近五年情報學領域研究進展

王雪

摘 要：情報學的學科發展是學術界關注的重點內容之一，對情報學領域的發展現狀及未來研究趨勢的了解，不僅可以幫助研究者立足現狀擴展研究，也利于情報學學科的發展和升華。

關鍵詞：情報學；研究進展；可視化

對情報學學科前沿和發展趨勢的把握是研究該領域的重要研究內容，從學科知識可視化研究的早期開始，就有學者對本學科進行知識圖譜的分析[1]。本文旨在利用CiteSpace對國內外2012至2017年期間所刊載的論文進行可視化研究，分析出國內外情報學的研究熱點與發展趨勢，結合文獻綜述的方法揭示情報學領域的近五年的研究進展。

1 數據來源

本文國內和國外的原始數據分別來自CNKI和WOS兩個數據庫，檢索時間為2018年5月12日，檢索年限均為2012-2017年。CNKI以“情報學”為主題，選取“情報學、情報工作”為目錄進行文獻檢索，得到原始數據共624條記錄，通過篩選，共獲得有效記錄460條。WOS數據庫根據核心合集中收錄的外文文獻，以“information science”或“library & information science”為檢索詞，選取“INFORMATION SCIENCE LIBRARY SCIENCE”為類別進行主題擴展檢索，經過合并去重得到有效外文文獻共1132篇，下載保存為純文本格式并導入陳超美博士開發的CiteSpace分析工具。

2 情報學研究現狀分析

關鍵詞是對作者寫作意圖的高度概括，若某個關鍵詞的出現頻次和中心度較高，則可以視為研究熱點。設置Node Types 為Keyword，其他參數不變，運行WOS數據得到圖1，共計152個關鍵詞，引文年環越大表示該關鍵詞出現頻次越高，年環中心帶紫色光暈表示其中心度高。可以得知國外情報學領域的研究熱點主要有：圖書館、信息、知識、文獻計量學、網絡、行為、引文分析等。同理，運行CNKI數據得到圖2，通過對關鍵詞的分析，得知國內該領域的研究熱點主要有：可視化、社會網絡分析、共詞分析、引文分析、文獻計量等。

通過對關鍵詞的分析，可知國內外情報學領域的研究熱點主要有：圖書館、可視化、文獻計量、網絡檢索、引文分析等。本文通過分析和整理將情報學學科的研究熱點主要分為情報學理論與研究方法、信息檢索、情報分析與研究、信息服務與用戶研究以及信息計量學五大類。

2.1 情報學理論與研究方法

韓毅、李紅[2]等分析了大數據環境下情報學面臨的挑戰與機遇。Balaid[3]等通過文獻綜述方法，概括了知識地圖的概念、技術、分類和構建過程，并為未來知識管理研究提供新的方向；Ogiela[4]探討了基于信息分割和秘密共享算法的高級知識管理技術，以及如何將其應用于企業戰略數據集的管理中，從而解決戰略性信息的安全存儲問題。

2.2 信息檢索

宋朋[5]區分了與信息檢索相近的幾個概念，如信息搜索、信息搜尋等，從而提出面向知識的信息檢索設計需求理論，能夠更好地滿足用戶的信息需求；馮曉華[6]等人在對用戶多樣化的檢索需求進行分析的基礎上，對檢索結果的多樣化進行了探討。Serrano[7]比較圖書情報學和健康科學兩個領域中信息檢索教育的目標，從而分析和了解用戶在數字時代搜尋目標和教育目標的轉變。

2.3 情報分析與研究

熊志正[8]等人深入研究了計算機輔助信息分析的技術框架，為更好地開展信息分析工作提供技術支撐。聶峰英[9]等人對網絡輿情分析的理論模型進行了探討，張洋[10]等人研究了基于社會化媒體的競爭情報挖掘等。國外競爭情報工作的經驗表明，成功開展競爭情報工作要從關鍵情報課題入手，楊柳[11]等人據此探討了大型電網企業的關鍵情報課題的特點和范圍，并提出競爭情報分析的途徑與方法。

2.4 信息服務與用戶研究

李冬冬[12]等在對個性化知識服務的需求、影響要素、規律和特點進行描述的前提下，構建并闡述了用戶信息行為與個性化知識服務的關聯性。Bach[13]等探討了如何根據用戶在社交媒體的意見表達，提煉出其感興趣的話題，并提出基于用戶建議的高效協同過濾方法；Yu[14]等提出社交網絡內容傳播的朋友推薦方法，并利用仿真實驗方法進行了驗證。

2.5 信息計量學

劉盛博[15]等人認為引文分析已經從傳統的引文著錄分析發展到對引用內容的文本分析這一新的階段；步一[16]等人通過引入引文發表時間使作者共引關系更緊密，從而優化了傳統的作者共引方法。Mokhtar[17]等采用內容分析、訪談及定性論述的研究方法，揭示了在文檔記錄和信息管理過程中，開發基于功能的記錄分類方法的重要性；Peng[18]等基于數據引力分類模型，提出一種針對不均衡數據進行網頁分類的方法。

3 情報學發展新趨勢

從研究熱點的共同特點來看，國內外近五年在情報學領域的研究均比較關注大數據環境下情報學發展中的相關問題和文獻計量相關研究，這些研究與互聯網的快速發展中所引發的數據快速增長密不可分。從研究的不同點來看，國外更偏向運用大數據的技術和方法進行數據挖掘和決策分析，而國內則偏向構建分析模型、大數據環境下的數據采集等方面的研究。

綜上，現階段情報學領域的研究與計算機、數學領域的研究方法融合的更加緊密。隨著大數據、移動互聯網的迅速發展，數據監管、數據挖掘、信息分析等逐漸成為新的研究趨勢，整體來看情報學科的研究呈現與管理學、經濟學、計算機科學相關問題的交叉和融合的態勢。

4 結語

從近五年國內外對情報學學科的研究中可以發現，情報學各個分支領域都在積極探索大數據環境下的創新發展。除了對大數據環境的關注外，依然注重對情報學基礎學科及分支領域的研究，無論是在基礎理論和研究方法，還是在實踐應用方面，都表現出不斷深化和創新的發展態勢，使得情報學學科發展能夠緊跟時代潮流，保持旺盛的生命力。

參考文獻

[1]楊思洛，韓瑞珍.知識圖譜研究現狀及趨勢的可視化分析[J].情報資料工作，2012，（04）：22-28.

[2]韓毅，李紅.大數據語境下情報學的堅守與拓展[J].圖書情報工作，2015，59（5）：47-52.

[3]Balaid A， Abd Rozan M Z， Hikmi S N， et al. Knowledge maps： a systematic literature review and directions for future research[J].International Journal of Information Management，2016，36（3）：451-475.

[4]Ogiela L. Advanced techniques for knowledge management and access to strategic information[J].International Journal of Information Management，2015，35（2）：154-159.

[5]宋朋.檢索中的信息需求理論：將信息與知識建立聯系[J].情報學報，2015，34（3）：227-235.

[6]馮曉華，陸偉，張曉娟.檢索結果多樣化研究綜述[J].情報學報，2015，34（7）：776-784.

[7]Serrano A. Information Retrival Educational Goals in Library and Information Science and in Health Science[J]. Social Shaping if Digital Publishing： Exploring the Interplay Between Culture and Technology， 2012：34-42.

[8]熊志正，官思發，朝樂門.計算機輔助信息分析的技術框架及其發展趨勢[J].圖書情報工作，2015，59（3）：19-25.

[9]聶峰英，張旸.移動社交網絡輿情預警指標體系構建[J].情報理論與實踐，2015（12）：64-67.

[10]張洋，凌婉陽.基于多源社會化媒體評論的競爭情報挖掘研究[J].情報理論與實踐，2015（7）：59-66.

[11]楊柳，劉民，陳國炎，等.大型電網企業凝練關鍵情報課題的途徑與方法[J].圖書情報知識.2015（4）：90-95.

[12]李冬冬，宋拓，畢思達.用戶信息行為與個性化知識服務關聯性分析[J].情報科學，2014，32（8）：140-143.

[13]Bach N X， Hai N D， Phuong T M. Personalized recommendation of stories for commenting in forum-based social media[J]. Information Sciences，2016，352：48-60.

[14]Yu Z， Wang C， Bu J J， et al. Friend recommendation with content spread enhancement in social networks[J].Information Sciences，2015，309：102-118.

[15]劉盛博，丁堃，張春博.引文分析的新階段：從引文著錄分析到引用內容分析[J].圖書情報知識，2015（3）：25-34.

[16]步一，劉天祎，黃文彬.優化傳統作者共引分析的研究初探——綜合引文發表時間信息的作者共引分析方法[J].圖書情報知識，2015（6）：89-97.

[17]Mokhtar U A， Yusof Z M. The requirement for developing functional records classification[M]. Elsevier Science Publishers B. V. 2015.

[18]Peng L Z， Zhang H L， Yang B， et al. A new approach for imbalanced data classification based on data gravitation[J]. Information Sciences，2014，288：347-373.