化柏林[1]

中国科学技术信息研究所，北京 100038

 

[摘　要]应用型计量分析分为四类，其中主题型计量分析与评价型计量分析占主流，而预测型计量分析与资源获取型计量分析却很少。本实验以获取可计算资源为目的，从中文科技期刊数据库(重庆维普)选取了1989年到2005年的17种图书情报学核心期刊(2004版)的所有论文，利用VBA对文献的关键词进行统计分析，主要从数量分布、词长规律、增长趋势以及关键词与文章的数量关系进行了分析，并按功能对关键词进行了分类。

[关键词] 图书情报学；核心期刊；关键词；计量分析；内容分析

[分类号] G350

 

Keywords Statistical Analysis of Papers from Core Journal on Library and Informatics

HUA Bolin

Institute of Scientific and Technical Information of China, Beijing 100038, china

 

[Abstract]     Applicable bibliometrics are classified into four categories. Subject bibliometrics and evaluation bibliometrics are popular, but prediction bibliometrics and resource-acquirement bibliometrics are very poor. In order to acquire resource to support processing, we selected all papers which is published on library and informatics core journals from 1989 to 2005 from China Journal Full-text Database, and some aspects of them were analyzed by using VBA such as the count, length, increasing tendency of keywords and count relation between article and keywords. According to the analysis, it also presents keywords classification by function.

[Keywords]    library and informatics; core journal; keywords; bibliometrics; content analysis

 

求证图书馆学情报学的研究核心是一件很难的事情。图书、文献、数据、信息、知识、情报这几个概念根据不同的研究侧面可能会有不同的逻辑关系，但是无论它们的关系如何，围绕这个几个概念的相关活动仍是图书情报的研究重点，甚至应该是研究核心。因此本文对这些概念的相关活动进行了单独统计分析。对这些活动之间的逻辑关系与流程分析正在进一步研究中。从图3中可以看出四字关键词占绝对优势，而且四字关键词比较规范，一般由名词加动词、名词加名词或形容词加名词构成，因此把含数据、信息、知识、情报、图书、文献的四字关键词进行统计也颇有意义，含数据、信息、知识、情报、图书、文献的四字高频关键词如表2所示。

表2 含数据信息知识情报图书文献的四字关键词高频统计（各前20位）

关键词	频次	关键词	频次	关键词	频次	关键词	频次	关键词	频次	关键词	频次
数据挖掘	146	信息服务	2103	知识管理	655	情报检索	810	文献资源	324	图书编目	246
数据仓库	109	信息资源	732	知识经济	564	情报工作	462	文献检索	274	图书采购	211
书目数据	58	信息产业	593	知识产权	243	情报服务	382	地方文献	145	图书分类	190
数据备份	39	信息检索	580	知识创新	168	竞争情报	349	文献信息	134	图书补充	131
数据质量	32	信息技术	480	知识组织	154	情报研究	232	文献标引	116	图书外借	106
数据存储	26	信息管理	359	知识服务	147	情报教育	106	专利文献	106	电子图书	99
数据安全	26	信息组织	275	知识结构	95	情报分析	105	文献编目	101	图书著录	89
数据结构	23	信息需求	257	知识共享	67	情报需求	96	电子文献	100	图书采访	69
数据模型	22	信息市场	216	知识发现	62	情报机构	96	文献利用	93	中文图书	67
数据处理	22	信息系统	213	隐性知识	54	情报用户	93	文献著录	91	图书情报	56
数据转换	22	信息网络	189	知识传播	31	情报系统	79	科技文献	69	图书排架	50
数据格式	16	网络信息	186	显性知识	27	情报意识	63	文献采访	67	图书流通	50
数据管理	14	信息咨询	170	知识获取	26	图书情报	56	文献分类	65	图书评介	41
数据组织	14	信息安全	158	知识检索	24	情报事业	52	参考文献	60	图书保护	41
数据分析	13	文献信息	134	知识转化	23	情报职能	50	文献传递	58	图书发行	40
数据压缩	11	信息工作	133	知识工程	23	科技情报	49	文献工作	54	西文图书	33
数据采集	11	信息利用	123	知识仓库	21	情报科学	43	文献计量	52	图书开架	32
编目数据	11	信息开发	119	知识挖掘	19	情报信息	43	文献服务	48	图书市场	31
数据检索	10	信息时代	115	知识主管	19	情报管理	36	文献收集	44	图书管理	30
数据集成	9	信息交流	112	知识导航	17	情报人员	35	文献老化	44	图书改编	30
合计	634	合计	7247	合计	2439	合计	3237	合计	2045	合计	1642

在所有关键词中，含数据的关键词1,122个，共5,152次，平均4.59次/个；含信息的关键词3,405个，共21,202次，平均6.23次/个；含知识的关键词735个，共2,641次，平均3.59次/个；含情报的关键词879个，共7,409次，平均8.43次/个；含文献的关键词1,433个，共7,388次，平均5.16次/个；含图书（不含图书馆）的关键词706个，共3,954次，平均5.60次/个。可以看出，含情报的四字关键词相对较集中，含知识的四字关键词相对较分散。含数据、信息、知识、情报、图书（不含图书馆）、文献的关键词分布比重如图5所示。

图5 图书情报核心关键词分布图

图5中左饼图是不带频次的，表征出现的个数，个数越多，说明研究侧面越宽泛或研究内容越具体。右边的饼图为计频的，计频比不计频高的有信息、情报，尤其是情报差别最大，说明关于情报的关键词相对比较规范、概念比较统一、研究领域比较集中。计频比不计频低的有图书、文献、数据、知识，其中知识差别最大，说明关于知识的关键词相对比较不规范、概念不够统一或研究比较分散。

43,980个关键词共计202,821个次，其中含图书馆三个字符的关键词出现了1,610个，共25,973次；个数占关键词总个数的3.7%，频次占关键词总频次的12.9%，也就是每八个关键词就有一个是显性关于图书馆的，可见图书馆在图书情报领域的重要地位。含图书馆的关键词按频次前30位如表3所示。

表3 含图书馆的关键词高频统计表（前30位）

关键词	频次	关键词	频次	关键词	频次
图书馆	5855	图书馆自动化	595	图书馆学教育	102
高校图书馆	1998	图书馆建设	232	现代图书馆	101
数字图书馆	1889	大学图书馆	175	复合图书馆	98
图书馆管理	1237	专业图书馆	165	乡镇图书馆	98
图书馆学	1157	图书馆建筑	164	数字化图书馆	97
图书馆工作	1135	传统图书馆	151	图书馆网络	90
图书馆事业	1079	图书馆服务	147	社区图书馆	86
公共图书馆	991	虚拟图书馆	140	少儿图书馆	85
院校图书馆	955	图书馆学研究	113	中小型图书馆	78
图书馆员	785	电子图书馆	105	图书馆现代化	77

从表3中可以看出，关于不同功能的分类图书馆比较多，如高校图书馆，公共图书馆、少儿图书馆等，而反映图书馆的不同侧面的比较少，如图书馆员、图书馆建筑、图书馆网络等。关于图书馆业务流程（图书馆加动词）的非常少，反映流程的主要是以图书加动词为主。所以图书馆业务流程主要以图书的业务流程为主，也应验了图书是图书馆的主体。关于图书馆自动化、图书馆现代化、数字图书馆等近年来增势明显，但这些概念比较笼统，而图书馆学、图书馆工作、图书馆事业、图书馆学研究等非常稳定，不过热也不过冷。

把每年的关键词频次统计出来倒排序，可以很清楚的看到当年的高频词，如表3所示。但是这个表并不能反映出当年的研究热点，只能反映出研究重点。像图书馆、中国、信息服务等年年都排在前面，这是学科的研究重点。近五年来高频关键词统计如表4所示。

表4 2001~2005年高频关键词统计表(各前10位)

关键词的年度分布可以反映历年的研究重点，关键词增长可以反映历年的研究热点。关键词增长的计算方法很多。第一种是年增长量，用当年的频次减去上一年的频次，这种方法的弊端是高频关键词会靠前，如图书馆、中国等高频关键词会轮流排在前面；第二种方法是倍数，用当年的频次除以上一年的频次，这种方法会使得上一年较小的关键词排在前面，尤其是上一年频次为1的关键词；第三种方法是增长率，用当年的频次减去上一年的频次后再除以上一年的频次，得到的是相对于上一年的增长率；第四种方法是相对增长率，用当年的频次除以当年的所有关键词总频次f1，上一年的频次除以上一年的所有关键词总频次f2，然后用f1除以f2，当然也可以除以当年的文献数，这种情况主要是考虑不同年的文献量不一样，这种方法反映关键词在当年比重的增长情况；第五种方法是当年的关键词频次减去上一年的关键词频次再除以该关键词所有年的总频次，这种方法能够反映该关键词增长的高峰期，避免了基数大的词在当年排在了前面；第六种方法是把所有上一年为低频的次年变成高频的关键词统计出来，这种方式能反映出关键词的快速增长期，反映出新的研究热点。不同的计算方法有不同的优缺点，可以满足不同的需求。下面分别用第三种方法和第六种方法来分析近十年来的研究热点。用第三种方法计算高增长率的研究热点如表5所示。

表5 1996~2005年高增长率的研究热点统计表（增长倍数）

表中列出了从1996年到2005年的增长较快的关键词，2001~2005年选取了前十名，1996~2000选取了前五名，它们大都实现了比上一年的十倍左右的增长。其中有一些能反映出研究热点，如2003年的电子政务、2000年的电子商务等，而有一些却不能反映研究热点，如2005年的制定、2002年的建设目标等。下面以第六种方法分析近十年来新的研究热点，如表6所示。

表6 1996~2005年突增研究热点统计表

表6中列出了从1996年到2005年的增长突快的关键词，斜杠前面的为当年出现的次数，斜杠后面的为上一年出现的次数，本表列出的全是上一年不足5次，而当年出现的频次超过10次的关键词。如2005年的本体，2004年的隐性知识与网格技术，2003年的信息共享与电子政务，2002年的入世，2001年的西部地区和西部大开发，2000年的电子商务，1999年的21世纪，1998年的知识经济，1997年的精神文明建设等都反映了当年的时代特征和研究热点。当然针对每个关键词分年统计得到关键词的生命周期线，更能说明问题。

       关键词是作者自行抽取或者数据库加工商补充的。不同的人抽取关键词的原则有很大的不同。所以关键词的词频分析能说明一点问题，但离文章内容分析差的很远，甚至还谈不上内容分析。但对关键词、标题和文摘的分析是内容分析的基础。真正的内容分析一定是针对文章的正文字段，在已有关键词、标题和摘要分析的研究基础上，利用这些概率词典和句法结构，正文分析的研究可以适当进行小规模实验。

最能反映文章内容的当属文章正文，可是正文结构复杂、内容繁多、数据获取较困难，因此目前进行大规模正文分析还是很有难度的。随着越来越多的文章采用pdf转换而不是扫描得来的数据，元数据的不断扩充，RDF及XML的广泛应用，本体库的逐步构建，加上自然语言处理的研究新热与人工智能的飞速发展，进行大规模正文分析的日子也是越来越近。

在图书情报界，构建其它领域本体的比较多，如花卉、民乐、军事、医学等，但还没有发现构建图书情报本领域的本体，本体在图书情报界如此之热，我们却不研究自己的本体。图书情报学和语言学、数学一样作为一个独立的学科领域，既有自己的学科属性，同时也为其它领域提供支撑。元数据研究了这么多年，主要还是针对文献的外部特征，没有深入到正文字段的内容描述。如文章内的论点、论据、论证、定义、诠释、分类、关键技术、难点、重点、发展历史、国外进展、应用前景、实验数据、实验过程、实验结果、测试、评价、缺点、尚未解决的问题等描述文献内容的元数据却少人问津。只要图书情报领域的专家把文献内容元数据构建起来，语言学家把描述这些元数据的语言学规律总结出来，进行真正的内容分析不是没有可能。一旦能够对正文内容进行分析，那计算机可做的事情就多得很了，搜索、文摘、分类、知识抽取(温有奎教授使用的“知识元挖掘”)等一系列的课题便会迎刃而解。

 

参考文献

---