图书情报工作

图书情报工作 >

2021 , Vol. 65 >Issue 20: 59 - 67

DOI: https://doi.org/10.13266/j.issn.0252-3116.2021.20.007

情报研究

主题热度加速度指数——学科研究热点识别新方法

  • 荣国阳 ,
  • 李长玲 ,
  • 范晴晴 ,
  • 郭凤娇
展开
  • 山东理工大学信息管理研究院, 淄博 255049
荣国阳(ORCID:0000-0002-5822-2306),硕士研究生;范晴晴(ORCID:0000-0003-3593-0470),硕士研究生;郭凤娇(ORCID:0000-0002-2902-8299),馆员,博士。

收稿日期: 2021-03-23

  修回日期: 2021-06-04

  网络出版日期: 2021-10-22

基金资助

本文系国家社会科学基金重点项目"跨学科潜在知识生长点识别与创新趋势预测研究"（项目编号：19ATQ006）研究成果之一。

收起

Topic Acceleration Index: A New Method for Identifying Discipline Research Hotspots

  • Rong Guoyang ,
  • Li Changling ,
  • Fan Qingqing ,
  • Guo Fengjiao
Expand
  • Institute of Information Management, Shandong University of Technology, Zibo 255049

Received date: 2021-03-23

  Revised date: 2021-06-04

  Online published: 2021-10-22

Fold

摘要

[目的/意义] 横向与纵向综合识别不同时间阶段的研究热点，有助于把握学科发展历程和方向，为热点主题识别方法拓展研究思路。[方法/过程] 构建累积主题热度模型TP，反映主题在学科中的横向相对研究热度；构建主题热度加速度指数模型TAI，量化研究主题发展的纵向速度变化情况；构建学科研究热点识别模型TP*TAI，从横向和纵向两方面综合反映主题研究热度及其变化情况。[结果/结论] 采用图情领域2001-2020年的研究文献为样本进行实证分析，结果表明：该模型可以有效识别各时间阶段的研究热点，并将其区分为前沿、稳定和衰退3种类型，实现学科研究的动态描述。

关键词： 主题热度; 研究热点; 识别方法; TP*TAI模型

本文引用格式

荣国阳 , 李长玲 , 范晴晴 , 郭凤娇 . 主题热度加速度指数——学科研究热点识别新方法[J]. 图书情报工作, 2021 , 65(20) : 59 -67 . DOI: 10.13266/j.issn.0252-3116.2021.20.007

Abstract

[Purpose/significance] The horizontal and longitudinal comprehensive identification of research hotspots at different time stages is helpful to grasp the development course and direction of the discipline, and expands research ideas for hot topic identification methods. [Method/process] The cumulative topic popularity model TP was constructed to reflect the horizontal research heat of the topic in the discipline. The topic acceleration index model TAI was built to quantify the longitudinal speed change of the development of the research topic. TP*TAI model was constructed to identify the hot spots of subject research, which reflected the research heat and its change comprehensively from both horizontal and longitudinal aspects. [Result/conclusion] The empirical analysis on the literatures of LIS from 2001 to 2020 shows that the model can effectively identify the research hotspots in different time stages, and distinguish three types, namely frontier, stable and declining, to realize the dynamic description of the subject research.

Key words： topic popularity; research hotspots; identification method; TP*TAI model

参考文献

[1] 邱均平, 温芳芳. 近五年来图书情报学研究热点与前沿的可视化分析——基于13种高影响力外文源刊的计量研究[J]. 中国图书馆学报, 2011,37(2):51-60.
[2] 罗瑞, 许海云, 董坤. 领域前沿识别方法综述[J]. 图书情报工作, 2018,62(23):119-131.
[3] GLANZEL W, THIJS B. Using ‘core documents’ for detecting and labelling new emerging topics[J]. Scientometrics, 2012,91(2):399-416.
[4] TU Y, SENG J. Indices of novelty for emerging topic detection[J]. Information processing & management, 2012,48(2):303-325.
[5] MANE K, BRNER K. Mapping topics and topic bursts in PNAS[J]. Proc natl acad sci USA, 2004,101(S1):5287-5290.
[6] 刘小慧, 李长玲, 冯志刚. 基于改进的TF*IDF方法分析学科研究热点:以情报学为例[J]. 情报科学, 2017,35(7):82-87.
[7] 高继平, 丁堃, 潘云涛, 等. 多词共现分析方法的实现及其在研究热点识别中的应用[J]. 图书情报工作, 2014,58(24):80-85, 98.
[8] 汤强, 王亚民, 赵艳. 基于g指数和共现指数的研究热点及合作团体分析[J].情报杂志, 2014,33(9):72-75.
[9] 胡秀梅, 高凡. 国内图书情报领域图书馆战略规划研究热点探析[J]. 图书情报工作, 2016,60(9):13-17, 27.
[10] CHANG Y, HUANG M, LIN C. Evolution of research subjects in library and information science based on keyword, bibliographical coupling, and co-citation analyses[J]. Scientometrics, 2015,105(3):2071-2087.
[11] XIE P. Study of international anticancer research trends via co-word and document co-citation visualization analysis[J]. Scientometrics, 2015,105(1):611-622.
[12] ROSSETTO D, BERNARDES R, BORINI F, et al. Structure and evolution of innovation research in the last 60 years:review and future trends in the field of business through the citations and co-citations analysis[J]. Scientometrics, 2018(115):1329-1363.
[13] JEBARI C, VIEDMA E, COBO M. The use of citation context to detect the evolution of research topics:a large-scale analysis[J]. Scientometrics, 2021,126(4):2971-2989.
[14] 肖婷婷, 邱均平, 祖旋, 等. 语义标注研究热点与演进历程的知识图谱分析[J]. 情报理论与实践, 2015,38(1):1-6, 22.
[15] 刘自强, 王效岳, 白如江. 基于时间序列模型的研究热点分析预测方法研究[J]. 情报理论与实践, 2016,39(5):27-33.
[16] 周鑫, 陈媛媛. 关键词词频变化视角下学科研究发展趋势分析——以国内情报学研究为例[J]. 情报杂志, 2016,35(5):133-140.
[17] 李长玲, 牌艳欣, 相富钟, 等. 改进z指数的高被引学科研究热点识别方法探讨[J]. 情报理论与实践, 2020,43(6):69-75, 96.
[18] 奉国和, 孔泳欣. 基于时间加权关键词词频分析的学科热点研究[J]. 情报学报, 2020,39(1):100-110.
[19] LI J, WANG Y, YAN B. The hotspots of life cycle assessment for bioenergy:a review by social network analysis[J]. Science of the total environment, 2018,625:1301-1308.
[20] 孙海生. 基于超网络模型的研究热点探测与聚类主题描述[J]. 情报杂志, 2017,36(6):93-98.
[21] FIGUEROLA C G, MARCO F J G, PINTO M. Mapping the evolution of library and information science (1978-2014) using topic modeling on LISA[J]. Scientometrics, 2017,112:1507-1535.
[22] HAN X. Evolution of research topics in LIS between 1996 and 2019:an analysis based on latent dirichlet allocation topic model[J]. Scientometrics, 2020(125):2561-2595.
[23] 阮光册, 夏磊. 基于Doc2Vec的期刊论文热点选题识别[J]. 情报理论与实践, 2019,42(4):107-111.
[24] 裘惠麟, 邵波. 多源数据环境下科研热点识别方法研究[J]. 图书情报工作, 2020,64(5):78-88.
[25] 郑彦宁, 许晓阳, 刘志辉. 基于关键词共现的研究前沿识别方法研究[J]. 图书情报工作, 2016,60(4):85-92.
[26] 颜端武, 苏琼, 张馨月. 基于时序主题关联演化的科学领域前沿探测研究[J]. 情报理论与实践, 2019,42(7):144-150.
[27] WANG Q. A bibliometric model for identifying emerging research topics[J]. Journal of the association for information science and technology, 2018,69(2):1-25.
[28] 邱均平, 周春雷, 杨思洛. 改革开放30年来我国情报学研究的回顾与展望(三)——情报学的发展阶段及趋势分析[J]. 图书情报研究, 2009,2(3):1-9.
[29] 王兰敬. 2004-2009年我国图书馆、情报与档案管理学科的研究热点与重点领域——基于CSSCI来源文献关键词的分析[J]. 图书情报工作, 2011,55(16):68-71.
[30] 王知津, 李博雅. 我国情报学研究热点及问题分析——基于2010-2014年情报学核心期刊[J]. 情报理论与实践, 2016,39(9):7-13.
[31] 邱均平, 马秀娟. 1998-2009年国内电子商务研究论文的计量分析[J]. 情报科学, 2011,29(5):641-646.
[32] 李健康, 张春辉. 本体研究及其应用进展[J]. 图书馆论坛, 2004(6):80-86.
[33] 杨绎. 基于文献计量的"大数据"研究[J]. 图书馆杂志, 2012,31(9):29-32.
[34] 郭晓婉, 冉从敬, 吴丹, 等. 大数据时代图书情报学理论与教育发展对策——第四届中美数字时代图书馆学情报学教育国际研讨会综述[J]. 图书情报知识, 2016(1):116-121.
[35] 国务院办公厅. 国务院办公厅关于印发科学数据管理办法的通知[EB/OL].[2021-05-23]. http://www.gov.cn/zhengce/content/2018-04/02/content_5279272.htm.
Options
文章导航

/

〈 〉