新時(shí)期管理學(xué)領(lǐng)域?qū)W科交叉研究
——基于科學(xué)基金重大研究計(jì)劃的視角

劉夢(mèng)琦 王永梅 陳虹樞 汪雪鋒

北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院 北京 100081

引言

管理學(xué)作為一門兼具自然科學(xué)與社會(huì)人文屬性的綜合性學(xué)科，在其漫長(zhǎng)的發(fā)展過程中，越來越多地融入了大規(guī)模數(shù)據(jù)處理、系統(tǒng)思維及實(shí)證方法等科學(xué)范式，并逐漸凸顯出鮮明的多學(xué)科交叉融通特點(diǎn)[1]。當(dāng)前，信息技術(shù)革命通過優(yōu)化決策環(huán)境、豐富管理工具、完善管理平臺(tái)等方式助推了管理學(xué)科的發(fā)展，并同時(shí)加速了管理學(xué)科與其他學(xué)科交叉融合的腳步，隨之而來的新技術(shù)倫理、安全與應(yīng)用邊界等問題也帶來了更多挑戰(zhàn)。因此，系統(tǒng)分析我國(guó)管理學(xué)領(lǐng)域與其他學(xué)科交叉發(fā)展的新特征與新模式，已經(jīng)成為我國(guó)持續(xù)發(fā)展管理學(xué)科的嶄新命題之一。

管理學(xué)領(lǐng)域與其他學(xué)科的交叉融合，既是科學(xué)進(jìn)步的必然，也響應(yīng)了我國(guó)國(guó)家經(jīng)濟(jì)社會(huì)發(fā)展的號(hào)召。早在第九屆全國(guó)人民代表大會(huì)第四次會(huì)議的政府工作報(bào)告中，朱镕基同志便已明確提出“以自然科學(xué)與社會(huì)科學(xué)的交叉融合，推動(dòng)管理科學(xué)的發(fā)展”[1]。近年來，數(shù)字化逐步顛覆傳統(tǒng)的組織管理的方式，進(jìn)一步推動(dòng)了管理領(lǐng)域拓展知識(shí)體系邊界、深入交叉發(fā)展，使過去一百多年來形成的管理理論的適用性與有效性面臨嶄新挑戰(zhàn)?！吨腥A人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035 年遠(yuǎn)景目標(biāo)綱要》提出，要“以數(shù)字化轉(zhuǎn)型整體驅(qū)動(dòng)生產(chǎn)方式、生活方式和治理方式變革”。習(xí)近平總書記也提出“要運(yùn)用大數(shù)據(jù)提升國(guó)家治理現(xiàn)代化水平，要建立健全大數(shù)據(jù)輔助科學(xué)決策和社會(huì)治理的機(jī)制”[1]。作為解決面向科學(xué)前沿和國(guó)家經(jīng)濟(jì)、社會(huì)、科技發(fā)展及國(guó)家安全的重大需求中的重大科學(xué)問題的第一窗口，國(guó)家自然科學(xué)基金重大研究計(jì)劃通過學(xué)科交叉來匯集創(chuàng)新力量以攻克科學(xué)難題并服務(wù)創(chuàng)新驅(qū)動(dòng)。管理學(xué)部牽頭的兩個(gè)重大研究計(jì)劃——“非常規(guī)突發(fā)事件應(yīng)急管理研究”（以下簡(jiǎn)稱“應(yīng)急管理”計(jì)劃）及“大數(shù)據(jù)驅(qū)動(dòng)的管理與決策研究”（以下簡(jiǎn)稱“大數(shù)據(jù)”計(jì)劃），都是在回答和解決帶有時(shí)代特征的重大管理問題。本研究基于國(guó)家自然科學(xué)基金委員會(huì)管理學(xué)部的兩項(xiàng)重大研究計(jì)劃的相關(guān)論文成果，從主題維度對(duì)管理學(xué)科在新時(shí)期與其他學(xué)科的交叉融合現(xiàn)狀與趨勢(shì)展開分析。

1 學(xué)科交叉測(cè)度方法綜述

在已有研究中，學(xué)者們主要從參考文獻(xiàn)角度、作者合作角度以及文本內(nèi)容角度進(jìn)行學(xué)科交叉測(cè)度，其中基于參考文獻(xiàn)角度的研究最為廣泛[3]，從文本內(nèi)容視角出發(fā)測(cè)度學(xué)科交叉水平的研究則相對(duì)較少。學(xué)科交叉的本質(zhì)是知識(shí)的交叉融合，論文參考文獻(xiàn)的多樣性可以很好地測(cè)度該領(lǐng)域的知識(shí)。當(dāng)前，有關(guān)學(xué)科交叉測(cè)度的研究主要集中于多樣性測(cè)度和凝聚性測(cè)度兩個(gè)視角：多樣性指標(biāo)通常被用來測(cè)度文獻(xiàn)集的異質(zhì)性，表示知識(shí)基礎(chǔ)的廣泛程度；而凝聚性指標(biāo)是為了揭示知識(shí)體系網(wǎng)絡(luò)的結(jié)構(gòu)凝聚性，重點(diǎn)反映知識(shí)內(nèi)容的整合情況。

隨著學(xué)科交叉測(cè)度研究的逐漸深入，學(xué)科多樣性的測(cè)度從單一維度的學(xué)科數(shù)量、基尼系數(shù)、差異度發(fā)展為綜合豐富度和均勻度的香農(nóng)熵、布里淵指數(shù)等。盡管這些指標(biāo)能夠在一定程度上測(cè)度學(xué)科的交叉程度，但分別存在一定局限性，學(xué)者們始終沒有停下探索能夠涵蓋學(xué)科交叉豐富度、均勻度和差異度綜合性指標(biāo)的腳步[4]。其中，Stirling[5]提出的跨學(xué)科性三維測(cè)度的論述，即豐富度（variety，學(xué)科的數(shù)量）、均勻度（balance，學(xué)科分布的均勻程度）和差異度（disparity，學(xué)科性質(zhì)的差異程度），為學(xué)科交叉測(cè)度研究提供了堅(jiān)實(shí)的理論參考。Rao-Stirling 指標(biāo)將以上3 個(gè)維度綜合起來，提出了相應(yīng)的非參數(shù)測(cè)度指標(biāo)——Rao-Stirling Diversity 指標(biāo)（簡(jiǎn)稱RS指標(biāo)），常被用以測(cè)度跨學(xué)科研究的“知識(shí)融合度”，在國(guó)內(nèi)外跨學(xué)科研究中產(chǎn)生了較大的影響[6]。但Leydesdorff和Rafols[7]在測(cè)量期刊的學(xué)科交叉度時(shí)發(fā)現(xiàn)Rao-Stirling 多樣性指標(biāo)的結(jié)果并不理想，并通過將其與網(wǎng)絡(luò)指標(biāo)（中介中心性）、不均勻性指標(biāo)（Shannon 指標(biāo)、Gini 系數(shù)）進(jìn)行對(duì)比，得到Rao-Stirling 指標(biāo)具有一定局限性的結(jié)論。Zhou 等[8]將Simpson 指標(biāo)和Rao-Stirling 指標(biāo)結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)其在測(cè)度跨學(xué)科性的實(shí)際應(yīng)用時(shí)顯示出了較低的“區(qū)分度”。Jost[9]認(rèn)為以往的學(xué)科交叉測(cè)度指標(biāo)均存在不同程度的局限，不能很好地描述學(xué)科交叉概念的實(shí)質(zhì)含義，他提出通過Hill 型多樣性指數(shù)來測(cè)度“真正學(xué)科多樣性”的方法。Hill 指數(shù)雖能夠較好地測(cè)度學(xué)科多樣性情況，但并未包含學(xué)科差異度這一維度。基于上述研究，Leinster 和Cob-bold[10]對(duì)Hill 指數(shù)進(jìn)行了進(jìn)一步的改進(jìn)，將差異度添加到該指標(biāo)中，提出了新的指標(biāo)qDS。

目前，在qDS指標(biāo)的基礎(chǔ)上，Zhang L 等[11]學(xué)者經(jīng)過反復(fù)對(duì)比和驗(yàn)證，進(jìn)一步論證了當(dāng)q=2 時(shí)的qDS指標(biāo)具有良好的數(shù)學(xué)特性。Leydesdorff等[12]學(xué)者認(rèn)為2DS指標(biāo)是對(duì)Rao-Stirling 多樣性指標(biāo)的顯著改進(jìn)，使指標(biāo)值之間具有了可量化操作的可比性，并將其稱為“True Diversity”指標(biāo)（簡(jiǎn)稱TD 指標(biāo)）。在學(xué)科交叉成果的實(shí)際測(cè)度研究中，TD 指標(biāo)從理論和實(shí)踐的雙重角度都顯示出了其在測(cè)度研究成果學(xué)科交叉度時(shí)的優(yōu)越性[6]：（1）TD指標(biāo)值具有“比例”意義，例如，當(dāng)TD 值增加或減少20%時(shí)，可以表示“學(xué)科多樣性”程度增加或降低20%；（2）TD 指標(biāo)的范圍是1 到正無窮，而Rao-Stirling指標(biāo)的范圍是0～1，因此，TD 在表征“多樣性”時(shí)具有更大的區(qū)分度。

2 管理學(xué)部重大研究計(jì)劃整體統(tǒng)計(jì)分析

本文通過學(xué)科分類代碼及學(xué)部信息對(duì)國(guó)家自然科學(xué)基金委員會(huì)管理學(xué)部的重大研究計(jì)劃項(xiàng)目進(jìn)行查詢，共收集獲取2007—2020 年229條項(xiàng)目數(shù)據(jù)①https://output.nsfc.gov.cn/，檢索截止至2022 年2 月; http://www.letpub.com.cn 檢索截止至2022 年2 月，經(jīng)過整理清洗共保留屬于“應(yīng)急管理”以及“大數(shù)據(jù)”兩個(gè)重大研究計(jì)劃的項(xiàng)目216 項(xiàng)，涉及培育項(xiàng)目、重點(diǎn)支持項(xiàng)目、集成項(xiàng)目、戰(zhàn)略研究項(xiàng)目以及指導(dǎo)專家組調(diào)研項(xiàng)目共5 個(gè)類別，總經(jīng)費(fèi)約為21300 萬元。項(xiàng)目數(shù)量及資助經(jīng)費(fèi)情況如圖1 所示。整體看來，兩項(xiàng)計(jì)劃所涉及的項(xiàng)目經(jīng)費(fèi)及項(xiàng)目數(shù)量呈現(xiàn)較大的波動(dòng)性，二者均在2010 年出現(xiàn)最大值，其中項(xiàng)目經(jīng)費(fèi)最高值達(dá)4385 萬元，項(xiàng)目數(shù)量最多為32 項(xiàng)。2009 年，“應(yīng)急管理”計(jì)劃正式啟動(dòng)，項(xiàng)目數(shù)量及經(jīng)費(fèi)在兩年間維持較高水平，2011年有所回落；2015 年，“大數(shù)據(jù)”計(jì)劃正式啟動(dòng)，項(xiàng)目數(shù)量顯著增長(zhǎng)，同時(shí)由于該計(jì)劃連續(xù)四年發(fā)布了項(xiàng)目指南，故2017—2018 年間該計(jì)劃的項(xiàng)目批準(zhǔn)數(shù)量也始終保持較高水平；2020 年的項(xiàng)目數(shù)量從2019 年的0 項(xiàng)上升至20 項(xiàng)，這一現(xiàn)象是由于“大數(shù)據(jù)”計(jì)劃在2020 年發(fā)布了新的項(xiàng)目指南，因而相關(guān)的項(xiàng)目數(shù)量隨之增多。

圖1 2009—2020 年管理學(xué)部項(xiàng)目數(shù)量及經(jīng)費(fèi)統(tǒng)計(jì)

2.1 “非常規(guī)突發(fā)事件應(yīng)急管理研究”計(jì)劃

在過去十年中，由于非常規(guī)突發(fā)事件呈現(xiàn)高頻次、多領(lǐng)域發(fā)生的復(fù)雜態(tài)勢(shì)，“應(yīng)急管理”計(jì)劃應(yīng)運(yùn)而生。該計(jì)劃是基金委“十一五”期間啟動(dòng)的第二批重大研究計(jì)劃，于2009 年2 月啟動(dòng)，2018 年1 月2 日順利結(jié)束。相關(guān)成果融合了管理、信息、心理等多學(xué)科領(lǐng)域的理論與技術(shù)，以加強(qiáng)預(yù)防和處置突發(fā)事件與防災(zāi)減災(zāi)的能力為目標(biāo)，保障了國(guó)家管理正常運(yùn)行以及社會(huì)良性發(fā)展[13]。

2009—2017 年，我國(guó)國(guó)家自然科學(xué)基金資助的“應(yīng)急管理”計(jì)劃的項(xiàng)目類型、數(shù)量及資助經(jīng)費(fèi)的具體情況如圖2 所示。本文共收集到“應(yīng)急管理”計(jì)劃的111 個(gè)子項(xiàng)，并觀察到其項(xiàng)目數(shù)量及資助經(jīng)費(fèi)均呈現(xiàn)較大的波動(dòng)趨勢(shì)：二者均在2010 年達(dá)到最高峰；而在其啟動(dòng)的時(shí)間段內(nèi)，也在2016 年出現(xiàn)過類似“輪空”的情況，即當(dāng)年資助項(xiàng)目數(shù)量為0。從其項(xiàng)目類型來看，前期主要以培育項(xiàng)目與重點(diǎn)支持項(xiàng)目為主，中期出現(xiàn)集成項(xiàng)目及指導(dǎo)專家組調(diào)研項(xiàng)目，后期出現(xiàn)戰(zhàn)略研究項(xiàng)目，由此可見項(xiàng)目的資助模式呈現(xiàn)出動(dòng)態(tài)變化，逐步由淺入深。

圖2 非常規(guī)突發(fā)事件應(yīng)急管理研究計(jì)劃項(xiàng)目數(shù)量及經(jīng)費(fèi)統(tǒng)計(jì)

2.2 “大數(shù)據(jù)驅(qū)動(dòng)的管理與決策研究”計(jì)劃

“大數(shù)據(jù)”計(jì)劃發(fā)揮了管理、信息、數(shù)理、醫(yī)學(xué)等多學(xué)科交叉優(yōu)勢(shì)，結(jié)合公共管理、商務(wù)、金融、醫(yī)療健康等領(lǐng)域的重要管理決策問題，在大數(shù)據(jù)決策范式、分析方法、治理共享、使能創(chuàng)新等方向上展開攻關(guān)[14]。2015—2020 年間，我國(guó)國(guó)家自然科學(xué)基金資助的管理學(xué)部“大數(shù)據(jù)”計(jì)劃的相關(guān)項(xiàng)目資助數(shù)量及經(jīng)費(fèi)如圖3 所示。該計(jì)劃共涵蓋105 個(gè)項(xiàng)目，總科研經(jīng)費(fèi)約10128 萬，項(xiàng)目類型以培育項(xiàng)目、重點(diǎn)支持項(xiàng)目及戰(zhàn)略研究項(xiàng)目為主，2017—2018 年出現(xiàn)少量集成項(xiàng)目。該計(jì)劃的項(xiàng)目數(shù)量在2016 年達(dá)到峰值28 項(xiàng)，隨后呈現(xiàn)下降趨勢(shì)，但在2020 年有所回升；資助經(jīng)費(fèi)在2015—2017 年間逐年上升，2017 年達(dá)到峰值3309 萬元。

圖3 大數(shù)據(jù)驅(qū)動(dòng)的管理與決策研究計(jì)劃項(xiàng)目數(shù)量及經(jīng)費(fèi)統(tǒng)計(jì)

3 數(shù)據(jù)與研究方法

3.1 數(shù)據(jù)及預(yù)處理

論文作為項(xiàng)目成果的一種，是項(xiàng)目所在領(lǐng)域研究?jī)?nèi)容創(chuàng)新成果的直接體現(xiàn)。深入分析項(xiàng)目成果論文，探究管理學(xué)領(lǐng)域重大研究計(jì)劃的研究成果內(nèi)容，能夠發(fā)掘管理學(xué)領(lǐng)域與其他學(xué)科交叉發(fā)展的新特征與新模式。本文選取Web of Science 核心合集的 SCI 及SSCI 數(shù)據(jù)庫(kù)為數(shù)據(jù)來源，依據(jù)由學(xué)科分類代碼及學(xué)部信息對(duì)管理學(xué)部重大研究計(jì)劃進(jìn)行查詢所得到的216 項(xiàng)相關(guān)項(xiàng)目，通過檢索項(xiàng)目編號(hào)獲得在“基金資助信息”字段包含重大研究計(jì)劃項(xiàng)目標(biāo)注的成果論文共3489 篇，并保留論文檢索號(hào)、標(biāo)題、摘要、關(guān)鍵詞、參考文獻(xiàn)、作者、基金、來源期刊等數(shù)據(jù)，為后續(xù)數(shù)據(jù)預(yù)處理做準(zhǔn)備。其中“應(yīng)急管理”計(jì)劃對(duì)應(yīng)包含1159 條數(shù)據(jù)，“大數(shù)據(jù)”計(jì)劃對(duì)應(yīng)包含2234 條數(shù)據(jù)。

本文主要利用ItgInsight②http://cn.itginsight.com/軟件進(jìn)行數(shù)據(jù)清洗及預(yù)處理，并在此基礎(chǔ)上實(shí)現(xiàn)粗粒度及細(xì)粒度的共現(xiàn)網(wǎng)絡(luò)的構(gòu)建。Web of Science Categories（以下簡(jiǎn)稱WC）是Web of Science 核心合集的學(xué)科分類方法，是一種相對(duì)而言粗粒度的指標(biāo)，其在數(shù)據(jù)集中的共現(xiàn)情況可初步反映該計(jì)劃成果論文所包括的學(xué)科領(lǐng)域及整體學(xué)科交叉的情況。同時(shí)，關(guān)鍵詞作為一篇論文研究的重點(diǎn)內(nèi)容，是一種相對(duì)而言細(xì)粒度的內(nèi)容“標(biāo)簽”，通過對(duì)數(shù)據(jù)集中關(guān)鍵詞進(jìn)行分析，可以通過研究主題的交疊探究學(xué)科交叉的程度與重點(diǎn)。在數(shù)據(jù)清洗階段，本文首先對(duì)數(shù)據(jù)集中所包含的WC及論文關(guān)鍵詞進(jìn)行預(yù)處理，分別得到WC 列表及關(guān)鍵詞詞表，對(duì)關(guān)鍵詞進(jìn)行“自動(dòng)+人工”的合并處理，兩個(gè)列表均保留TF-IDF 值排名前60 的分類及關(guān)鍵詞，之后采用共現(xiàn)分析的方法分別構(gòu)建粗粒度WC 的共現(xiàn)網(wǎng)絡(luò)和基于細(xì)粒度關(guān)鍵詞的共現(xiàn)網(wǎng)絡(luò)，并利用ItgInsight 進(jìn)行網(wǎng)絡(luò)可視化。

3.2 研究方法

本文首先運(yùn)用共現(xiàn)分析對(duì)兩項(xiàng)重大研究計(jì)劃的論文成果展開文獻(xiàn)計(jì)量視角下的粗粒度及細(xì)粒度的內(nèi)容分析。同時(shí)，綜合True Diversity指數(shù)以及主題模型構(gòu)建起了主題受關(guān)注度-跨學(xué)科度矩陣，基于文本內(nèi)容，進(jìn)一步分析管理學(xué)領(lǐng)域主題的跨學(xué)科性與影響力。具體的方法模塊包括共現(xiàn)網(wǎng)絡(luò)分析指標(biāo)、論文學(xué)科交叉測(cè)度、主題分析及主題受關(guān)注度-跨學(xué)科度矩陣構(gòu)建。

3.2.1 共現(xiàn)網(wǎng)絡(luò)分析指標(biāo)

節(jié)點(diǎn)中心性是社會(huì)網(wǎng)絡(luò)分析法中的常用指標(biāo)，包括點(diǎn)度中心度(Degree Centrality)、中介中心度(Betweenness Centrality)和接近中心度(Closeness Centrality)[15]。本文主要采用點(diǎn)度中心度及中介中心度兩種測(cè)度方式。點(diǎn)度中心度是利用網(wǎng)絡(luò)中與某一節(jié)點(diǎn)直接相連的其他節(jié)點(diǎn)的個(gè)數(shù)計(jì)算節(jié)點(diǎn)在網(wǎng)絡(luò)中地位的指標(biāo)，用來反映一個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)中的中心位置和“權(quán)力”大小[16]。具體而言，點(diǎn)度中心性測(cè)量的是網(wǎng)絡(luò)中與該節(jié)點(diǎn)直接相連的節(jié)點(diǎn)數(shù)目[17]。如果一個(gè)節(jié)點(diǎn)與很多其他節(jié)點(diǎn)直接連接，那么該節(jié)點(diǎn)就處于較為重要的地位，其計(jì)算公式如下，

Ndegree表示現(xiàn)有與節(jié)點(diǎn)相連的邊的數(shù)量，n-1表示該節(jié)點(diǎn)與其他節(jié)點(diǎn)都相連的邊的數(shù)量。

中介中心性則反映了節(jié)點(diǎn)傳遞信息的能力。節(jié)點(diǎn)的中介中心性越高，則表明越多的節(jié)點(diǎn)需要通過它才能聯(lián)系，反映的是節(jié)點(diǎn)的“中介”效用。在共現(xiàn)網(wǎng)絡(luò)中，如果一個(gè)關(guān)鍵詞具有較高的中介中心性，那么該關(guān)鍵詞在網(wǎng)絡(luò)傳播的媒介作用就更明顯[18]。具體地，中介中心性指網(wǎng)絡(luò)中經(jīng)過某點(diǎn)并連接這兩點(diǎn)的最短路徑占這兩點(diǎn)之間的最短路徑線總數(shù)之比，以經(jīng)過某個(gè)節(jié)點(diǎn)的最短路徑數(shù)目來刻畫節(jié)點(diǎn)重要性的指標(biāo)，計(jì)算公式如下：

dst表示連接節(jié)點(diǎn)s和節(jié)點(diǎn)t的最短路徑的數(shù)量，dst(i)表示經(jīng)過節(jié)點(diǎn)i且為最短路徑的數(shù)量。

3.2.2 學(xué)科交叉測(cè)度指標(biāo)

根據(jù)現(xiàn)有研究對(duì)學(xué)科交叉測(cè)度方法的綜述，本文選取了“True Diversity”指標(biāo)（簡(jiǎn)稱TD指標(biāo)）作為衡量管理學(xué)科與其他學(xué)科交叉程度的指標(biāo)，其計(jì)算公式為：

其中，pi和pj分別表示參考文獻(xiàn)中屬于的學(xué)科類別i和學(xué)科類別j的參考文獻(xiàn)數(shù)量占所有學(xué)科類別對(duì)應(yīng)參考文獻(xiàn)數(shù)量之和的比例，dij=1-Sij，Sij表示學(xué)科類別i和j的相似度值。

TD 的數(shù)值越大，表示基于參考文獻(xiàn)的跨學(xué)科知識(shí)融合程度越高[8]。每一篇論文都有對(duì)應(yīng)的TD 值，但這種形式的學(xué)科交叉測(cè)度本質(zhì)上是基于論文的，無法很好地在內(nèi)容表達(dá)上形成主題維度的認(rèn)知。

3.2.3 主題提取與分析

本文采用LDA 模型對(duì)成果論文進(jìn)行主題提取與分析。LDA 模型是一種三層貝葉斯概率模型[19]，涵蓋文檔、主題、詞的分布，能有效地從大規(guī)模文檔集合語(yǔ)料庫(kù)中提取出隱含主題，具有良好的降維能力、建模能力及擴(kuò)展性[20]。該算法假設(shè)文檔-主題分布與主題-詞匯分布的參數(shù)都服從狄利克雷分布，以此來構(gòu)造一個(gè)三層貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，生成模型指能夠反映給定輸入與模型輸出之間生成關(guān)系的模型。LDA模型及其擴(kuò)展模型已在文本挖掘領(lǐng)域得到廣泛應(yīng)用，有效輔助了科技期刊、網(wǎng)絡(luò)輿情、微博話題等文本數(shù)據(jù)的挖掘處理。如圖4 所示，假定語(yǔ)料庫(kù)中共有M篇文檔，每篇文檔下的主題分布θ是一個(gè)服從參數(shù)為α的Dirichlet 先驗(yàn)分布中采樣得到的多項(xiàng)分布，每個(gè)主題下的詞分布φ是一個(gè)從參數(shù)為β的Dirichlet 先驗(yàn)分布中采樣得到的多項(xiàng)分布。對(duì)于第m篇文章中的第n個(gè)詞wm,n，首先從該文章中出現(xiàn)的每個(gè)主題的多項(xiàng)分布中選擇或采樣一個(gè)主題zm,n，然后再在這個(gè)主題對(duì)應(yīng)的詞的多項(xiàng)分布中選擇或采樣一個(gè)詞。不斷重復(fù)這個(gè)隨機(jī)生成過程，直到M篇文章全部生成完成。

圖4 LDA 主題模型示意圖

3.2.4 主題受關(guān)注度-跨學(xué)科度矩陣構(gòu)建

為進(jìn)一步分析上述主題的融合特點(diǎn)，基于論文學(xué)科交叉測(cè)度指標(biāo)TD 及LDA 模型，本文將二者結(jié)合，構(gòu)建主題受關(guān)注度-跨學(xué)科度矩陣，分析每個(gè)主題的累計(jì)平均被引量及累計(jì)平均學(xué)科交叉程度。本文將論文被引矩陣表示為A，論文TD 指標(biāo)矩陣為B，可用公式（4）（5）表示如下。

ai表示第i篇論文的被引頻次，bi表示第i篇論文的交叉程度值。

LDA 模型提取得到的文檔-主題矩陣θ轉(zhuǎn)置后，分別與論文的被引量矩陣A、論文的交叉指標(biāo)值（TD 值）矩陣B相乘后進(jìn)行累計(jì)平均，得出了每個(gè)主題的累計(jì)平均被引矩陣C及累計(jì)平均交叉度矩陣D，公式（6）和（7）中的對(duì)角矩陣表示第j個(gè)主題下包含的文檔數(shù)量nj。主題被引量在一定程度上也代表了主題的受關(guān)注度，TD 指標(biāo)則代表主題跨學(xué)科度。通過對(duì)該矩陣的分析能夠更好得出管理學(xué)領(lǐng)域重大研究計(jì)劃的論文成果在內(nèi)容、學(xué)科交叉程度以及受關(guān)注程度的整體情況。

4 研究結(jié)果

經(jīng)過數(shù)據(jù)預(yù)處理，本部分基于3489 篇管理學(xué)領(lǐng)域重大研究計(jì)劃的論文成果開展主題分析與學(xué)科交叉測(cè)度，其中“應(yīng)急管理”計(jì)劃包含成果論文1159 篇，“大數(shù)據(jù)”計(jì)劃包含成果論文2234 篇。

4.1 基于重大研究計(jì)劃論文成果的共現(xiàn)網(wǎng)絡(luò)分析

4.1.1 “非常規(guī)突發(fā)事件應(yīng)急管理研究”計(jì)劃

WC 共現(xiàn)圖能夠直觀地反映出粗粒度的學(xué)科交叉整體情況。圖5 中節(jié)點(diǎn)為WC，節(jié)點(diǎn)的大小反映了各個(gè)WC 在網(wǎng)絡(luò)中的點(diǎn)度中心性，即點(diǎn)度中心性越大，節(jié)點(diǎn)越大；WC 共現(xiàn)的次數(shù)決定連接兩個(gè)節(jié)點(diǎn)線段的粗細(xì)，共現(xiàn)次數(shù)越多連線越粗。

圖5 “非常規(guī)突發(fā)事件應(yīng)急管理”計(jì)劃成果論文的WC 共現(xiàn)網(wǎng)絡(luò)

在“應(yīng)急管理”計(jì)劃成果所涉及的學(xué)科中，管理學(xué)與計(jì)算機(jī)科學(xué)、工學(xué)、應(yīng)用數(shù)學(xué)存在較為明顯的學(xué)科交叉，相關(guān)知識(shí)在不斷傳遞與融合。由表1 可見，以“運(yùn)籌學(xué)與管理科學(xué)”（Operations Research & Management Science）為代表，節(jié)點(diǎn)的點(diǎn)度中心性與中介中心性的排名存在一定重合。一個(gè)節(jié)點(diǎn)的中介中心性數(shù)值高可能存在兩種情況：其一，與該節(jié)點(diǎn)直接相連的其他節(jié)點(diǎn)很多，導(dǎo)致經(jīng)過該節(jié)點(diǎn)的路徑很多，出現(xiàn)最短路徑的可能性增大；其二，該節(jié)點(diǎn)處于兩個(gè)子網(wǎng)絡(luò)的結(jié)合部位，從而成為連接兩個(gè)子網(wǎng)絡(luò)的“必經(jīng)之路”[21]?！斑\(yùn)籌學(xué)與管理科學(xué)”（Operations Research& Management Science）、“計(jì)算機(jī)科學(xué)”（Computer Science, Interdisciplinary Applications、Computer Science, Artificial Intelligence）、“ 工學(xué)”（Engineering, Electrical& Electronic、Engineering, Civil、Environmental Studies）這些學(xué)科的點(diǎn)度中心性和中介中心性值均很高，屬于上述第一種情況。而“Physics, Mathematical”和“Mathematics,Interdisciplinary Applications”等基礎(chǔ)學(xué)科領(lǐng)域雖然在中介中心性方面排名前10，但點(diǎn)度中心性相關(guān)數(shù)值較小，屬于上述第二種情況，它們于不同的研究模塊中，在不同子團(tuán)體之間傳遞信息，起到中介作用，說明其對(duì)于學(xué)科的交叉融合有著重要的作用。

表1 排名前10 的WC 及其點(diǎn)度中心度與中介中心度

為了進(jìn)一步對(duì)“重大研究計(jì)劃”視角下管理領(lǐng)域的研究成果進(jìn)行分析，本文隨后以細(xì)粒度的“關(guān)鍵詞”表示具體的研究?jī)?nèi)容，共現(xiàn)頻率高的關(guān)鍵詞在某種程度上可以被認(rèn)為代表一個(gè)相關(guān)主題，屬于一個(gè)話題簇。在此基礎(chǔ)上，將關(guān)鍵詞按照共現(xiàn)關(guān)系連接成網(wǎng)[22]，建立關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)如圖6 所示。

圖6 “非常規(guī)突發(fā)事件應(yīng)急管理”計(jì)劃成果論文的關(guān)鍵詞共現(xiàn)圖

結(jié)合圖6 與表2，項(xiàng)目主要涉及的研究?jī)?nèi)容可以被劃分為7 個(gè)子領(lǐng)域，主要包括復(fù)雜網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、應(yīng)急管理等?！吧缃痪W(wǎng)絡(luò)”（social network）、“應(yīng)急管理”（emergency management）、“最優(yōu)化”（optimization）、“公共衛(wèi)生”（public health）等關(guān)鍵詞節(jié)點(diǎn)的點(diǎn)度中心度值較大，說明它們不僅是“應(yīng)急管理”計(jì)劃成果論文涉及較多的關(guān)鍵詞，還與網(wǎng)絡(luò)中的其他關(guān)鍵詞廣泛聯(lián)系。如表2 所示，上述關(guān)鍵詞的點(diǎn)度中心性和中介中心性值雙高，說明其為網(wǎng)絡(luò)中研究重點(diǎn)主題；而“功能性核磁共振成像”（FMRI）、“近似算法”（approximation algorithm）和“遺傳算法”（genetic algorithm）節(jié)點(diǎn)中介中心性較高，點(diǎn)度中心度較低，因而處于兩個(gè)子網(wǎng)絡(luò)的結(jié)合部位，位于不同的研究模塊中，在不同子團(tuán)體之間傳遞信息，起到關(guān)鍵的中介作用。

表2 點(diǎn)度中心度與中介中心度排名前10 的關(guān)鍵詞

4.1.2 “大數(shù)據(jù)驅(qū)動(dòng)的管理與決策”計(jì)劃

在“大數(shù)據(jù)”計(jì)劃成果所涉及的學(xué)科中，如圖7 所示，管理學(xué)相關(guān)學(xué)科與計(jì)算機(jī)科學(xué)、工學(xué)、環(huán)境科學(xué)以及數(shù)學(xué)等基礎(chǔ)學(xué)科領(lǐng)域存在明顯交叉。其中，如表3 所示，“運(yùn)籌學(xué)與管理科學(xué)”(Operations Research & Management Science、Economics）、“ 計(jì)算機(jī)科 學(xué)”（Computer Science, Interdisciplinary Applications、Computer Science, Information Systems、Computer Science, Artificial Intelligence）、“ 工學(xué)”（Engineering, Electrical& Electronic、Engineering, Civil）、“環(huán)境科學(xué)”（Environmental Studies 、Environmental Sciences）等學(xué)科均具有較高的點(diǎn)度中心性和中介中心性值，而 “統(tǒng)計(jì)與概率”（Statistics& Probability）等學(xué)科領(lǐng)域雖然在中介中心性方面排名前10，但點(diǎn)度中心度較低，這說明他們?cè)谡w網(wǎng)絡(luò)上不具有主導(dǎo)地位，但位于較為關(guān)鍵點(diǎn)“橋”通路上，一定程度上在研究領(lǐng)域間起到了中介作用。

表3 排名前10 的WC 及其點(diǎn)度中心度與中介中心度

圖7 “大數(shù)據(jù)驅(qū)動(dòng)的管理與決策”計(jì)劃成果論文的WC 共現(xiàn)網(wǎng)絡(luò)

對(duì)“大數(shù)據(jù)”計(jì)劃成果的論文進(jìn)行更細(xì)粒度的關(guān)鍵詞共現(xiàn)分析，構(gòu)建共現(xiàn)網(wǎng)絡(luò)圖如圖8 所示，關(guān)鍵詞之間連接緊密，關(guān)系較為復(fù)雜，主要被聚類成6 個(gè)部分，主要涉及深度學(xué)習(xí)、碳排放、社會(huì)網(wǎng)絡(luò)分析、大數(shù)據(jù)等主要內(nèi)容。

圖8 “大數(shù)據(jù)驅(qū)動(dòng)的管理與決策”計(jì)劃成果論文的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

本文繼續(xù)通過“點(diǎn)度中心性”和“中介中心性”來分析關(guān)鍵詞簇在共現(xiàn)網(wǎng)絡(luò)中的不同角色。結(jié)合圖8 與表4 可知，“機(jī)器學(xué)習(xí)”（machine learning）、“大數(shù)據(jù)”（big data）、“ 深度學(xué)習(xí)”（deep learning）、“最優(yōu)化”（optimization）、“神經(jīng)網(wǎng)絡(luò)”（neural network）等關(guān)鍵詞節(jié)點(diǎn)的點(diǎn)度中心度值較大，作為重要的研究方法與網(wǎng)絡(luò)中的其他關(guān)鍵詞廣泛聯(lián)系，拓展了研究組合的多樣性。“機(jī)器學(xué)習(xí)”（machine learning）、“大數(shù)據(jù)”（big data）、“深度學(xué)習(xí)”（deep learning）、“最優(yōu)化”（optimization）等關(guān)鍵詞的點(diǎn)度中心性和中介中心性值均很高，是“大數(shù)據(jù)”計(jì)劃相關(guān)的重點(diǎn)研究?jī)?nèi)容。而“碳排放”（carbon emission）等節(jié)點(diǎn)雖中介中心性較高，但點(diǎn)度中心性相對(duì)較低，更有可能在不同研究領(lǐng)域起到關(guān)鍵的“橋梁”作用，促進(jìn)差異性或應(yīng)用程度高的研究發(fā)生碰撞。

表4 點(diǎn)度中心度與中介中心度排名前10 的關(guān)鍵詞

4.2 管理學(xué)領(lǐng)域主題跨學(xué)科性與影響力分析

4.2.1 基于LDA的主題提取

本文使用Python 對(duì)3489 條管理學(xué)部論文數(shù)據(jù)進(jìn)行預(yù)處理及LDA 模型訓(xùn)練。對(duì)論文摘要進(jìn)行分詞、過濾分詞結(jié)果，并構(gòu)建二元組（bigram）將高頻連詞組合成一個(gè)單詞，之后創(chuàng)建詞典和向量化語(yǔ)料作為L(zhǎng)DA 模型的輸入。本文設(shè)置主題數(shù)依次為10，20，30，聚類效果如圖9 所示，其中氣泡代表主題，氣泡大小表示主題的出現(xiàn)頻率，氣泡之間的距離表示主題間的差異性，氣泡出現(xiàn)重疊說明兩個(gè)主題的特征詞有交叉。

圖9 主題數(shù)依次為10,20,30 的聚類效果圖

在實(shí)際應(yīng)用過程中，主題數(shù)過大會(huì)給主題劃分和解釋造成一定難度，過小又容易覆蓋一些小主題，因此主題數(shù)的選擇會(huì)根據(jù)語(yǔ)料體量的大小進(jìn)行調(diào)整。本文涉及3489 條摘要數(shù)據(jù)，且考慮到主題間差異性越大聚類效果越好，故將主題數(shù)K 確定為20，α=β=auto，迭代次數(shù)為400，訓(xùn)練得到了主題-特征詞矩陣φ和文檔-主題矩陣θ：

矩陣φ代表20 個(gè)主題的特征詞分布，保留了每個(gè)主題下出現(xiàn)概率最高的前5 個(gè)特征詞；矩陣θ表示第i篇文檔di以概率pi,j歸納在第j個(gè)主題之下。

4.2.2 基于主題的學(xué)科交叉分析

從主題和特征詞的分布情況可以看出，管理學(xué)科與計(jì)算機(jī)科學(xué)、環(huán)境科學(xué)、醫(yī)學(xué)研究、交通運(yùn)輸、社會(huì)學(xué)、心理學(xué)等領(lǐng)域均有廣泛的交叉融合。為進(jìn)一步分析上述主題的融合特點(diǎn)，本文按3.2.4 部分所述方法進(jìn)行計(jì)算處理，分析每個(gè)主題的累計(jì)平均被引量及累計(jì)平均交叉程度，結(jié)果如表5 所示。

表5 主題統(tǒng)計(jì)表

以20 個(gè)主題的累計(jì)平均受關(guān)注度和累計(jì)平均交叉程度的均值為原點(diǎn)，橫軸和縱軸分別表示主題受關(guān)注度和跨學(xué)科度，本文構(gòu)建起了反映主題受關(guān)注度與跨學(xué)科度的四象限圖。如圖10 所示，主題12（應(yīng)急管理）、主題15（文本情感分析）、主題18（大眾健康與醫(yī)療分析）、主題2（預(yù)測(cè)分類算法）、主題6（能源市場(chǎng)預(yù)測(cè)）、主題4（社會(huì)網(wǎng)絡(luò)分析）及主題16（車輛路徑規(guī)劃）的累計(jì)平均受關(guān)注度和累計(jì)平均交叉程度位于第一象限，高于橫軸均值3.44和縱軸均值0.799，表明這七個(gè)主題的學(xué)科交叉程度較高，且受關(guān)注度較高，其中主題15（文本情感分析）和主題12（應(yīng)急管理）均具最高的關(guān)注度和學(xué)科交叉程度。20 個(gè)主題中累計(jì)平均學(xué)科交叉程度大于等于平均值的共9 個(gè)，占比45%，雖然位于第三象限的主題，其累計(jì)平均被引量和累計(jì)平均交叉程度均低于均值，但從整體來看，主題的累計(jì)平均交叉程度都大于0.4，累計(jì)平均被引量都大于1.5，仍表現(xiàn)出重大研究計(jì)劃論文成果反映出的管理學(xué)領(lǐng)域與其他學(xué)科交叉融合較為顯著的特點(diǎn)。同時(shí)，圖10 也在一定程度上說明在此領(lǐng)域研究主題的學(xué)科交叉程度與主題受關(guān)注度有相關(guān)性。

圖10 主題受關(guān)注度-跨學(xué)科度矩陣

5 結(jié)語(yǔ)

5.1 研究結(jié)論

本文結(jié)合共現(xiàn)分析、True Diversity 指數(shù)以及主題模型，對(duì)國(guó)家自然科學(xué)基金重大研究計(jì)劃在管理學(xué)領(lǐng)域現(xiàn)有的兩項(xiàng)重大研究計(jì)劃及其相關(guān)的論文成果展開了較為系統(tǒng)的分析，得到結(jié)論如下：

（1）從粗粒度的學(xué)科分類代碼、細(xì)粒度的關(guān)鍵詞以及反映研究成果內(nèi)容的主題三個(gè)維度開展分析，重大研究計(jì)劃成果視角下，管理學(xué)領(lǐng)域與其他學(xué)科交叉融合較為顯著，表明新時(shí)期管理學(xué)領(lǐng)域正不斷擴(kuò)展研究方法，迭代研究范式。

（2）從管理學(xué)部牽頭的兩個(gè)重大研究計(jì)劃視角來看，“應(yīng)急管理”計(jì)劃在非常規(guī)突發(fā)事件演變規(guī)律、風(fēng)險(xiǎn)治理、應(yīng)急準(zhǔn)備、預(yù)警技術(shù)、應(yīng)急處置策略等方面取得了一系列具有重大影響的突破性研究成果。該計(jì)劃除管理學(xué)科的相關(guān)知識(shí)領(lǐng)域外，在計(jì)算機(jī)科學(xué)、生物制藥、醫(yī)學(xué)研究、心理學(xué)等諸多領(lǐng)域均有涉及。該項(xiàng)計(jì)劃的研究成果融合了多學(xué)科的知識(shí)，在一定程度上促進(jìn)了其研究領(lǐng)域的研究主題多樣化，并反饋增強(qiáng)了重大研究計(jì)劃服務(wù)國(guó)家戰(zhàn)略需求的現(xiàn)實(shí)可能性?！按髷?shù)據(jù)”計(jì)劃以大數(shù)據(jù)驅(qū)動(dòng)的管理與決策為研究對(duì)象，充分發(fā)揮管理、信息、數(shù)理、醫(yī)學(xué)等多學(xué)科合作研究的優(yōu)勢(shì)，著重研究大數(shù)據(jù)驅(qū)動(dòng)的管理與決策理論范式以及大數(shù)據(jù)資源治理機(jī)制與管理等重要研究問題，其相關(guān)產(chǎn)出成果具有較高學(xué)科交叉性，以其為透鏡，可以看出管理學(xué)不斷擴(kuò)展其研究范式與方法，并同時(shí)與多個(gè)學(xué)科進(jìn)行交叉互融來更好地解決本領(lǐng)域的科學(xué)問題。

（3）管理學(xué)在新時(shí)期背景下響應(yīng)“數(shù)字化”，與計(jì)算機(jī)科學(xué)領(lǐng)域結(jié)合愈發(fā)緊密，但亦不局限于此，其與基礎(chǔ)科學(xué)、人文科學(xué)亦有著密不可分的關(guān)系?！皺C(jī)器學(xué)習(xí)”“大數(shù)據(jù)”“深度學(xué)習(xí)”等新一代數(shù)智技術(shù)已經(jīng)逐步改變管理學(xué)所處的信息生態(tài)，信息系統(tǒng)管理、信息資源管理等研究領(lǐng)域變遷與升級(jí)最為明顯。隨著研究主題不斷深入，管理學(xué)領(lǐng)域?qū)⑦M(jìn)一步運(yùn)用新方法、融合新范式、接受新思想、產(chǎn)生新觀點(diǎn)，從而更好地與時(shí)代發(fā)展需要相結(jié)合，為我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展注入新動(dòng)力。

5.2 研究不足及未來展望

本文從科學(xué)基金重大研究計(jì)劃的視角出發(fā)，基于對(duì)項(xiàng)目成果數(shù)據(jù)的WC 詞及關(guān)鍵詞的共現(xiàn)分析和指標(biāo)計(jì)算，定量展示了新時(shí)期管理學(xué)科與其他學(xué)科的交叉融合情況，并基于LDA 主題挖掘構(gòu)建起了主題維度的學(xué)科交叉測(cè)度模型，從主題維度對(duì)管理學(xué)科在新時(shí)期與其他學(xué)科的交叉融合現(xiàn)狀與趨勢(shì)展開了分析。本研究存在以下不足之處：

（1）項(xiàng)目資助的成果產(chǎn)出是多樣性的，包括了論文、專著、軟件、標(biāo)準(zhǔn)、重要報(bào)告、專利等，本文僅對(duì)論文成果進(jìn)行了分析，在樣本選擇方面存在一定局限性。此外，由于時(shí)間和精力的限制，本文收集的項(xiàng)目成果數(shù)據(jù)只來源于web of science 數(shù)據(jù)庫(kù)，沒有涉及其他數(shù)據(jù)庫(kù)中的文獻(xiàn)數(shù)據(jù)。

（2）在進(jìn)行學(xué)科交叉測(cè)度時(shí)，本文僅選取了“True Diversity”這一指標(biāo)，盡管TD 指標(biāo)具有一定綜合性，但是選取多維指標(biāo)進(jìn)行學(xué)科交叉測(cè)度仍是可行的。

（3）本文收集的論文數(shù)據(jù)時(shí)間跨度較大，某些研究領(lǐng)域（如計(jì)算機(jī)科學(xué)領(lǐng)域等）發(fā)展變化迅速，本文沒有從時(shí)間維度去探討此類領(lǐng)域與管理學(xué)科交叉融合的趨勢(shì)。

在未來研究中，在方法層面將繼續(xù)探索從文本內(nèi)容視角測(cè)度學(xué)科交叉水平的有效方式，使得語(yǔ)義信息更加豐富準(zhǔn)確；在應(yīng)用維度，數(shù)據(jù)來源可考慮不局限于論文數(shù)據(jù)，充分利用其他成果數(shù)據(jù)使得測(cè)度結(jié)果更全面。