基金項(xiàng)目學(xué)部分部的交叉網(wǎng)絡(luò)分析
——以美國NSF數(shù)據(jù)中AI領(lǐng)域?yàn)槔?/h1>
2022-10-18 06:05:52王曰芬陳必坤恢光平
情報(bào)學(xué)報(bào) 2022年9期
楊 潔 ，王曰芬 ，2，3，陳必坤 ，恢光平
（1. 南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院，南京 210094；2. 天津師范大學(xué)管理學(xué)院，天津 300387；3. 天津師范大學(xué)大數(shù)據(jù)科學(xué)研究院，天津 300387；4. 蘇州大學(xué)社會(huì)學(xué)院，蘇州 215021）
1 引 言
研究問題的復(fù)雜化與單一學(xué)科理論、方法及工具的難以應(yīng)對(duì)，迫使科學(xué)研究要打破原有的學(xué)科邊界，促進(jìn)不同學(xué)科間相互交流碰撞與交融創(chuàng)新。交叉研究是未來科學(xué)發(fā)展的必然趨勢，交叉融合是加速科技創(chuàng)新的重要驅(qū)動(dòng)力。
隨著交叉研究在科學(xué)技術(shù)和經(jīng)濟(jì)社會(huì)發(fā)展進(jìn)程中戰(zhàn)略地位的提升，多學(xué)科交叉或跨學(xué)科研究逐漸從學(xué)術(shù)關(guān)注轉(zhuǎn)變?yōu)楦鲊萍颊叩闹攸c(diǎn)決策對(duì)象，受到了政府及各類組織各種形式的支持，使其更加兼具鮮明的學(xué)術(shù)先進(jìn)性與高度的政策相關(guān)性。強(qiáng)化學(xué)科交叉和尋求新的科研范式是未來科學(xué)技術(shù)快速發(fā)展的必由之路，如何促進(jìn)學(xué)科交叉融合研究，一直都是世界各國科學(xué)資助機(jī)構(gòu)面臨的一個(gè)共同難題和挑戰(zhàn)[1]。在我國，從2000 年推出“國家自然科學(xué)基金重大研究計(jì)劃”模式以支持學(xué)科交叉研究[2]，到2020 年11 月29 日正式宣布國家自然科學(xué)基金委員會(huì)成立交叉科學(xué)部[1]，體現(xiàn)出中國政府在不斷積極引領(lǐng)與促進(jìn)學(xué)科交叉融合的發(fā)展；在國外，如美國國家科學(xué)基金會(huì)（National Science Foundation，NSF）對(duì)交叉學(xué)科領(lǐng)域的基礎(chǔ)研究設(shè)立專項(xiàng)資助，也體現(xiàn)出美國政府對(duì)學(xué)科交叉研究的重視并積極推進(jìn)學(xué)科交叉研究工作。因此，基于基金資助項(xiàng)目數(shù)據(jù)對(duì)交叉研究進(jìn)行相關(guān)探索，具有重要的學(xué)術(shù)價(jià)值與戰(zhàn)略意義。
2 相關(guān)研究工作
交叉研究作為一種新的科學(xué)研究范式，是指研究的跨領(lǐng)域、跨學(xué)科、多學(xué)科的學(xué)科交叉關(guān)聯(lián)與滲透融合，也被稱為多學(xué)科交叉研究與跨學(xué)科研究?？鐚W(xué)科是由團(tuán)隊(duì)或個(gè)人進(jìn)行的研究模式，這種模式整合了信息、數(shù)據(jù)、技術(shù)、工具、觀點(diǎn)、概念，和/或來自兩個(gè)或兩個(gè)以上學(xué)科或?qū)I(yè)知識(shí)體系的理論，以推動(dòng)基本理解或解決超出單個(gè)學(xué)科或研究實(shí)踐領(lǐng)域范圍的問題[3]。
研究者大多數(shù)是從學(xué)科交叉角度探究交叉研究的，認(rèn)為學(xué)科交叉是伴隨社會(huì)和學(xué)科自身發(fā)展需求而出現(xiàn)的一種綜合性科學(xué)活動(dòng)，是形成交叉學(xué)科的途徑和過程[4]。在交叉學(xué)科的實(shí)踐層面上，國內(nèi)外相關(guān)研究主要體現(xiàn)在學(xué)科交叉理論研究、測度研究、相關(guān)規(guī)律研究三個(gè)方面[5]。其中，構(gòu)建學(xué)科交叉測度指標(biāo)與模型以分析交叉學(xué)科的學(xué)科組成并確定組成學(xué)科間交叉程度的測度研究，被關(guān)注的程度比較高。學(xué)者們從提出研究視角、確定分類體系、構(gòu)建學(xué)科交叉測度框架、選擇指標(biāo)計(jì)算方法等方面開展了大量研究。根據(jù)學(xué)科特性構(gòu)建學(xué)科豐富度、學(xué)科平衡性、學(xué)科差異性、網(wǎng)絡(luò)一致性等不同維度組合的學(xué)科交叉測度框架[6-7]，提出學(xué)科專門度、信息熵指數(shù)、學(xué)科區(qū)分度指數(shù)、學(xué)科集成化指數(shù)、Rao-Stirling 指標(biāo)、凝聚子群密度等的不同測量指標(biāo)[8-9]，并基于文獻(xiàn)計(jì)量、引文分析、復(fù)雜網(wǎng)絡(luò)、因子分析等方法構(gòu)造指標(biāo)算法[10-11]。同時(shí)，分層次與建立關(guān)聯(lián)進(jìn)行測度研究，例如，從引文內(nèi)容角度出發(fā)在微觀層面測量學(xué)科交叉度和高交叉度術(shù)語[12]，利用隨機(jī)引文網(wǎng)絡(luò)通過前向引用與后向引用關(guān)系并與Rao-Stirling 指標(biāo)結(jié)合測度新穎性與學(xué)科交叉度[3]，以及利用三重底線（triple bottom line，TBL）框架促進(jìn)基于環(huán)境、經(jīng)濟(jì)和社會(huì)可持續(xù)性度量的跨學(xué)科綜合測度指標(biāo)的研究[13]。
多學(xué)科交叉或者跨學(xué)科的本質(zhì)是學(xué)科之間知識(shí)的交流與轉(zhuǎn)移，不僅包括學(xué)科之間進(jìn)行交叉、融合以及相互滲透的規(guī)律，還包括學(xué)科領(lǐng)域概念、方法等的相互交換、轉(zhuǎn)移、流動(dòng)與擴(kuò)散[14]。所以，將關(guān)鍵詞或主題詞結(jié)合進(jìn)行學(xué)科交叉度測量及應(yīng)用的研究也不斷地受到學(xué)者們的重視。例如，Wagner 等[15]建議整合不同學(xué)科的專業(yè)知識(shí)構(gòu)造一個(gè)自下而上的將論文與引用相結(jié)合的方法流程，以探討解決與交叉學(xué)科內(nèi)容有關(guān)的特定問題是在何種知識(shí)內(nèi)容水平上進(jìn)行聚合的；馬瑞敏等[16]認(rèn)為兩個(gè)學(xué)科的共關(guān)鍵詞越多，這兩個(gè)學(xué)科在研究主題和內(nèi)容上的交叉程度就越大，文獻(xiàn)直引、文獻(xiàn)耦合、共關(guān)鍵詞綜合可用于直接測度不同學(xué)科之間的交叉程度；許海云等[17]基于 TI（term interdisciplinary） 指標(biāo)結(jié)合社會(huì)網(wǎng)絡(luò)分析方法和時(shí)序分析方法來分析和研究情報(bào)學(xué)學(xué)科交叉主題；閔超等[18]采用聚類分析和戰(zhàn)略坐標(biāo)分析方法以圖書情報(bào)與新聞傳播學(xué)為例探索學(xué)科交叉研究熱點(diǎn)領(lǐng)域的主題劃分、結(jié)構(gòu)特性和演化過程。
綜上所述，已有研究不僅產(chǎn)生了大量的理論與方法，而且正在拓展實(shí)踐應(yīng)用的廣度和深度，為正在興起的學(xué)科交叉研究奠定了發(fā)展的基礎(chǔ)。
美國NSF 設(shè)立7 個(gè)學(xué)部，每個(gè)學(xué)部下設(shè)立若干個(gè)分部。NSF 學(xué)部分部（以下簡稱分部）與研究所屬的學(xué)科或者項(xiàng)目類別密切相關(guān)，對(duì)分部進(jìn)行分析可以發(fā)現(xiàn)基金項(xiàng)目資助領(lǐng)域的學(xué)科交叉特征和演化趨勢。那么，關(guān)于研究領(lǐng)域的學(xué)科交叉，在NSF 的資助政策下，不同分部的內(nèi)部知識(shí)發(fā)展?fàn)顩r如何？NSF 各分部間的知識(shí)又是如何相互滲透和影響的？針對(duì)上述問題，本文擬以科學(xué)基金數(shù)據(jù)為研究對(duì)象，采用共詞網(wǎng)絡(luò)、復(fù)雜網(wǎng)絡(luò)和詞向量分析等方法構(gòu)建分析框架與測度指標(biāo)，以美國NSF 資助的領(lǐng)域數(shù)據(jù)為例，測算交叉研究領(lǐng)域內(nèi)分部間的知識(shí)內(nèi)聚性與知識(shí)交叉融合能力，分析交叉融合過程中分部內(nèi)部、分部之間的知識(shí)關(guān)聯(lián)與滲透演化，探索交叉研究的發(fā)展對(duì)基金分部發(fā)展的推動(dòng)，以揭示科技投入對(duì)交叉研究的引導(dǎo)方向、影響特征及演化作用。
3 研究設(shè)計(jì)與方法
3.1 分析流程框架
對(duì)基金項(xiàng)目中包含的關(guān)鍵詞開展相關(guān)研究，是從微觀層面視角對(duì)基金分部的知識(shí)結(jié)構(gòu)進(jìn)行探索。共詞網(wǎng)絡(luò)是由論文關(guān)鍵詞之間的共現(xiàn)關(guān)系構(gòu)成的一種表達(dá)科學(xué)領(lǐng)域知識(shí)結(jié)構(gòu)的知識(shí)網(wǎng)絡(luò)[19]，因此，本文借助論文共詞網(wǎng)絡(luò)構(gòu)建思想，分別構(gòu)建分部內(nèi)關(guān)鍵詞共詞網(wǎng)絡(luò)和分部間交叉網(wǎng)絡(luò)，以探索分部內(nèi)知識(shí)的發(fā)展與分部間知識(shí)交互關(guān)聯(lián)的結(jié)構(gòu)特征和演化規(guī)律。具體地：①通過項(xiàng)目關(guān)鍵詞共現(xiàn)構(gòu)建如圖1所示的不同分部內(nèi)部的共詞網(wǎng)絡(luò)，共詞網(wǎng)絡(luò)的邊權(quán)重由關(guān)鍵詞對(duì)領(lǐng)域重要程度和關(guān)鍵詞的共現(xiàn)頻次共同決定；②依照不同分部之間存在相同關(guān)鍵詞而形成的交叉部分構(gòu)建如圖2 所示的分部交叉網(wǎng)絡(luò)，其中任意兩個(gè)分部之間關(guān)鍵詞交叉度之和構(gòu)成分部間的交叉強(qiáng)度。
同時(shí)，由于每個(gè)分部中都包含大量的關(guān)鍵詞，且每個(gè)關(guān)鍵詞在不同分部中的重要程度是有差異的，進(jìn)而影響著交叉網(wǎng)絡(luò)的構(gòu)成；所以，本文將導(dǎo)入基金項(xiàng)目關(guān)鍵詞重要性計(jì)算，并與交叉度、平均路徑長度和影響力等指標(biāo)結(jié)合構(gòu)建并測度交叉網(wǎng)絡(luò)。由此，設(shè)計(jì)如圖3 所示的分析流程框架。首先，從項(xiàng)目的題名和摘要中抽取關(guān)鍵詞數(shù)據(jù)并進(jìn)行清洗，計(jì)算基金項(xiàng)目所屬不同分部中每個(gè)關(guān)鍵詞的重要性；其次，根據(jù)分部內(nèi)的基金項(xiàng)目中關(guān)鍵詞共現(xiàn)關(guān)系構(gòu)建共現(xiàn)網(wǎng)絡(luò)并計(jì)算分部平均路徑長度，其中關(guān)鍵詞共現(xiàn)邊的權(quán)重依據(jù)關(guān)鍵詞在分部的重要性及關(guān)鍵詞對(duì)的共現(xiàn)頻次進(jìn)行分配；最后，根據(jù)不同分部間的相同關(guān)鍵詞集進(jìn)行分部間交叉度的計(jì)算，構(gòu)建分部交叉網(wǎng)絡(luò)，并計(jì)算各分部在分部交叉網(wǎng)絡(luò)中的影響力。
3.2 測度指標(biāo)與方法
1）不同基金分部的關(guān)鍵詞重要性計(jì)算
TF-IDF （term frequency-inverse document frequency）作為信息檢索常用的加權(quán)技術(shù)，可被用于衡量主題詞對(duì)特定文檔集合的重要程度。因此，本文采用TF-IDF 來計(jì)算關(guān)鍵詞對(duì)特定分部的重要程度。在基金分部i中，關(guān)鍵詞km的重要程度wim為
其中，nkm,i表示關(guān)鍵詞km在分部i中的詞頻；Ni表示分部i的關(guān)鍵詞總數(shù)；|D|表示基金分部總數(shù)；|{n:km∈dn}|表示包含關(guān)鍵詞km的分部數(shù)。則分部i和分部j的詞向量di、dj分別表示為
2）基金分部的共詞網(wǎng)絡(luò)與基金學(xué)分部間交叉網(wǎng)絡(luò)構(gòu)建
基金分部內(nèi)部關(guān)鍵詞的關(guān)聯(lián)程度通過共詞網(wǎng)絡(luò)來衡量。與傳統(tǒng)的共詞網(wǎng)絡(luò)不同，為更好地區(qū)別基金分部內(nèi)不同關(guān)鍵詞對(duì)不同分部的重要性，基金分部的共詞網(wǎng)絡(luò)邊權(quán)重由關(guān)鍵詞共現(xiàn)頻次和關(guān)鍵詞重要性共同決定，具體計(jì)算公式為
其中，Cmn為關(guān)鍵詞km和關(guān)鍵詞kn的共現(xiàn)頻次。
根據(jù)分部間相同的關(guān)鍵詞集建立分部交叉網(wǎng)絡(luò)，如果兩個(gè)基金分部之間存在相同的關(guān)鍵詞，那么這兩個(gè)分部之間存在交叉關(guān)系。采用余弦相似度表示分部交叉度，分部間交叉度計(jì)算公式為
若Sim(di,dj) ＞0，則分部i和分部j之間存在交叉；若Sim(di,dj) = 0，則分部i和分部j之間不存在交叉。
3）基金分部平均路徑長度
平均路徑長度是衡量網(wǎng)絡(luò)的凝聚程度的重要指標(biāo)。本文基于網(wǎng)絡(luò)平均路徑長度來衡量基金分部內(nèi)部知識(shí)間關(guān)聯(lián)程度，基金分部平均路徑長度（division average path length，DAPL）越短，分部內(nèi)知識(shí)關(guān)聯(lián)越密切，具體計(jì)算公式為
其中，dmn為關(guān)鍵詞km和關(guān)鍵詞kn之間的加權(quán)最短路徑長度；Ni為分部i的關(guān)鍵詞總數(shù)；為分部i中最多可以形成的邊數(shù)量的倒數(shù)。
4）基金分部影響力
基金分部影響力（division influence，DIn） 衡量基金分部在交叉網(wǎng)絡(luò)中的重要程度?？紤]到節(jié)點(diǎn)度與中介中心性、特征向量中心性等常用網(wǎng)絡(luò)計(jì)量指標(biāo)的相關(guān)性[20]，主要采用節(jié)點(diǎn)度來衡量基金分部的重要程度。一個(gè)基金分部由這個(gè)分部與其他分部交叉的數(shù)目和強(qiáng)度共同決定，計(jì)算公式為
為了統(tǒng)一各類指標(biāo)的量綱，共現(xiàn)頻次、關(guān)鍵詞重要程度在后續(xù)研究中均進(jìn)行歸一化處理。
4 實(shí)證分析
基于上述分析流程框架與測度指標(biāo)及方法，選取美國NSF 數(shù)據(jù)中人工智能（artificial intelligence，AI）這個(gè)新興交叉學(xué)科領(lǐng)域?yàn)閿?shù)據(jù)來源與實(shí)證案例。
4.1 數(shù)據(jù)來源與處理
采用關(guān)鍵詞組合檢索的策略，根據(jù)前期綜合研究確定的有關(guān)AI 領(lǐng)域的418 個(gè)關(guān)鍵詞[21]，構(gòu)造檢索式“"semantic analysis" or "neural network" or "support vector machine" or "machine learning"…”， 在NSF 官網(wǎng)上檢索相關(guān)基金項(xiàng)目，限定基金資助時(shí)段為2008.01.01—2018.12.31 （檢索時(shí)間為 2020 年2月）。去重處理后，共獲取42126 條基金項(xiàng)目數(shù)據(jù)，結(jié)合本文的研究需要對(duì)數(shù)據(jù)進(jìn)行人工篩選與研判后，最終得到人工智能領(lǐng)域基金項(xiàng)目數(shù)據(jù)20524 條。
本文抽取項(xiàng)目數(shù)據(jù)中的“StartDate（項(xiàng)目開始日期）”“Title（項(xiàng)目名稱）”“Abstract（摘要）”“NSFDirectorate（NSF 學(xué)部）”“NSFDivision（NSF分部）”字段進(jìn)行分析。由于基金項(xiàng)目數(shù)據(jù)缺少關(guān)鍵詞字段，且人工智能領(lǐng)域目前沒有領(lǐng)域術(shù)語詞典，無法基于詞典進(jìn)行關(guān)鍵詞抽取，所以，本文基于快速自動(dòng)關(guān)鍵字提取算法（rapid automatic keyword extraction，RAKE）[22]開展研究，這是因?yàn)樵撍惴ㄓ?jì)算速度更快，同時(shí)具有更高的準(zhǔn)確率和召回率。由此，采用RAKE 算法對(duì)基金項(xiàng)目數(shù)據(jù)中的“Title（項(xiàng)目名稱）”和“Abstract（摘要）”字段進(jìn)行關(guān)鍵詞抽取，并根據(jù)本文需要對(duì)抽取出的關(guān)鍵詞進(jìn)行如下處理：①刪除無意義或者意義較為寬泛的關(guān)鍵詞，如“algorithm”“model”等；②詞形還原；③合并同義詞、近義詞。
由于個(gè)別分部不具有學(xué)科類別屬性，為保障研究的需要，對(duì)這些NSF 分部項(xiàng)目數(shù)據(jù)做刪除處理，主要包括MMA（數(shù)學(xué)與物理科學(xué)學(xué)部下的“多學(xué)科活動(dòng)”）分部、EFMA（工程科學(xué)學(xué)部下的“新興前沿和多學(xué)科活動(dòng)”）分部、SMA（社會(huì)行為與經(jīng)濟(jì)科學(xué)學(xué)部下的“跨學(xué)科活動(dòng)”）分部和NCSES（國家科學(xué)工程統(tǒng)計(jì)中心）分部以及EF（生物科學(xué)學(xué)部下的“新興前沿”）分部。最終對(duì)29 個(gè)分部下的19853 條項(xiàng)目數(shù)據(jù)進(jìn)行分析研究。
經(jīng)過上述處理，每個(gè)分部的項(xiàng)目數(shù)量和關(guān)鍵詞數(shù)量分布詳情如表1 所示。其中，IIS（信息智能與系統(tǒng)）受到資助的項(xiàng)目數(shù)和關(guān)鍵詞數(shù)最多，其次為CNS（計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)）、DMS（數(shù)學(xué)）、GMMI（土木、機(jī)械與制造）等分部。
表1 NSF各分部項(xiàng)目和關(guān)鍵詞數(shù)量分布
4.2 NSF分部內(nèi)部知識(shí)關(guān)聯(lián)
共詞網(wǎng)絡(luò)是一種能夠表達(dá)關(guān)鍵詞結(jié)構(gòu)和關(guān)聯(lián)性的一種方法，通過建立NSF 分部的共詞網(wǎng)絡(luò)并計(jì)算其平均路徑長度（DAPL），來判斷NSF 分部內(nèi)部知識(shí)的關(guān)聯(lián)程度，計(jì)算結(jié)果如表2 所示。整體來看，NSF 各分部平均路徑長度分布范圍較廣，說明在AI領(lǐng)域范圍內(nèi)，各分部內(nèi)部發(fā)展不均衡。從表2 可以看出，IIP（工業(yè)創(chuàng)新與合作）、EEC（工程教育中心）、AST（天文科學(xué)）等分部內(nèi)的知識(shí)關(guān)聯(lián)比較密切。
表2 NSF分部平均路徑長度（DAPL）排序（升序）
4.3 NSF分部間的交叉及演化
1）NSF 分部間的交叉網(wǎng)絡(luò)
NSF 分部間的交叉網(wǎng)絡(luò)體現(xiàn)知識(shí)在不同分部間的交流、滲透、融合的關(guān)系。基于2008—2018 年的所有數(shù)據(jù)，采用Gephi 對(duì)AI 領(lǐng)域基金各分部的交叉網(wǎng)絡(luò)進(jìn)行可視化，結(jié)果如圖4 所示。其中節(jié)點(diǎn)代表NSF 分部，節(jié)點(diǎn)大小由度決定，即與該分部存在交叉的分部數(shù)量越多，節(jié)點(diǎn)越大；節(jié)點(diǎn)之間的邊代表分部間的交叉關(guān)系，邊的粗細(xì)與NSF 分部之間交叉程度呈正相關(guān)。表3 為NSF 分部交叉網(wǎng)絡(luò)不同區(qū)間邊權(quán)重的數(shù)量分布及占比。
圖4a 中，所有NSF 分部的節(jié)點(diǎn)大小相同，即所有NSF 分部間均存在交叉關(guān)系，這種現(xiàn)象的產(chǎn)生主要是由于每個(gè)基金分部的關(guān)鍵詞中均存在部分通用術(shù)語，這些通用術(shù)語貫通了整個(gè)分部的知識(shí)交叉網(wǎng)絡(luò)。根據(jù)不同的閾值過濾NSF 分部交叉網(wǎng)絡(luò)的邊，得到圖4b～圖4d，結(jié)合表3 中的占比數(shù)值可以看出，大多數(shù)邊的權(quán)重低于0.2，這說明絕大部分NSF 分部間知識(shí)交叉融合程度不高。在交叉度大于0.3 的如圖4d 所示網(wǎng)絡(luò)里，CCF（計(jì)算與通信基礎(chǔ)）和IIS（信息與智能系統(tǒng)）的知識(shí)交叉程度最高，其次是IOS（綜合有機(jī)體系統(tǒng)）和MCB（分子和細(xì)胞生物科學(xué)），以及CCF （計(jì)算與通信基礎(chǔ)） 和CNS（計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)）等。
表3 NSF分部交叉網(wǎng)絡(luò)不同邊權(quán)重的數(shù)量及占比
2）分部間交叉度的演化分布
為了探究NSF 基金分部之間交叉度的變化，繪制如圖5 所示的不同階段交叉度的核密度分布圖。根據(jù)項(xiàng)目對(duì)數(shù)據(jù)進(jìn)行篩選后，沒有2009 年的項(xiàng)目數(shù)據(jù)，因此將2008—2018 年劃分為2008—2013 年、2014—2018 年兩個(gè)階段，每個(gè)階段均包含5 年的項(xiàng)目數(shù)據(jù)。從圖5 可以看出，2014—2018 年的核密度函數(shù)明顯向右偏移，且分布范圍擴(kuò)大，這表明人工智能領(lǐng)域NSF 各分部間知識(shí)的交叉融合程度增加，同時(shí)各分部之間知識(shí)交叉融合程度出現(xiàn)分化。
表4 所示是在兩個(gè)階段中NSF 分部交叉關(guān)系變化程度排名Top 10 的結(jié)果。交叉程度變化最大的是CCF（計(jì)算與通信基礎(chǔ)）和CNS（計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)），其次是CCF（計(jì)算與通信基礎(chǔ)）和IIS（信息與智能系統(tǒng)）。在交叉關(guān)系中，CCF（計(jì)算與通信基礎(chǔ)）、CNS（計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)）在表中出現(xiàn)次數(shù)最多。
表4 領(lǐng)域內(nèi)兩個(gè)階段NSF分部交叉關(guān)系變化程度排名Top 10
3）學(xué)部內(nèi)交叉和跨學(xué)部交叉的差異
將分部之間的交叉劃分為學(xué)部內(nèi)交叉和跨學(xué)部交叉。學(xué)部內(nèi)交叉指的是在同一學(xué)部內(nèi)，各分部之間的知識(shí)的交叉融合，跨學(xué)部交叉指的是分部之間的知識(shí)交叉跨越相同或相似的理論方法及研究背景范圍。圖6 為學(xué)部內(nèi)交叉度和跨學(xué)部交叉度分部的箱型圖，表5 則采用均值、方差、標(biāo)準(zhǔn)差和中位數(shù)來衡量以上兩種交叉方式之間的差異?？梢钥吹?，學(xué)部內(nèi)交叉的均值和中位數(shù)均高于跨學(xué)部交叉，表明實(shí)現(xiàn)知識(shí)的近距離交叉融合更容易；學(xué)部內(nèi)交叉的方差和標(biāo)準(zhǔn)差均高于跨學(xué)部交叉，表明學(xué)部內(nèi)交叉出現(xiàn)分化狀態(tài)，發(fā)展不均衡。
表5 NSF學(xué)部內(nèi)交叉和跨學(xué)部交叉的差異
4.4 NSF分部影響力及演化
計(jì)算每個(gè)NSF 分部在交叉網(wǎng)絡(luò)中的影響力，結(jié)果如表6 所示。其中CBET（化學(xué)、生物工程、能源與運(yùn)輸系統(tǒng)）在各分部中的影響力最高，其次是IIS（信息與智能系統(tǒng)）。CBET 支持化學(xué)工程、生物技術(shù)、生物工程和環(huán)境工程領(lǐng)域的創(chuàng)新研究和教育，該分部涉及多學(xué)科的領(lǐng)域知識(shí)；且結(jié)合表4 可知，在2014—2018 年，CBET 在NSF 分部交叉網(wǎng)絡(luò)中，與GMMI（土木、機(jī)械與制造）、DMR（材料研究）的交叉度迅速增加。
表6 NSF分部影響力及排名
圖 7 為不同 NSF 分部在 2008—2013 年、2014—2018 年兩個(gè)階段影響力排名的變化。圖7 中，兩點(diǎn)間的連線代表排名變化的幅度。第二階段節(jié)點(diǎn)出現(xiàn)在第一階段節(jié)點(diǎn)上方，代表第二階段的影響力排名均為下跌趨勢；出現(xiàn)在第一階段節(jié)點(diǎn)下方，則代表影響力排名出現(xiàn)上升?？梢园l(fā)現(xiàn)，HRD（人力資源開發(fā)）、DBI（生物基礎(chǔ)設(shè)施）、AGS（大氣與地球空間科學(xué)）、EAR（地球科學(xué)）的影響力排名下跌幅度較大，而ECCS（電氣、通信與網(wǎng)絡(luò)系統(tǒng)）、GMMI（土木、機(jī)械與制造）影響力排名上升較快。這表明隨著人工智能領(lǐng)域資助計(jì)劃的項(xiàng)目的變化，HRD 等分部與其他分部知識(shí)的交互性減弱，ECCS、GMMI 等工程學(xué)領(lǐng)域知識(shí)與其他分部的知識(shí)的融合增加。
4.5 NSF分部平均路徑長度和影響力的關(guān)聯(lián)性
計(jì)算不同NSF 分部的平均路徑長度（DAPL）和影響力（DIn）并進(jìn)行歸一化處理，以平均路徑長度和影響力的中位數(shù)作為原點(diǎn)進(jìn)行可視化展示。按照是否高于NSF 分部的平均路徑長度的中位數(shù)和影響力中位數(shù)將NSF 分部劃歸為不同組合的四個(gè)組，具體分布情況如圖8 所示。
從整體來講，NSF 分部平均路徑長度和影響力的分布比較聚集，這是由于所研究的分部屬于同一個(gè)學(xué)科領(lǐng)域，因此，分部的路徑長度特征和影響力特征均比較相似。
高路徑長度-高影響力（high DAPL- high DIn）：相對(duì)于其他分部，分部內(nèi)部的知識(shí)關(guān)聯(lián)程度低，但是與其他分部的知識(shí)有較好交叉融合。代表分部有IIS （信息與智能系統(tǒng)）、CNS （計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)）、GMMI（土木、機(jī)械與制造）、CBET（化學(xué)、生物工程、能源與運(yùn)輸系統(tǒng)）等。
高路徑長度-低影響力（high DAP - low DIn）：內(nèi)部知識(shí)關(guān)聯(lián)較少，且研究內(nèi)容與其他分部的研究重合度低。代表分部有PHY（物理學(xué)）、DBI（生物基礎(chǔ)設(shè)施）、EAR（地球科學(xué)）等。
低路徑長度-高影響力（low DAPL - high DIn）：內(nèi)部知識(shí)聯(lián)系密切，研究主題較為集中，且與其他分部的知識(shí)有較好交叉融合。代表分部有ECCS（電氣、通信與網(wǎng)絡(luò)系統(tǒng)）、IOS （綜合有機(jī)體系統(tǒng)）、MCB（分子和細(xì)胞生物科學(xué)）等。
低路徑長度-低影響力（low DAPL - low DIn）：內(nèi)部知識(shí)關(guān)聯(lián)密切，但與其他學(xué)部之間的知識(shí)交叉融合程度不高。代表分部有ICER（綜合與協(xié)作教育研究）、CHE（化學(xué)）、OCE（海洋科學(xué)）等。
基于Spearman 相關(guān)性對(duì)項(xiàng)目數(shù)量、分部平均路徑長度、分部影響力三個(gè)指標(biāo)的相關(guān)性進(jìn)行檢驗(yàn)，結(jié)果如表7 所示?？梢园l(fā)現(xiàn)：①分部的平均路徑長度與分部影響力均與受資助項(xiàng)目數(shù)量正相關(guān)，即受資助項(xiàng)目數(shù)量越多，關(guān)鍵詞的多樣性越明顯，分部的平均路徑長度越大，使得內(nèi)部的知識(shí)凝聚性減弱。同時(shí)，隨著項(xiàng)目數(shù)增加，分部影響力增強(qiáng)，使得分部間的知識(shí)交叉融合程度加深。因此，隨著項(xiàng)目數(shù)量的增多，分部內(nèi)的知識(shí)凝聚性降低，而分部間的知識(shí)交叉融合程度增加。②分部影響力和分部的平均路徑長度兩個(gè)指標(biāo)沒有顯著的強(qiáng)相關(guān)性，因此可以作為不同視角的測量指標(biāo)。
表7 Spearman相關(guān)性檢驗(yàn)
5 結(jié)論與討論
本文針對(duì)科學(xué)基金數(shù)據(jù)的屬性特征，將共詞網(wǎng)絡(luò)分析與學(xué)科交叉研究等方法相結(jié)合，設(shè)計(jì)學(xué)科交叉研究的分析流程與測度指標(biāo)，以美國NSF 數(shù)據(jù)為來源，選取AI 領(lǐng)域?yàn)閷?shí)證案例，利用共詞網(wǎng)絡(luò)研究NSF 中AI 領(lǐng)域各分部內(nèi)知識(shí)的關(guān)聯(lián)性，進(jìn)而通過所構(gòu)建的交叉網(wǎng)絡(luò)探究NSF 各分部間的知識(shí)的相互滲透和影響，使用平均路徑長度和點(diǎn)度中心度兩個(gè)指標(biāo)分別對(duì)基金分部內(nèi)部知識(shí)的發(fā)展和學(xué)部間知識(shí)的交叉程度進(jìn)行測量，分析科技導(dǎo)向和投入對(duì)于交叉研究的影響及交叉研究態(tài)勢變化的特征。最后，對(duì)分部內(nèi)部知識(shí)的發(fā)展與分部間交叉程度的相關(guān)性進(jìn)行闡釋，得到以下結(jié)論。
（1）在分部內(nèi)部知識(shí)聚集程度上，NSF 各分部平均路徑長度分布范圍較廣，說明在人工智能領(lǐng)域內(nèi)，NSF 各分部資助力度的不同導(dǎo)致各分部內(nèi)部知識(shí)不均衡的發(fā)展態(tài)勢。
（2）在分部交叉網(wǎng)絡(luò)分布及演化上，大多數(shù)分部間交叉融合程度不高，但隨著NSF 資助力度的增加，分部間知識(shí)交叉融合能力增強(qiáng)，同時(shí)各分部之間知識(shí)交叉融合的程度出現(xiàn)分化，美國人工智能領(lǐng)域研究的分部交叉具有顯著的學(xué)科屬性并漸成有區(qū)隔的核心研究方向。
（3）NSF 的知識(shí)交叉集中在有相同或相似的理論方法的學(xué)科框架之下，表明知識(shí)實(shí)現(xiàn)近距離交叉融合更容易。而如何通過政策導(dǎo)向和投入提升知識(shí)的遠(yuǎn)距離交叉，實(shí)現(xiàn)重大甚至尖端的科學(xué)問題是值得進(jìn)一步探討的內(nèi)容。
（4）分部內(nèi)的知識(shí)凝聚程度和分部間的交叉程度與受資助項(xiàng)目數(shù)量存在相關(guān)關(guān)系。受資助項(xiàng)目增多，受資助主題的多樣性增加，分部內(nèi)的知識(shí)凝聚程度降低而分部間的交叉度增強(qiáng)。
綜上所述，在科技政策引導(dǎo)下，美國人工智能領(lǐng)域交叉研究得到了有力的推動(dòng)。一方面，促使該領(lǐng)域形成了穩(wěn)定的主導(dǎo)分部及其核心知識(shí)體系，并對(duì)其他分部產(chǎn)生較大的影響，如IIS（信息與智能系統(tǒng)）；另一方面，在該領(lǐng)域基金分部以其自身屬性特征參與知識(shí)交融，并促進(jìn)交叉演化態(tài)勢的不斷變化，而不同分部內(nèi)部和分部間的知識(shí)關(guān)聯(lián)與滲透演化及其影響的發(fā)展是不均衡的。
本文的研究工作還存在一些局限性。例如，采用共詞網(wǎng)絡(luò)對(duì)分部內(nèi)知識(shí)體系進(jìn)行構(gòu)建難以從語義關(guān)系和認(rèn)知維度體現(xiàn)知識(shí)間的內(nèi)在關(guān)聯(lián)，后續(xù)可考慮引入詞向量等方式增加關(guān)鍵詞的語義信息。同時(shí)，本文只討論了受資助項(xiàng)目數(shù)量對(duì)于分部內(nèi)部和分部間知識(shí)關(guān)聯(lián)的影響，在后續(xù)研究中應(yīng)考慮采用定性、定量分析相結(jié)合的方法，對(duì)其他相關(guān)因素進(jìn)行探究，為政策制定提供更加有力的參考借鑒。
猜你喜歡
黃河科技學(xué)院藝體學(xué)部作品選登科技進(jìn)步與對(duì)策(2023年18期)2023-10-09 02:22:14 與有序分拆的分部量1 相關(guān)的恒等式及組合證明浙江大學(xué)學(xué)報(bào)(理學(xué)版)(2023年3期)2023-06-07 11:16:38 廣西師范大學(xué)教育學(xué)部特殊教育系簡介現(xiàn)代特殊教育(2022年2期)2022-07-02 09:19:14 黃河科技學(xué)院藝體學(xué)部作品選登科技進(jìn)步與對(duì)策(2022年1期)2022-01-24 02:13:10 “六法”巧解分式方程初中生世界·八年級(jí)(2019年6期)2019-08-13 18:41:18 關(guān)于正整數(shù)不含分部量2的有序分拆的幾個(gè)組合雙射浙江大學(xué)學(xué)報(bào)(理學(xué)版)(2017年3期)2017-05-18 02:10:07 關(guān)于分部積分的幾點(diǎn)說明考試周刊(2016年86期)2016-11-11 07:46:31 連一連小學(xué)生導(dǎo)刊(低年級(jí))(2016年6期)2016-07-02 22:17:33 基于Fast-ICA的Wigner-Ville分布交叉項(xiàng)消除方法計(jì)算機(jī)工程(2015年8期)2015-07-03 12:19:54 雙線性時(shí)頻分布交叉項(xiàng)提取及損傷識(shí)別應(yīng)用振動(dòng)、測試與診斷(2014年6期)2014-03-01 01:14:47
楊 潔 ，王曰芬 ，2，3，陳必坤 ，恢光平
（1. 南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院，南京 210094；2. 天津師范大學(xué)管理學(xué)院，天津 300387；3. 天津師范大學(xué)大數(shù)據(jù)科學(xué)研究院，天津 300387；4. 蘇州大學(xué)社會(huì)學(xué)院，蘇州 215021）
1 引 言
研究問題的復(fù)雜化與單一學(xué)科理論、方法及工具的難以應(yīng)對(duì)，迫使科學(xué)研究要打破原有的學(xué)科邊界，促進(jìn)不同學(xué)科間相互交流碰撞與交融創(chuàng)新。交叉研究是未來科學(xué)發(fā)展的必然趨勢，交叉融合是加速科技創(chuàng)新的重要驅(qū)動(dòng)力。
隨著交叉研究在科學(xué)技術(shù)和經(jīng)濟(jì)社會(huì)發(fā)展進(jìn)程中戰(zhàn)略地位的提升，多學(xué)科交叉或跨學(xué)科研究逐漸從學(xué)術(shù)關(guān)注轉(zhuǎn)變?yōu)楦鲊萍颊叩闹攸c(diǎn)決策對(duì)象，受到了政府及各類組織各種形式的支持，使其更加兼具鮮明的學(xué)術(shù)先進(jìn)性與高度的政策相關(guān)性。強(qiáng)化學(xué)科交叉和尋求新的科研范式是未來科學(xué)技術(shù)快速發(fā)展的必由之路，如何促進(jìn)學(xué)科交叉融合研究，一直都是世界各國科學(xué)資助機(jī)構(gòu)面臨的一個(gè)共同難題和挑戰(zhàn)[1]。在我國，從2000 年推出“國家自然科學(xué)基金重大研究計(jì)劃”模式以支持學(xué)科交叉研究[2]，到2020 年11 月29 日正式宣布國家自然科學(xué)基金委員會(huì)成立交叉科學(xué)部[1]，體現(xiàn)出中國政府在不斷積極引領(lǐng)與促進(jìn)學(xué)科交叉融合的發(fā)展；在國外，如美國國家科學(xué)基金會(huì)（National Science Foundation，NSF）對(duì)交叉學(xué)科領(lǐng)域的基礎(chǔ)研究設(shè)立專項(xiàng)資助，也體現(xiàn)出美國政府對(duì)學(xué)科交叉研究的重視并積極推進(jìn)學(xué)科交叉研究工作。因此，基于基金資助項(xiàng)目數(shù)據(jù)對(duì)交叉研究進(jìn)行相關(guān)探索，具有重要的學(xué)術(shù)價(jià)值與戰(zhàn)略意義。
2 相關(guān)研究工作
交叉研究作為一種新的科學(xué)研究范式，是指研究的跨領(lǐng)域、跨學(xué)科、多學(xué)科的學(xué)科交叉關(guān)聯(lián)與滲透融合，也被稱為多學(xué)科交叉研究與跨學(xué)科研究?？鐚W(xué)科是由團(tuán)隊(duì)或個(gè)人進(jìn)行的研究模式，這種模式整合了信息、數(shù)據(jù)、技術(shù)、工具、觀點(diǎn)、概念，和/或來自兩個(gè)或兩個(gè)以上學(xué)科或?qū)I(yè)知識(shí)體系的理論，以推動(dòng)基本理解或解決超出單個(gè)學(xué)科或研究實(shí)踐領(lǐng)域范圍的問題[3]。
研究者大多數(shù)是從學(xué)科交叉角度探究交叉研究的，認(rèn)為學(xué)科交叉是伴隨社會(huì)和學(xué)科自身發(fā)展需求而出現(xiàn)的一種綜合性科學(xué)活動(dòng)，是形成交叉學(xué)科的途徑和過程[4]。在交叉學(xué)科的實(shí)踐層面上，國內(nèi)外相關(guān)研究主要體現(xiàn)在學(xué)科交叉理論研究、測度研究、相關(guān)規(guī)律研究三個(gè)方面[5]。其中，構(gòu)建學(xué)科交叉測度指標(biāo)與模型以分析交叉學(xué)科的學(xué)科組成并確定組成學(xué)科間交叉程度的測度研究，被關(guān)注的程度比較高。學(xué)者們從提出研究視角、確定分類體系、構(gòu)建學(xué)科交叉測度框架、選擇指標(biāo)計(jì)算方法等方面開展了大量研究。根據(jù)學(xué)科特性構(gòu)建學(xué)科豐富度、學(xué)科平衡性、學(xué)科差異性、網(wǎng)絡(luò)一致性等不同維度組合的學(xué)科交叉測度框架[6-7]，提出學(xué)科專門度、信息熵指數(shù)、學(xué)科區(qū)分度指數(shù)、學(xué)科集成化指數(shù)、Rao-Stirling 指標(biāo)、凝聚子群密度等的不同測量指標(biāo)[8-9]，并基于文獻(xiàn)計(jì)量、引文分析、復(fù)雜網(wǎng)絡(luò)、因子分析等方法構(gòu)造指標(biāo)算法[10-11]。同時(shí)，分層次與建立關(guān)聯(lián)進(jìn)行測度研究，例如，從引文內(nèi)容角度出發(fā)在微觀層面測量學(xué)科交叉度和高交叉度術(shù)語[12]，利用隨機(jī)引文網(wǎng)絡(luò)通過前向引用與后向引用關(guān)系并與Rao-Stirling 指標(biāo)結(jié)合測度新穎性與學(xué)科交叉度[3]，以及利用三重底線（triple bottom line，TBL）框架促進(jìn)基于環(huán)境、經(jīng)濟(jì)和社會(huì)可持續(xù)性度量的跨學(xué)科綜合測度指標(biāo)的研究[13]。
多學(xué)科交叉或者跨學(xué)科的本質(zhì)是學(xué)科之間知識(shí)的交流與轉(zhuǎn)移，不僅包括學(xué)科之間進(jìn)行交叉、融合以及相互滲透的規(guī)律，還包括學(xué)科領(lǐng)域概念、方法等的相互交換、轉(zhuǎn)移、流動(dòng)與擴(kuò)散[14]。所以，將關(guān)鍵詞或主題詞結(jié)合進(jìn)行學(xué)科交叉度測量及應(yīng)用的研究也不斷地受到學(xué)者們的重視。例如，Wagner 等[15]建議整合不同學(xué)科的專業(yè)知識(shí)構(gòu)造一個(gè)自下而上的將論文與引用相結(jié)合的方法流程，以探討解決與交叉學(xué)科內(nèi)容有關(guān)的特定問題是在何種知識(shí)內(nèi)容水平上進(jìn)行聚合的；馬瑞敏等[16]認(rèn)為兩個(gè)學(xué)科的共關(guān)鍵詞越多，這兩個(gè)學(xué)科在研究主題和內(nèi)容上的交叉程度就越大，文獻(xiàn)直引、文獻(xiàn)耦合、共關(guān)鍵詞綜合可用于直接測度不同學(xué)科之間的交叉程度；許海云等[17]基于 TI（term interdisciplinary） 指標(biāo)結(jié)合社會(huì)網(wǎng)絡(luò)分析方法和時(shí)序分析方法來分析和研究情報(bào)學(xué)學(xué)科交叉主題；閔超等[18]采用聚類分析和戰(zhàn)略坐標(biāo)分析方法以圖書情報(bào)與新聞傳播學(xué)為例探索學(xué)科交叉研究熱點(diǎn)領(lǐng)域的主題劃分、結(jié)構(gòu)特性和演化過程。
綜上所述，已有研究不僅產(chǎn)生了大量的理論與方法，而且正在拓展實(shí)踐應(yīng)用的廣度和深度，為正在興起的學(xué)科交叉研究奠定了發(fā)展的基礎(chǔ)。
美國NSF 設(shè)立7 個(gè)學(xué)部，每個(gè)學(xué)部下設(shè)立若干個(gè)分部。NSF 學(xué)部分部（以下簡稱分部）與研究所屬的學(xué)科或者項(xiàng)目類別密切相關(guān)，對(duì)分部進(jìn)行分析可以發(fā)現(xiàn)基金項(xiàng)目資助領(lǐng)域的學(xué)科交叉特征和演化趨勢。那么，關(guān)于研究領(lǐng)域的學(xué)科交叉，在NSF 的資助政策下，不同分部的內(nèi)部知識(shí)發(fā)展?fàn)顩r如何？NSF 各分部間的知識(shí)又是如何相互滲透和影響的？針對(duì)上述問題，本文擬以科學(xué)基金數(shù)據(jù)為研究對(duì)象，采用共詞網(wǎng)絡(luò)、復(fù)雜網(wǎng)絡(luò)和詞向量分析等方法構(gòu)建分析框架與測度指標(biāo)，以美國NSF 資助的領(lǐng)域數(shù)據(jù)為例，測算交叉研究領(lǐng)域內(nèi)分部間的知識(shí)內(nèi)聚性與知識(shí)交叉融合能力，分析交叉融合過程中分部內(nèi)部、分部之間的知識(shí)關(guān)聯(lián)與滲透演化，探索交叉研究的發(fā)展對(duì)基金分部發(fā)展的推動(dòng)，以揭示科技投入對(duì)交叉研究的引導(dǎo)方向、影響特征及演化作用。
3 研究設(shè)計(jì)與方法
3.1 分析流程框架
對(duì)基金項(xiàng)目中包含的關(guān)鍵詞開展相關(guān)研究，是從微觀層面視角對(duì)基金分部的知識(shí)結(jié)構(gòu)進(jìn)行探索。共詞網(wǎng)絡(luò)是由論文關(guān)鍵詞之間的共現(xiàn)關(guān)系構(gòu)成的一種表達(dá)科學(xué)領(lǐng)域知識(shí)結(jié)構(gòu)的知識(shí)網(wǎng)絡(luò)[19]，因此，本文借助論文共詞網(wǎng)絡(luò)構(gòu)建思想，分別構(gòu)建分部內(nèi)關(guān)鍵詞共詞網(wǎng)絡(luò)和分部間交叉網(wǎng)絡(luò)，以探索分部內(nèi)知識(shí)的發(fā)展與分部間知識(shí)交互關(guān)聯(lián)的結(jié)構(gòu)特征和演化規(guī)律。具體地：①通過項(xiàng)目關(guān)鍵詞共現(xiàn)構(gòu)建如圖1所示的不同分部內(nèi)部的共詞網(wǎng)絡(luò)，共詞網(wǎng)絡(luò)的邊權(quán)重由關(guān)鍵詞對(duì)領(lǐng)域重要程度和關(guān)鍵詞的共現(xiàn)頻次共同決定；②依照不同分部之間存在相同關(guān)鍵詞而形成的交叉部分構(gòu)建如圖2 所示的分部交叉網(wǎng)絡(luò)，其中任意兩個(gè)分部之間關(guān)鍵詞交叉度之和構(gòu)成分部間的交叉強(qiáng)度。
同時(shí)，由于每個(gè)分部中都包含大量的關(guān)鍵詞，且每個(gè)關(guān)鍵詞在不同分部中的重要程度是有差異的，進(jìn)而影響著交叉網(wǎng)絡(luò)的構(gòu)成；所以，本文將導(dǎo)入基金項(xiàng)目關(guān)鍵詞重要性計(jì)算，并與交叉度、平均路徑長度和影響力等指標(biāo)結(jié)合構(gòu)建并測度交叉網(wǎng)絡(luò)。由此，設(shè)計(jì)如圖3 所示的分析流程框架。首先，從項(xiàng)目的題名和摘要中抽取關(guān)鍵詞數(shù)據(jù)并進(jìn)行清洗，計(jì)算基金項(xiàng)目所屬不同分部中每個(gè)關(guān)鍵詞的重要性；其次，根據(jù)分部內(nèi)的基金項(xiàng)目中關(guān)鍵詞共現(xiàn)關(guān)系構(gòu)建共現(xiàn)網(wǎng)絡(luò)并計(jì)算分部平均路徑長度，其中關(guān)鍵詞共現(xiàn)邊的權(quán)重依據(jù)關(guān)鍵詞在分部的重要性及關(guān)鍵詞對(duì)的共現(xiàn)頻次進(jìn)行分配；最后，根據(jù)不同分部間的相同關(guān)鍵詞集進(jìn)行分部間交叉度的計(jì)算，構(gòu)建分部交叉網(wǎng)絡(luò)，并計(jì)算各分部在分部交叉網(wǎng)絡(luò)中的影響力。
3.2 測度指標(biāo)與方法
1）不同基金分部的關(guān)鍵詞重要性計(jì)算
TF-IDF （term frequency-inverse document frequency）作為信息檢索常用的加權(quán)技術(shù)，可被用于衡量主題詞對(duì)特定文檔集合的重要程度。因此，本文采用TF-IDF 來計(jì)算關(guān)鍵詞對(duì)特定分部的重要程度。在基金分部i中，關(guān)鍵詞km的重要程度wim為
其中，nkm,i表示關(guān)鍵詞km在分部i中的詞頻；Ni表示分部i的關(guān)鍵詞總數(shù)；|D|表示基金分部總數(shù)；|{n:km∈dn}|表示包含關(guān)鍵詞km的分部數(shù)。則分部i和分部j的詞向量di、dj分別表示為
2）基金分部的共詞網(wǎng)絡(luò)與基金學(xué)分部間交叉網(wǎng)絡(luò)構(gòu)建
基金分部內(nèi)部關(guān)鍵詞的關(guān)聯(lián)程度通過共詞網(wǎng)絡(luò)來衡量。與傳統(tǒng)的共詞網(wǎng)絡(luò)不同，為更好地區(qū)別基金分部內(nèi)不同關(guān)鍵詞對(duì)不同分部的重要性，基金分部的共詞網(wǎng)絡(luò)邊權(quán)重由關(guān)鍵詞共現(xiàn)頻次和關(guān)鍵詞重要性共同決定，具體計(jì)算公式為
其中，Cmn為關(guān)鍵詞km和關(guān)鍵詞kn的共現(xiàn)頻次。
根據(jù)分部間相同的關(guān)鍵詞集建立分部交叉網(wǎng)絡(luò)，如果兩個(gè)基金分部之間存在相同的關(guān)鍵詞，那么這兩個(gè)分部之間存在交叉關(guān)系。采用余弦相似度表示分部交叉度，分部間交叉度計(jì)算公式為
若Sim(di,dj) ＞0，則分部i和分部j之間存在交叉；若Sim(di,dj) = 0，則分部i和分部j之間不存在交叉。
3）基金分部平均路徑長度
平均路徑長度是衡量網(wǎng)絡(luò)的凝聚程度的重要指標(biāo)。本文基于網(wǎng)絡(luò)平均路徑長度來衡量基金分部內(nèi)部知識(shí)間關(guān)聯(lián)程度，基金分部平均路徑長度（division average path length，DAPL）越短，分部內(nèi)知識(shí)關(guān)聯(lián)越密切，具體計(jì)算公式為
其中，dmn為關(guān)鍵詞km和關(guān)鍵詞kn之間的加權(quán)最短路徑長度；Ni為分部i的關(guān)鍵詞總數(shù)；為分部i中最多可以形成的邊數(shù)量的倒數(shù)。
4）基金分部影響力
基金分部影響力（division influence，DIn） 衡量基金分部在交叉網(wǎng)絡(luò)中的重要程度?？紤]到節(jié)點(diǎn)度與中介中心性、特征向量中心性等常用網(wǎng)絡(luò)計(jì)量指標(biāo)的相關(guān)性[20]，主要采用節(jié)點(diǎn)度來衡量基金分部的重要程度。一個(gè)基金分部由這個(gè)分部與其他分部交叉的數(shù)目和強(qiáng)度共同決定，計(jì)算公式為
為了統(tǒng)一各類指標(biāo)的量綱，共現(xiàn)頻次、關(guān)鍵詞重要程度在后續(xù)研究中均進(jìn)行歸一化處理。
4 實(shí)證分析
基于上述分析流程框架與測度指標(biāo)及方法，選取美國NSF 數(shù)據(jù)中人工智能（artificial intelligence，AI）這個(gè)新興交叉學(xué)科領(lǐng)域?yàn)閿?shù)據(jù)來源與實(shí)證案例。
4.1 數(shù)據(jù)來源與處理
采用關(guān)鍵詞組合檢索的策略，根據(jù)前期綜合研究確定的有關(guān)AI 領(lǐng)域的418 個(gè)關(guān)鍵詞[21]，構(gòu)造檢索式“"semantic analysis" or "neural network" or "support vector machine" or "machine learning"…”， 在NSF 官網(wǎng)上檢索相關(guān)基金項(xiàng)目，限定基金資助時(shí)段為2008.01.01—2018.12.31 （檢索時(shí)間為 2020 年2月）。去重處理后，共獲取42126 條基金項(xiàng)目數(shù)據(jù)，結(jié)合本文的研究需要對(duì)數(shù)據(jù)進(jìn)行人工篩選與研判后，最終得到人工智能領(lǐng)域基金項(xiàng)目數(shù)據(jù)20524 條。
本文抽取項(xiàng)目數(shù)據(jù)中的“StartDate（項(xiàng)目開始日期）”“Title（項(xiàng)目名稱）”“Abstract（摘要）”“NSFDirectorate（NSF 學(xué)部）”“NSFDivision（NSF分部）”字段進(jìn)行分析。由于基金項(xiàng)目數(shù)據(jù)缺少關(guān)鍵詞字段，且人工智能領(lǐng)域目前沒有領(lǐng)域術(shù)語詞典，無法基于詞典進(jìn)行關(guān)鍵詞抽取，所以，本文基于快速自動(dòng)關(guān)鍵字提取算法（rapid automatic keyword extraction，RAKE）[22]開展研究，這是因?yàn)樵撍惴ㄓ?jì)算速度更快，同時(shí)具有更高的準(zhǔn)確率和召回率。由此，采用RAKE 算法對(duì)基金項(xiàng)目數(shù)據(jù)中的“Title（項(xiàng)目名稱）”和“Abstract（摘要）”字段進(jìn)行關(guān)鍵詞抽取，并根據(jù)本文需要對(duì)抽取出的關(guān)鍵詞進(jìn)行如下處理：①刪除無意義或者意義較為寬泛的關(guān)鍵詞，如“algorithm”“model”等；②詞形還原；③合并同義詞、近義詞。
由于個(gè)別分部不具有學(xué)科類別屬性，為保障研究的需要，對(duì)這些NSF 分部項(xiàng)目數(shù)據(jù)做刪除處理，主要包括MMA（數(shù)學(xué)與物理科學(xué)學(xué)部下的“多學(xué)科活動(dòng)”）分部、EFMA（工程科學(xué)學(xué)部下的“新興前沿和多學(xué)科活動(dòng)”）分部、SMA（社會(huì)行為與經(jīng)濟(jì)科學(xué)學(xué)部下的“跨學(xué)科活動(dòng)”）分部和NCSES（國家科學(xué)工程統(tǒng)計(jì)中心）分部以及EF（生物科學(xué)學(xué)部下的“新興前沿”）分部。最終對(duì)29 個(gè)分部下的19853 條項(xiàng)目數(shù)據(jù)進(jìn)行分析研究。
經(jīng)過上述處理，每個(gè)分部的項(xiàng)目數(shù)量和關(guān)鍵詞數(shù)量分布詳情如表1 所示。其中，IIS（信息智能與系統(tǒng)）受到資助的項(xiàng)目數(shù)和關(guān)鍵詞數(shù)最多，其次為CNS（計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)）、DMS（數(shù)學(xué)）、GMMI（土木、機(jī)械與制造）等分部。
表1 NSF各分部項(xiàng)目和關(guān)鍵詞數(shù)量分布
4.2 NSF分部內(nèi)部知識(shí)關(guān)聯(lián)
共詞網(wǎng)絡(luò)是一種能夠表達(dá)關(guān)鍵詞結(jié)構(gòu)和關(guān)聯(lián)性的一種方法，通過建立NSF 分部的共詞網(wǎng)絡(luò)并計(jì)算其平均路徑長度（DAPL），來判斷NSF 分部內(nèi)部知識(shí)的關(guān)聯(lián)程度，計(jì)算結(jié)果如表2 所示。整體來看，NSF 各分部平均路徑長度分布范圍較廣，說明在AI領(lǐng)域范圍內(nèi)，各分部內(nèi)部發(fā)展不均衡。從表2 可以看出，IIP（工業(yè)創(chuàng)新與合作）、EEC（工程教育中心）、AST（天文科學(xué)）等分部內(nèi)的知識(shí)關(guān)聯(lián)比較密切。
表2 NSF分部平均路徑長度（DAPL）排序（升序）
4.3 NSF分部間的交叉及演化
1）NSF 分部間的交叉網(wǎng)絡(luò)
NSF 分部間的交叉網(wǎng)絡(luò)體現(xiàn)知識(shí)在不同分部間的交流、滲透、融合的關(guān)系。基于2008—2018 年的所有數(shù)據(jù)，采用Gephi 對(duì)AI 領(lǐng)域基金各分部的交叉網(wǎng)絡(luò)進(jìn)行可視化，結(jié)果如圖4 所示。其中節(jié)點(diǎn)代表NSF 分部，節(jié)點(diǎn)大小由度決定，即與該分部存在交叉的分部數(shù)量越多，節(jié)點(diǎn)越大；節(jié)點(diǎn)之間的邊代表分部間的交叉關(guān)系，邊的粗細(xì)與NSF 分部之間交叉程度呈正相關(guān)。表3 為NSF 分部交叉網(wǎng)絡(luò)不同區(qū)間邊權(quán)重的數(shù)量分布及占比。
圖4a 中，所有NSF 分部的節(jié)點(diǎn)大小相同，即所有NSF 分部間均存在交叉關(guān)系，這種現(xiàn)象的產(chǎn)生主要是由于每個(gè)基金分部的關(guān)鍵詞中均存在部分通用術(shù)語，這些通用術(shù)語貫通了整個(gè)分部的知識(shí)交叉網(wǎng)絡(luò)。根據(jù)不同的閾值過濾NSF 分部交叉網(wǎng)絡(luò)的邊，得到圖4b～圖4d，結(jié)合表3 中的占比數(shù)值可以看出，大多數(shù)邊的權(quán)重低于0.2，這說明絕大部分NSF 分部間知識(shí)交叉融合程度不高。在交叉度大于0.3 的如圖4d 所示網(wǎng)絡(luò)里，CCF（計(jì)算與通信基礎(chǔ)）和IIS（信息與智能系統(tǒng)）的知識(shí)交叉程度最高，其次是IOS（綜合有機(jī)體系統(tǒng)）和MCB（分子和細(xì)胞生物科學(xué)），以及CCF （計(jì)算與通信基礎(chǔ)） 和CNS（計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)）等。
表3 NSF分部交叉網(wǎng)絡(luò)不同邊權(quán)重的數(shù)量及占比
2）分部間交叉度的演化分布
為了探究NSF 基金分部之間交叉度的變化，繪制如圖5 所示的不同階段交叉度的核密度分布圖。根據(jù)項(xiàng)目對(duì)數(shù)據(jù)進(jìn)行篩選后，沒有2009 年的項(xiàng)目數(shù)據(jù)，因此將2008—2018 年劃分為2008—2013 年、2014—2018 年兩個(gè)階段，每個(gè)階段均包含5 年的項(xiàng)目數(shù)據(jù)。從圖5 可以看出，2014—2018 年的核密度函數(shù)明顯向右偏移，且分布范圍擴(kuò)大，這表明人工智能領(lǐng)域NSF 各分部間知識(shí)的交叉融合程度增加，同時(shí)各分部之間知識(shí)交叉融合程度出現(xiàn)分化。
表4 所示是在兩個(gè)階段中NSF 分部交叉關(guān)系變化程度排名Top 10 的結(jié)果。交叉程度變化最大的是CCF（計(jì)算與通信基礎(chǔ)）和CNS（計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)），其次是CCF（計(jì)算與通信基礎(chǔ)）和IIS（信息與智能系統(tǒng)）。在交叉關(guān)系中，CCF（計(jì)算與通信基礎(chǔ)）、CNS（計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)）在表中出現(xiàn)次數(shù)最多。
表4 領(lǐng)域內(nèi)兩個(gè)階段NSF分部交叉關(guān)系變化程度排名Top 10
3）學(xué)部內(nèi)交叉和跨學(xué)部交叉的差異
將分部之間的交叉劃分為學(xué)部內(nèi)交叉和跨學(xué)部交叉。學(xué)部內(nèi)交叉指的是在同一學(xué)部內(nèi)，各分部之間的知識(shí)的交叉融合，跨學(xué)部交叉指的是分部之間的知識(shí)交叉跨越相同或相似的理論方法及研究背景范圍。圖6 為學(xué)部內(nèi)交叉度和跨學(xué)部交叉度分部的箱型圖，表5 則采用均值、方差、標(biāo)準(zhǔn)差和中位數(shù)來衡量以上兩種交叉方式之間的差異?？梢钥吹?，學(xué)部內(nèi)交叉的均值和中位數(shù)均高于跨學(xué)部交叉，表明實(shí)現(xiàn)知識(shí)的近距離交叉融合更容易；學(xué)部內(nèi)交叉的方差和標(biāo)準(zhǔn)差均高于跨學(xué)部交叉，表明學(xué)部內(nèi)交叉出現(xiàn)分化狀態(tài)，發(fā)展不均衡。
表5 NSF學(xué)部內(nèi)交叉和跨學(xué)部交叉的差異
4.4 NSF分部影響力及演化
計(jì)算每個(gè)NSF 分部在交叉網(wǎng)絡(luò)中的影響力，結(jié)果如表6 所示。其中CBET（化學(xué)、生物工程、能源與運(yùn)輸系統(tǒng)）在各分部中的影響力最高，其次是IIS（信息與智能系統(tǒng)）。CBET 支持化學(xué)工程、生物技術(shù)、生物工程和環(huán)境工程領(lǐng)域的創(chuàng)新研究和教育，該分部涉及多學(xué)科的領(lǐng)域知識(shí)；且結(jié)合表4 可知，在2014—2018 年，CBET 在NSF 分部交叉網(wǎng)絡(luò)中，與GMMI（土木、機(jī)械與制造）、DMR（材料研究）的交叉度迅速增加。
表6 NSF分部影響力及排名
圖 7 為不同 NSF 分部在 2008—2013 年、2014—2018 年兩個(gè)階段影響力排名的變化。圖7 中，兩點(diǎn)間的連線代表排名變化的幅度。第二階段節(jié)點(diǎn)出現(xiàn)在第一階段節(jié)點(diǎn)上方，代表第二階段的影響力排名均為下跌趨勢；出現(xiàn)在第一階段節(jié)點(diǎn)下方，則代表影響力排名出現(xiàn)上升?？梢园l(fā)現(xiàn)，HRD（人力資源開發(fā)）、DBI（生物基礎(chǔ)設(shè)施）、AGS（大氣與地球空間科學(xué)）、EAR（地球科學(xué)）的影響力排名下跌幅度較大，而ECCS（電氣、通信與網(wǎng)絡(luò)系統(tǒng)）、GMMI（土木、機(jī)械與制造）影響力排名上升較快。這表明隨著人工智能領(lǐng)域資助計(jì)劃的項(xiàng)目的變化，HRD 等分部與其他分部知識(shí)的交互性減弱，ECCS、GMMI 等工程學(xué)領(lǐng)域知識(shí)與其他分部的知識(shí)的融合增加。
4.5 NSF分部平均路徑長度和影響力的關(guān)聯(lián)性
計(jì)算不同NSF 分部的平均路徑長度（DAPL）和影響力（DIn）并進(jìn)行歸一化處理，以平均路徑長度和影響力的中位數(shù)作為原點(diǎn)進(jìn)行可視化展示。按照是否高于NSF 分部的平均路徑長度的中位數(shù)和影響力中位數(shù)將NSF 分部劃歸為不同組合的四個(gè)組，具體分布情況如圖8 所示。
從整體來講，NSF 分部平均路徑長度和影響力的分布比較聚集，這是由于所研究的分部屬于同一個(gè)學(xué)科領(lǐng)域，因此，分部的路徑長度特征和影響力特征均比較相似。
高路徑長度-高影響力（high DAPL- high DIn）：相對(duì)于其他分部，分部內(nèi)部的知識(shí)關(guān)聯(lián)程度低，但是與其他分部的知識(shí)有較好交叉融合。代表分部有IIS （信息與智能系統(tǒng)）、CNS （計(jì)算機(jī)和網(wǎng)絡(luò)系統(tǒng)）、GMMI（土木、機(jī)械與制造）、CBET（化學(xué)、生物工程、能源與運(yùn)輸系統(tǒng)）等。
高路徑長度-低影響力（high DAP - low DIn）：內(nèi)部知識(shí)關(guān)聯(lián)較少，且研究內(nèi)容與其他分部的研究重合度低。代表分部有PHY（物理學(xué)）、DBI（生物基礎(chǔ)設(shè)施）、EAR（地球科學(xué)）等。
低路徑長度-高影響力（low DAPL - high DIn）：內(nèi)部知識(shí)聯(lián)系密切，研究主題較為集中，且與其他分部的知識(shí)有較好交叉融合。代表分部有ECCS（電氣、通信與網(wǎng)絡(luò)系統(tǒng)）、IOS （綜合有機(jī)體系統(tǒng)）、MCB（分子和細(xì)胞生物科學(xué)）等。
低路徑長度-低影響力（low DAPL - low DIn）：內(nèi)部知識(shí)關(guān)聯(lián)密切，但與其他學(xué)部之間的知識(shí)交叉融合程度不高。代表分部有ICER（綜合與協(xié)作教育研究）、CHE（化學(xué)）、OCE（海洋科學(xué)）等。
基于Spearman 相關(guān)性對(duì)項(xiàng)目數(shù)量、分部平均路徑長度、分部影響力三個(gè)指標(biāo)的相關(guān)性進(jìn)行檢驗(yàn)，結(jié)果如表7 所示?？梢园l(fā)現(xiàn)：①分部的平均路徑長度與分部影響力均與受資助項(xiàng)目數(shù)量正相關(guān)，即受資助項(xiàng)目數(shù)量越多，關(guān)鍵詞的多樣性越明顯，分部的平均路徑長度越大，使得內(nèi)部的知識(shí)凝聚性減弱。同時(shí)，隨著項(xiàng)目數(shù)增加，分部影響力增強(qiáng)，使得分部間的知識(shí)交叉融合程度加深。因此，隨著項(xiàng)目數(shù)量的增多，分部內(nèi)的知識(shí)凝聚性降低，而分部間的知識(shí)交叉融合程度增加。②分部影響力和分部的平均路徑長度兩個(gè)指標(biāo)沒有顯著的強(qiáng)相關(guān)性，因此可以作為不同視角的測量指標(biāo)。
表7 Spearman相關(guān)性檢驗(yàn)
5 結(jié)論與討論
本文針對(duì)科學(xué)基金數(shù)據(jù)的屬性特征，將共詞網(wǎng)絡(luò)分析與學(xué)科交叉研究等方法相結(jié)合，設(shè)計(jì)學(xué)科交叉研究的分析流程與測度指標(biāo)，以美國NSF 數(shù)據(jù)為來源，選取AI 領(lǐng)域?yàn)閷?shí)證案例，利用共詞網(wǎng)絡(luò)研究NSF 中AI 領(lǐng)域各分部內(nèi)知識(shí)的關(guān)聯(lián)性，進(jìn)而通過所構(gòu)建的交叉網(wǎng)絡(luò)探究NSF 各分部間的知識(shí)的相互滲透和影響，使用平均路徑長度和點(diǎn)度中心度兩個(gè)指標(biāo)分別對(duì)基金分部內(nèi)部知識(shí)的發(fā)展和學(xué)部間知識(shí)的交叉程度進(jìn)行測量，分析科技導(dǎo)向和投入對(duì)于交叉研究的影響及交叉研究態(tài)勢變化的特征。最后，對(duì)分部內(nèi)部知識(shí)的發(fā)展與分部間交叉程度的相關(guān)性進(jìn)行闡釋，得到以下結(jié)論。
（1）在分部內(nèi)部知識(shí)聚集程度上，NSF 各分部平均路徑長度分布范圍較廣，說明在人工智能領(lǐng)域內(nèi)，NSF 各分部資助力度的不同導(dǎo)致各分部內(nèi)部知識(shí)不均衡的發(fā)展態(tài)勢。
（2）在分部交叉網(wǎng)絡(luò)分布及演化上，大多數(shù)分部間交叉融合程度不高，但隨著NSF 資助力度的增加，分部間知識(shí)交叉融合能力增強(qiáng)，同時(shí)各分部之間知識(shí)交叉融合的程度出現(xiàn)分化，美國人工智能領(lǐng)域研究的分部交叉具有顯著的學(xué)科屬性并漸成有區(qū)隔的核心研究方向。
（3）NSF 的知識(shí)交叉集中在有相同或相似的理論方法的學(xué)科框架之下，表明知識(shí)實(shí)現(xiàn)近距離交叉融合更容易。而如何通過政策導(dǎo)向和投入提升知識(shí)的遠(yuǎn)距離交叉，實(shí)現(xiàn)重大甚至尖端的科學(xué)問題是值得進(jìn)一步探討的內(nèi)容。
（4）分部內(nèi)的知識(shí)凝聚程度和分部間的交叉程度與受資助項(xiàng)目數(shù)量存在相關(guān)關(guān)系。受資助項(xiàng)目增多，受資助主題的多樣性增加，分部內(nèi)的知識(shí)凝聚程度降低而分部間的交叉度增強(qiáng)。
綜上所述，在科技政策引導(dǎo)下，美國人工智能領(lǐng)域交叉研究得到了有力的推動(dòng)。一方面，促使該領(lǐng)域形成了穩(wěn)定的主導(dǎo)分部及其核心知識(shí)體系，并對(duì)其他分部產(chǎn)生較大的影響，如IIS（信息與智能系統(tǒng)）；另一方面，在該領(lǐng)域基金分部以其自身屬性特征參與知識(shí)交融，并促進(jìn)交叉演化態(tài)勢的不斷變化，而不同分部內(nèi)部和分部間的知識(shí)關(guān)聯(lián)與滲透演化及其影響的發(fā)展是不均衡的。
本文的研究工作還存在一些局限性。例如，采用共詞網(wǎng)絡(luò)對(duì)分部內(nèi)知識(shí)體系進(jìn)行構(gòu)建難以從語義關(guān)系和認(rèn)知維度體現(xiàn)知識(shí)間的內(nèi)在關(guān)聯(lián)，后續(xù)可考慮引入詞向量等方式增加關(guān)鍵詞的語義信息。同時(shí)，本文只討論了受資助項(xiàng)目數(shù)量對(duì)于分部內(nèi)部和分部間知識(shí)關(guān)聯(lián)的影響，在后續(xù)研究中應(yīng)考慮采用定性、定量分析相結(jié)合的方法，對(duì)其他相關(guān)因素進(jìn)行探究，為政策制定提供更加有力的參考借鑒。
猜你喜歡
科技進(jìn)步與對(duì)策(2023年18期)2023-10-09 02:22:14
浙江大學(xué)學(xué)報(bào)(理學(xué)版)(2023年3期)2023-06-07 11:16:38
現(xiàn)代特殊教育(2022年2期)2022-07-02 09:19:14
科技進(jìn)步與對(duì)策(2022年1期)2022-01-24 02:13:10
初中生世界·八年級(jí)(2019年6期)2019-08-13 18:41:18
浙江大學(xué)學(xué)報(bào)(理學(xué)版)(2017年3期)2017-05-18 02:10:07
考試周刊(2016年86期)2016-11-11 07:46:31
小學(xué)生導(dǎo)刊(低年級(jí))(2016年6期)2016-07-02 22:17:33
計(jì)算機(jī)工程(2015年8期)2015-07-03 12:19:54
振動(dòng)、測試與診斷(2014年6期)2014-03-01 01:14:47
