1 引言
大数据时代的到来给信息资源管理学科发展带来了新的机遇和挑战。一方面,数据与信息的可及性、可分析性大大增强,相关问题受到高度关注,数据科学、大数据技术等与信息资源管理相关的学科开始兴起,为信息资源管理学科发展注入了新的活力
[1]。另一方面,传统的理念、理论、方法、技术、工具等越来越凸显其“局限性”,亟需进一步拓展研究范围,推动实现研究范式的多元化、适应性。
本文基于科研产出视角,以科睿唯安（Clarivate Analytics）的Web of Science数据库的2009–2019年SCI/SSCI论文（简称WoS论文）为数据样本,对信息资源管理领域的发展态势展开分析,分析维度包括整体产出概况、国际合作、关键词与期刊分布、学科交叉、研究主题与研究热点、论文受资助情况,旨在揭示我国该领域在国际格局中的位势,为该领域的学科发展战略提供参考。
2 数据与方法
本文统计数据为Web of Science数据库的WoS论文。本文的数据集构建思路融合了大数据科学视角与专家定性分析。首先,基于荷兰莱顿大学科学技术研究中心（Centre for Science and Technology Studies,简称CWTS）的WoS全学科论文聚类结果
1(
1https://www.leidenranking.com/information/fields),将聚类结果（共4 013个微观论文簇,可视为研究主题）匹配到WoS源数据得到全学科知识体系（论文聚类簇）数据集。其次,通过学科专家判读和定量方法辅助,从从全学科4 013个研究主题（论文聚类簇）中,遴选12个信息资源管理领域的研究主题,其合集即为信息资源管理领域的数据集。具体的数据集构建方法细节和优势可参见本文相关研究
[2]。
本文的数据统计口径说明如下：论文统计时间窗为2009–2019年,文献类型为Article、Review、Letter,全作者统计口径,中国论文的统计不含港、澳、台地区数据,数据采集时间为2020年6月。
本文主要采用文献计量方法,通过计量指标对本文的六个研究内容展开分析,计量指标包括论文规模、学术影响力、高被引论文、国际合作网络中心度、学科交叉度等。此外,数据分析的基础上,邀请学科专家对数据结论进行定性解读或分析,尤其在学科交叉分析、研究主题与研究热点分析等部分融入专家观点,形成了定量与定性方法相结合的研究结论。本文用到可视化工具有VoSViewer
[3]、Python、Excel、wordcloud
2(
2https://www.jasondavies.com/wordcloud/)等。
3 研究结论
3.1 整体产出分析
3.1.1 研究规模
论文数量可以从一定程度上反映研究规模的大小。2009–2019年信息资源管理的论文数量呈现缓慢增长态势;信息资源管理是宏观管理与政策领域的学科方向之一
[2],该学科领域占宏观管理与政策领域的论文份额有所下降,可见该学科领域的增长速度低于宏观管理与政策领域整体增速（
图1）。
从国家（地区）产出格局来看,2009–2019年美国信息资源管理领域产出优势显著,始终保持在论文数量国际排行榜的首位;中国该领域论文产出数量有所增长,由105篇增长至475篇,相应的排名由第5名上升到第2名（
图2）。
3.1.2 学术影响力
被引频次是测度论文学术影响力的基本指标,国家（地区）的被引频次
3（
3本文的被引频次统计口径为累计时间窗引文,也即引文时间窗为论文发表年截止到统计时间,因此不同年份发表的论文的引用时间窗不同,不可直接比较。）世界份额,即国家（地区）的被引频次除以同年份、同领域的世界被引频次,可使不同年份、不同学科领域的被引频次规模可比。从该指标结果可见,2009–2019年中国信息资源管理领域的学术影响力进步较快,被引频次世界份额增长了约12个百分点,相应的排名由第5名上升到第2名（
图3）。
国家（地区）的被引频次在很大程度上受研究规模（论文数量）影响,而FWCI
4（
4 学科归一化篇均引文（Field-Weighted Citation Impact,简称FWCI）,也被称为MNCS（The mean normalized citation score）指标。FWCI指标的计算方法为论文被引频次与同学科（此处的学科为宏观管理与政策领域的各个学科方向）、同年份、同文献类型的一组论文平均被引频次的比值。）是对研究规模进行归一化处理之后的影响力指标,可以较好解决被引频次指标受研究规模影响的问题。从信息资源管理领域论文数量TOP10国家（地区）的FWCI值来看,荷兰在2009年和2019年两个时间点始终位于FWCI排名的首位,但2019年相比2009年略有所下降;中国在2009年和2019年FWCI值基本保持稳定,都略领先于世界基线（
图4）。
3.1.3 高被引论文
在科研评价中高被引论文常用来代表高水平成果,国家（地区）的高被引论文产出规模则可以从一定程度上反映国家（地区）高学术影响力科研成果的产出能力。本文的高被引论文按照本学科领域每年被引频次的TOP5%遴选。从
图5可以看出,2009–2019年信息资源管理领域高被引论文数量最多的国家始终是美国,中国的高被引论文产出从6篇增长到37篇,相应排名从第5名上升至第2名,但依然与美国存在一定的差距。
3.2 国际合作分析
国际合作已经成为科学研究的主要模式之一,也是各国科技战略的重要组成部分。国家（地区）的国际合作网络分析可以描述各国在某领域国际合作情况以及在国际合作中的重要程度。从信息资源管理领域的国际合作网络图可以看出,2015–2019年相比2009–2014年,参与国际合作的国家（地区）数量和国家（地区）之间的连线均有所增加,可见越来越多的国家（地区）参与了本领域的国际合作研究,合作也更加密切（
图6,
图7）。
合作网络中国家（地区）的PageRank指标可以用来测度国家（地区）在合作网络的中心地位。从2009–2014年、2015–2019年合作网络中国家（地区）的PageRank值排名来看,TOP3国家（地区）保持不变,分别是美国、英国和中国,其中,中国尽管排名稳定,但PageRank值略有提升,表明中国的中心地位越来越强（
表1）。
从国际合作“伙伴”来看（
表2）,与中国在该领域合作产出论文最多的国家为美国、英国、澳大利亚、比利时等;并且对于这些国家而言,与中国的合作论文占其本国的国际合作论文总数的比例较高,说明中国是其重要的国际合作“伙伴”。两个时间窗比较来看,美国、英国、澳大利亚等国与中国的合作,在其本国国际合作中的地位呈现出越来越重要的趋势。
3.3 关键词与期刊分析
学科领域论文的关键词和期刊分布,尤其是高频关键词和期刊可从一定程度上表征该学科领域的研究内容或者研究范畴,不同时间窗发文高频关键词和期刊的变化,可揭示该学科领域可能的一些新的研究趋势。
3.3.1 关键词分析
信息资源管理领域的研究在2015–2019年和2009–2014年两个时间窗,均围绕着bibliometrics、citation analysis、information retrieval等高频关键词展开;其中,在后一个时间窗频次排名上升明显的高频词有open access、social media、altmetrics等,表明该领域的研究方向受到开放获取政策、网络等新型数据资源的影响（
图8,
表3）。
3.3.2 期刊分析
2009–2014年与2015–2019年信息资源管理领域的TOP20发文期刊变化较小,两个时间窗的TOP3期刊均为Scientometrics、Journal of the Association for Information Science and Technology（更名前名称为Journal of the American Society for Information Science and Technology）和Journal of Informetrics;前后两个时间窗比较来看,刊载该领域论文数量排名上升较多的期刊为PLoS One和College & Research Libraries等（
图9,
图10,
表4）。
3.4 学科交叉分析
2009–2014年、2015–2019年信息资源管理领域论文所涉及到的TOP10 WoS学科及其排名基本相同,其中Information Science & Library Science、Computer Science, Information Systems、Computer Science, Interdisciplinary Applications三个WoS学科是信息资源管理领域论文的主要学科（参见
表5）。其中,图情学（Information Science & Library Science）关注信息的产生、收集、组织、存储、检索、传播与利用,聚焦网络资源、词表、信息技术应用等内容,是信息资源管理的重要组成部分。计算机科学（Computer Science）是系统性研究信息与计算的理论基础以及它们在计算机系统中如何实现与应用的实用技术学科,其涵盖了从算法的理论研究和计算的极限,到如何通过硬件和软件实现计算系统等内容,为信息资源管理的实现提供了必要的技术支撑。综上所述,信息资源管理是一门交叉性很强的学科,是图情学、计算机科学等学科交叉融合的产物。值得注意的是,该学科论文在Multidisciplinary Sciences的比例有所提升,2015–2019年相比2009–2014年上升了约1.3个百分点。
此外,本文通过辛普森学科多样性指数来测度和反映某个学科领域的论文在其所涉及的WoS学科上分布的集中或者分散程度,从而反映该学科领域的学科交叉度。该领域论文的学科交叉度在2015–2019年相比2009–2014年有所上升,表明了该学科领域研究的交叉性有所增强（
表5）。
3.5 研究主题与研究热点分析
3.5.1 研究主题分析
研究主题可从一定程度上反映学科领域的研究脉络。本研究的研究主题是由定量方法和定性方法相结合的方式获得：首先在WoS全学科论文集合的范围中,基于论文引用关系,通过社团划分的方法形成论文聚类簇（研究主题）;由专家遴选出该学科领域的论文簇,论文簇的名称是由专家判读给定,具体详见本文数据与方法部分。
信息资源管理领域共包含“电子政务与开放数据管理”、“知识共享与知识学习”、“文献计量方法与应用”等12个研究主题,其中规模相对较大的研究主题为“文献计量方法与应用”（ID：108）和“信息组织与信息检索”（ID：295）（
表6,
表7,
表8,
表9）。
3.5.2 研究热点分析
3.5.2.1 基础态势
本研究的研究热点主题界定为研究热度较高且增速较快的研究主题,因此,本研究基于被引频次、FWCI、论文增速三个指标,从本学科领域下所有的研究主题中遴选出相对意义上的研究热点主题
6（
6 研究热点的三个遴选指标说明如下。研究热点遴选时,三个指标为等权处理,由于三项指标中有两项指标为学术影响力指标,因此该热点遴选方法更加侧重研究主题的学术影响力,这是因为在文献计量学中,学术影响力可以代表研究主题的受关注程度和成果质量,常用来代表热度。具体的热点遴选方法为：首先依据三个热点遴选指标分别给出研究主题的排名,最后基于三项排名得出研究主题的综合排名,依据综合排名即可遴选出排名前五的热点研究主题。此外,由于研究热点遴选中侧重考虑研究主题在近期的热度,因此FWCI和被引频次两项学术影响力指标的统计时间窗为2015–2019年。）。在信息资源管理领域的各个研究主题中,研究热点主题是“电子政务与开放数据管理”（ID：3107）、“知识共享与知识学习”（ID：2025）、“文献计量方法与应用” （ID：108）、“文本挖掘方法与应用”（ID：2632）、“数据管理与数据挖掘”（ID：3427）和“图书馆教学与信息素养”（ID：2232）。其中,“电子政务与开放数据管理”（ID：3107）和“知识共享与知识学习”（ID：2025）规模相对较小、增长速度最快,且热度也相对较高;“文献计量方法与应用”（ID：108）是研究规模大、增速相对较快,且热度较大的一个研究热点主题,且近年来热度呈现持续增加态势（
图11,
表6,
表7,
表8,
表9）。
3.5.2.2 研究内容
在信息资源管理领域的研究热点中,选择综合排名（见
表9）TOP1和TOP2的两个研究热点主题进行具体分析。
研究热点“电子政务与开放数据管理”（ID：3107）的研究围绕着数据、信息技术、信息服务等问题展开,其中相对较新的词为big data、citizen participation等（
图12）。大数据时代,信息的搜集与处理对政府进行政务管理与信息公开具有重要的推动作用,而“互联网+政务服务”也逐渐成为实现法治政府、政府信息公开常态化、构建现代治理体系的有效路径。在此背景下,世界各国该研究主题的相关研究成果加速涌现,2009–2019年论文复合年均增长率为16.2%,位列信息资源管理领域各研究主题首位。中国学者的研究着重分析我国中央和地方层面公共政策决策透明化的现状和差异、决策者公开决策信息的微观动机、决策透明化对民众政府清廉认知、公共决策接受度以及公共服务满意度的复杂影响等。
研究热点“知识共享与知识学习”（ID：2025）的研究围绕网络环境下开源软件等开源资源的交流与合作、网络分析、信息共享与信任等问题展开,其中相对较新的词为reciprocity、information sharing等（
图13）。近年来,区域开放合作新格局、组织边界模糊化等趋势对跨界知识共享、知识学习提出了新的要求,而信息技术的飞速发展为实时知识共享、知识学习创造了条件。因此,越来越多的研究围绕着网络环境下开源软件等开源资源的交流与合作、网络分析、信息共享与信任等问题展开分析。国内目前针对该主题的研究主要围绕知识共享与人才激励或企业绩效等因素间的联动关系、知识学习对技术创新（行为）的影响及其内在机制等内容展开。
3.5.2.3 中国产出态势
为了进一步揭示中国在各研究热点的产出表现,本文选择了美国作为对标国家进行比较。从
表10可以看出,在研究热点“文本挖掘方法与应用”（ID：2632）领域,中国论文产出增长迅速,2019年论文数量较大程度领先于美国;在“知识共享与知识学习”（ID：2025）领域中国论文数量增长较快,在2019年反超美国;在研究热点“文献计量方法与应用”（ID：108）、“数据管理与数据挖掘”（ID：3427）、“电子政务与开放数据管理”（ID：3107）、“图书馆教学与信息素养”（ID：2232）等领域中国相比美国存在一定的差距,特别是在“图书馆教学与信息素养”（ID：2232）领域,中国与美国相距甚远,2019年论文数量不足美国六分之一。
3.6 论文资助分析
科学资助是科学研究活动得以开展的重要推动力之一,论文受资助情况可以从一定程度上反映科学资助的力度和成效。本节以中国为研究对象,分析中国该领域论文的受资助情况,旨在揭示我国科学资助的力度和成效。
3.6.1 整体受资助情况
中国论文的整体受资助情况可以宏观揭示论文资助机构的资助力度。2009–2019年,中国信息资源管理领域的论文受资助比例提升迅速,2019年有73.3%的论文受到资助;国家自然科学基金委员会（以下简称NSFC）是中国该领域论文的主要资助机构,2019年NSFC资助中国该领域论文的份额为47.4%（
图14,
图15）。
3.6.2 高被引论文受资助情况
高被引论文受资助情况可以反映资助机构在高学术影响力或重要成果产出上的资助成效,从中国信息资源管理领域高被引论文受资助数据可以得出以下结论。
从所有资助机构整体的资助成效来看,2015–2019年中国该领域高被引论文受资助比例相比2009–2014年提升了一倍多,并且2009–2014年该比例低于中国所有论文受资助比例,但2015–2019年该比例高于中国所有论文受资助比例,表明了科学资助在高被引论文产出中发挥了越来越重要的推进作用（
图16）。
从NSFC的资助成效来看,2009–2014年中国该领域高被引论文受NSFC资助比例为8.2%,较大程度低于中国所有论文受NSFC资助比例（28.3%）;但在2015–2019年,前者（47.7%）与后者（48.3%）已相差无几,表明了NSFC在推进该领域高被引论文产出中发挥着越来越重要的作用。此外,2009–2014年被NSFC资助论文的FWCI指标低于非NSFC资助论文,到2015–2019年,前者已略高于后者,也进一步说明了NSFC的资助成效取得显著进步（
图17,
表11）。
从NSFC的资助地位（NSFC资助论文数量占所有受资助论文数量的比例）来看,2009–2014年,NSFC的高被引论文资助份额较大程度地低于其所有论文的资助份额,但后5年两者相差无几,表明NSFC在高被引论文资助中的地位愈加重要（
图18）。
4 结语
大数据时代信息资源管理学科的发展,机遇与挑战并存,对推进整个管理科学的发展具有重要意义。2009–2019年信息资源管理领域论文数量呈现缓慢增长态势;该学科领域研究的高频词有bibliometrics、citation analysis、information retrieval等,在近年来频次上升明显的高频词有open access、social media、altmetrics等;该领域高频发文期刊为Scientometrics、Journal of the Association for Information Science and Technology和Journal of Informetrics等;该领域论文学科交叉度2015–2019年相比2009–2014年有所上升;热点研究主题为“电子政务与开放数据管理” “知识共享与知识学习” “文献计量方法与应用” “文本挖掘方法与应用” “数据管理与数据挖掘”和“图书馆教学与信息素养”。
总体来看,2009–2019年中国信息资源管理领域的发展态势有以下表现。
从成果产出规模与质量来看,中国具有一定的优势,2009年论文规模、学术影响力和高被引论文三项的国际排名均为第5名,在2019年这三项排名均攀升至第2名。同美国相比,2019年中国论文数量、被引频次和高被引论文数量占美国相应指标的份额为57.6%、63.6%、66.1%。在该学科领域的六个研究热点主题中,中国在其中四个热点主题（“文献计量方法与应用”、“数据管理与数据挖掘”、“电子政务与开放数据管理”、“图书馆教学与信息素养”）发文与美国存在差距。
从国际合作来看,中国在合作网络中的地位始终保持第3位,接近网络中心位置,与中国在该领域合作产出论文最多的国家为美国、英国、澳大利亚、比利时等,这些国家（地区）与中国的合作,在其国际合作中的地位呈现出越来越重要的趋势。
从论文资助来看,中国信息资源管理领域的论文受资助比例提升迅速,2019年有73.3%的论文受到资助;NSFC是中国该领域论文的主要资助机构,论文资助比例为47.4%。从资助成效来看,科学资助,尤其是NSFC资助在高学术影响力论文的产出中发挥了越来越重要的推进作用。
国家自然科学基金创新研究群体项目“中国公共政策理论与治理机制研究”的资助与支持(71721002)
PDF
(5431KB)
