从主流应用工具看科技情报的定量化研究

第３０卷第１０期　２０１１年１０月　

情报杂志　

ＪＯＵＲＮＡ１　ＯＦ　ＩＮＴＥＬＬＩＧＥＮＣＥ　Ｖｏ１．３０　Ｎｏ．１０　

０ｃｔ．　２０１ｌ　

从主流应用工具看科技情报　的定量化研究　赵纪东　张志强　术　

（中国科学院资源环境科学信息中心兰州７３００００；中国科学院国家科学图书馆兰州分馆兰州７３００００）　摘要在大量资料调研的基础上，以科技情报定量研究的三个主要方面：数据来源、数据分析、结果可视化为切入　点，从应用工具的角度出发，对相关问题作了一些探索与思考，以期能够对我国的情报研究工作有所帮助。　关键词应用工具科技情报定量研究　中图分类号Ｃ２８９　文献标识码Ａ　文章编号１００２—１９６５（２０１１）１０—０００４—０５　

Ａｎａｌｙｓｉｓ　ｏｆ　Ｓｃｉｔｅｃｈ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓ　Ｑｕａｎｔｉｔａｔｉｖｅ　Ｓｔｕｄｉｅｓ　ｆｒｏｍ　Ｐｏｐｕｌａｒ　Ａｐｐｌｉｃａｔｉｏｎ　Ｔｏｏｌｓ　

ＺＨＡＯ　Ｊｉｄｏｎｇ　ＺＨＡＮＧ　Ｚｈｉｑｉａｎｇ　（Ｓｃｉｅｎｔｉｆｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｃｅｎｔｒｅ　ｆｏｒ　Ｒｅｓｏｕｒｃｅｓ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔ，Ｌａｎｚｈｏｕ　７３００００；Ｌａｎｚｈｏｕ　Ｂｒａｎｃｈ　ｏｆ　Ｎａｔｉｏｎａｌ　Ｓｃｉｅｎｃｅ　Ｌｉｂｒａｒｙ，ＣＡＳ，Ｌａｎｚｈｏｕ　７３００００）　

Ａｂｓｔｒａｃｔ　Ｔｈｒｏｕｇｈ　ｉｎｖｅｓｔｉｇａｔｉｏｎ　ｏｆ　ｌａｒｇｅ　ａｍｏｕｎｔｓ　ｏｆ　ｌｉｔｅｒａｔｕｒｅｓ　ａｎｄ　ｆｒｏｍ　ｔｈｅ　ｐｏｉｎｔ　ｏｆ　ａｐｐｌｉｃａｔｉｏｎ　ｔｏｏｌｓ，ｗｅ　ｄｉｓｃｕｓｓｅｄ　ｒｅｌａｔｅｄ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｓｃｉｅｎｔｉｆｉｃ　ａｎｄ　ｔｅｃｈｎｉｃａｌ　ｉｎｆｏｒｍａｔｉｏｎ’Ｓ　ｑｕａｎｔｉｔａｔｉｖｅ　ｓｔｕｄｉｅｓ　ｆｒｏｍ　ｔｈｒｅｅ　ｍａｉｎ　ａｓｐｅｃｔｓ，ｓｕｃｈ　ａｓ　ｄａｔａ　ｓｏｕｒｃｅｓ，ｄａｔａ　ａｎａｌｙｓｉｓ　ａｎｄ　ｒｅｓｕｌｔｓ　ｖｉｓｕａｌｉｚａ—　ｔｉｏｎ．Ｈｏｐｉｎｇ　ｔｈｉｓ　ｓｔｕｄｙ　ｃｏｕｌｄ　ｂｅ　ｈｅｌｐｆｕｌ　ｆｏｒ　ｏｕｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｔｕｄｉｅｓ．　Ｋｅｙ　ｗｏｒｄｓ　ａｐｐｌｉｃａｔｉｏｎ　ｔｏｏｌｓ　ｓｃｉｅｎｔｉｆｉｃ　ａｎｄ　ｔｅｃｈｎｉｃａｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｑｕａｎｔｉｔａｔｉｖｅ　ｓｔｕｄｉｅｓ　

随着网络化、数字化时代的到来，科学研究的定量　化趋势已经日益明显。任何一门科学，无论是自然科　学还足社会科学，定量化、精确化都是其真正发展并走　向成熟的标志。情报学作为一门介于自然科学和社会　科学之间的综合性边缘学科，无论是从自然科学还是　从社会科学的角度来看，其研究方法朝着定量化或数　学计量化方向发展也已成为一种必然趋势…。而早在　２０世纪８０年代，英国著名情报学家布鲁克斯（Ｂ．Ｃ．　Ｂｒｏｏｋｅｓ）就曾指出：“情报学如果不实现定量化，它将　是一堆支离破碎的技艺，而不会成为科学　。”　日前，科技情报定量化研究的一般方法主要包括　统训‘分析，如作者／机构发文量统计、词频统计、引文统　计等，以及目前很多研究人员都感兴趣的、以共现分析　为基础的同被引分析、文献耦合分析、共词分析等。俗　话说“巧妇难为无米之炊”，而“工欲善其事，必先利其　器”，本文从分析工具的角度，以情报定量研究的一个　主要方面（数据来源、数据分析、结果叮视化）为切人　点，对科技情报的定量化研究趋势作一些探索与思考，　希望对我们未来的研究有所帮助。　１　数据来源　定量化研究是针对可计量研究对象，利用某些定　量化研究资源，采用一定的定量研究方法和手段，寻求　将数据定量表示以揭示数据之间的关系和规律的一种　研究方法　。对于情报的定量化分析而言，必须得有　与情报相关的数据。长期以来，科技情报定量分析中　使用最多的一个文献数据库就是ＩＳＩ　Ｗｅｂ　ｏｆ　Ｋｎｏｗｌ—　ｅｄｇｅ（ＷｏＫ），特别是其核心库Ｗｅｂ　ｏｆ　Ｓｃｉｅｎｃｅ（ＷｏＳ，　包括三大引文索引数据库ＳＣＩＥ、ＳＳＣＩ、Ａ＆ＨＣＩ），以及　被ＷｏＫ有效整合的ＤＩＩ、ＥＳＩ等。　

收稿Ｈ期：２０１１一Ｏ５—１９　修回日期：２０１１—０６一ｌ７　基金项目：中国科学院国家科学图书馆青年人才领域前沿项目“国际科技情报机构定量分析模型与工具研究”成果（编号：ＹＯ０００５１００１）。　作者简介：赵纪东（１９８１一），男，助理研究员，研究方向：科技战略情报研究；张志强（１９６４一），男，研究员，研究方向：战略情报与学科情报、知　识管　研究。　第１０期　赵纪东，等：从主流应用工具看科技情报的定量化研究　・５・　尽管ＷｏＫ多年来一直致力于提供科技文献信息　方面的服务，但是，其自身仍然存在很多不足。以　ＷｏＳ为例，其本身收录范围有限（限于核心期刊）、非　英语文献收录也较少、被引文献作者仅限于第一作　者　。因此，很多学者开始转向其他数据源，如Ｓｃｏ—　ｐｕｓ、Ｇｏｏｌｇｅ　Ｓｃｈｏｌａｒ等。Ｓｃｏｐｕｓ由Ｅｌｓｅｖｉｅｒ于２００４年　推出，号称世界最大的文摘和引文数据库；Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ由Ｇｏｏｇｌｅ实验室在２００４年推出，凭借Ｇｏｏｇｌｅ　强大的网页索引量，Ｇｏｏｌｇｅ　Ｓｃｈｏｌａｒ可以说是当前世界　上网络学术资源最丰富的索引库。　可是，由于发展历史的差异，目前适用于ＷｏＫ的　工具很多，而适用于Ｓｃｏｐｕｓ、Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ的工具则　似乎很少。于是，荷兰阿姆斯特丹大学的科学计量学　家Ｌｏｅｔ　Ｌｅｙｄｅｓｄｏｆｆｆ设计开发了几个小工具　：　Ｓｃｏｐ２ＩＳＩ．ｅｘｅ（软件名称），将来源于Ｓｃｏｐｕｓ的数据文　件转换为标签格式的ＷｏＳ数据文件；Ｓｃｏｐｕｓ．ｅｘｅ，将　来源于Ｓｃｏｐｕｓ的数据文件转换为数据库文件；　ＧＳｃｈｏｌａｒ．ｅｘｅ，将来源于Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ的数据文件转　换为数据库文件。　如此以来，借助这几个数据格式转换工具，我们就　可以利用其他工具（如数据库工具ＳＱＬ　Ｓｅｒｖｅｒ，适用于　ＷｏＫ的工具）对来源于Ｓｃｏｐｕｓ、Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ的数据　开展进一步的分析。需要注意的是，这几个工具均基　于ＤＯＳ开发而来，使用者需要了解并掌握ＤＯＳ方面　的一些知识，可能更有利于工具的使用。　

２数据分析　从文献数据库获取数据之后，就要对其进行分析。　一般而言，分析过程分为两步：第一步是一次分析，包　括基础数据的抽取、统计分析、矩阵生成等；第二步是　二次分析，在一次分析的基础上进行加权统计、数量分　布统计以及聚类分析等。　２．１　一次分析对于文献数据的一次分析而言，瑞　典科学家Ｐｅｒｓｓｏｎ开发的Ｂｉｂｅｘｃｅｌ　和澳大利亚墨尔　本大学的Ａｎｎｅ—Ｗｉｌ　Ｈａｒｚｉｎｇ教授设计的Ｐｕｂｌｉｓｈ　ｏｒ　Ｐｅｒｉｓｈ　（简称ＰｏＰ）是两个可以免费使用的分析工具。　Ｂｉｂｅｘｃｅｌ除可对来源于ＷｏＳ、ＤＩＩ、Ｍｅｄｌｉｎｅ等数据库的　数据相关知识单元（作者、关键词、参考文献等）做初　次统计分析外，还可产生知识单元的共现关系矩阵。　ＰｏＰ则可以对Ｇｏｏｌｇｅ　Ｓｃｈｏｌａｒ的数据进行文章总数、总　被引次数等的统计，同时，ＰｏＰ还可进行诸如文章的篇　均被引次数、个人的论文平均数及其平均被引次数、Ｈ　指数、Ｇ指数等的计算（属于二次分析，但ＰｏＰ已集成　实现）。　目前，针对文献数据库Ｂｉｂｅｘｃｅｌ的使用十分广泛，　但从分析过程来看，Ｂｉｂｅｘｃｅｌ的数据清洗功能似乎并　不是很强大，如果这一步产生重大问题（如作者或机　构的不同拼写形式造成的误差），那么将严重影响以　后的分析，这应该引起大家的注意；针对网络数据源　Ｇｏｏｌｇｅ　Ｓｃｈｏｌａｒ的ＰｏＰ旨在帮助学者个人以最佳的方　式展示他们的研究在ＩＳＩ之外的影响力，尽管ＰｏＰ可　以通过Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ进行更为广泛的综合性搜索，　但是该工具开发者Ａｎｎｅ—Ｗｉｌ　Ｈａｒｚｉｎｇ教授不建议在　其他领域工作的学者个人过渡地信赖其结果，除非能　够在ＩｓＩ和Ｓｃｏｐｕｓ中得到核实　。　２．２二次分析在一次分析的基础上，往往还要进　行二次分析。一般情况下，加权统计、数量分布统计、　年度增长统计分析、关联统计分析等，通过Ｅｘｃｅｌ或再　借助ＶＢＡ简单编程即可实现。而相关分析、回归分　析、聚类分析等则需要借助大型的商业化统计分析软　件，如ＳＰＳＳ　Ｊ、ＳＡＳ　Ｊ。　从所提供的分析功能来看，ＳＰＳＳ与ＳＡＳ相差不　大。以聚类分析为例，ＳＰＳＳ提供了多种层次聚类法、　Ｋ—ｍｅａｎｓ非层次聚类法、两步聚类法以及快速聚类法　等，ＳＡＳ则在此基础上还包含了重叠式聚类法（Ｏｖｅｒ—　ｌａｐｐｉｎｇ　Ｃｌｕｓｔｅｒｉｎｇ）和模糊聚类法（Ｆｕｚｚｙ　Ｃｌｕｓｔｅｒｉｎｇ）　等。从所分析数据的结构来看，ＳＰＳＳ要求输入的是数　据矩阵（Ｄａｔａ　Ｍａｔｒｉｘ，表现为ｎｘｐ形式的矩阵），而ＳＡＳ　除数据矩阵外，还可处理差异矩阵（Ｄｉｓｓｉｍｉｌａｒｉｔｙ　Ｍａ—　ｔｒｉｘ，表现为ｎｘｎ形式的矩阵），这就要求我们在输入　数据进行分析时，要格外注意，而不能对由输入数据的　错误可能造成的错误结果去强行解释。　相对于商业化的ＳＰＳＳ和ＳＡＳ而言，Ｒ　则是一　个开源软件，并且也有非常广泛的使用。Ｒ的思想是：　它可以提供一些集成的统计工具，但更大量的是各种　数学计算、统计计算的函数。因此，与其说Ｒ是一个　统计系统，还不如说Ｒ是一个计算环境。　ＳＰＳＳ和ＳＡＳ是统计分析领域集成度很高的工具　（需要进行软件或模块升级，才能提供更丰富的功　能），Ｒ则由于开源和很好的扩展性而具有强大的、可　供免费使用的功能。具体在分析方法方面，对于某一　种分析而言，都有好多种方法，而相关工具也大都提供　这样的分析功能，但是当前所使用的方法却较单一。　以聚类为例，其一般分为层次聚类和非层次聚类两种　方法，但当前科技情报定量分析过程中的聚类大多采　用的是层次聚类法（包括单链接聚类和全链接聚类），　而对Ｋ—ｍｅａｎｓ这样的非层次聚类法应用的非常少。　相比于层次聚类而言，Ｋ—ｍｅａｎｓ可处理的样本量大，　且聚类速度较快，同时还提供方差分析用以分辨所选　变量显著与否。因此，将来可能需要尝试并验证现在　并不经常使用的其他分析方法的有效性。