|
|
|
| Demystifying Knowledge Growth of Interdisciplinary Fields Based on the Location Functions of Terms |
| Cao Yujie1, Wang Shiyun2, Mao Jin2, Li Gang2 |
1.School of Information Management, Central China Normal University, Wuhan 430079
2.School of Information Management, Wuhan University, Wuhan 430072 |
|
|
|
|
Abstract The law of knowledge creation and flow in the formation and development of interdisciplinary fields can be explored by mining the interdisciplinary literature of scientific knowledge. Based on the location functions of terms in the literature, we propose literature spatial theory and a knowledge growth process model for interdisciplinary fields, which involves knowledge absorption, internalization, and innovation. We designed a full-text analysis method for quantitatively analyzing the knowledge growth process of interdisciplinary fields. Empirical research was conducted on the bioinformatics field, and the knowledge growth characteristics of this interdisciplinary field were determined. First, knowledge internalization and absorption are highly related; they vary in quantity but have the same trend. Second, the first peak of knowledge innovation appears four years later than knowledge absorption and internalization. Third, with the development of the interdisciplinary field, the real-time internalization rate remains relatively stable, the entire internalization rate decreases, and the internalization rate of newly absorbed knowledge is decreasing while the efficiency of knowledge innovation stimulated by knowledge internalization is increasing. The proposed full-text analysis framework for interdisciplinary knowledge growth can enrich the full-text content analysis methodology of academic literature.
|
|
Received: 23 August 2022
|
|
|
|
1 国务院学位委员会 教育部关于设置“交叉学科”门类、“集成电路科学与工程”和“国家安全学”一级学科的通知[EB/OL]. (2020-12-30) [2023-03-05]. http://www.moe.gov.cn/srcsite/A22/yjss_xwgl/xwgl_xwsy/202101/t20210113_509633.html.
2 刘仲林. 交叉科学时代的交叉研究[J]. 科学学研究, 1993, 11(2): 9-16.
3 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.
4 钱佳佳, 罗卓然. 全文本计量分析理论与技术的新进展与新探索——2019全文本文献计量分析学术沙龙综述[J]. 信息资源管理学报, 2020, 10(1): 111-117.
5 张颖怡, 章成志, 陈果. 基于关键词的学术文本聚类集成研究[J]. 情报学报, 2019, 38(8): 860-871.
6 章成志, 李铮. 基于学术论文全文的创新研究评价句抽取研究[J]. 数据分析与知识发现, 2019, 3(10): 12-19.
7 Wang S Y, Mao J, Cao Y J, et al. Integrated knowledge content in an interdisciplinary field: identification, classification, and application[J]. Scientometrics, 2022, 127(11): 6581-6614.
8 Wang S Y, Mao J, Lu K, et al. Understanding interdisciplinary knowledge integration through citance analysis: a case study on eHealth[J]. Journal of Informetrics, 2021, 15(4): 101214.
9 马费成, 陈锐, 袁红. 科学信息离散分布规律的研究从文献单元到内容单元的实证分析(I): 总体研究框架[J]. 情报学报, 1999, 18(1): 79-84.
10 顾秀丽, 黄颖, 孙蓓蓓, 等. 图书情报领域中的交叉科学研究: 进展与展望[J]. 情报学报, 2020, 39(5): 478-491.
11 Chi R B, Young J. The interdisciplinary structure of research on intercultural relations: a co-citation network analysis study[J]. Scientometrics, 2013, 96(1): 147-171.
12 Zhang J, Yu Q, Zheng F S, et al. Comparing keywords plus of WOS and author keywords: a case study of patient adherence research[J]. Journal of the Association for Information Science and Technology, 2016, 67(4): 967-972.
13 韩正琪, 刘小平, 寇晶晶. 基于Rao-Stirling指数和LDA模型的领域学科交叉主题识别——以纳米科技为例[J]. 情报科学, 2020, 38(2): 116-124.
14 刘冬东. 新兴交叉主题识别与引文扩散影响研究——以计算生物学领域为例[D]. 郑州: 华北水利水电大学, 2020.
15 吴蕾, 田儒雅, 张学福. 基于主题相关分析的跨学科主题发现方法及实证研究——以动物资源与育种领域为例[J]. 图书情报工作, 2017, 61(1): 72-79.
16 屈文建, 朱丽, 虞逸飞. 学术交叉领域的双向聚类及主题关联特征分析[J]. 情报科学, 2021, 39(7): 30-37.
17 杜德慧, 李长玲, 相富钟, 等. 基于引文关键词的跨学科相关知识发现方法探讨[J]. 情报杂志, 2020, 39(9): 189-194.
18 曹嘉君, 王曰芬, 陈盛之, 等. 多学科交叉综合的研究领域内学科间分布状态与演化研究[J]. 情报学报, 2020, 39(5): 459-468.
19 Lee P C, Su H N. Investigating the structure of regional innovation system research through keyword co-occurrence and social network analysis[J]. Innovation, 2010, 12(1): 26-40.
20 郭婷, 许海云, 岳增慧, 等. 情报学学科交叉态势可视化研究[J]. 情报理论与实践, 2015, 38(9): 94-99.
21 刘小慧, 李长玲, 崔斌, 等. 基于闭合式非相关知识发现的潜在跨学科合作研究主题识别——以情报学与计算机科学为例[J]. 情报理论与实践, 2017, 40(9): 71-76.
22 叶春蕾. 基于Web of Science学科分类的主题研究领域跨学科态势分析方法研究[J]. 图书情报工作, 2018, 62(2): 127-134.
23 商宪丽. 基于多模主题网络的交叉学科知识组合模式研究——以数字图书馆为例[J]. 情报科学, 2018, 36(3): 130-137, 150.
24 刘小慧, 李长玲, 刘运梅, 等. 基于作者—核心关键词2-模网络的潜在跨学科合作组合识别——以图书情报学与计算机科学为例[J]. 情报理论与实践, 2018, 41(2): 105-110.
25 邱均平, 赵蓉英, 董克, 等. 科学计量学[M]. 北京: 科学出版社, 2016: 327-329.
26 关鹏, 王曰芬. 基于LDA主题模型和生命周期理论的科学文献主题挖掘[J]. 情报学报, 2015, 34(3): 286-299.
27 Nonaka I, Takeuchi H. The knowledge-creating company[M]. New York: Oxford University Press, 1995: 65.
28 Bj?rneborn L. Small-world link structures across an academic web space: a library and information science approach[D]. Denmark: Royal School of Library and Information Science, 2004.
29 Hai Z G. Discovery of knowledge flow in science[J]. Communications of the ACM, 2006, 49(5): 101-107.
30 华连连, 张悟移. 知识流动及相关概念辨析[J]. 情报杂志, 2010, 29(10): 112-117.
31 金碧辉, LeydesdorffLoet, 孙海荣, 等. 中国科技期刊引文网络: 国际影响和国内影响分析[J]. 中国科技期刊研究, 2005, 16(2): 141-146.
32 徐晓艺, 杨立英. 基于合著论文的学科知识流动网络的特征分析——以“药物化学”学科为例[J]. 图书情报工作, 2015, 59(1): 89-98.
33 王旻霞, 赵丙军. 中国图书情报学跨学科知识交流特征研究——基于CCD数据库的分析[J]. 情报理论与实践, 2015, 38(5): 94-99.
34 王雪, 李睿. 知识生态学视角下的各类引文现象阐释[J]. 情报杂志, 2018, 37(9): 179-184.
35 Choe H, Lee D H, Kim H D, et al. Structural properties and inter-organizational knowledge flows of patent citation network: the case of organic solar cells[J]. Renewable and Sustainable Energy Reviews, 2016, 55: 361-370.
36 Tsay M Y. Knowledge flow out of the domain of information science: a bibliometric and citation analysis study[J]. Scientometrics, 2015, 102(1): 487-502.
37 夏红玉, 胡潜, 王忠义. 基于引文重要性的知识流动主路径分析[J]. 情报学报, 2022, 41(5): 451-462.
38 王晓红, 张宝生. 知识网络的知识流动效率测度模型[J]. 情报杂志, 2010, 29(10): 89-93.
39 黄晨, 赵星, 卞杨奕, 等. 测量学术贡献的关键词分析法探析[J]. 中国图书馆学报, 2019, 45(6): 84-99.
40 Mao J, Liang Z T, Cao Y J, et al. Quantifying cross-disciplinary knowledge flow from the perspective of content: introducing an approach based on knowledge memes[J]. Journal of Informetrics, 2020, 14(4): 101092.
41 杨玉兵, 胡汉辉. 网络结构与知识转移[J]. 科学学与科学技术管理, 2008, 29(2): 123-127.
42 刁丽琳, 朱桂龙. 产学研联盟契约和信任对知识转移的影响研究[J]. 科学学研究, 2015, 33(5): 723-733.
43 Rousseau R. Robert Fairthorne and the empirical power laws[J]. Journal of Documentation, 2005, 61(2): 194-202.
44 Liu Y X, Rousseau R. Knowledge diffusion through publications and citations: a case study using ESI-fields as unit of diffusion[J]. Journal of the American Society for Information Science and Technology, 2010, 61(2): 340-351.
45 宋凯, 李秀霞, 赵思喆, 等. 基于引文分析的学科知识流动计量研究[J]. 情报杂志, 2017, 36(1): 154-159.
46 张瑞. 我国图书情报学跨学科知识流入特征研究[J]. 情报杂志, 2019, 38(8): 195-201.
47 张瑞, 赵栋祥, 唐旭丽, 等. 知识流动视角下学术名词的跨学科迁移与发展研究[J]. 情报理论与实践, 2020, 43(1): 47-55, 75.
48 刘丽帆, 张恒, 章成志. 基于学术文献引文内容的跨学科知识流动研究[J]. 情报理论与实践, 2022, 45(6): 24-31, 47.
49 解恩泽, 赵树智, 刘永振. 交叉科学概论[M]. 济南: 山东教育出版社, 1991.
50 操玉杰, 毛进, 潘荣清, 等. 学科交叉研究的演化阶段特征分析——以医学信息学为例[J]. 数据分析与知识发现, 2019, 3(5): 107-116.
51 李长玲, 荣国阳, 范晴晴, 等. 跨学科引用对知识生长的刺激作用与程度分析——以图书情报学为例[J]. 情报理论与实践, 2022, 45(6): 1-8.
52 程齐凯. 学术文本的词汇功能识别[D]. 武汉: 武汉大学, 2015.
53 Lu W, Huang Y, Bu Y, et al. Functional structure identification of scientific documents in computer science[J]. Scientometrics, 2018, 115(1): 463-486.
54 Bertin M, Atanassova I, Gingras Y, et al. The invariant distribution of references in scientific articles[J]. Journal of the Association for Information Science and Technology, 2016, 67(1): 164-177.
55 陆伟, 孟睿, 刘兴帮. 面向引用关系的引文内容标注框架研究[J]. 中国图书馆学报, 2014, 40(6): 93-104.
56 刘敏, 张瑞芳. 建构论视阈下科学知识的空间生产——基于SSK的知识空间性研究[J]. 科学技术哲学研究, 2021, 38(6): 116-121.
57 赵磊, 章成志. 基于不同内容层面的特定领域研究主题差异分析研究[J]. 农业图书情报学报, 2021, 33(5): 14-27.
58 卡尔·波普尔. 客观知识——一个进化论的研究[M]. 舒炜光, 卓如飞, 周柏乔, 等译. 上海: 上海译文出版社, 1987.
59 Nonaka I, Byosiere P, Borucki C C, et al. Organizational knowledge creation theory: a first comprehensive test[J]. International Business Review, 1994, 3(4): 337-351.
60 李喜先. 知识系统论[M]. 北京: 科学出版社, 2011.
61 Zahra S A, George G. Absorptive capacity: a review, reconceptualization, and extension[J]. The Academy of Management Review, 2002, 27(2): 185-203.
62 肖希明. 知识创新与知识信息管理[J]. 图书情报知识, 1999(1): 7-9, 13.
63 Nonaka I, Toyama R, Konno N. SECI, ba and leadership: a unified model of dynamic knowledge creation[J]. Long Range Planning, 2000, 33(1): 5-34.
64 Lewis J, Bartlett A. Inscribing a discipline: tensions in the field of bioinformatics[J]. New Genetics and Society, 2013, 32(3): 243-263.
65 张栋. 基于海量科技文献的自动聚类研究与设计[D]. 北京: 北京邮电大学, 2018. |
|
|
|
