新知在哪里：从学科网络中发现不同领域的知识关联

导语

对于学科网络的研究能够让我们从更直观的角度了解不同的学科之间的内在联系。本文详细地梳理了学科网络的研究历史，构建方法以及其随时间的演化特征。希望通过本文，能让我们能够更深入地理解不同学科之间知识交流的基本机制，从而对科学知识的生产以及学科创新产生一定的指导价值。

本文首发于集智班图，扫码直达路径地址

1.学科网络的研究历史 

学科网络的研究经历了漫长的发展历史，在上个世纪，由于文献数据可获得性的限制，科学家在绘制学科网络时，需要凭借自身对某个领域多年的研究经验以及对该领域研究概况的整体性认知。

图1：Bernard Porter 于1938年绘制完成的物理学地图

如上图所示，这幅物理学领域地图是由著名物理学家、视觉艺术家、诗人及和平活动家Bernard H. Porter，自1932年起耗费六年心血绘制而成的。为了确保这份物理学地图的准确性，在随后的几年里Porter还将最终成果交给一些杰出物理学家和科学史学家进行审阅。

这个地图的宏伟之处在于它追溯了公元前6世纪至20世纪的物理学发展历史，通过它可以追踪到“力学”、“声学”和“光学”等关键理论的思想源头。坐落在河流两旁的“村落”代表艾萨克·牛顿、亚历桑德罗·伏特、维尔纳·海森堡等为物理学的发展做出过重大贡献的物理学家们。

随着21世纪计算机互联网的兴起，文献检索数据库的全面推广， 很多学者开始通过搜集大量的科学文献数据，来构建学科之间知识流动和知识关联的网络。

其中一个比较典型的基于文本分析的知识网络地图[1]，是由Andre ́ Skupin根据1993年到2002年十年间的美国地理学协会年会提交的2.2万多篇摘要而构建的。在文中，他将每篇文献看作是文章关键词的n维向量，基于自组织映射（Self-Organizing Map，SOM）的方法，利用这些向量建立了一个地理知识领域的神经网络模型，并将该神经网络模型转变成两种信息模式：(1）一种是利用还把高度来量化单个主题集中的程度；（2）另一种则是采用多级文本标签对不同的可视化区域进行标注。最后，作者采用标准的地理信息信息（GIS）软件绘制了关于地理学科的领域关键词地图。

图2：地理信息可视化地图

随后，一些学者开始尝试通过科学文献之间的引用关系构建学科知识流网络，例如，Martin Rosvall等人[2]，在2008年基于6128种不同的科学期刊之间的引用关系，构建了期刊所属领域之间的知识流网络，并对学科之间的社团结构进行了深入的探究。而在最近的研究中[3]，他们通过采用基于引用流的聚类方法，又进一步探讨了100多个科学领域网络中的多层次结构。

图3：学科网络的层级结构图

如上图所示， 作者们根据不同期刊所属的领域之间的相互引用关系， 将现代科学划分为了四个主要的学科，分别为生命科学，物理科学，生态和地球科学以及社会科学。而其中，对于物理科学，他们进行了第二级划分，将其进一步划分成两个内部连接紧密的子类学科。

学科网络的构建和可视化，不仅能够帮助我们直观地了解不同科学领域之间相互联系，也同时扩展了我们的研究视野，使我们能够了解不同学科的演变过程，为我们科学地规划未来的研究路径和方向提供了很好的参考价值。

2.学科网络的构建方法  

近几十年来，文献计量学家、信息科学家、社会学家、物理学家和计算机科学家们，基于自身所在的研究领域的背景知识和方法创建了各种不同形式的学科网络，为我们在未来更深入了解学科之间的关系提供了坚实的研究基础。

在众多构建学科网络的方法中，最为常见的方式，是利用不同学科的文献之间的相互引用关系来构建的网络。

图4：学科网络的构建方法

如图4所示，学科网络的构建方法主要可以分为以下三种：

1. 共引网络（co-citaion Networks）: 若两个来自不同研究领域的文章被同一篇文献所以用，那么这两个不同的领域之间将会存在一条无向的连边(图4a);

2. 直接引用网络（Direct Citation Networks）: 若一个研究领域的论文引用另一个领域的论文时，这两个领域之间存在一条直接的有向连边(图4b);

3. 文献耦合网络（Bibliograhic Coupling Networks）: 当两个来自不同的领域的论文引用同一篇的其他论文时，则这两篇论文所属的两个不同领域之间就会存在一条连边(图4c);

除了通过文献之间的引用关系，我们在研究领域之间的相互联系时，另一种较为可行的方式是基于科学家在不同的领域从事研究的职业轨迹来构建网络。如图4d所示，如果一个作者在多个研究领域都发表了文章，那么这几个不同的领域之间就会存在连边，以这种方式构建的网络可以被称之为职业路径网络（Career Path Networks）。

图5：职业路径网络

如上图所示，Miguel R. Guevara等人在2016年的Scientometrics论文中[4]，通过追踪31万多个科学家在整个研究生涯中发表的论文所属的领域，构建了较为完整的基于科学家职业路径的学科网络。

有人也许会好奇, 构建学科网络的方法多种多样，那么，通过不同的方法所构建出来的学科网络是否会具有高度的相似性呢？为了探讨这一问题，Miguel R. Guevara等人在同一个的研究数据下，分别通过文献耦合和科学家职业路径两种不同的方式构建了学科网络。令人意外的是，作者们发现这两种不同方式下所构建的学科网络相似程度非常低。

作者认为这可能是由于，基于文献耦合的方式所构建的学科网络更倾向于捕捉了领域之间的关联性或知识流动的信息，也就是较为显性的知识关联性。而通过科学家职业路径的方式所构建的学科网络，则更好地体现了在不同领域产生科学所需的知识共享能力，更能揭露生产显性知识所需的隐性技能和能力。当我们试图去预测个人或者研究机构未来会选择进入的研究领域时，那么基于科学家的职业路径则将会拥有更高的准确性。

因此，当我们在构建的学科网络时，需要根据自身所研究的具体科学问题，选择一种最为恰当而有效的网络构建方法。

3. 学科网络的演化趋势

通过研究学科网络中的知识流演化，我们可以深入地了解学科知识创新的过程以及演变模式，为今后指导学科的发展提供了重要的理论借鉴价值。

自从2010年以来，很多学者也将目光聚集到了学科网络的演化过程。例如，Raj Kumar Pan等人[5]基于物理文献上的学科分类码，构建了每一年的学科子领域网络，他们发现随着时间的推移，物理学各子领域的联系变得越来越紧密。同时，跨学科物理学在网络核心中的所占的比重正在稳步增加，这反映了物理学研究总体趋势的转变。

最近，Ye Sun等人在2020年的Scientific Reports中[6]，则提出了一个定量的研究知识流演化的框架。作者们基于美国物理学协会过去30年的物理学论文以及引用关系，构建了随时间演化的物理学子领域之间知识流网络, 其中节点代表的是不同的领域，而加权的连边则代表了在特定时期内知识从一个领域到另一个领域的流动。

对于每个领域来说，它在发展的过程中常常会使用其他领域的知识，同时也会为其他领域提供知识。

图6：物理学领域的知识流演化过程

如上图所示，作者们就发现物理学不同子领域间的知识流动存在很显著的互惠性，并且这种特征在2000年左右达到了顶峰；其次，不同子领域之间知识流的显著性随着时间在不断下降（平均连边的权重随着时间在变小），这意味着跨领域的知识交流变得越来越均匀，这不同于1990年初，每个子领域只在少数几个联系紧密领域之间进行知识交流。 从另一个角度来看，这也反映了物理学领域中跨领域研究的兴起。

图7：学科知识流演化的四种典型模式 （a）不同领域知识流的互惠性 （b）吸收模式 （c）吸收到相互作用模式 （d）反哺模式 （e）相互作用模式

另一方面，作者们通过观察固定两个不同学科之间的知识流随时间演化的过程，总结出了四种典型的演化模式，如上图所示：

1. 吸收模式：一个领域在整个时间段中一直从某个领域获得更多的知识；

2. 吸收到相互作用模式（图5b）：刚开始一个领域会从某个领域吸收更多的知识，而后则这两个领域之间存在比较互惠的知识交流关系（图5c）；

3. 反哺模式：在一开始一个领域会从某个领域吸收更多的知识，而之后另一个领域则开始反过来为其提供更多的知识（图5d）；

4. 相互作用模式：在整个时间段中，两个不同的领域都保持着知识互惠的关系（图5e）。这些不同的演变模式清晰地揭示了，知识创造和跨领域知识交流的过程可以是高度异质的。

随着现今交叉学科的蓬勃发展，跨学科之间的知识交流也变得尤为频繁。学科网络的构建及对其演化机制的研究，对于我们在未来寻找不同学科之间的结合点，发现新的交叉性领域，进行突破性的研究具有非常重要的指导意义。

参考文献

[1]. Skupin, A. (2004). The world of geography: Visualizing a knowledge domain with cartographic means. Proceedings of the National Academy of Sciences, 101(suppl 1), 5274-5278.

[2]. Rosvall, M., & Bergstrom, C. T. (2008). Maps of random walks on complex networks reveal community structure. Proceedings of the National Academy of Sciences, 105(4), 1118-1123.

[3]. Rosvall, M., & Bergstrom, C. T. (2011). Multilevel compression of random walks on networks reveals hierarchical organization in large integrated systems. PloS one, 6(4), e18209.

[4]. Guevara, M. R., Hartmann, D., Aristarán, M., Mendoza, M., & Hidalgo, C. A. (2016). The research space: using career paths to predict the evolution of the research output of individuals, institutions, and nations. Scientometrics, 109(3), 1695-1709.

[5].Pan, R. K., Sinha, S., Kaski, K., & Saramäki, J. (2012). The evolution of interdisciplinarity in physics research. Scientific reports, 2(1), 1-8.

[6]. Sun, Y., Latora, V.  (2020). The evolution of knowledge within and across fields in modern physics. Sci Rep 10, 12097. 

作者：孙烨审校：刘培源
编辑：曾祥轩

网络科学集智课堂

为了追寻网络本质，夯实学术基础，集智学园邀请你和我们一起打造全网首家线上“集智课堂”，一起来探索复杂网络权威巴拉巴西的重磅之作《巴拉巴西网络科学》，共同揭秘网络科学的底层原理 。

我们有幸邀请了汪小帆、赵海兴、许小可、史定华、陈清华、张江、狄增如、陈关荣、樊瑛、刘宗华这十个来自六大不同高校、在网络科学领域耕耘多年的教授作为导师，依据教材框架，各有侧重地为我们共同勾勒出整个学科的美丽图景，展示这个学科的迷人魅力，指引这个学科的灿烂未来。

同时，我们会给学员充分发挥聪明才智、展示个人魅力并赢取奖学金的机会。整本书全部由学员自己申请领读，精通某一知识点的学员可以带领大家进行更深入细化的学习。

👇 扫码或点击下方图片，了解更多课程信息。

推荐阅读

---

集智俱乐部QQ群｜877391004

商务合作及投稿转载｜[e-mail]

◆ ◆ ◆

搜索公众号：集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！

👇点击“阅读原文”，查看路径，了解更多论文信息。