“情报学”与“计算机跨学科应用”跨学科应用比较研究_情报学论文

“情报学”与“计算机跨学科应用”的学科交叉对比研究,本文主要内容关键词为:情报学论文,学科论文,计算机论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

      1 引言

      学科交叉是科学发展规律的具体体现,科学发展史表明,科学上的重大突破、新的生长点乃至新学科的产生,常常在不同的学科彼此交叉和相互渗透的过程中形成,学科交叉是创新的动力和源泉。学科交叉是获得原创性科学成果的重要途径,是产生新学科的生长点;学科交叉要发展成一门新学科,还需要在长期的学科交叉活动中,逐步建立起一系列立足于这一交叉地带的概念、关系、方法以及评价标准等,进而形成一个新的具有内在逻辑的知识体系,最后发展成新的交叉学科[1]。

      情报学是一门交叉性很强的学科,横跨理学、工学、农学、医学、管理学、经济学等多个学科领域,基础理论的夯实、技术方法的创新以及应用领域的拓展是支撑学科进步的三大重要因素,学科知识交叉关联、复用与创新在学科发展演化进程中起到了关键性作用。探索学科交叉的态势、主题、模式和局限对学科发展具有重要意义。

      根据汤森路透公司对Web of Science中SCI与SSCI的学科分类,计算机科学跨学科应用(Computer Science & Interdisciplinary Applications,简称IA)和情报学(Information Science & Library Science,简称LIS)是两个较为典型的新兴前沿交叉学科。IA将计算机技术和方法应用到其他学科,如信息管理科学、工程学、生物学、医学、环境研究、地球科学、艺术与人文科学、农业、化学和物理学等[2]。LIS包括了很多方面的研究,例如文献研究、编目、分类、数据库建设和维护、电子图书馆、信息道德、信息处理和管理、馆际互助、存储、科学计量学、期刊图书馆事业和特殊数据库等资源[2]。二者都是应用型交叉学科,都将学科自身的知识服务于其他领域,不同的是LIS的服务主要偏向于对学科内部及相关学科领域,而IA的应用领域更加广泛。

      许海云等将学科交叉的定量化研究分为计量指标和可视化两种方式,通过研究发现情报学在十年间并未与本学科跨度较大的学科形成较多交叉,而更多的是在与自身较为相近的领域拓展了研究方法或应用领域。同时,情报学在其研究领域范围内的核心地位有所减弱,而这种逐渐弱化核心的网络演化趋势更有利于情报学不断地与新的学科建立联系,但同时也存在冲淡自身学科特征的威胁[3]。郭婷等通过综合运用多种可视化技术,形成一套探索学科交叉态势的可行性方法,并通过案例分析得到了当前情报学在学科交叉发展中的动态变化特征及面临的问题。研究发现LIS的知识基础范围较为狭窄,学科发展的基础知识更多来自本领域,而IA的发展得到更多数理领域和计算机领域的支持。因此,情报学受方法发展局限的制约,其应用广度也受到诸多限制,但分析仅限于期刊和学科的引用网络的粗粒度层面[4]。

      本文将在此基础上,以IA和LIS两个学科为例,通过细化分析粒度的学科文献主题内容进行主题挖掘,分别分析两个学科的热点研究主题、交叉学科以及两个学科间交叉主题,由此对比两个学科在学科交叉研究及应用方面内容和模式的差异,以期为交叉学科尤其是情报学学科的建设与发展提供借鉴和参考。

      2 研究内容与方法

      从学科交叉领域基础(即IA和LIS两学科领域的固有知识体系及学科交叉态势)以及学科交叉关联基础(即IA和LIS两学科之间的相互交叉关联主题态势)两个方面,对各自领域的主题热点以及存在知识交叉关联关系的学科进行对比分析,并对二者的交叉主题进行识别、剖析,图1为本文的研究思路及主要步骤。

      

      首先,通过构造检索式获取IA和LIS两个学科领域的文献文本数据,作为分析数据源。利用工具对文献进行主题词抽取、清洗排序,得到主题高频词,在此基础上从两个方面围绕研究目的开展研究工作。分别构建IA和LIS的高频词共现及高频词-学科共现网络,对比分析两学科的研究主题及其学科交叉关系的异同,为进一步探索二者的相互交叉态势奠定基础。

      其次,将IA和LIS的分析数据混合,识别混合数据的研究热点主题,并与原先两个学科的研究热点主题作对比分析,识别数据混合后新出现的主题,可以认为该新出现的主题是由两者交叉而来。其分析思想在于:原先在每个学科中并没有出现的研究主题,是因为分析方法所采用的高频词方法,IA和LIS的交叉主题在每个学科中未能显现(可能因为词频低或者共现频次低,没能形成明显聚类)。而在两个学科混合数据中,随着数据量的增多,使得原先未能显示的主题显现出来,因此我们可以认为该类主题属于两者的学科交叉主题。

      再次,利用高频词-学科共现分析法,分别将IA和LIS与其他所有学科交叉的热点主题用表格列出,进行比对分析,两学科中共有/重叠的学科交叉主题亦属于二者的交叉主题。

      最后,根据上述分析结果,对IA和LIS主题交叉模式进行探析,以期为情报学学科的建设与发展提供借鉴和参考。

      3 数据处理与结果分析

      3.1 学科交叉领域基础分析

      3.1.1 数据来源与处理

      本文以IA和LIS领域的科研论文作为计量数据源,选取Web of Science的SCI-EXPANDED,SSCI,CPCI-S,CCR-EXPANDED和IC引文索引数据库,利用Web of Science自带的学科分类,检索式分别为:WC=Computer Science,Interdisciplinary Applications,WC=Information Science & Library Science,并选择Article文献类型,检索日期为2014年7月25日,时间跨度为2001~2014年,得到IA学科共133 639条记录,LIS学科共37 769条记录。

      利用UCNIET软件获取高频词共现网络,因LIS学科文献数量少于IA学科,因此在进行共现网络分析时,所设置的具体网络参数并不相同。在IA高频共现网络分析中,共现频次的阈值设为15次及以上,采用GN算法划分高频词主题网络,并结合各个节点的中介中心度和结点间的共现关联强度来进一步划分子网络,从而得到每一年的IA主题划分(以2007年为例,如图2所示)。在LIS高频词共现网络分析中,共现频次的阈值设为10次及以上,采用GN算法划分高频词主题网络,并结合各个节点的中介中心度和结点间的共现关联强度来进一步划分子网络,从而得到每一年的LIS主题划分(以2007年为例,如图3所示)。

      

      

      3.1.2 结果分析

      在前期研究成果[5-7]的基础上,本文从学科交叉领域基础的角度,分别利用高频词及高频词-学科共现分析法,对IA和LIS各自领域的主题热点以及存在知识交叉关联关系的学科(见表1)进行对比剖析,以明确二者的联系与差异。由于总体数据量较大,仅选择2007年、2009年、2011年和2013年这四年的数据进行学科交叉主题方面的分析。

      

      (1)IA和LIS主题热点及交叉学科时序分布差异

      从主题分布情况来看,IA与LIS所关注的方向存在一定的不同之处。IA关注的是过程与算法(如人工智能、数值模拟、模拟实践、量化模型、优化等),注重效率;LIS关注的是结果与实现(如信息检索、信息管理、文献计量、用户研究、开放获取、信息技术、技术实践、引文分析等),注重效果。IA关注新的技术,先开发出新技术,再看能解决什么问题,类似于信息获取中的Push;LIS关注新的应用,从需求的角度来学习新技术,类似于信息获取中的Pull[8]。

      从交叉学科分布情况来看,与IA存在知识交叉的学科明显多于LIS,说明IA的跨学科性更强、范围更广,且IA多与自然科学学科交叉;LIS多与社会科学学科产生知识的交叉、渗透、融合与创新。其中,数学和工程学一直是IA的重点交叉学科,数学为IA提供了问题抽象描述与思考的有力工具,工程学则为IA奠定了系统应用技术基础;LIS的主要交叉学科为社会科学史、计算机科学以及艺术与人文科学,是自然科学、技术科学与社会科学之间交叉的产物。计算机科学是通过对信息处理过程的研究,进一步对软件、特殊应用(人工智能)、计算机数学及计算机体系结构等方面进行探索性和理论性研究的一门科学。它是一种工具,计算机科学与图书情报学有着密切的交叉关系。电子计算机在图书情报活动中的广泛应用,使情报的搜集、加工整理、存储、检索、传输、开发利用等工作及其手段发生了巨大的变化。它改变了图书馆和情报机构的传统观念和服务方式[9],大大提高了图书情报信息、知识服务的效能。另外,IA还与物理学、生物学、化学、药学等十几个学科存在较为稳定、广泛的合作关系;而LIS则与管理学、商业管理与经济学等若干学科具有一定的知识合作关联。

      (2)IA和LIS主题热点及交叉学科时序分布关联

      从主题分布情况来看,IA与LIS的研究主题热点具有一定的潜在关联性。如IA中的自动分类主题是进行LIS文本分类的重要支撑技术之一;同时,IA的医学情报学子领域又是LIS与医学科学相互交叉结合的产物;LIS研究的最终目的与IA决策支持是一致的;近年来,LIS的经典主题——文献计量逐步渗透成为IA的主要研究热点之一。

      从交叉学科分布情况来看,IA与LIS一直存在学科间知识的相互交叉渗透现象。其中,情报学每年都是IA的重要交叉知识域之一;2007年与2009年,IA作为独立的学科与计算机科学(信息系统)一起,为情报学提供了丰富的方法参考、技术支撑和应用平台;2011年与2013年,越来越多的计算机子领域分支学科与IA整合,以不同的交叉形式共同推动着情报学学科的创新与发展。

      另外,近年来二者与医学领域学科(如医学信息学、放射核医学和医学成像等)都呈现出日趋强烈的知识流动与融合态势。其中,医学信息学(又称卫生信息学或医学资讯学)是医学、计算机科学和情报学等相结合而形成的新兴前沿交叉学科,是应用系统分析工具这一新技术(算法)来研究医学的管理、过程控制、决策和对医学知识科学分析的科学。它不仅包括医学文献情报的收集、整理、加工、存贮、检索与分析的理论、技术和方法,而且还包括以医院的情报管理为主要目的的医院情报系统和以医疗诊断为主要目的的医学情报系统的研究[10]。

      3.2 学科交叉关联基础分析

      为进一步全面深入探索二者的主题分布交叉关联关系,本文对IA和LIS两个学科的交叉主题进行识别分析,并对二者的学科交叉方式进行了分类讨论。

      利用TDA将IA和LIS数据进行合并,并采用高频词共现分析法识别混合数据的研究热点主题,利用Gephi的内置社团快速发现算法(blond Q算法)[11]划分主题社区,并与表1中两个学科各自领域的研究热点主题作对比分析,识别数据混合后新出现的主题,可以认为该新出现的主题属于两者的学科交叉主题,即混合交叉主题(见表2)。

      然后,利用高频词-学科共现分析法,分别将IA和LIS与其他所有学科交叉的热点主题用表格列出,进行比对分析,两学科中共有的学科交叉主题亦属于两个学科的交叉主题,即重叠交叉主题(见表3)。由于数据量较大,本文仅选择2007年、2009年、2011年和2013年这四年的数据进行学科交叉主题分析。

      混合交叉主题是IA和LIS两个学科之间的交叉,而重叠交叉主题也包括与其他外部学科的交叉(IA和LIS与其他学科所产生主题交叉的共有部分)。这里需要注意的是,混合交叉仅是可能的交叉主题,这是因为表1中识别主题热点的高频词共现阈值设置过高,导致有些主题没有被划分到热点范围之中,而部分非IA和LIS的交叉主题在对混合数据提取新的主题热点时又出现在可视化的视图中。

      根据表2和表3可以看出:

      (1)IA和LIS的重要学科交叉主题词每年都在发生着变化,表明IA和LIS与外部学科的交叉合作呈动态的发展。

      (2)IA的重要学科交叉主题词有人工智能、数值方法、训练集、数值模拟、数值模型、数学模型、优化方法、分析动力学、有限元法、支持向量机、有限体积法、文本分析、分类技术等,偏向于用其他学科的技术和方法来发展自身学科。

      (3)LIS的重要学科交叉主题词有信息检索、信息管理、文献计量分析、信息技术、信息系统、用户满意度、开放获取、引文数据、复杂网络、通信技术、分类技术、语义关系分析、用户认可度、社会网络、知识共享和社会化媒体等,侧重于将自身的服务和方法用于其他学科。

      (4)随着时间的推移,IA和LIS两个学科间的交叉主题词在不断发生着变化,新的交叉主题不断涌现。这些新出现的学科交叉主题词主要偏向于医学信息学(基因表达、药物研究、目标蛋白、基因相互作用、基因序列等)、经济管理学(电子商务、项目管理、统计分析、知识组织等)、计算机科学(模糊算法、有限体积法、网格计算)、科学合作(信息共享、科学研究、科学合作)等学科。

      

      3.3 IA和LIS主题交叉模式探析

      周文娟[12]根据学科交叉的具体方式将学科交叉凝练为移植嫁接、互补共融、连锁辐射和辐集聚焦四种类型。本文对IA与LIS主题的学科知识交叉方式进行分类辨析,揭示二者学科交叉模式与机制的异同,进而为LIS的学科发展提供一定的理论参考和技术支持。IA和LIS都属于应用性较强的学科,其作为研究工具、方法和系统往往多以移植嫁接和互补共融的方法与其他学科共同形成新的交叉主题。学科交叉的移植嫁接是指,将一门或多门成熟学科的基本话语或话语系统(包括概念、范畴、原理、定律、模式、方法等)转移向另一门学科[12]。IA和LIS既是学科交叉移植供体,同时也是嫁接受体,按照二者的知识交叉流动关系,可分为相互交叉、内部交叉和外部交叉三种模式,如图4所示。

      

      

      (1)相互交叉模式,即两学科间互有知识的渗透与转移。如IA中的人工智能作为计算机科学的一个分支,自诞生以来,理论和技术日益成熟,应用领域也不断扩大,其与语言学、数学等学科相互融会贯通而形成的自然语言处理技术,为LIS中信息检索问题的优化与发展提供了强有力的支撑。LIS中的知识组织、情报检索等内容丰富和深化了IA数据挖掘的方法知识体系。二者互相转移、综合交融,呈现出互补共融的发展态势。

      (2)内部交叉,即学科领域内部知识间的融合共生、自我完善。IA依靠电子计算机,结合有限元或有限容积的概念,通过数值计算和图像显示的方法,达到对工程问题和物理问题乃至自然界各类问题研究的目的[13]。LIS中网络信息计量学的诞生,本质上说,就是科学计量学、文献计量学、情报计量学和技术计量学在新的信息网络环境中交叉演变的结果。

      (3)外部交叉,即学科与其他外部各学科之间的知识吸收与传播扩散。IA依托扎实的计算机科学基础,与数学、工程学、物理学、生物医学等学科知识有机结合、共同协作,既有力带动了自身学科的发展,又不断促进新的科学发现的诞生,属于活跃型交叉学科。情报学特有的文献计量方法,是在借用、移植数学和统计学方法的基础上,加以创新、完善而形成的一种新型研究方法[14]。学者们将复杂科学(复杂网络)、社会科学领域的社会网络分析的研究方法和研究成果引入到情报学研究领域,提供了一种研究问题(科研合作、信息传播、信息检索、知识管理等)的新视角、新方法和新工具。同时,情报学领域的研究范式、基础理论、方法技术等在其他学科领域也日益得到了广泛的应用。但是,LIS相对于IA来说,其知识输出能力较知识吸收能力来说相对较弱,学科辐射能力有限。LIS需要不断完善自身学科知识体系建设,丰富科学研究方法手段,积极探索并加强与其他学科的知识关联,拓展应用领域,增强学科生命力。

      4 结语

      本文以“情报学”和“计算机跨学科应用”两个学科为例,从学科交叉领域基础和学科交叉关联基础两个方面,分别分析二者的热点研究主题、交叉学科以及两个学科间交叉主题,对比两个学科在学科交叉研究及应用方面内容和模式的差异,以期为交叉学科尤其是情报学学科的建设与发展提供借鉴和参考,并得到以下主要结论:

      (1)情报学与计算机跨学科应用的研究主题热点具有一定的潜在关联性,且二者存在学科间知识的相互交叉渗透现象。情报学与计算机跨学科应用所关注的方向存在一定的差异性:计算机跨学科应用的跨学科性更强、范围更广,而且计算机跨学科应用多是与自然科学,而情报学当前更多局限于与本领域及关系密切的经济管理领域、社会科学学科产生知识的交叉、渗透、融合与创新。计算机跨学科应用偏向于用其他学科的技术和方法来发展自身学科;情报学侧重于将自身的服务和方法用于其他学科。

      (2)情报学和计算机跨学科应用都属于应用性较强的学科,其作为研究工具、方法和系统往往多以移植嫁接和互补共融的方法与其他学科共同形成新的交叉主题。二者既是学科交叉移植供体,同时也是嫁接受体,存在相互交叉、内部交叉和外部交叉三种知识交叉模式。

      (3)情报学相对于计算机跨学科应用来说,其知识输出能力较知识吸收能力来说较弱,学科辐射能力有限。未来情报学需要不断完善自身学科知识体系建设,丰富科学研究方法手段,积极探索并加强与其他学科的知识关联,拓展应用领域,增强学科自身的生命力。

      (4)情报学未来的发展将与数学、计算机科学、生物医学等学科的交叉关联更加紧密。数学和计算机科学为情报学提供了分析问题、解决问题的新思路和新途径,以定义、定理、推论等的形式进行定性研究,以数学模型进行定量研究,因此,情报学学科的发展除了不断引入先进的数理理论与模型,也需要与更多学科领域结合,双管齐下,不断牢固学科根基并扩大应用范围[4]。综合使用定性与定量方法,增强情报学研究内容和研究方法的创新性。生物医学则为情报学理论与方法的应用拓宽了广阔的空间,共同促进情报学学科的纵向加深和横向拓展。

标签:;  ;  ;  ;  ;  

“情报学”与“计算机跨学科应用”跨学科应用比较研究_情报学论文
下载Doc文档

猜你喜欢