基金项目计划学部交叉及对前沿分布的影响研究<bold>——</bold>以美国<bold>NSF</bold>数据中<bold>AI</bold>领域为例

doi:10.3772/j.issn.1000-0135.2022.09.006

情报学报

2022, Vol. 41

Issue (9): 956-966 DOI: 10.3772/j.issn.1000-0135.2022.09.006

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

基金项目计划学部交叉及对前沿分布的影响研究——以美国NSF数据中AI领域为例

范丽鹏¹, 王曰芬^1,2,3, 岑咏华^2,3, 杨洁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

Frontier Influence of the Inter-Directorate in Project Planning: Case Studies of AI Field in NSF Data

Fan Lipeng¹, Wang Yuefen^1,2,3, Cen Yonghua^2,3, Yang Jie¹

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

摘要
图/表
参考文献
相关文章 (11)

全文: PDF (1490 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要本文旨在融合学者参与度的基础上，测算和分析基金项目计划的学部交叉度，并识别前沿型项目计划，从项目资助专项层面上探究学部交叉对项目计划资助与前沿型项目计划分布的影响。本文首先以项目计划为研究对象，为融合项目计划的学部多样性和不同学者对同一项目计划各学部参与的均衡性，引入Rao-Stirling指标，将项目计划分为学部高交叉、中交叉、低交叉和不交叉类；其次，依据项目计划的资助强度和资助趋势，结合学部交叉特性，将项目计划分为不同交叉水平的前沿型、热点型、潜在型和衰退型；最后，对高交叉前沿型项目计划进行具体分析。研究结果表明，以美国NSF（National Science Foundation）资助的AI（artificial intelligence）领域为例，NSF资助的项目计划在学部交叉和不交叉类的数目上分布较为均衡，但对交叉类项目计划的平均资助强度远高于不交叉类型；在前沿分布上，不交叉类的项目计划多为潜在型，而学部高交叉类和低交叉类的前沿型占比相对较高，且对前沿型项目计划的资助趋势向高交叉类倾斜；高交叉类的前沿型项目计划多倾向于神经与认知系统、自然与人类系统、信息智能系统等方面的研究。

	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
	范丽鹏
	王曰芬
	岑咏华
	杨洁

关键词 ：学部交叉, 前沿识别, Rao-Stirling指数, 美国国家科学基金, 人工智能

收稿日期: 2021-07-22

基金资助:国家自然科学基金应急管理项目“人工智能领域研究前沿探测与决策支持”（61842602）。

作者简介: 范丽鹏，女，1993年生，博士研究生，研究方向为数据科学与知识服务；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；岑咏华，男，1979年生，教授，研究方向为知识网络与情报分析；杨洁，女，1994年生，博士研究生，研究方向为数据科学与知识管；

引用本文:

范丽鹏, 王曰芬, 岑咏华, 杨洁. 基金项目计划学部交叉及对前沿分布的影响研究——以美国NSF数据中AI领域为例[J]. 情报学报, 2022, 41(9): 956-966.
Fan Lipeng, Wang Yuefen, Cen Yonghua, Yang Jie. Frontier Influence of the Inter-Directorate in Project Planning: Case Studies of AI Field in NSF Data. 情报学报, 2022, 41(9): 956-966.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2022.09.006 或 https://qbxb.istic.ac.cn/CN/Y2022/V41/I9/956

1 Zhou P, Cai X J, Lyu X Z. An in-depth analysis of government funding and international collaboration in scientific research[J]. Scientometrics, 2020, 125: 1331-1347.
2 王效岳, 刘自强, 白如江, 等. 基于基金项目数据的研究前沿主题探测方法[J]. 图书情报工作, 2017, 61(13): 87-98.
3 Yin Z F, Liang Z, Zhi Q. Does the concentration of scientific research funding in institutions promote knowledge output?[J]. Journal of Informetrics, 2018, 12(4): 1146-1159.
4 Li J P, Xie Y J, Wu D S, et al. Underestimating or overestimating the distribution inequality of research funding? The influence of funding sources and subdivision[J]. Scientometrics, 2017, 112: 55-74.
5 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.
6 樊春良, 樊天. 国外学科交叉研究的发展趋势及启示[J]. 中国科学基金, 2019, 33(5): 446-452.
7 Nichols L G. A topic model approach to measuring interdisciplinarity at the National Science Foundation[J]. Scientometrics, 2014, 100: 741-754.
8 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.
9 Brillouin L. Science and information theory[M]. New York: Academic Press, 1956.
10 Porter A L, Chubin D E. An indicator of cross-disciplinary research[J]. Scientometrics, 1985, 8: 161-176.
11 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.
12 Leydesdorff L, Alkemade F, Heimeriks G, et al. Patents as instruments for exploring innovation dynamics: geographic and technological perspectives on “photovoltaic cells”[J]. Scientometrics, 2015, 102: 629-651.
13 韩正琪, 刘小平, 徐涵. 基于Rao-Stirling指数的学科交叉文献发现——以纳米科学与纳米技术为例[J]. 图书情报工作, 2018, 62(1): 125-131.
14 Liu P, Chen B L, Liu K, et al. Magnetic nanoparticles research: a scientometric analysis of development trends and research fronts[J]. Scientometrics, 2016, 108: 1591-1602.
15 Li M N, Chu Y Q. Explore the research front of a specific research theme based on a novel technique of enhanced co-word analysis[J]. Journal of Information Science, 2017, 43(6): 725-741.
16 Wang Q. A bibliometric model for identifying emerging research topics[J]. Journal of the Association for Information Science and Technology, 2018, 69(2): 290-304.
17 徐路路, 王效岳, 白如江, 等. 基于DTM模型和文本特征分析的基金项目新兴趋势探测研究——以NSF石墨烯领域为例[J]. 数据分析与知识发现, 2018, 2(3): 87-97.
18 刘博文, 白如江, 周彦廷, 等. 基金项目数据和论文数据融合视角下科学研究前沿主题识别——以碳纳米管领域为例[J]. 数据分析与知识发现, 2019, 3(8): 114-122.
19 刘自强, 许海云, 岳丽欣, 等. 面向研究前沿预测的主题扩散演化滞后效应研究[J]. 情报学报, 2018, 37(10): 979-988.
20 National Science Foundation. At a glance[EB/OL]. [2021-03-09]. https://www.nsf.gov/about/glance.jsp.
21 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.
22 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.
23 National Science Foundation. Learn about NSF Science and Technology Centers[EB/OL]. [2021-03-09]. https://www.nsf.gov/od/oia/programs/stc/.