|
3.3生成共引矩阵
直接将Thomson Data Analyzer的共现矩阵（Cooccurence
Matrix）功能用于 “CitedAuthors”字段，得到30位作者的共引次数矩阵（表3）。
3.4转换为相关矩阵
本例采用共引分析中使用最多的Pearson系数将原始共引次数矩阵转换为相关矩阵。将共引次数矩阵导入SPSS，选择Analyze-Correlate-Bivariate即可转换为相关矩阵（表4）。
3.5数据的统计分析
将相关矩阵作为源数据，选择Analyze-Classify-Hierarchical Cluster
Analysis进行聚类，其中类间距离选择Ward’s方法，变量间距离选用欧氏距 离平方（Squared Euclidean
distance）；选择Analyze-Scal-Multidimensional
Scaling(Alscal)进行MDS分析。得到的分析结果如下，并根据聚类分析结果将 MDS中的散点圈成点群。
4.结果分析
根据聚类分析和MDS分析，并结合30位作者的研究方向，可以将情报学分为
两大部分：计量学研究（包括文献计量、科学计量、信息计量和网络计量）和信息检索，分别处于MDS的左右侧。计量学研究又分为上下两部分，上方以文献计量、网络计量研究为主，其中包括引文分析理论与方法在科学交流与传播方面的应用，下方则以科学计量指标在科学政策与管理上的应用为主。信息检索领域也分为两部分：右上Salton、Baezayates、Robertson以实验型检索研究为主，右下方两小块则以实践型检索和用户理论研究为主。
通过以上聚类、MDS的分析结果，并辅以学科背景知识进行综合分析知，当前情报学研究的学科结构和知识基础仍然以文献、计量学研究和信息检索为主，但在局部地区研究热点逐步转移，研究人员的研究方向也在变化，如计量学研究领域出现的网络计量学研究热点。本实证研究也进一步验证了共引分析在分析学科结构、学科发展动态方面的有效性。
三、对案例中所运用的共引分析法进行评价
1.共引分析法存在的不足
共引分析作为一种分析方法，除了存在引文分析所固有的缺陷外，自身还存在一些问题，主要有以下几方面：1）数据搜集过程烦琐且费时，搜集好的数据
还需要转化成统计工具或可视化工具所需要的形式，还没有专门的软件工具能够将此过程程序化。2）相似性的计算问题。相似性计算方法众多，每种方法都适
于何种情况，哪种方法测度更准确，这些还都有待商榷。3）共引分析的数据源
一般都来自ISI，但ISI中只对参考文献中的第一作者进行标注，为了方便起见，
传统的ACA都是针对第一作者进行的共引分析研究，但随着合著文献的日益增多，这种第一作者的共引分析无疑会使分析结果在一定程度上失真。4）用共引
分析进行科学前沿和热点分析，由于分析时对高被引的论文进行聚类，而一些新出现的研究领域，因为太新可能在分析时还未被高被引，因此，分析结果可能会漏掉一些研究前沿领域。
2.共引分析法的发展趋势
（1）综合多种分析方法。例如研究前沿和热点分析时，将共引分析结果和文献耦合、共词聚类、词频统计等方法的分析结果加以比较分析；揭示科学结构时，将共引分析与共词分析相结合，分析结果会更准确可靠。
（2）不断融入新的技术。由最初借用多维尺度技术进行降维，到现在PFNETS替代Pearson相关系数，引入SOM、LSI技术等。随着各种技术的发展，共引分析中不断融入其他学科新的技术，真可谓吸众家之长为我所用。
（3）用于网络计量学研究。网络环境中，站点的链接关系类似于文献的引用关系，因此将共引分析方法移植到网络站点共引研究，成为网络计量学研究中的一种分析方法。
（4）不断探究共引分析中的一些细节问题。这其中包括相似性计算方法的优化，如何对合著文献进行所有作者的共引分析等。
四、心得体会
共引分析通过统计研究对象之间形成的相对位置信息和相互关系的亲疏程度，并对这些信息用学科专业知识加以解释和分析判断，从而揭示研究对象的规律，预测其发展趋势，为信息分析、管理、预测提供科学的依据,运用此方法对情报学中的一些现象、问题进行研究将大有裨益。
|
