌道的連續(xù)性、有限性、系統(tǒng)性、多樣性和排他性等特點(diǎn)，探究技術(shù)主題在知識(shí)交流、知識(shí)進(jìn)化和知識(shí)突變等過(guò)程中的形成及演化。

5 結(jié)語(yǔ)

隨著科技的發(fā)展和科學(xué)研究的不斷深化，跨學(xué)科成為掙脫單一學(xué)科固定思維的方式之一，為解決科研問(wèn)題注入了新鮮血液。本研究根據(jù)引用關(guān)系分析潛在跨學(xué)科知識(shí)組合的識(shí)別路徑并構(gòu)建融合潛力評(píng)價(jià)指標(biāo)。在實(shí)證分析方面，借助圖書(shū)情報(bào)學(xué)領(lǐng)域9種優(yōu)質(zhì)期刊的載文與參考文獻(xiàn)、施引文獻(xiàn)構(gòu)建關(guān)系數(shù)據(jù)集，匹配得到初始跨學(xué)科關(guān)鍵詞組，并利用灰色關(guān)聯(lián)分析法和熵權(quán)法識(shí)別數(shù)據(jù)集中融合可能性較大的潛在跨學(xué)科知識(shí)組合。然而，作為潛在跨學(xué)科知識(shí)的探索性研究，本文僅以圖書(shū)情報(bào)學(xué)為例進(jìn)行實(shí)證分析，有關(guān)該方法在其他學(xué)科中的應(yīng)用情況還有待完善。