学科结构的演变_IRM-KM范式

学科结构的演变_IRM-KM范式

8.1.3　学科结构的演变

任何一门学科，都可以划分为若干个领域和子学科，并表现出一定的结构形式和特征。情报学也不例外(9)。在情报学学科结构的研究中，作者同被引分析(Author Co-citation Analysis，ACA)是一种比较典型的可视化分析方法。

1981年，White和Griffith合作发表了《作者同被引：科学结构的文献测量方法》一文，选取39位情报学核心著者，以1972～1979年间的SSCI为数据来源，分析得出了情报学的五大分支，从而开创了作者同被引(ACA)的先河。1998年，White和McCain沿用ACA方法，对1972～1979年，1980～1987年，1988～1995年期间的12种期刊的120位高频被引作者进行统计分析，反映出情报学的学科结构以及各领域著者的分布情况。

在1981年的ACA分析中，通过二维体系图反映出的结果是，情报学划分为五大分支：科学交流、文献计量、一般理论、情报检索以及以Zipf和Shannon为代表的先驱者集团。其中，文献计量位于中心位置，科学交流和情报检索分别位于其两侧；一般理论处于文献计量与情报检索之间；而体系图下方是先驱者集团(10)。

与1981年相比，1998年的研究涉及的时间跨度更长，选取的作者人数也更多。在统计分析的基础上，分别得出了三个时期的情报学领域著者分布图。虽然时段不同，但这三个图呈现出一个共同的特征，即类似于澳大利亚版图(图8-2、图8-3、图8-4)：沿海地区发展迅速，而中部地区却人口稀少(11)。按照聚类分析，情报学学科主要分为文献与交流、情报检索这两大领域，分别位于分布图的左、右两边。具体来看，文献与交流领域中，引文分析处于上方，科学交流处于下方。在右边的情报检索领域中，实验型检索(experimental retrievalists)位居上方，而实践型检索(practical retrievalists)以及用户理论位于下方。两大领域的上端是较为分散的文献计量学，下端是一些理论为情报学所引入的外来学科(12)。(www.guayunfan.com)

三个分布图所表现出来的共性说明情报学在整体上具有稳定性。与此同时，三个图形之间也存在着一些差异，这些差异在一定程度上反映出情报学结构的细微演变。在研究者的数量上，情报检索较文献与交流而言，占据着明显优势，但这种优势随着时间的推移在慢慢减小。这表明两大领域的研究力量正逐渐趋于平衡。从领域内部来看，文献与交流最初主要侧重于文献计量研究，而后加入了引文分析。随着研究范围的扩展，“领域分析”(domain analysis)成为这个分支的新名称，它包含了比文献计量更为广阔的主题。例如，科学与专业交流、科学社会学、知识社会学、学科间的交互影响等(13)。在情报检索聚类区域，著者可以分为两类：一类主要从事算法研究，称为情报检索的“硬”区域；另一类关注用户与系统之间的关系，称为情报检索的“软”区域(14)。20世纪80年代之后，认知观开始为越来越多的学者所倡导，面向用户、注重人机交互的情报检索成为情报学研究的主要课题，这一类的研究学者也随之增多。

虽然领域分析与情报检索各自都形成了较为集中的研究群落，但作为情报学的子领域，两者之间却相互隔离，缺乏交流。因为除了有少数的著者散布之外，这两大领域之间几乎是空白区域。Saracevic曾经预言：当领域分析与情报检索这两大领域能够互相连通之时，就是情报学羽翼丰满之日(15)。这也意味着待基础研究和实践应用有机结合的时候，情报学就会成为一门成熟的学科。