9種情報學(xué)CSSCI期刊論文分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了9種情報學(xué)CSSCI期刊論文分析范文，希望能給你帶來靈感和參考，敬請閱讀。

1引言

專利研究屬于比較典型的交叉科學(xué)研究范疇。在眾多學(xué)科領(lǐng)域中，情報學(xué)與專利結(jié)合可形成專利情報研究，專利情報研究可服務(wù)于不同的行業(yè)領(lǐng)域，并發(fā)揮重要的作用，產(chǎn)生巨大的經(jīng)濟(jì)效益和社會效益。在技術(shù)發(fā)展迅速的今天，專利情報已成為企業(yè)競爭與社會發(fā)展的重要資源。從數(shù)據(jù)源的選擇來看，為了解情報學(xué)某一方面的研究現(xiàn)狀，國內(nèi)研究者多以情報學(xué)CSSCI期刊或北大核心期刊刊登的文獻(xiàn)為基礎(chǔ)數(shù)據(jù)來研究學(xué)科發(fā)展?fàn)顩r，例如宛玲、鄒琳選取《情報學(xué)報》、《情報理論與實際》、《圖書情報工作》所刊載的論文信息[1]；張源根據(jù)《情報學(xué)報》、《情報理論與實踐》和《情報資料工作》的論文數(shù)據(jù)[2]；孫鴻飛等選取《北大中文期刊核心目錄（2012年版）》圖書情報類19種期刊的論文信息作為基礎(chǔ)數(shù)據(jù)[3]統(tǒng)計情報學(xué)的研究方法。從研究方法上看，基于論文數(shù)據(jù)的學(xué)科發(fā)展態(tài)勢研究常以文獻(xiàn)計量方法為主，包括詞頻統(tǒng)計、引文分析、共現(xiàn)分析等方法，例如欒春娟等采用期刊共被引分析方法和學(xué)科共現(xiàn)分析方法，探討國際專利研究的核心期刊及主要學(xué)科分布[4]；尹麗春等采用共被引分析法，從專利研究的學(xué)科分布、國家和地區(qū)分布、作者合作網(wǎng)絡(luò)、共被引網(wǎng)絡(luò)等角度切入開展研究[5]；譚蕙莉采用詞頻統(tǒng)計和內(nèi)容分析法對情報學(xué)核心研究領(lǐng)域的主要研究方向進(jìn)行關(guān)鍵詞的變化狀況研究和分析[6]。此外，為了增加研究結(jié)果的可視性，在引文分析、共現(xiàn)分析等文獻(xiàn)計量方法的基礎(chǔ)上，各種可視化工具也廣泛運(yùn)用其中，例如衛(wèi)軍朝等利用WebofScience的在線分析功能和CitespaceII軟件，分析國外圖書情報學(xué)領(lǐng)域?qū)＠芯楷F(xiàn)狀和研究熱點[7]。魏駿巍綜合使用文獻(xiàn)和專利知識圖譜可視化方法來綜合反映低碳技術(shù)的國際發(fā)展動態(tài)等[8]。國外已有學(xué)者綜合運(yùn)用文獻(xiàn)計量和專利分析的方法對技術(shù)領(lǐng)域的發(fā)展進(jìn)行預(yù)測和綜合分析，例如Daim等使用文獻(xiàn)計量學(xué)和專利分析工具，運(yùn)用情景規(guī)劃、生長曲線等方法對部分新興技術(shù)領(lǐng)域進(jìn)行預(yù)測[9]。Chen等運(yùn)用引文分析、聚類分析等方法對DEK(數(shù)據(jù)與知識工程)領(lǐng)域的期刊論文進(jìn)行分析，預(yù)測該領(lǐng)域未來主題和研究趨勢[10]。但總的來看，總結(jié)國外專利研究現(xiàn)狀的較多，專注國內(nèi)專利研究的分析較少；國內(nèi)學(xué)者的研究主要是對全科學(xué)領(lǐng)域的專利文獻(xiàn)進(jìn)行計量研究，只針對情報學(xué)領(lǐng)域的專利研究較少。本文通過對9種情報學(xué)領(lǐng)域cssci來源期刊2011~2015年刊登的專利研究論文進(jìn)行統(tǒng)計分析，運(yùn)用文獻(xiàn)計量學(xué)的方法，同時借助CNKI期刊全文數(shù)據(jù)庫的在線分析功能及相關(guān)統(tǒng)計軟件，研究近年來國內(nèi)情報學(xué)領(lǐng)域?qū)＠芯康默F(xiàn)狀,概括出熱點研究領(lǐng)域，并為未來該領(lǐng)域的研究提出有針對性的建議。

2數(shù)據(jù)來源與檢索策略

根據(jù)南京大學(xué)“中文社會科學(xué)引文索引（CSSCI）來源期刊”遴選體系(2014～2015版本),本文選用的期刊論文來自《情報科學(xué)》、《情報理論與實踐》、《情報學(xué)報》、《情報雜志》、《情報資料工作》、《圖書情報工作》、《圖書情報知識》、《圖書與情報》、《現(xiàn)代圖書情報技術(shù)》這9種情報學(xué)CSSCI來源期刊。研究論文數(shù)據(jù)大部分來源于CNKI期刊全文數(shù)據(jù)庫只有《情報學(xué)報》的論文數(shù)據(jù)來源于萬方數(shù)據(jù)庫，因為CNKI不收錄《情報學(xué)報》，所用數(shù)據(jù)下載于2016年7月10日。利用數(shù)據(jù)庫高級檢索功能，時間條件限定為2011年1月1日至2015年12月31日，文獻(xiàn)來源為以上9種核心期刊，以“專利”為檢索詞分別進(jìn)行篇名檢索，通過數(shù)據(jù)清洗，排除會議通知、培訓(xùn)班通知、增刊上發(fā)表的論文等不相關(guān)的記錄，最終實際得到534條記錄。每條記錄包含標(biāo)題、摘要、關(guān)鍵詞、正文、參考文獻(xiàn)、文獻(xiàn)來源、作者名、基金類別、發(fā)表時間、機(jī)構(gòu)單位等信息,這些記錄成為本次研究的數(shù)據(jù)基礎(chǔ)。

3研究方法

本次研究主要運(yùn)用引文分析法和詞頻分析法，同時結(jié)合簡單的數(shù)據(jù)統(tǒng)計方法，完成整個的數(shù)據(jù)統(tǒng)計與分析。引文分析法是一種利用數(shù)學(xué)和統(tǒng)計學(xué)的方法以及比較、歸納、抽象、概括等邏輯方法，對科學(xué)期刊、論文、著者等各種分析對象的引用或被引用現(xiàn)象進(jìn)行分析，以揭示其數(shù)量特征和內(nèi)在規(guī)律的一種文獻(xiàn)計量研究方法[11]。詞頻分析法則是通過統(tǒng)計核心詞匯在某一類學(xué)術(shù)文獻(xiàn)中所出現(xiàn)的頻次,判別該學(xué)術(shù)領(lǐng)域的研究熱點、知識結(jié)構(gòu)和發(fā)展趨勢。在一定程度上擺脫了個人經(jīng)驗和主觀偏好，具有客觀性、準(zhǔn)確性、系統(tǒng)性和實用性[12]。結(jié)合以上方法，同時進(jìn)一步借助CNKI期刊全文數(shù)據(jù)庫的在線分析工具以及EXCEL統(tǒng)計軟件對534篇文獻(xiàn)進(jìn)行統(tǒng)計分析，從而了解2011～2015年國內(nèi)情報學(xué)領(lǐng)域?qū)＠芯康陌l(fā)展現(xiàn)狀和態(tài)勢。

4數(shù)據(jù)統(tǒng)計與分析

4.1期刊分布2011～2015年期間，《情報雜志》發(fā)表的專利研究論文數(shù)量最多，高達(dá)281篇，以數(shù)量上的絕對優(yōu)勢占據(jù)首位，可見該期刊對于專利研究十分重視。從發(fā)文量所占比例來看，《情報雜志》發(fā)表的專利論文占總發(fā)文量（534篇）的52.6%，說明該期刊是情報學(xué)專利研究的主要發(fā)文期刊。其余依次為《圖書情報工作》（71篇），《情報理論與實踐》（60篇），《情報科學(xué)》（45篇），《情報學(xué)報》（40篇），《現(xiàn)代圖書情報技術(shù)》（30篇），《圖書情報知識》（4篇），《圖書與情報》（3篇）?！肚閳筚Y料工作》的專利研究論文數(shù)量為0，可見專利研究不在該期刊的選題主題范圍內(nèi)。由此筆者建議，作者如投專利研究的論文時，可盡量繞過《圖書情報知識》、《圖書與情報》、《情報資料工作》三種期刊，可以選擇其余多種情報學(xué)期刊進(jìn)行投稿發(fā)表的可能性比較大。4.2論文數(shù)量年度分布情報學(xué)領(lǐng)域的專利研究論文總量在2011～2014年期間上升較快，極差為86篇,由2011年的61篇達(dá)到2014年的147篇，但在接下來的2015年中，專利論文數(shù)開始下降，2015年的專利論文數(shù)量僅為114篇，數(shù)量水平與2013年相近。由于《情報雜志》的數(shù)量較大，因為該期刊的發(fā)文量走勢一定程度上了決定了9種情報學(xué)核心期刊的專利論文總量的年度變化走勢。綜觀我國情報學(xué)領(lǐng)域，筆者認(rèn)為，專利研究仍然處于上升階段，2014～2015年出現(xiàn)短暫的下滑屬于調(diào)整期的正?，F(xiàn)象，不代表專利情報研究已經(jīng)進(jìn)入“寒冰期”，只是還需要在專利情報研究的方法、內(nèi)容等方面進(jìn)行諸多的創(chuàng)新與變革，這是相關(guān)學(xué)者們需要注意的。2011～2015年期間，《情報雜志》變化幅度最大，2011～2014年呈直線上升，2014年后專利論文數(shù)量開始下降。其他8種期刊的發(fā)文量變化幅度則較小，專利論文數(shù)量較為穩(wěn)定。在變化趨勢上，2014年是多個期刊的拐點，除《現(xiàn)代圖書情報技術(shù)》在2014年后專利論文數(shù)量依舊上升，《情報雜志》、《情報理論與實踐》、《情報科學(xué)》、《情報學(xué)報》、《圖書與情報》、《圖書情報知識》均在2014年達(dá)到五年中最大值，并在之后呈現(xiàn)持平或下降趨勢?？梢哉f，2014年情報學(xué)的專利研究曾達(dá)到一個小的頂峰狀態(tài)，專利研究的熱度在此后出現(xiàn)下降。筆者認(rèn)為，此番研究熱度的回落可能是由于研究尚處在調(diào)整期，之后可能還會出現(xiàn)回升。4.3機(jī)構(gòu)分布根據(jù)全部數(shù)據(jù)統(tǒng)計，知名院?；蚩蒲袡C(jī)構(gòu)約占了59%。其中，中國科學(xué)技術(shù)信息研究所的論文數(shù)量占比重最大，高達(dá)10%。其次為北京工業(yè)大學(xué)，占比8%，華中科技大學(xué)7%，江蘇大學(xué)5%，中國科學(xué)院國家科學(xué)圖書館4%，大連理工大學(xué)3%。從發(fā)文較多的前幾位機(jī)構(gòu)看來，除中國科學(xué)技術(shù)信息研究所以外，其余均為理工科類型的大學(xué)，從一定程度上說明，專利情報學(xué)的研究需要在理工科環(huán)境中發(fā)展，將二者結(jié)合似乎更容易產(chǎn)出成果。此外，專利情報研究也受到許多非知名科研機(jī)構(gòu)或者企業(yè)、公司的重視，發(fā)表了一些論文可見專利情報研究已在整個學(xué)術(shù)科研和社會經(jīng)濟(jì)發(fā)展中，受到高校、科研院所、企業(yè)等多方面的關(guān)注。4.4基金分布從數(shù)量上看，基金論文占比48%，其中，國家自然科學(xué)基金和國家社會科學(xué)基金占比較大，分別為19%和15%，其他類型基金支持的論文比較少，且占比均在4%以下。從基金級別和層次上看，主要為國家層面的基金，包括少量省級、市級、院級基金，由此可見，情報學(xué)領(lǐng)域的專利研究論文所受基金支持的級別和層次較高。從學(xué)科上看，在自然科學(xué)領(lǐng)域，專利情報研究似乎發(fā)揮的效用更大，二者的結(jié)合似乎更加緊密，但情報學(xué)本身屬于社會科學(xué)范疇，這樣更能體現(xiàn)出專利情報研究的交叉性，以及該研究方向的廣泛性與實用性。另外，圖5也在一定程度上反映出，國家對專利領(lǐng)域的研究項目給予了支持，表明專利情報研究領(lǐng)域?qū)ξ覈慕?jīng)濟(jì)、社會發(fā)展具有較大的意義。4.5高頻關(guān)鍵詞本文利用關(guān)鍵詞詞頻來分析2011～2015年國內(nèi)情報學(xué)領(lǐng)域?qū)＠芯空撐牡闹黝}分布。關(guān)鍵詞是文獻(xiàn)的凝煉與概括，通過關(guān)鍵詞分析，可以反映文獻(xiàn)的主要內(nèi)容。通過對534條記錄進(jìn)行關(guān)鍵詞抽取，將其中出現(xiàn)頻次大于等于10次的關(guān)鍵詞進(jìn)行降序排列，如表1所示。由表1可知，“專利分析”出現(xiàn)頻次最多，詞頻高達(dá)90。“專利分析”是一個非常寬泛的概念，根據(jù)不同的分析對象、分析方法、分析工具、分析目的等都可展開相應(yīng)的研究，因此出現(xiàn)頻次最高。專利分析對象的選取往往直接決定研究價值的高低，一般以戰(zhàn)略性新興產(chǎn)業(yè)和新興技術(shù)為主，近年來情報學(xué)領(lǐng)域的專利分析集中在燃料電池、太陽能電池、光伏產(chǎn)業(yè)、3D打印、新能源汽車、碳纖維、風(fēng)能、機(jī)器人、混合動力汽車、海洋生物等領(lǐng)域。筆者通過查看論文關(guān)鍵詞和文章的實際研究內(nèi)容，概括出當(dāng)前情報學(xué)領(lǐng)域?qū)＠芯康牧鬅狳c：第一，新興產(chǎn)業(yè)專利情報分析或比較研究。例如劉紅光等運(yùn)用專利情報分析方法，對國內(nèi)外3D打印快速成型技術(shù)的專利申請趨勢、區(qū)域分布、主要專利權(quán)人、IPC等因素進(jìn)行分析[13]；劉桂鋒等采用對比分析法對中國、日本和美國薄膜太陽能專利數(shù)據(jù)的動態(tài)分析來揭示三國薄膜太陽能技術(shù)的專利狀況[14]。第二，新興產(chǎn)業(yè)進(jìn)行競爭態(tài)勢分析或從中識別競爭對手。馬虎兆等用定量和定性的方法從生命周期、專利權(quán)人、技術(shù)領(lǐng)域、區(qū)域布局等角度對RFID技術(shù)領(lǐng)域?qū)＠M(jìn)行計量分析,以揭示RFID技術(shù)領(lǐng)域?qū)＠偁幐窬趾桶l(fā)展趨勢[15]。黎歡等通過關(guān)鍵技術(shù)路徑方法和專利引證地圖法識別全息攝影技術(shù)領(lǐng)域中的競爭對手及競爭對手格局[16]。第三，新興產(chǎn)業(yè)技術(shù)路線、技術(shù)演進(jìn)研究以及技術(shù)預(yù)測。例如繆小明等運(yùn)用專利地圖方法對40件混合動力汽車（HEV）高被引專利的年代分布、研發(fā)主體分布和IPC分布進(jìn)行了詳細(xì)地分析[17]。溫芳芳綜合采用專利計量、社會網(wǎng)絡(luò)分析、可視化等方法,定量描述我國技術(shù)轉(zhuǎn)移的現(xiàn)狀，借助技術(shù)轉(zhuǎn)移網(wǎng)絡(luò)直觀展示我國區(qū)域間技術(shù)轉(zhuǎn)移的模式與規(guī)律[18]。陳軍等基于技術(shù)預(yù)測的專利分析概念模型,對轉(zhuǎn)基因技術(shù)進(jìn)行預(yù)測[19]。王健美等運(yùn)用引文分析、多元統(tǒng)計分析等方法，揭示不同時期純電動汽車產(chǎn)業(yè)的關(guān)鍵技術(shù)分布及其演進(jìn)[20]。第四，專利計量研究。例如陳瓊娣在對專利計量指標(biāo)相關(guān)研究進(jìn)行全面梳理的基礎(chǔ)上，分析當(dāng)前專利計量指標(biāo)研究中存在的主要問題與不足[21]?；?qū)＠嬃糠椒ㄟ\(yùn)用到具體某個新興產(chǎn)業(yè)領(lǐng)域，做專利計量分析。例如張杰等以德溫特數(shù)據(jù)庫為數(shù)據(jù)源,通過對專利的國家、高產(chǎn)機(jī)構(gòu)、核心技術(shù)、熱點技術(shù)領(lǐng)域等方面的計量分析,揭示全球RFID技術(shù)的發(fā)展現(xiàn)狀[22]。第五，專利合作（包括校企合作、企業(yè)間合作、校校合作等）、協(xié)同創(chuàng)新研究。例如貢金濤等利用社會網(wǎng)絡(luò)分析方法對該領(lǐng)域?qū)＠现W(wǎng)絡(luò)結(jié)構(gòu)特征和連通體中心性進(jìn)行計量分析，以探測其技術(shù)研發(fā)績效水平、科研合作狀況與核心技術(shù)人員分布等[23]。第六，核心專利的識別與挖掘研究。例如鄭玉榮等提出了一種以總引證指數(shù)為主要判別指標(biāo),以INNOGRAPHY專利強(qiáng)度值、同領(lǐng)域引證指數(shù)、重要產(chǎn)品對應(yīng)的專利、代表性技術(shù)對應(yīng)的專利等為補(bǔ)充手段的基于產(chǎn)業(yè)尺度的核心專利集成判別方法[24]。謝萍等提出核心專利綜合價值指數(shù)（CICP）的概念,并采用粗糙集理論方法確定了CICP指標(biāo)權(quán)重系數(shù),在構(gòu)建核心專利綜合評價指標(biāo)的基礎(chǔ)上,通過計算CICP值識別核心專利。在關(guān)鍵詞數(shù)據(jù)的基礎(chǔ)上，將關(guān)于研究方法及軟件工具的關(guān)鍵詞進(jìn)一步的提煉并整理。一般來說，專利情報分析方法主要分為定量分析、定性分析和擬定量分析三個層次，在此基礎(chǔ)上專利圖表等分析方法是專利定量分析或定性分析的可視化表現(xiàn)形式。由上表可以看出，在實際工作中，研究者們所使用的擬定量分析方法較多，該類方法將定性分析與定量分析相結(jié)合，在數(shù)理統(tǒng)計的基礎(chǔ)上進(jìn)行全面、系統(tǒng)的技術(shù)分類和比較研究，再進(jìn)行有針對性的量化分析，最后進(jìn)行高度科學(xué)抽象的定性描述，使整個分析過程由宏觀到微觀，逐步深入進(jìn)行[26]。從使用頻次上來看，研究者們較常用的分析方法有專利地圖、社會網(wǎng)絡(luò)分析、文本挖掘、技術(shù)生命周期、專利引文分析、組合分析，其他方法還有云計算、技術(shù)功效矩陣、層次分析等。隨著研究技術(shù)的發(fā)展，基于文本挖掘、共現(xiàn)分析、聚類分析、文本聚類、專利引文分析等方法，各種可視化軟件工具也得到廣泛運(yùn)用，這對于關(guān)聯(lián)研究起到了巨大的促進(jìn)作用。較常用的軟件有VOSviewer、CiteSpace、UCINET、Pajek以及數(shù)據(jù)庫分析工具TDA（ThomsonDataAnalyzer）等，其中專利地圖的使用最為廣泛。另外，將文獻(xiàn)計量學(xué)的方法運(yùn)用到專利分析中來，為技術(shù)路線研究、技術(shù)預(yù)測、技術(shù)演進(jìn)、專利合作、核心專利識別等方面的研究提供了大量的文本支持。4.7高被引論文論文的被引頻次直接反映了刊載論文的質(zhì)量水平，間接反映了期刊的質(zhì)量和影響力，因此高被引論文也是評價論文影響力的重要指標(biāo)。學(xué)科的發(fā)展和創(chuàng)新，一定程度上依賴一些文獻(xiàn)的長期多次被引用。根據(jù)所得534條記錄，本文將被引頻次大于等于15的視為高被引論文，整理可得表3數(shù)據(jù)，并按被引頻次由高到低降序排列。由表3可知，被引頻次最高的為《國內(nèi)外3D打印快速成型技術(shù)的專利情報分析》一文，被引頻次高達(dá)45次；其次為《基于中國專利的鋰電池發(fā)展趨勢分析》，被引頻次為33次；《核心專利的識別方法及其實證研究》被引頻次32次。可以發(fā)現(xiàn)，被引頻次排在前幾位的多為與某新興產(chǎn)業(yè)結(jié)合的專利分析，例如3D打印、鋰電池、中美4G移動通信、光伏產(chǎn)業(yè)，但從類別來看，圍繞專利研究方法和分析工具的占據(jù)多數(shù)，約12篇。除了產(chǎn)業(yè)關(guān)注型的論文，還有一類是方法關(guān)注型的論文，例如核心專利的識別方法、社會網(wǎng)絡(luò)分析方法、技術(shù)演化分析方法等。對于以上17篇高被引論文，借助CNKI期刊全文數(shù)據(jù)庫的在線分析工具進(jìn)一步分析，可以得到圖6～圖9。由圖6可知，這17篇論文多發(fā)表在2011～2013年間，其中2012年發(fā)表最多（8篇），占比47.1%，當(dāng)然不排除發(fā)表時間的長短對被引次數(shù)的影響。由圖7可知，高被引論文集中發(fā)表在《情報雜志》與《圖書情報工作》，分別占比35.3%和41.2%，可見這兩種期刊發(fā)表的專利領(lǐng)域的文章質(zhì)量較高，影響力較大。引論文屬于非基金論文文獻(xiàn)，占比64.7%，這在某種程度上反映出，情報學(xué)領(lǐng)域?qū)＠难芯看嬖趶V泛性，不拘泥于基金或研究權(quán)威等因素，它的進(jìn)入壁壘較低，成果產(chǎn)出種類廣。圖9顯示，在高被引論文的發(fā)文機(jī)構(gòu)中，中國科學(xué)院國家科學(xué)圖書館、大連理工大學(xué)、江蘇大學(xué)發(fā)文較多，均為2篇，可以看出這幾個院校機(jī)構(gòu)在專利情報研究方面占據(jù)一定的領(lǐng)先優(yōu)勢。4.8論文互引分析借助于CNKI期刊全文數(shù)據(jù)庫的的分析工具，我們對以上高被引論文進(jìn)行進(jìn)一步的文獻(xiàn)互引分析，如圖10所示。圖10中最大的深色球體代表17篇高被引文獻(xiàn)（即“選中文獻(xiàn)”），中等大小的球體代表“參考文獻(xiàn)”，最淺色的球體代表“引證文獻(xiàn)”，球中的數(shù)字代表引用次數(shù)，箭頭代表知識的流動。由圖10可以發(fā)現(xiàn)，多篇高被引論文之間存在聯(lián)系，只有少數(shù)論文處于孤立狀態(tài)。這批論文的參考文獻(xiàn)之間關(guān)聯(lián)度較小，可見它們涵蓋的知識點范圍非常廣泛。引證文獻(xiàn)同時引用兩篇或多篇高被引論文，可見這批高被引論文的關(guān)聯(lián)度較高，易于知識的二次聚集。此外，根據(jù)數(shù)據(jù)分析可知，有7組高被引論文存在共引關(guān)系，即多篇高被引論文共同引用一篇或多篇文獻(xiàn)，每組高被引論文共同引用的論文數(shù)越多，說明耦合程度越高。由上圖可知，這批高被引論文之間存在共引關(guān)系，但耦合度不是很高，僅擁有一篇共引文獻(xiàn)。共有22組文獻(xiàn)存在共被引關(guān)系，即多篇高被引論文同時被以后的論文引用。一般認(rèn)為同被引用的文獻(xiàn)在主題上具有或多或少的相似性。相比于共引關(guān)系，17篇高被引論文之間的共被引關(guān)系更為豐富。因此，可以說，17篇高被引論文發(fā)揮了可觀的效用，為后來研究者所用，做出了一定的學(xué)術(shù)貢獻(xiàn)。4.9高被引作者和機(jī)構(gòu)分析按第一作者算，高被引作者有劉紅光、趙晏強(qiáng)、孫濤濤、邱洪華、唐恒、陳云偉、方曙等人。但是被引頻次只是考慮了被引的數(shù)量，無法衡量引用質(zhì)量，而H指數(shù)則既考慮了文獻(xiàn)數(shù)量，又考慮了質(zhì)量，被廣泛應(yīng)用于作者評價。H指數(shù)是一個穩(wěn)健的累積指標(biāo)，只會隨著時間的推移而保持不變或增長[27]，因此，作者的H指數(shù)越高,則表明其影響力越大。筆者借助CNKI全文數(shù)據(jù)庫的在線分析工具，對以上高被引作者展開進(jìn)一步的追蹤分析可知，該高被引作者群體的綜合H指數(shù)值為16，根據(jù)美國物理學(xué)家Hirsh對H指數(shù)的定義，說明在該群體所發(fā)的所有文章中，有16篇文章的被引頻次大于16次，其余文章的被引頻次小于16次，其影響力還會繼續(xù)上升。筆者針對高被引作者所在的機(jī)構(gòu)類別進(jìn)行統(tǒng)計。來自其他高校（除985、211高校的其他高校）的作者最多，占比45%；其次是來自985高校的著者占比29%，來自科研機(jī)構(gòu)的著者占比12%，來自211高校的高被引著者占比9%，公司占比5%?？梢钥闯?，在專利情報研究方面，傳統(tǒng)的985、211高校并不存在顯著優(yōu)勢，現(xiàn)階段的情報學(xué)專利研究難度較低，不同層次的研究機(jī)構(gòu)或企業(yè)公司均存在較大的研究潛力與實力。

5結(jié)論與建議

通過以上對情報學(xué)CSSCI期刊2011～2015年發(fā)表的專利領(lǐng)域論文的多角度分析，國內(nèi)情報學(xué)領(lǐng)域?qū)＠芯楷F(xiàn)狀可總結(jié)為如下：第一，期刊分布懸殊明顯。期刊對論文主題的關(guān)注度直接影響該類論文的發(fā)表，進(jìn)而影響相關(guān)研究的發(fā)展。2011~2015年，《情報雜志》以絕對優(yōu)勢成為情報學(xué)專利研究的熱點期刊，這就容易造成《情報雜志》一家期刊將在很大程度上左右國內(nèi)情報學(xué)領(lǐng)域?qū)＠芯康臓顩r。不同期刊對于論文的判定與選擇擁有各自的標(biāo)準(zhǔn)，長期遵循某一種標(biāo)準(zhǔn)勢必存在一定程度的局限性，這將不利于國內(nèi)情報學(xué)專利研究的多元化發(fā)展。第二，研究處在調(diào)整期。2014年作為情報學(xué)專利研究的一個重要拐點，達(dá)到一個小的頂峰狀態(tài)，但此后熱度下降，多數(shù)期刊出現(xiàn)專利論文數(shù)量下降現(xiàn)象，一定程度上說明專利研究可能處在一個瓶頸期，對于專利分析對象、分析方法、分析工具等方向的淺層次性研究已經(jīng)達(dá)到飽和，單純的依賴數(shù)據(jù)庫或者分析工具進(jìn)行簡單專利分析已經(jīng)失去新穎性和學(xué)術(shù)價值。第三，專利情報研究主體多元化。在整個學(xué)術(shù)科研和經(jīng)濟(jì)發(fā)展中，專利情報研究受到傳統(tǒng)高校和科研機(jī)構(gòu)以及企業(yè)公司重視。專利情報研究具有交叉性、廣泛性與實用性，國家以基金等多種形式大力支持該領(lǐng)域的項目研究，這對我國的經(jīng)濟(jì)、社會發(fā)展均具有非常大的意義。第四，專利分析方法與分析工具豐富。當(dāng)前學(xué)者主要是借鑒一種其他學(xué)科方法或融合多個圖書情報學(xué)方法展開專利分析并加以實證，跨越圖書情報學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)、統(tǒng)計學(xué)等多個學(xué)科領(lǐng)域。在專利地圖、社會網(wǎng)絡(luò)分析、文本挖掘、技術(shù)生命周期、專利引文分析、組合分析等方法的基礎(chǔ)上，借助VOSviewer、CiteSpace、UCINET、Pajek以及數(shù)據(jù)庫分析工具TDA（ThomsonDataAnalyzer）等實現(xiàn)可視化。根據(jù)以上結(jié)論，筆者提出如下建議：第一，國內(nèi)情報學(xué)期刊應(yīng)當(dāng)加大對專利情報研究的關(guān)注度。除《情報雜志》外，其他多種期刊可以適當(dāng)增加專利情報研究方向的論文數(shù)量，嘗試形成對專利情報研究的多樣化關(guān)注視角，有利于學(xué)術(shù)的“百家爭鳴”，促進(jìn)國內(nèi)情報學(xué)專利研究的多元發(fā)展。第二，相關(guān)學(xué)者應(yīng)該嘗試更多創(chuàng)新研究設(shè)計。以新興產(chǎn)業(yè)為研究對象可以大大提升研究價值；同時嘗試引進(jìn)跨學(xué)科方法或融合多種方法，并在此基礎(chǔ)上結(jié)合可視化工具提升學(xué)術(shù)新穎性；最后將專利情報研究和現(xiàn)實需求緊密結(jié)合，摒棄淺層次的專利分析，關(guān)注競爭態(tài)勢和技術(shù)轉(zhuǎn)移等，實現(xiàn)專利預(yù)警、技術(shù)預(yù)測等更前沿的目的。第三，避免可視化工具的濫用?？梢暬ぞ呖梢越o讀者提供更直觀的視覺表達(dá)，在使用的早期具有一定的新穎性，但隨著時間的推移，工具已不再新穎，學(xué)術(shù)價值的根本還是在于可視化背后的研究設(shè)計。因此，應(yīng)當(dāng)明確可視化工具在學(xué)術(shù)研究中的地位，專注于研究方法并合理且適宜的使用可視化工具。第四，突破傳統(tǒng)的專利資源，充分運(yùn)用專利周邊關(guān)聯(lián)數(shù)據(jù)。運(yùn)用大數(shù)據(jù)思維和大數(shù)據(jù)技術(shù)融合多種類型數(shù)據(jù)、多種方法和實時數(shù)據(jù)進(jìn)行多維度的綜合分析和智能化開發(fā)并形成立體化的結(jié)果，這也是未來探索的主流趨勢。但隨著大數(shù)據(jù)技術(shù)的到來，如何將與之相關(guān)的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、文本挖掘等技術(shù)理論融入到專利分析中來，對于情報學(xué)領(lǐng)域的研究者來說，依然存在一定的挑戰(zhàn)性。