科研地图来了，看看你的研究领域在哪里
作者｜倪思洁
4月30日，中国科学院科技战略咨询研究院（以下简称战略咨询院）发布《科学结构图谱2021》。
基于2012年至2017年10223个研究前沿中包含的高被引论文数据，研究人员构建了科学结构图谱，研究发现，全球科学研究结构稳中有新，中国科研优势研究领域逐步稳固，并与美国形成了明显的互补关系。
全球涌现近百个新研究热点
通过对比分析2012-2017年和2010-2015年的科学结构图，研究人员发现，科学研究结构在总体稳定的同时，也出现了一些新变化。
科学结构2010~2015
科学结构2012~2017
“目标导向的基础研究与应用研发结合更加紧密，应用性牵引趋势明显，传统意义上的基础研究、应用研究的边界日趋模糊。”战略咨询院科技战略情报研究所研究员王小梅说。
研究人员发现，科学研究与工程结合并逐渐向应用转化的研究问题越来越广，如从催化到氢能、页岩气、热能等新能源的研究，环境与健康结合形成“环境治理”群组，柔性材料到可穿戴设备，3D、4D 打印技术、智能电网、智慧城市的快速发展，基础医学研究更多地与临床研究结合解决人类健康问题等。
研究中，科研人员也发现了一些新的聚焦群组。比如，与天文学与粒子物理相关的“理论物理”，从催化基础研究逐步发展到应用研究的“先进能源”，与纳米生命科学相关的“有机聚合物材料”，与机器学习相关的“深度学习”，气候变化研究中出现了更多和“极端气候变化相关的研究，以及“页岩气”“化学生物的药物研究”“物种保护”“肿瘤免疫治疗”“肿瘤基因突变与靶向治疗”“新发病毒传染病”“药物滥用”“文献计量与期刊研究”等都成为新的研究领域群组。
“在‘科学结构2012-2017’中，出现了97 个新兴热点研究领域。”王小梅介绍，热点研究领域在医学、生物科学和交叉学科分布较集中，分别有26个、13个和11个。
两个最大的新兴热点研究领域分别是“寨卡病毒”和“黑色素瘤治疗”相关研究，分别包含125篇和64篇论文，发现新病毒以及新疗法（技术）的出现是形成新的研究领域的主因。
中国科研优势与美国存在互补性
研究人员选取中国及美国、英国、德国、法国、日本等其他发达国家和发展中国家中有代表性的 11 个国家作为主要研究对象，分析了这些国家的科研活跃度。
研究发现，中国科研优势研究领域逐步稳固，与美国优势领域存在明显的互补性。
“在科学结构图中，中国优势研究领域主要位于图的上半部分偏右，涵盖纳米科技、计算机与工程，以及环境治理等，中国在位于图下部的‘医学’‘社会科学’‘经济与商业’‘生物科学’四个大类中所占份额相对较少。”王小梅说。
2012~2017核心论文份额分布图（中国和美国）
2010~2015核心论文份额分布图（中国和美国）
中国的研究领域覆盖率上升，但仍有28%的研究领域没有发文。
报告显示，中国研究领域覆盖率从世界排名第五位上升到第四位，且覆盖率呈现显著上升趋势，从66.7%上升到72.0%。
新增研究领域的覆盖率也有小幅增长，从48.3%增长到49.5%。
在政府资助产出的核心论文数量及分布方面，研究人员发现，2012年至2017年期间，与其他国家相比，中国政府资助论文占发表核心论文的比例最高，达到81.4%。
“这与中国科研的进步、政府科研经费高投入有密不可分的关系。”王小梅说。
不过，数据也显示，中国政府资助产出的核心论文在各领域不均衡，主要集中在“纳米科技”“无线通信与人工智能”“系统控制”等方向，其他方向资助发文量较少，尤其是“医学”和“社会科学”方面较弱。
纳米科技、环境生态领域交叉度最高
学科交叉点通常是科学新的生长点，最后可能导致科学发生革命性变化。
此次报告对交叉学科的情况也进行了分析。
交叉学科领域在科学结构图中的分布
（图中每个圆圈代表学科交叉研究领域，圆越大代表包含论文越多）
研究人员界定，如果研究领域中一个学科的核心论文比例小于60%，该研究领域就属于交叉学科。
对研究领域的学科交叉性进行分析后，他们发现，纳米科技及环境与生态领域的交叉度最高，其次是与智能决策和智能控制相关的研究。
临床医学与生物科学的学科交叉研究领域相对较少。
天文学与物理学研究大类中的学科交叉研究领域最少。
王小梅介绍，纳米科技及环境与生态领域中的交叉学科包括“钙钛矿材料与器件”“纳米材料”“纳米催化”“储能材料与器件”“纳米生命科学”“环境治理”“生态学”“低碳经济”等，智能决策和智能控制相关的交叉学科包括“无线通信与人工智能”“系统与控制”内的部分研究等，临床医学与生物科学的学科交叉研究领域主要集中在“肠道微生物”“传染病研究”“社会医学”“孤独症”“肿瘤基因”等方面。
记者了解到，从2007年起，战略咨询院就开始周期性监测科学研究结构及其演变规律，此次报告是继2009年、2012年、2015年、2017年之后第五次发布的科学结构图谱。
《科学结构图谱2021》首次改进了原有“科学结构图谱”的研制方法，使用深度学习算法改进了网络聚类及可视化算法。
请按下方二维码3秒识别