基金项目学部分部的交叉网络分析——以美国<bold>NSF</bold>数据中<bold>AI</bold>领域为例

doi:10.3772/j.issn.1000-0135.2022.09.005

情报学报

2022, Vol. 41

Issue (9): 945-955 DOI: 10.3772/j.issn.1000-0135.2022.09.005

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

基金项目学部分部的交叉网络分析——以美国NSF数据中AI领域为例

杨洁¹, 王曰芬^1,2,3, 陈必坤⁴, 恢光平¹

1.南京理工大学经济管理学院,南京 210094
2.天津师范大学管理学院,天津 300387
3.天津师范大学大数据科学研究院,天津 300387
4.苏州大学社会学院,苏州 215021

Network Analysis of Inter-Division in Funding Projects: Case Studies of AI Field in NSF Data

Yang Jie¹, Wang Yuefen^1,2,3, Chen Bikun⁴, Hui Guangping¹

1.School of Economics & Management, Nanjing University of Science & Technology, Nanjing 210094
2.Management School of Tianjin Normal University, Tianjin 300387
3.Institute for Big Data Science, Tianjin Normal University, Tianjin 300387
4.School of Social Science, Soochow University, Suzhou 215021

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (2408 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要本文旨在通过探究基金资助项目研究的交叉融合状况与趋势，从学部分部内容交叉层面探究基金投入对交叉研究的引导方向、影响特征及演化作用。本文组合共词网络分析和学科交叉研究等方法，从基金学部分部内在知识的聚合和基金分部间知识的交叉两个维度，构建对分部内部知识发展状况及分部间交叉态势的分析框架和测度方法。研究结果表明，以美国NSF（National Science Foundation）数据中AI（artificial intelligence）领域为例，该领域在基金投入引导下，随着年代递进，不同分部受资助项目数量增加，主题多样性增加，分部内部知识聚合程度降低，分部间交叉融合程度增强，同时分部内部知识聚合程度和分部间交叉融合程度均出现了明显分化；NSF分部的知识交叉集中在有相同或相似的理论方法的学科框架之下，表明知识实现近距离交叉融合更容易；内部知识的聚合性与外部知识的交叉程度具有一定的关联性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	杨洁
	王曰芬
	陈必坤
	恢光平

关键词 ：交叉研究, 网络分析, 交叉演化, 美国国家科学基金, 人工智能

收稿日期: 2021-07-22

基金资助:国家社会科学基金重大项目“面向知识创新服务的数据科学理论与方法研究”（16ZDA224）。

作者简介: 杨洁，女，1994年生，博士研究生，研究方向为数据科学与知识管理；王曰芬，女，1963年生，教授，博士生导师，研究方向为知识服务与数据挖掘，E-mail：yfwang@njust.edu.cn；陈必坤，男，1985年生，副教授，研究方向为信息计量与知识管理；恢光平，男，1964年生，教授，研究方向为科技创新与产业经；

引用本文:

杨洁, 王曰芬, 陈必坤, 恢光平. 基金项目学部分部的交叉网络分析——以美国NSF数据中AI领域为例[J]. 情报学报, 2022, 41(9): 945-955.
Yang Jie, Wang Yuefen, Chen Bikun, Hui Guangping. Network Analysis of Inter-Division in Funding Projects: Case Studies of AI Field in NSF Data. 情报学报, 2022, 41(9): 945-955.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2022.09.005 或 https://qbxb.istic.ac.cn/CN/Y2022/V41/I9/945

1 操秀英. 重磅! 自然科学基金委成立交叉科学部[EB/OL]. (2020-11-30) [2020-12-15]. http://www.nsfc.gov.cn/publish/portal0/tab434/info79287.htm.
2 朱蔚彤. 国家自然科学基金委员会资助学科交叉研究模式分析[J]. 中国科学基金, 2006, 20(3): 184-189.
3 Fontana M, Iori M, Montobbio F, et al. New and atypical combinations: an assessment of novelty and interdisciplinarity[J]. Research Policy, 2020, 49(7): 104063.
4 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.
5 张雪, 张志强. 学科交叉研究系统综述[J]. 图书情报工作, 2020, 64(14): 112-125.
6 Stirling A. A general framework for analysing diversity in science, technology and society[J]. Journal of the Royal Society Interface, 2007, 4(15): 707-719.
7 Rafols I, Meyer M. Diversity and network coherence as indicators of interdisciplinarity: case studies in bionanoscience[J]. Scientometrics, 2010, 82(2): 263-287.
8 Porter A L, Cohen A S, David Roessner J, et al. Measuring researcher interdisciplinarity[J]. Scientometrics, 2007, 72(1): 117-147.
9 Porter A L, Rafols I. Is science becoming more interdisciplinary? Measuring and mapping six research fields over time[J]. Scientometrics, 2009, 81(3): Article No.719.
10 张金柱, 韩涛, 王小梅. 利用参考文献的学科分类分析图书情报领域的学科交叉性[J]. 图书情报工作, 2013, 57(1): 108-111, 146.
11 许海云, 刘春江, 雷炳旭, 等. 学科交叉的测度、可视化研究及应用——一个情报学文献计量研究案例[J]. 图书情报工作, 2014, 58(12): 95-101.
12 徐庶睿, 卢超, 章成志. 术语引用视角下的学科交叉测度——以PLOS ONE上六个学科为例[J]. 情报学报, 2017, 36(8): 809-820.
13 Brink M, Hengeveld G M, Tobi H. Interdisciplinary measurement: a systematic review of the case of sustainability[J]. Ecological Indicators, 2020, 112: 106145.
14 章成志, 吴小兰. 跨学科研究综述[J]. 情报学报, 2017, 36(5): 523-535.
15 Wagner C S, Roessner J D, Bobb K, et al. Approaches to understanding and measuring interdisciplinary scientific research (IDR): a review of the literature[J]. Journal of Informetrics, 2011, 5(1): 14-26.
16 马瑞敏, 闫晓慧, 申楠. 学科交叉直接测度研究[J]. 情报学报, 2019, 38(7): 688-696.
17 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.
18 闵超, 孙建军. 学科交叉研究热点聚类分析——以国内图书情报学和新闻传播学为例[J]. 图书情报工作, 2014, 58(1): 109-116.
19 张斌. 共词网络的结构与演化: 概念与理论进展[J]. 情报杂志, 2014, 33(7): 103-109.
20 陈果, 胡昌平. 科研领域关键词网络的结构特征与启示——基于图情学科的实证研究[J]. 现代图书情报技术, 2014(7/8): 84-91.
21 王曰芬, 张露, 张洁逸. 产业领域核心专利识别与演化分析——以人工智能领域为例[J]. 情报科学, 2020, 38(12): 19-26.
22 Rose S, Engel D, Cramer N, et al. Automatic keyword extraction from individual documents[M]// Text Mining: Applications and Theory. New York: John Wiley & Sons, 2010: 1-20.