基于ERGM的学科交叉领域知识连接机制实证研究

doi:10.13266/j.issn.0252-3116.2019.19.013

图书情报工作 ›› 2019, Vol. 63 ›› Issue (19): 128-135.DOI: 10.13266/j.issn.0252-3116.2019.19.013

基于ERGM的学科交叉领域知识连接机制实证研究

操玉杰¹, 李纲¹, 毛进¹, 杨冠灿²

1. 武汉大学信息资源研究中心武汉 430072;
2. 中国人民大学信息资源管理学院北京 100872

收稿日期:2018-12-06 修回日期:2019-04-21 出版日期:2019-10-05 发布日期:2019-10-05
通讯作者: 毛进(ORCID:0000-0001-9572-6709),副研究员,博士后,通讯作者,E-mail:danveno@163.com
作者简介:操玉杰(ORCID:0000-0002-8899-9626),博士研究生;李纲(ORCID:0000-0001-5573-6400),教授,博士生导师;杨冠灿(ORCID:0000-0002-1706-1884),讲师,博士。
基金资助:
本文系国家自然科学基金青年项目"基于学术异质网络表示学习的知识群落发现"（项目编号：71804135）和中国博士后科学基金项目"融合语义与关系的科研社群识别与演化研究"（项目编号：2018M630885）研究成果之一。

An Empirical Study on Knowledge Connection Mechanism of Interdisciplinary Field Based on ERGM

Cao Yujie¹, Li Gang¹, Mao Jin¹, Yang Guancan²

1. Center for Studies of Information Resources, Wuhan University, Wuhan 430072;
2. School of Information Resource Management, Renmin University of China, Beijing 100872

Received:2018-12-06 Revised:2019-04-21 Online:2019-10-05 Published:2019-10-05
Supported by:

摘要/Abstract

摘要： [目的/意义] 旨在通过探讨学科交叉领域共词网络生成的影响因素及其作用机理，揭示学科交叉领域的微观知识连接机制。[方法/过程] 结合网络嵌入性理论，将学科交叉领域关键词共现关系建立的影响因素归纳为网络结构因素（内生变量）和关键词属性因素（外生变量），进而借助指数随机图模型，选择学科交叉领域"医学信息学"开展实证研究。[结果/结论] 研究结果表明：网络结构对共现关系生成的影响大于关键词本身属性的影响；择优连接机制和传递性机制具有显著正向作用；关键词节点倾向于与较新节点相连；医学信息学的关键词倾向于与基础学科的关键词建立共现关系，而基础学科的关键词却倾向于与自身学科关键词相连。

关键词: 指数随机图模型, 跨学科, 同质性, 择优连接, 时间效应

Abstract: [Purpose/significance] The article aims to explore the factors and their mechanisms influencing the generation of co-word network for interdisciplinary field, and to reveal micro-level mechanisms of knowledge connection in interdisciplinary field.[Method/process] Borrowing network embedding theory, the article summarizes the factors into network structure factors (endogenous variables) and keywords' attribute factors (exogenous variables). Exponential random graph model is constructed based on these factors to perform an empirical analysis on the field of Medical Informatics.[Result/conclusion] The results show that the influence of network structure factors on the co-occurrence relationship generation is greater than that of keywords' attributes. Preferential attachment and transitive mechanism have significant positive effect. Keywords tend to be connected with the newer ones. In addition, the keywords of Medical Informatics tend to establish co-occurrence relations with the keywords from basic disciplines, while the keywords from basic disciplines tend to be connected with the keywords in their own disciplines. The conclusions are helpful to understand the formation process of knowledge systems in interdisciplinary fields and the interactions of interdisciplinary knowledge.

Key words: ERGM, interdisciplinary, homophily, preferential attachment, time effect

中图分类号:

G250.2

操玉杰, 李纲, 毛进, 杨冠灿. 基于ERGM的学科交叉领域知识连接机制实证研究[J]. 图书情报工作, 2019, 63(19): 128-135.

Cao Yujie, Li Gang, Mao Jin, Yang Guancan. An Empirical Study on Knowledge Connection Mechanism of Interdisciplinary Field Based on ERGM[J]. LIS, 2019, 63(19): 128-135.

参考文献

[1] 刘仲林, 赵晓春. 跨学科研究:科学原创性成果的动力之源——以百年诺贝尔生理学和医学奖获奖成果为例[J]. 科学技术与辩证法, 2005, 22(6):105-109.
[2] 许海云, 尹春晓, 郭婷, 等. 学科交叉研究综述[J]. 图书情报工作, 2015,59(5):119-127.
[3] 章成志, 吴小兰. 跨学科研究综述[J]. 情报学报, 2017, 36(5):523-535.
[4] LEYDESDORFF L. Betweenness centrality as an indicator of the interdisciplinarity of scientific journals[J]. Journal of the American Society for Information Science and Technology, 2007, 58(9):1303-1319.
[5] PORTER A, COHEN A, DAVID ROESSNER J, et al. Measuring researcher interdisciplinarity[J]. Scientometrics, 2007, 72(1):117-147.
[6] MORILLO F, BORDONS M, GÍMEZ I. An approach to interdisciplinarity through bibliometric indicators[J]. Scientometrics, 2001, 51(1):203-222.
[7] 马费成, 刘向. 科学知识网络的演化模型[J]. 系统工程理论与实践, 2013, 33(2):437-443.
[8] YAN E, DING Y. Scholarly network similarities:how bibliographic coupling networks, citation networks, cocitation networks, topical networks, coauthorship networks, and coword networks relate to each other[J]. Journal of the American Society for Information Science and Technology, 2012, 63(7):1313-1326.
[9] CALLON M, COURTIAL J P, LAVILLE F. Co-word analysis as a tool for describing the network of interactions between basic and technological research:the case of polymer chemsitry[J]. Scientometrics, 1991, 22(1):155-205.
[10] 王晓光. 科学知识网络的形成与演化(Ⅰ):共词网络方法的提出[J]. 情报学报, 2009(4):599-605.
[11] DING Y, CHOWDHURY G G, FOO S. Bibliometric cartography of information retrieval research by using co-word analysis[J]. Information processing & management, 2001, 37(6):817-842.
[12] 胡吉明, 张晓娟, 谭婧. 我国政府信息资源研究的主题结构与演化态势[J]. 信息资源管理学报, 2018, 8(3):54-63, 36.
[13] 李纲, 巴志超. 共词分析过程中的若干问题研究[J]. 中国图书馆学报, 2017, 43(4):93-113.
[14] 许海云, 郭婷, 岳增慧, 等. 基于TI指标系列的情报学学科交叉主题研究[J]. 情报学报, 2015, 34(10):1067-1078.
[15] HU J, ZHANG Y. Discovering the interdisciplinary nature of Big Data research through social network analysis and visualization[J]. Scientometrics, 2017, 112(1):91-109.
[16] 王晓光. 科学知识网络的形成与演化(Ⅱ):共词网络可视化与增长动力学[J]. 情报学报, 2010(2):314-322.
[17] ROBINS G, PATTISON P, KALISH Y, et al. An introduction to exponential random graph (p*) models for social networks[J]. Social networks, 2007, 29(2):173-191.
[18] JIAO C, WANG T, LIU J, et al. Using exponential random graph models to analyze the character of peer relationship networks and their effects on the subjective well-being of adolescents[J]. Frontiers in psychology, 2017, 8:583.
[19] ZHANG C, BU Y, DING Y, et al. Understanding scientific collaboration:Homophily, transitivity, and preferential attachment[J]. Journal of the Association for Information Science and Technology, 2018, 69(1):72-86.
[20] 杨冠灿, 陈亮, 张静, 等. 专利引用关系形成的解释框架:一个指数随机图模型视角[J]. 图书情报工作,2019, 63(5):100-109.
[21] POL J V D. Introduction to network modeling using Exponential Random Graph Models (ERGM):theory and an application using R-Project[J/OL]. Computational Economics, 2018:1-31[2019-03-20]. https://doi.org/10.1007/s10614-018-9853-2.
[22] PENG T Q. Assortative mixing, preferential attachment, and triadic closure:a longitudinal study of tie-generative mechanisms in journal citation networks[J]. Journal of informetrics, 2015, 9(2):250-262.
[23] BARABÁSI A L, RAVASZ E, VICSEK T. Deterministic scale-free networks[J]. Physica A:statistical mechanics and its applications, 2001, 299(3-4):559-564.
[24] 马费成, 刘向. 知识网络的演化(Ⅲ):连接机制[J]. 情报学报, 2011, 30(10):1015-1021.
[25] BIANCONI G, DARST R K, IACOVACCI J, et al. Triadic closure as a basic generating mechanism of communities in complex networks[J]. Physical review E, 2014, 90(4):042806.
[26] 马费成, 刘向. 知识网络的演化(Ⅱ):增长老化与知识产生时点的关系[J]. 情报学报, 2011, 30(9):916-921.
[27] 吕双. 国际知识管理研究的领域分析Ⅱ:学科领域分布的深度挖掘[J]. 情报杂志, 2012, 31(3):118-123.
[28] HANDCOCK M S, HUNTER D R, BUTTS C T, et al. statnet:software tools for the representation, visualization, analysis and simulation of network data[J]. Journal of statistical software, 2008, 24(1):1-9.
[29] ROSE KIM, JI YOUN, HOWARD M, et al. Understanding network formation in strategy research:exponential random graph models[J]. Strategic management journal, 2016, 37(1):22-44.
[30] WASSERMAN S, PATTISON P. Logit models and logistic regressions for social networks:I. An introduction to Markov graphs and p[J]. Psychometrika, 1996, 61(3):401-425.
[31] 齐燕, 许海云, 方曙. 基于WOS数据的医学信息学学科交叉发展态势研究[J]. 中华医学图书情报杂志, 2016, 25(11):30-41.
[32] 邱均平. 信息计量学[M]. 武汉:武汉大学出版社, 2007.
[33] DONOHUE J C. Understanding scientific literature:a bibliographic approach[M]. Massachusetts:The MIT Press, 1973.
[34] BARABÁSI A L. Scale-free networks:a decade and beyond[J]. Science, 2009, 325(5939):412-413.
[35] KWON S. Characteristics of interdisciplinary research in author keywords appearing in Korean journals[J]. Malaysian journal of library & information science, 2018, 23(2):77-93.

基于ERGM的学科交叉领域知识连接机制实证研究

An Empirical Study on Knowledge Connection Mechanism of Interdisciplinary Field Based on ERGM

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	黄颖, 李瑞婻, 刘晓婷, 张琳. 科研团队学:内涵、进展与展望[J]. 图书情报工作, 2022, 66(4): 45-55.
[2]	王宁, 刘越男. 档案学视角下的科学数据管理——基于国际组织相关成果的研究[J]. 图书情报工作, 2021, 65(5): 88-97.
[3]	曾粤亮, 司莉. 跨学科科研合作:背景、理论研究与实践进展[J]. 图书情报工作, 2021, 65(10): 127-140.
[4]	吴小兰, 章成志. 融合内容与关系的学术社交媒体上跨学科用户推荐模型研究[J]. 图书情报工作, 2020, 64(9): 95-103.
[5]	牌艳欣, 李长玲, 徐璐. 弱引文关系视角下跨学科相关知识组合识别方法探讨——以情报学为例[J]. 图书情报工作, 2020, 64(21): 111-119.
[6]	石燕青, 赵一方. 科学文献被引轨迹的跨学科特征影响研究[J]. 图书情报工作, 2020, 64(14): 74-84.
[7]	李晶, 章彰, 张帅. 跨学科团队信息交流规律研究:以威斯康辛麦迪逊分校为例[J]. 图书情报工作, 2019, 63(3): 115-122.
[8]	梁镇涛, 巴志超, 徐健. 基于引文的跨学科领域发展路径分析——以眼动追踪领域为例[J]. 图书情报工作, 2019, 63(23): 65-78.
[9]	吴小兰, 章成志. 社交媒体视角下图书情报领域的跨学科性研究[J]. 图书情报工作, 2019, 63(13): 66-74.
[10]	杨冠灿, 刘占麟, 李纲. 基于指数随机图模型的专利引用关系形成机制研究——以奈拉滨药物为例[J]. 图书情报工作, 2019, 63(10): 75-86.
[11]	王新才, 杨千, 王海宁. 国内与国际跨学科研究人员文献需求的对比分析——以南海争端问题为例[J]. 图书情报工作, 2018, 62(5): 6-14.
[12]	范慧婷, 谢鑫. 跨学科文献需求与保障策略研究——以中国边界与海洋研究为例[J]. 图书情报工作, 2018, 62(5): 23-29.
[13]	段庆锋, 潘小换. 文献相似性对科学引用偏好的影响实证研究[J]. 图书情报工作, 2018, 62(4): 97-106.
[14]	叶春蕾. 基于Web of Science学科分类的主题研究领域跨学科态势分析方法研究[J]. 图书情报工作, 2018, 62(2): 127-134.
[15]	樊慧丽, 邵波. 美国大学服务型数据实验室的实践模式与启示[J]. 图书情报工作, 2017, 61(19): 58-65.