网络首发 | 国内外LIS学科主题热度演化分析与预测

     ISSN 1003-2797

     CN 42-1085/G2

     双月刊

     同行评审期刊

视频时间轴

霍朝光

(中国人民大学信息资源管理学院，北京，100872)

董克 司湘云

(武汉大学信息管理学院，武汉，430072)

网络首发时间

2021-04-20

网络首发地址

https://kns.cnki.net/kcms/detail/42.1085.g2.20210419.1528.002.html

目的／意义

梳理LIS领域学科知识的发展脉络，追踪、预测学科研究热点和增长点。

研究设计／方法

基于LIS领域国外和国内核心期刊数据，使用 TP-JIF模型计算学科主题的热度并衡量学科主题的状态，对LIS领域国内外研究热点和学科增长点进行演化分析；使用 TPP-LSTM 学科主题预测模型，对 LIS领域国内外的研究热点和增长点进行预测。

结论／发现

国内外LIS领域研究热点的体量和侧重点具有较大差异，国外研究热点聚焦在社交媒体、电子病历、知识管理、文献计量、机器学习、替代计量等方面，而国内聚焦在图书馆学类、大数据、知识服务、数字人文、人工智能等方面。数据科学可能是LIS领域国内外最具潜力的增长点，医疗健康、人工智能、科研评价指标与体系、数据素养以及数据管理等研究也有望快速增长。

创新／价值

从研究热点和学科增长点两个方面揭示了国内外 LIS学科之间的差异，并对研究热点和学科增长点进行了预测，为学科未来规划提供参考。

关键词

图书馆与信息科学 学科主题 演化分析 演化预测 热度指标

1 引言

学科主题演化指以词语为表征的学科主题在时间维度上的发展变化，蕴含着知识从低级到高级、从老知识到新知识的交替演化脉络和知识遗传、变异、选择等自组织过程[1-2]。根据演化形式的不同，学科主题演化主要包括状态演化和关系演化两个方面，状态演化强调学科主题自身状态随着时间的变化，如根据学科主题所处的状态可以将其划分为热门学科主题、新兴学科主题、增长型学科主题、成熟型学科主题、冷门学科主题[3-4]，并由此进行研究热点主题或新兴主题识别；关系演化强调学科主题之间关系的变化，如学科主题之间融合关系、分裂关系、继承关系等变化，并由此分析学科主题语义的变迁(Semantic Word Shifts)、知识流散(Knowledge Diaspora)、知识脉络的交叉与融合等[5-6]。

学科主题演化分析和预测是图书馆与信息科学（Library and Information Science，LIS）学科研究的重点之一。其中，演化分析强调对学科主题历史演化路径和模式的解析，侧重对已经发生的、既成事实现象的分析，如基于共词网络[7-8]、引文网络或共被引网络[9-10]、主题模型[11-12]的学科主题演化分析研究等。学科主题演化预测强调对学科主题未来演化的情况和趋势进行预测，侧重对未发生现象的预测，例如基于演进图、冲击图、演化路径、科学知识图谱、技术研判矩阵等方法的定性角度学科主题演化预测研究[13-15]，以及基于状态指标、引证指标、替代计量指标以及学术实体之间关系的定量角度学科主题演化预测研究[16-17,4]。

基于热度指标的学科主题演化分析与预测，是对学科主题状态演化的一种定量分析与预测研究。本研究基于国内外LIS领域近10年核心期刊全集数据（WOS和CSSCI），利用前文构建的基于期刊影响因子的TP－JIF（Topic Popularity Computing Model based on JIF）热度指标，从研究热点和学科增长点两个方面揭示国内外LIS学科研究的差异，并使用TPP－LSTM（Topic Popularity Prediction Model based on Long Short－Term Memory）学科主题预测模型，对国内外LIS学科未来的研究热点和学科增长点进行预测，以期帮助学者在把握LIS学科发展前沿的基础上，进一步做好学科未来规划。

２ 研究设计

本研究基于热度指标的学科主题演化分析与预测模型包括学科主题抽取、学科主题热度计算、学科主题演化分析和学科主题演化预测四个部分，详细研究流程如图１所示。

2.1

数据收集

本研究数据包括LIS领域国外、国内期刊两方面的数据。其中，国外数据来源于Web of Science Core Collection数据库，检索方式为［WC＝Information Science＆Library Science］，时间区间为2010年至2020年，文献类型为Article和Review，共计45，481篇期刊文献（检索时间2020年7月14日）。外文期刊影响因子数据来源于Journal Citation Reports[18]，包括104种期刊10余年的影响因子数据。国内期刊数据限定在图情领域20本CSSCI来源期刊，通过CNKI依次下载选定期刊的数据，共计91,465篇期刊文献（检索时间2020年11月6日），中文期刊影响因子数据来源于中国科学文献计量评价研究中心发布的引证报告[19]。在数据清洗时，对于期刊名字发生变更的情况，通过人工处理进行关联（例如《现代图书情报技术》更名为《数据分析与知识发现》、JA－SIST全称发生变更等），对于停刊或者新刊发的期刊则只使用被收录期间的数据。

2.2

学科主题抽取

本研究中，学科主题主要由论文的作者自标引关键词和LDA主题模型抽取的主题词构成。对于缺乏作者自标引关键词的论文，本研究采用LDA主题模型从摘要和题目中抽取学科主题[20]。在利用LDA抽取主题时，本文将所有作者自标引的关键词添加到字典中，以确保机器更加倚重作者定义的关键词来切割术语。在完成训练之后输出每一篇论文的前４个术语作为该论文的学科主题。最终获得国内LIS领域的学科主题60,557个，国外LIS领域的学科主题65,204个。

2.3

基于期刊影响因子的学科主题热度计算

由于同一学科主题刊发在不同期刊上时所产生的学科影响力与贡献不同，因此应当赋予出现在不同影响力期刊上的学科主题不同的权重。期刊影响因子是对期刊整体水平的客观评价，是目前认可度和影响力较大的衡量期刊水平的指标。本文使用期刊影响因子构建学科主题热度模型，计算公式如公式１所示：

Popularityt（topic）＝∑JjJIFtj＊Ntj（topic）(1)　

其中，JIFtj表示期刊j于t时间时的影响因子；Ntj表示主题topic于t时间在期刊j上出现的频次；Popularityt（topic）表示主题topic在t时间时的热度，等于主题在所有期刊上出现频次与期刊影响因子加权的总和。本研究使用年份切片的形式分别计算不同时间片上学科主题的热度，最终获得国外LIS领域65,204学科主题和国内LIS领域60,557个学科主题10年的热度时间序列。

2.4

基于LSTM 的学科主题热度预测

本研究选用基于LSTM的学科主题热度预测模型，对国外、国内LIS领域的学科主题未来的热度进行预测。LSTM在RNN基础上引入了遗忘门（Forge tGate）、输入门（Input Gate）、输出门（Output Gate）等门节点，通过门控制处理长距离依赖的时间序列数据，可有效揭示学科主题热度曲线所蕴含的复杂特征，通过LSTM单元内部的自循环机制，表征学科主题热度演化的序列特性，以挖掘学科主题热度时间序列数据所蕴含的规律，提高学科主题热度预测的准确率。

本文基于TensorFlow框架和Keras模块构建LSTM模型，针对国外和国内两个数据集分别调整epochs、batch＿size、optimizer等参数，依据拟合优度(R2)、根均方误差（RMSE）、平均绝对误差（MAE）等指标，评估对比实验结果，筛选出国外、国内LIS领域学科主题热度演化预测最佳的序列长度，再分别针对各个数据集中的学科主题进行预测。根据预测结果，对学科主题未来的热度进行排序，以筛选未来的研究热点；对学科主题未来的增长速度进行排序，以筛选学科增长点。

ＬＩＳ学科主题演化分析

3.1

研究热点演化

研究热点即热度较高的学科主题，本研究根据学科主题在2010年之后逐年热度情况，综合计算每一个学科主题10年间的总体热度，依据总体热度进行排序，分别筛选出国外、国内LIS领域2010—2020年期间热度较高的学科主题，依此对LIS领域近10年的研究热点进行演化分析。

（1）国外学科研究热点演化分析 

国外LIS领域的研究热点如图2所示。可以发现，国外LIS领域在10年间，研究体量较大的主题分别是社交媒体（Social Media）、文献计量（Bibliometrics）、电子病历（Electronic Health Record）、知识管理（Knowledge Management）、电子政务（E－government）等。社交媒体、社交网络、社会资本（Social Capital）等社交媒体类相关主题体量最大，其研究热度综合来看数倍于其他学科主题。随着Facebook、Twitter、WeChat等社交媒体平台的蓬勃发展，社交媒体已然成为人与人之间沟通交流不可或缺的媒介，以一种便捷快速的方式将孤立的人、机构、信息等节点关联在一起，形成信息、资金、技术等资源高速流动的一体化的动态、鲁棒网络，进一步放大了人和资源的社会属性。政府管理、商业贸易、企业管理、健康医疗、科学交流、信息传播、系统推荐等研究均需要考虑社交媒体所特有的社会情境因素[21-22]，如认知性社会资本（Cognitive Social Capital）、结构性社会资本（Structural Social Capital）、信息支持（Information Support）、情感支持（Emotional Support）、强关系（Strong Ties）、弱关系（Weak Ties）、结构洞（Structural Holes）等相关因素和理论[23]得到了广泛的探讨。

文献计量、引文分析、替代计量等计量分析相关领域成为第二大类研究热点，计量分析是科研评价、科学规律发现的重要工具，也是LIS领域重要的研究分支。除Cite Space、Vosviewer、Sci2、BICOMB、NEViewer、SATI等众多成熟文献计量工具在公共管理、经济管理、生命科学、医学等领域应用外，基于合作网络、引文网络以及主题与作者二模网络等网络为基础的科学规律发现也成为了研究的焦点[24-26]。尤其是近年来随着数据密集型研究范式的兴起和数据驱动模式的发展，在传统计量研究的基础上，复杂网络、线性拟合等视角下的预测研究也逐渐兴起[27-28]。

知识管理、知识共享（Knowledge Sharing）、知识转移（Knowledge Transfer）等知识管理类学科主题也占据了很大的体量。从图2可以发现，知识管理类学科主题自2010年以来一直是国外LIS领域研究的重要领域，并且知识共享、知识转移、知识隐藏（Knowledge Hiding）等知识管理研究的各个分支也发展成为独立的研究热点。虽然衍生出的分支会削弱知识管理根节点的热度，但是知识管理这一综合主题在国外LIS领域依然保持着较高的显示度。当然这与国外LIS领域对企业知识管理研究的关注密不可分，同时Journal of Knowledge Management、Knowledge Management Research Practice等载文数量较多、且影响因子较高的专业期刊也为相关论文的发表提供了平台。

此外，电子病历、医疗保健（HealthCare）等健康信息相关主题，电子政务相关主题，大数据、机器学习、自然语言处理、文本挖掘等信息分析技术相关主题，以及信息素养、信息检索（Information Retrieval）、信息搜寻（Information Seeking）、信息系统等信息科学领域相对比较传统的研究热点和大学图书馆、图书馆、公共图书馆、图书馆员等图书馆学类学科主题也有相对较大的研究体量。同时，从图2中也可以发现，国外LIS领域近10年的研究热点在拥有较大体量的同时，大部分处于持续增长态势，鲜有明显趋向弱化的学科主题。

（2）国内学科研究热点演化分析

国内LIS领域的研究热点如图3所示。自2010年以来，国内LIS领域中，图书馆、高校图书馆、公共图书馆、数字图书馆、阅读推广、大学图书馆、移动图书馆、图书馆员、图书馆联盟等图书馆类学科主题的体量和热度是其他普通热点的数十倍。相对国际上图书馆类学科主题热度不是特别突出的现状，国内图书馆类学科主题受到非常高的关注，研究体量雄踞LIS领域榜首。总体来看，虽然当前图书馆发展面临着生存空间被压缩、图书馆转型等挑战[29]，相应研究主题出现了弱化的趋势，但是国内仍然有大量科研人员开展相关研究。

大数据、关联数据、数据挖掘等数据科学类学科主题正在逐渐成为LIS领域第二大类学科主题。尤其是大数据研究主题，每年都在增长，与国外学界相比，国内对大数据的关注程度更高。与此同时，对比国际上云计算研究逐年递增的趋势，国内关于云计算的研究却在逐渐减少，自2014年卢小宾等学者在《中国图书馆学报》发文后[30]，LIS领域几乎再无云计算相关的标志型研究文章见刊，也有部分学者随着云计算技术的发展和成熟，逐渐转向雾计算等[31]主题的研究，但不可否认的是云计算主题被淡化的现象十分明显。

知识管理、知识共享等知识管理类主题虽然也是近十年研究的热点，但是却呈现出明显的下降趋势。特别是知识管理，对比其在国外LIS领域的绝对领先地位，国内LIS领域在知识管理方面的研究呈现出逐渐淡化趋势，且国内知识管理更加聚焦在数字资源知识管理，与国外相关研究侧重于企业知识管理有着明显的差异。虽然国内众多学者仍在积极推进知识管理方面的研究[32-33]，知识关联、知识组织、知识融合、知识图谱、知识服务等知识管理类分支仍在繁衍发展，但这与知识管理相关主题在国外LIS领域的地位差距仍然很大，总体来看，2016年之后，部分重要知识管理研究在国内LIS领域有逐渐边缘化的趋势[34]。

服务于政府管理、企业公关、高校形象等网络舆情类主题历来是国内LIS领域研究的焦点，因此，国内对网络舆情、突发事件主题的关注程度比国外高很多，这与国内情报学更偏向于情报（Intelligence），而国外Information Science更倾向于信息有一定关系。

信息服务、知识服务、图书馆服务、学科服务等信息服务类研究主题作为LIS领域的经典研究内容，近十年来一直保持了高热度。具体来看，信息服务相关主题在减弱，图书馆服务、知识服务研究经久不衰并不断升级更新。

科学知识图谱、文献计量、引文分析、共词分析等计量分析类学科主题虽然是近10年研究的热点，但是相对于国外LIS领域，国内传统的文献计量研究数量很少，原来比较显著的知识图谱主题也在由科学知识图谱向计算机领域拓展，由此带动的是本体、关联数据等学科主题的增长。总体而言，国内在计量分析方面相对缺乏创新性突破，如何利用最新的技术和方法推动计量分析研究、凝聚计量研究新范式将成为国内计量研究进一步增长的关键。

值得注意的是，2012年就在国内LIS领域出现的数字人文[35]相关主题，却经历了长达5年的沉睡，直到2017年才逐步受到关注，在《中国图书馆学报》等刊物以及权威学者的推动下[36-37]，数字人文在短短3年时间内已经发展为LIS领域的top级别的热点，呈现出一个“睡美人”式学科主题的苏醒全程。数字人文的短期快速发展一方面是受到了新文科政策的推动，一方面是由于数字人文在国内LIS领域已经具备一定的技术条件，如文本挖掘（Text Mining）、图挖掘（Graph Mining）、图像挖掘（Image Mining）等技术在数字人文提出以前，已经在人文科学领域得到一定的应用。不过，随着数字人文理论体系的逐步完善以及现有技术红利的消耗，如何突破技术瓶颈、立足人文变革、发挥数字资源优势、孵化市场应用等成为数字人文持续发展需要面对的挑战。

3.2

学科增长点演化分析

学科增长点是在深化学科内涵的基础上，对学科外延的拓展[38]，多指增幅较大或具有较大增长空间的学科知识点。学科增长点是学科发展的集中体现，分析学科增长点对于解析学科发展方向、把握潜在学科发展机遇至关重要。因此，本研究计算每个学科主题近5年的热度增幅，依据增幅大小分别对国外、国内LIS领域的学科主题进行排序，筛选增幅较大的学科主题，将其视为学科增长点进行演化分析。

（1）国外学科增长点演化分析

鉴于部分学科增长点带有鲜明的方法或技术倾向，部分侧重学科理论或实践的探索与总结，据此本文在对所有学科增长点排序的基础上，分别筛选出近5年国外增长速度最快的20个理论与应用性学科增长点和技术与方法性学科增长点，如图4所示。

在理论与应用性学科增长点方面，国际上近5年增长速度较快的是社交媒体、大数据、知识共享、知识管理、智慧城市（Smart City）、电子政务、信息共享等主题，可以归纳为社交媒体类、数据科学类、知识管理类、计量分析类、健康信息类等研究内容。其中，社交媒体、大数据、知识管理等不仅是国外LIS领域近10年研究的热点，也是近5年较为突出的学科增长点。其次，在线评论（Online Review）、商务分析（Business Analytics）、共享经济（Sharing Economy）、信息系统（Information System）等主题增幅也较快，以共享经济为代表的企业管理相关学科主题也受到了国外LIS领域的学者和期刊的广泛关注[39]。计量分析类主题不仅是国外LIS领域研究的重要热点，也是学科增长点所在，例如Altmetrics等新兴指标成为计量分析方面增长最快的学科主题。此外，以医疗健康、电子病历为代表的健康信息用户行为、健康知识管理、医药本体与图谱构建等健康信息学研究也保持了较为高速的增长[40]。

在方法与技术性学科增长点方面，增长速度较快的是机器学习、深度学习、情感计算、区块链、大数据分析技术、自然语言处理等主题。随着数据驱动研究模式在国外LIS领域的发展，机器学习得到前所未有的关注[41-42]，成为LIS领域应用较为广泛的一种方法；深度学习作为特征提取的有力工具也被广泛应用[43]，成为LIS领域最具潜力的方法与技术。其次，随着大数据与社交媒体的增长，与社交媒体用户生成式内容相匹配的情感计算、大数据分析（Big Data Analytics）技术也成为LIS领域增长较快的学科主题。

值得注意的是，区块链作为LIS领域后起的学科增长点，在经历了两年左右时间的蓄势后于2018年开始获得广泛关注[44-45]，与之相关的区块链技术（Block－chain Technology）也在短时间内迅速发展[46]。物联网、人工智能（Artificial Intelligence）、文本挖掘、云计算、卷积神经网络（Convolutional Neural Network）等主题也是国外LIS领域增速较快的方法与技术性学科增长点，但大多经历了漫长的蓄势期，例如，人工智能在1976年就被引入LIS领域[47]，但直至2018年才在本领域受到广泛关注，由此可见，国外LIS领域对最新技术的关注仍然存在一定的滞后性。此外，国外LIS领域对物联网、云计算等技术的关注比较持续和深入。新技术是LIS领域研究提升的红利，但是如何从初步对技术性主题的采纳到深度融合，以及根植于LIS领域进行创新发展，是技术性选题持续增长的挑战与关键。

（2）国内学科增长点演化分析

国内增长速度较快的前20个理论与应用性学科增长点和技术与方法性学科增长点如5所示。

在理论与应用性学科增长点方面，数字人文增长最快，数据治理、数据供给、数据要素、数据驱动、数据科学等次之；从研究体量和研究增量来看，数字人文和数据科学成为了国内LIS领域公认的重要学科增长点，相对于国外LIS领域在这两个方面的研究体量和速度，国内发展更为迅速、推动力度更大。此外，对于突发公共卫生事件的研究暴增，突发事件舆情管控已成常态，但是作为突发事件驱动的增长点，其未来研究空间仍需进一步明确，例如如何从单一公共卫生事件转化到全面公共安全布局，以及如何促成应急情报、舆情情报等新分支和体系议题的形成与发展。

国内研究体量最大的图书馆学类主题也迸发出新的学科增长点。例如，智慧图书馆、智慧服务等主题逐渐从图书馆学类的主题中脱颖而出，成为图书馆学的重要发展方向。与此同时，随着国务院文化和旅游部的正式挂牌，文旅融合相关主题的研究也自2019年开始在LIS领域刊发，提高国家文化软实力和中华文化影响力成为“诗与远方”统筹发展的新命题，而如何促进文化与旅游产业融合、打造全新的文化管理体制也成为图书馆领域新的焦点[48]。此外，虚拟学术社区、知识付费也是国内LIS领域增速较快的学科增长点，自2017年以来，知识付费逐步得到社会的关注[49]，尤其是随着各大虚拟学术社区的成熟，从免费知识服务转变为知识付费成为一种趋势和必然[50]，相关的研究也越来越丰富。

在方法与技术性学科增长点方面，人工智能、深度学习是国内LIS领域发展速度最快的技术类增长点。相对于国外LIS领域对人工智能的关注，国内LIS更加关注情报学、图书馆学等学科与人工智能的紧密结合，实施科技前行的服务策略，将人工智能与智慧本体、智慧感知、智慧服务结合[51]，开展如智慧推荐、智能编目、智能修复、智能问答、智能可视化等研究[52]。此外，情感分析、主题识别、LDA主题模型等相对传统的文本挖掘方法在快速增长的同时，基于深度学习的项目和利用深度学习方法的研究也呈现出爆发的趋势。Word2vec、BERT为代表的文本表示学习，GNN、Node2vec等网络表示学习，Trans＊系列知识表示学习，RNN和LSTM神经网络等一系列模型或方法迅速成为了国内LIS领域近五年发展的增长点。

值得注意的是，LIS领域2017年才出现区块链相关主题的论文，之后关于区块链技术在图书馆数据中心安全、档案长期保存、安全情报分析等方面的理论探讨迅速得到了LIS领域学者的关注[53-55]，短短2年区块链就成为国内LIS领域排名靠前的学科增长点。此外，在影响因素的研究中，相对于国际上更为普遍的综述性元分析方法（Meta Analysis），国内学界更倾向于使用扎根理论方法。扎根理论基于开放文本的编码和归纳总结优势，更有利于探索式理论框架或模型的构建，在一定程度上规避了结构方程模型、回归分析等验证性行为研究模式中有限可测变量的限制，已成为开展质性研究的利器[56-57]。

4 LIS学科主题演化预测分析

本研究基于TPP－LSTM学科主题热度预测模型，分别以国外LIS领域65204学科主题和国内60557个学科主题10年的热度时间序列为数据集训练模型，并依据拟合优度和误差等指标选取较优的时间序列长度，开展学科主题的演化预测。

4.1

研究热点预测分析

（1）国外学科研究热点预测分析

在国外LIS领域的研究热点预测中，本研究经过实验训练发现，时间序列长度为4年时拟合优度相对较高，RMSE、MAE等误差相对较小，预测准确率较高，因此选用学科主题近4年的历史热度，预测国外LIS领域主题未来的热度变化。最终根据预测结果，对各个学科主题未来的热度进行排序，甄选20个未来研究的热点，结果如表1所示。

从分析结果来看，未来国外LIS领域研究的热点仍将聚焦在计量分析类、社交媒体类、知识管理类、健康信息类等现有热点主题。除此之外，区块链、物联网、情感分析、深度学习、替代计量等主题在未来一段时间内有望进一步快速增长，晋升成为国外LIS领域的研究热点。对比图2中近10年的研究热点可以发现，未来国外LIS领域将更加关注新技术的发展和新方法的应用，尤其是自然语言处理、区块链、深度学习等信息技术相关主题。

（2）国内学科研究热点预测分析

在国内LIS领域的研究热点预测中，本研究经过实验训练发现，时间序列长度为6年时拟合优度相对较高，RMSE、MAE等误差也相对较小，预测准确率较高，因此选用学科主题近6年的历史热度情况，预测未来的热度变化，分析结果如表2所示。公共图书馆、阅读推广、图书馆、大数据、网络舆情、知识图谱、知识服务、信息行为、信息素养、文献计量、社交媒体等学科主题，短时间内仍然是国内LIS领域学者们研究的焦点。此外，从分析结果来看，LIS领域的“睡美人”——数字人文也将跻身LIS领域top10研究热点；而近5年领衔增长的人工智能、深度学习、区块链等新兴学科主题也有望跻身top20研究热点，进一步与LIS领域各学科主题进行全面深度融合，为LIS学科发展注入新动力；扎根理论作为质性研究方法的典型代表，也有望成为未来的研究热点，另一方面也从方法论层面预示了质性研究在LIS领域的增长可能。

4.2

学科增长点预测分析

（1）国外学科增长点预测分析

基于学科主题热度预测结果可以预估各个学科主题未来的增长情况，各学科主题增长速度排名见表3。未来国外LIS领域的学科增长点中，数据科学研究表现出最为突出的潜在增长空间，相关主题主要包括开放获取（Open Access）、数据质量（Data Quality）、数据挖掘（Data Mining）、数据融合（Data Integration）、信息自由（Freedom of Information）、数据所有权（Data Ownership）等。其次是临床决策支持（Clinical Decision Support）、远程医疗（Telemedicine）、精准医疗（Precision Medicine）等医疗健康方面的学科主题；随着新冠肺炎对全球医疗资源的挑战和健康管理方式的变革，未来医疗健康方面的学科主题也有望在短时间内受到进一步关注，成为学科新的增长点。此外，从分析结果来看，人工智能、文本分类、网络安全（Cyber security）、智力资本（Intellectual Capital）、价值创造（Value Creation）等主题也将成为LIS学科的增长点。

（2）国内学科增长点预测分析

表4是国内LIS领域的学科增长点分析结果。未来国内LIS领域的学科增长点将主要集中在评价指标、Altmetrics、指标体系、学术影响力等科研评价方面。随着科技部、教育部等联合清理“唯论文、唯职称、唯学历、唯奖项”专项行动的开展和逐步深入，以及教育部《关于破除高校哲学社会科学研究评价中“唯论文”不良导向的若干意见》的印发，科学研究领域正在掀起一场科研评价改革之风，相关的评价指标与体系研究将成为研究的焦点。

数据科学、开放数据、数据素养、数据管理等数据科学类学科主题未来也有望成为学科增长点，相对于数字人文直接飙升为top20研究热点，数据科学在LIS领域的发展虽然相对平缓，但是在增长速度方面却十分强劲，并且覆盖面相对更加宽泛。此外，知识管理、知识发现、知识组织、知识融合、数据驱动等知识管理和知识发现类学科主题未来也有望成为学科增长点。与此同时，随着文旅融合学科主题的崛起，关于非物质文化遗产的研究也有望成为新的增长点。

5 结语

学科主题演化蕴含了知识的更新交替与自组织，对学科主题演化的分析和预测，是梳理学科知识发展脉络、追踪和预测学科前沿的重要方式之一。本研究基于LIS领域国内外核心期刊数据，借助TP－JIF模型计算学科主题的热度，对LIS领域国内外研究热点和学科增长点进行分析；借助TPP－LSTM学科主题预测模型，对LIS领域国内外未来的研究热点和学科增长点进行了预测，以期厘清LIS领域研究前沿。

纵观国外、国内LIS领域近10年的研究热点，国内外研究所覆盖的主题总体上有较高的一致性，但是在研究体量和侧重点方面却截然不同。国外LIS领域主要聚焦在社交媒体类、知识管理类、计量分析类等主题，而国内更多聚焦在图书馆学类、数据科学类、舆情传播类等主题。未来国外LIS领域的研究可能更关注机器学习、深度学习、自然语言处理、替代计量等相关主题，而国内可能更倾向于数字人文、人工智能、智慧图书馆等方面的主题。

在学科增长点方面，国外LIS领域聚焦在社交媒体、知识管理、大数据、医疗健康等主题，而国内更多聚焦在数据科学、数字人文、智慧图书馆、文旅融合等相关研究。未来，国外LIS领域可能更加关注医疗健康、人工智能等主题，而国内LIS领域可能更加关注科研评价指标与体系、知识管理与发现、数据素养与数据管理等内容。虽然总体上国外、国内未来的学科增长点区别较为明显，但是深度学习、人工智能、情感计算、区块链等技术或方法层面的学科增长点保持了很高的一致性，数据科学很可能成为国外与国内LIS领域短时间内发展速度最快的学科增长点。

鉴于学科主题热度的变化是学者、期刊、项目资助、专家意见、行业发展等多种因素综合影响下的结果，单纯对学科主题自身进行线性或非线性拟合，误差相对较大。未来，除在表征学科主题自身时间序列规律的基础上，还应当从复杂网络、异构网络、知识图谱的层面，全面表征能够影响学科主题发展的因素，进而在科学表征的基础上提取与学科主题演化相关的特征，从多元时间序列角度拟合多维特征，以进一步提高预测准确率。

作者贡献说明

霍朝光：研究设计，数据收集与分析，论文撰写； 

董克：研究设计与论文修改； 

司湘云：数据收集。

支撑数据

支撑数据由作者自存储，

Email：[e-mail]。

1 霍朝光.Data_CSSCI_LIS.rar.国内LIS领域数据.

2 霍朝光. Data_WOS_LIS.RAR. 国外LIS领域数据.

参考文献

制版编辑 | 卢慧质

--END--