引文分析法共詞分析法淺析.ppt

科學(xué)研究前沿代表了科學(xué)發(fā)展的難點(diǎn) 熱點(diǎn)以及發(fā)展趨勢(shì) 從浩瀚的科技信息中探測(cè)研究前沿是科技創(chuàng)新的關(guān)鍵任務(wù)之一 因此 如何能夠科學(xué) 準(zhǔn)確地把握研究前沿已經(jīng)成為科學(xué)研究人員及其管理者關(guān)注的焦點(diǎn) 科學(xué)家提出各種方法與技術(shù)用于探測(cè)研究前沿 其中以利用引文分析和共詞分析的研究最為常見 引文分析 引文分析是利用各種數(shù)學(xué) 統(tǒng)計(jì)學(xué)以及邏輯方法 對(duì)科技期刊 論文 著作等各種分析對(duì)象的引用或被引用現(xiàn)象進(jìn)行分析研究 以便揭示其數(shù)量特征和內(nèi)在規(guī)律 達(dá)到評(píng)價(jià) 預(yù)測(cè)科學(xué)發(fā)展趨勢(shì)的目的 近幾年主要的關(guān)注研究對(duì)象或熱點(diǎn)集中在 引文網(wǎng)絡(luò) 自引與自引率 共引分析 影響因子 以及 引文分析和統(tǒng)計(jì)中的誤差 等方面 在引文分析中 引文網(wǎng)絡(luò)得到了學(xué)者們的高重視 國(guó)外方面 將引文看作代表信賴的原型 他們認(rèn)為在虛擬環(huán)境中 引文實(shí)際上代表了一種信賴 當(dāng)A引用B的文章時(shí) A認(rèn)為B的觀點(diǎn)是支持性的 而B引用的內(nèi)容是被協(xié)商許可了的 引用內(nèi)容的同時(shí)也就影響了B的思維 因此 引文網(wǎng)絡(luò)系統(tǒng)可以被看成是信賴系統(tǒng) 引文索引則可以被看成是一個(gè)推薦系統(tǒng) 推薦被引次數(shù)多的文章 引文網(wǎng)絡(luò) 在引文網(wǎng)絡(luò)中存在大量的同引和耦合 同引 或稱同被引 是指兩篇或兩篇以上文獻(xiàn)共同被之后的一篇或多篇文獻(xiàn)引用 如圖中5和6同時(shí)被之后的8和8 引用 引用它們的論文的多少 即同被引程度 稱為同被引強(qiáng)度 耦合則是指兩篇文獻(xiàn)共同引用了一篇或多篇文獻(xiàn) 如圖中2和4共同引用了1 耦合的文獻(xiàn)之間總存在著這樣或那樣的聯(lián)系 其聯(lián)系的程度稱為耦合強(qiáng)度 引文網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)有 引文網(wǎng)絡(luò)是靜態(tài)的 不可以在任何已有節(jié)點(diǎn)上增加新的代表引用的單向箭頭 也不可以隨意刪除已有的代表引用的單向箭頭 因?yàn)槲墨I(xiàn)一經(jīng)出版之后 它的參考文獻(xiàn)就一成不變了 引文網(wǎng)絡(luò)中的引用是單向的 即只能是后期的文獻(xiàn)引用前期的文獻(xiàn) 而前期的文獻(xiàn)不能反過來引用后期的文獻(xiàn) 引文網(wǎng)絡(luò)中的引文不可以自引 引文不能自己引用自己 在引文分析中 自引主體只能是作者 期刊 學(xué)科 機(jī)構(gòu)等 引文網(wǎng)絡(luò)中的引用是有固定時(shí)間的 即文獻(xiàn)A引用文獻(xiàn)B是有固定時(shí)間的 這個(gè)固定時(shí)間正好是文獻(xiàn)A的發(fā)表時(shí)間 且文獻(xiàn)A的發(fā)表時(shí)間必然在文獻(xiàn)B之后 如圖3中8和8 同時(shí)發(fā)表 故不存在8引用8 或8 引用8 引文網(wǎng)絡(luò)中引文間的引用呈現(xiàn)出主題集中 因?yàn)橐拈g引用的正式性和文獻(xiàn)出版的質(zhì)量控制 引文基本來自同一科學(xué)領(lǐng)域或關(guān)系緊密的領(lǐng)域 常見的引文網(wǎng)絡(luò)測(cè)度指標(biāo)可以分為四類 引文數(shù)量特征測(cè)度指標(biāo) 引文數(shù) 引文分布特征測(cè)度指標(biāo) 平均引用數(shù) 自引數(shù)與自引率 被引次數(shù)與引用數(shù)的比值 期刊 論文 影響力測(cè)度指標(biāo) 被引用數(shù) 同引和耦合 期刊影響因子即年指標(biāo) 文獻(xiàn)老化規(guī)律測(cè)度指標(biāo) 衰減系數(shù)等 自引自引率 關(guān)于自引和自引率的研究是引文分析的內(nèi)容之一 目前在國(guó)外研究最多的是關(guān)于期刊的自引和自引率 一般認(rèn)為 期刊高自引有助于提升其影響因子 也有研究人員研究去除期刊自引數(shù)對(duì)影響因子的影響 認(rèn)為未去除影響因子的數(shù)據(jù)可以采用 還有研究顯示期刊自引與自引率與影響因子的負(fù)相關(guān)性 共引 co citation 就是兩篇文獻(xiàn)同時(shí)被其他文獻(xiàn)引用 一般認(rèn)為同被引用的文獻(xiàn)在主題上具有或多或少的相似性 因此同被引次數(shù)即共引強(qiáng)度可以測(cè)度文獻(xiàn)在內(nèi)容方面的相關(guān)度 由此 通過一組文獻(xiàn)之間的共引關(guān)系可以形成共引網(wǎng)絡(luò) 該網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)之間的遠(yuǎn)近便可以反映它們主題內(nèi)容的親疏關(guān)系 共引分析方法始于small于1973年提出的以文獻(xiàn)為單位的共引分析 但共引概念可以推廣到與文獻(xiàn)相關(guān)的各種特征對(duì)象上 形成各種類型的共引概念 如詞的共引 文獻(xiàn)共引 著者共引 期刊共引 主題共引和類的共引等 共引的意義 自1973年被提出以來 共引分析已成為引文分析里面一種潛在多產(chǎn)的分析方法 它不僅可以用來揭示科學(xué)結(jié)構(gòu)的發(fā)展現(xiàn)狀乃至變化情況 還可以用來進(jìn)行前沿分析 領(lǐng)域分析 科研評(píng)價(jià)等 進(jìn)而為宏觀科技決策提供先行支持 為科技規(guī)劃與評(píng)估提供基礎(chǔ) 共引分析的一般過程 共引分析方法的一般過程可以概括為分析領(lǐng)域的確定分析對(duì)象的選擇及共引矩陣的形成共引數(shù)據(jù)的處理聚類分析和多維標(biāo)度結(jié)果分析和解釋 方法的演進(jìn)過程以分析過程中分析對(duì)象的選擇和聚類方法中的參數(shù)修正為主 選擇對(duì)象搜索數(shù)據(jù)構(gòu)建矩陣聚類分析 多維尺度分析 計(jì)算戰(zhàn)略坐標(biāo)分析結(jié)果 幾乎國(guó)內(nèi)外所有學(xué)者都是按照統(tǒng)一的方法模式來進(jìn)行共被引分析 即第一步構(gòu)造共被引矩陣 第二步將該矩陣轉(zhuǎn)化為相似系數(shù)矩陣 方法大多為皮爾遜相關(guān)系數(shù)法 Pearson SCorrelationCoeficient 第三步是進(jìn)行聚類 Cluster 和多維尺度分析 MDS 這基本是大家默認(rèn)的方法 在我國(guó)許多相關(guān)教材和相關(guān)論文中也多是采用這樣的方法 從2003年開始 在科學(xué)計(jì)量學(xué)學(xué)者之間又引發(fā)了關(guān)于共被引分析方法的討論 焦點(diǎn)主要集中在對(duì)皮爾遜相關(guān)系數(shù)是否適合應(yīng)用到共被引分析這一問題 及共被引矩陣對(duì)角線如何取值這一問題的討論 McCain將其定為 默認(rèn)值 這也是影響最廣泛的一種對(duì)角線確定方法 Ahlgren等認(rèn)為應(yīng)該使用自己與自己實(shí)際共被引次數(shù) White則建議使用最大值來確定對(duì)角線的值 邱均平等認(rèn)為根據(jù)共被引原理來看 從臨近矩陣的定義來看 White的建議則更正確 共被引矩陣本來就是考察各對(duì)象之間親疏關(guān)系的臨近矩陣 只不過研究的目標(biāo)選定了有特殊意義的作者 論文 期刊 學(xué)科等而已 從這點(diǎn)出發(fā) 我們自然而然的認(rèn)為自己和自己的關(guān)系最親近 所以應(yīng)該是該作者與其他作者共被引頻次中最高的 表達(dá)方式可以是最大值 但我們認(rèn)為為了突出自己與自己的親密關(guān)系 可以用最大值 l來凸顯 所以我們大體傾向于White的提法 但可做適當(dāng)?shù)恼{(diào)整 Pearson s只是一種測(cè)度變量相似性的方法 是為了更好地發(fā)現(xiàn)變量之間的關(guān)系 而許多方法都可以取代它 我們認(rèn)為SquaredEuclideandistance是代替它的最好方法 理由如下 Pearson S相關(guān)系數(shù)矩陣自身的確存在問題 其不適合對(duì)有0 模塊的矩陣進(jìn)行轉(zhuǎn)化 雖然White等一再?gòu)?qiáng)調(diào) 共被引矩陣不應(yīng)該存在0 模塊 并且給出了許多實(shí)例 但是我們認(rèn)為這還是不具有普遍性 難免遇到0 模塊 尤其是在我國(guó)的研究者之間 在這里 我們?cè)俅慰隙ˋhlgren等提出的相似性測(cè)度的兩個(gè)必要條件 注 是非常正確的 雖然是針對(duì)相似性測(cè)度提出 但是其原理對(duì)于非相似測(cè)度同樣正確 我們用SquaredEuclideandistance測(cè)度方法是滿足兩個(gè)必要條件 根據(jù)SquaredEuclideandistance公式可以看出即使在矩陣后加入0 模塊 D X Y 的值保