科学结构图谱，通过可视化技术，以直 观形象的图谱形式展现高度抽象的科学研究 的宏观结构， 揭示了科学热点前沿间的关联 关系与发展进程。 传统的科学知识体系结构 及其演化趋势的研究通常是通过检索和分析 相关文献以了解学科发展，追踪同行科学研 究者的科研活动来掌握学科趋势，通过专家 研讨、评议及专门的规划研究进一步判断可 能的突破方向。但随着科技创新进入多学科 交叉融汇的阶段，面对海量科技文献，限于 固有的专业认知体系，科学研究者有时难以观察到不熟悉但相关的领域， 也难以把握它们之间的复杂结构和相互影响， 更难以发现 隐藏在复杂关系下的致变因素和潜在的发展 趋势。
因此， 文献计量界逐步发展出利用科 技信息数据来揭示多维度关系的大问题领域 和大时间跨度的科学结构， 并将科学结构作 为对科学布局、相互作用及演变趋势进行描 述和分析的工具。 科学结构发现及可视化方 法比其他计量方法具有更独特的视角， 揭示 了科学领域间的内在联系及发展规律。 研究组运用文献计量学和机器学习的理 论和方法， 利用高被引论文之间同被引关系 的聚类分析， 超越传统的学科分类， 直接体 现科学研究者相互引证所表征的知识的相互 作用及知识的流动、融汇和演变， 帮助科学 研究者了解隐藏在大规模的复杂关联的数据 下面的科学研究结构及其变化， 努力帮助科 学研究者把握大问题尺度和交叉融汇机制下 的知识结构、新兴领域及其相互关系， 逐步帮助科学研究者揭示演变趋势、预警新兴领 域、发掘潜在合作对象、遴选优先领域等， 辅助决策者对科学发展的规划。 研 究 组 先 后 出 版 了《科 学 结 构 地 图 2009》《科学结构地图 2012》《科学结构地图 2015》《科学结构图谱 2017》四部著作。 鉴 于近年来人工智能与深度学习快速发展， 本 期科学结构使用深度学习算法改进原有的网 络聚类及可视化算法， 支持更大量的数据分 析， 聚类结果更加均匀、准确， 揭示更为细 致的科学结构， 并在可视化细节揭示上也有 较大改进。 本报告以科睿唯安（Clarivate… Analytics） 公司的基本科学指标数据库（Essential… Science… Indicators，ESI） 为 信 息 源， 提 取 了 2012～2017 年 10… 223 个研究前沿中包含的 高被引论文， 通过再次的同被引聚类分析， 得到了 1… 169 个研究领域（Research… Areas）， 形成了全球视野的科学结构图谱， 可视化地 展现 2012～2017 年的科学研究宏观结构及 其内在关系， 揭示了国际社会普遍关注的热 点研究领域。在此基础上，通过 2008～2013 年、2010～2015 和 2012～2017 年三个时期 科学结构图谱的演化变迁轨迹， 分析了各个 学科研究领域的演变情况。 通过引入生物学 第三代多样性计量方法， 度量了各个研究领 域的学科多样性。 基于科学结构图谱， 分析 了新兴热点研究领域以及对技术创新有影响 的研究领域。 同时， 基于科学结构图谱， 从 国家科学研究的结构上反映了中国及代表性国家在不同研究领域的活跃程度及其变化趋 势， 通过国际合著率描述了中国及代表性国 家国际合作的总体趋势。 通过可视化展现中国及代表性国家政府科学基金在科学结构图 谱上的资助分布， 对比分析不同国家科学资 助或同一国家不同资助机构的资助布局。
关注微信
