网站首页
教育杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
医学杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
经济杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
金融杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
管理杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
科技杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
工业杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
SCI杂志
中科院1区 中科院2区 中科院3区 中科院4区
全部期刊
公務員期刊網(wǎng) 論文中心 正文

9種情報學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。

9種情報學CSSCI期刊論文分析

1引言

專利研究屬于比較典型的交叉科學研究范疇。在眾多學科領域中,情報學與專利結合可形成專利情報研究,專利情報研究可服務于不同的行業(yè)領域,并發(fā)揮重要的作用,產(chǎn)生巨大的經(jīng)濟效益和社會效益。在技術發(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,為了解情報學某一方面的研究現(xiàn)狀,國內(nèi)研究者多以情報學CSSCI期刊或北大核心期刊刊登的文獻為基礎數(shù)據(jù)來研究學科發(fā)展狀況,例如宛玲、鄒琳選取《情報學報》、《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數(shù)據(jù)[3]統(tǒng)計情報學的研究方法。從研究方法上看,基于論文數(shù)據(jù)的學科發(fā)展態(tài)勢研究常以文獻計量方法為主,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科分布[4];尹麗春等采用共被引分析法,從專利研究的學科分布、國家和地區(qū)分布、作者合作網(wǎng)絡、共被引網(wǎng)絡等角度切入開展研究[5];譚蕙莉采用詞頻統(tǒng)計和內(nèi)容分析法對情報學核心研究領域的主要研究方向進行關鍵詞的變化狀況研究和分析[6]。此外,為了增加研究結果的可視性,在引文分析、共現(xiàn)分析等文獻計量方法的基礎上,各種可視化工具也廣泛運用其中,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領域專利研究現(xiàn)狀和研究熱點[7]。魏駿巍綜合使用文獻和專利知識圖譜可視化方法來綜合反映低碳技術的國際發(fā)展動態(tài)等[8]。國外已有學者綜合運用文獻計量和專利分析的方法對技術領域的發(fā)展進行預測和綜合分析,例如Daim等使用文獻計量學和專利分析工具,運用情景規(guī)劃、生長曲線等方法對部分新興技術領域進行預測[9]。Chen等運用引文分析、聚類分析等方法對DEK(數(shù)據(jù)與知識工程)領域的期刊論文進行分析,預測該領域未來主題和研究趨勢[10]。但總的來看,總結國外專利研究現(xiàn)狀的較多,專注國內(nèi)專利研究的分析較少;國內(nèi)學者的研究主要是對全科學領域的專利文獻進行計量研究,只針對情報學領域的專利研究較少。本文通過對9種情報學領域cssci來源期刊2011~2015年刊登的專利研究論文進行統(tǒng)計分析,運用文獻計量學的方法,同時借助CNKI期刊全文數(shù)據(jù)庫的在線分析功能及相關統(tǒng)計軟件,研究近年來國內(nèi)情報學領域專利研究的現(xiàn)狀,概括出熱點研究領域,并為未來該領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“中文社會科學引文索引(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》、《情報理論與實踐》、《情報學報》、《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》這9種情報學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,文獻來源為以上9種核心期刊,以“專利”為檢索詞分別進行篇名檢索,通過數(shù)據(jù)清洗,排除會議通知、培訓班通知、增刊上發(fā)表的論文等不相關的記錄,最終實際得到534條記錄。每條記錄包含標題、摘要、關鍵詞、正文、參考文獻、文獻來源、作者名、基金類別、發(fā)表時間、機構單位等信息,這些記錄成為本次研究的數(shù)據(jù)基礎。

3研究方法

本次研究主要運用引文分析法和詞頻分析法,同時結合簡單的數(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)學和統(tǒng)計學的方法以及比較、歸納、抽象、概括等邏輯方法,對科學期刊、論文、著者等各種分析對象的引用或被引用現(xiàn)象進行分析,以揭示其數(shù)量特征和內(nèi)在規(guī)律的一種文獻計量研究方法[11]。詞頻分析法則是通過統(tǒng)計核心詞匯在某一類學術文獻中所出現(xiàn)的頻次,判別該學術領域的研究熱點、知識結構和發(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、準確性、系統(tǒng)性和實用性[12]。結合以上方法,同時進一步借助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篇文獻進行統(tǒng)計分析,從而了解2011~2015年國內(nèi)情報學領域專利研究的發(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》(45篇),《情報學報》(40篇),《現(xiàn)代圖書情報技術》(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期刊進行投稿發(fā)表的可能性比較大。4.2論文數(shù)量年度分布情報學領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。綜觀我國情報學領域,筆者認為,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)容等方面進行諸多的創(chuàng)新與變革,這是相關學者們需要注意的。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》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》、《情報學報》、《圖書與情報》、《圖書情報知識》均在2014年達到五年中最大值,并在之后呈現(xiàn)持平或下降趨勢??梢哉f,2014年情報學的專利研究曾達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機構分布根據(jù)全部數(shù)據(jù)統(tǒng)計,知名院校或科研機構約占了59%。其中,中國科學技術信息研究所的論文數(shù)量占比重最大,高達10%。其次為北京工業(yè)大學,占比8%,華中科技大學7%,江蘇大學5%,中國科學院國家科學圖書館4%,大連理工大學3%。從發(fā)文較多的前幾位機構看來,除中國科學技術信息研究所以外,其余均為理工科類型的大學,從一定程度上說明,專利情報學的研究需要在理工科環(huán)境中發(fā)展,將二者結合似乎更容易產(chǎn)出成果。此外,專利情報研究也受到許多非知名科研機構或者企業(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術科研和社會經(jīng)濟發(fā)展中,受到高校、科研院所、企業(yè)等多方面的關注。4.4基金分布從數(shù)量上看,基金論文占比48%,其中,國家自然科學基金和國家社會科學基金占比較大,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,情報學領域的專利研究論文所受基金支持的級別和層次較高。從學科上看,在自然科學領域,專利情報研究似乎發(fā)揮的效用更大,二者的結合似乎更加緊密,但情報學本身屬于社會科學范疇,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,國家對專利領域的研究項目給予了支持,表明專利情報研究領域對我國的經(jīng)濟、社會發(fā)展具有較大的意義。4.5高頻關鍵詞本文利用關鍵詞詞頻來分析2011~2015年國內(nèi)情報學領域專利研究論文的主題分布。關鍵詞是文獻的凝煉與概括,通過關鍵詞分析,可以反映文獻的主要內(nèi)容。通過對534條記錄進行關鍵詞抽取,將其中出現(xiàn)頻次大于等于10次的關鍵詞進行降序排列,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90?!皩@治觥笔且粋€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)和新興技術為主,近年來情報學領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、風能、機器人、混合動力汽車、海洋生物等領域。筆者通過查看論文關鍵詞和文章的實際研究內(nèi)容,概括出當前情報學領域專利研究的六大熱點:第一,新興產(chǎn)業(yè)專利情報分析或比較研究。例如劉紅光等運用專利情報分析方法,對國內(nèi)外3D打印快速成型技術的專利申請趨勢、區(qū)域分布、主要專利權人、IPC等因素進行分析[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的專利狀況[14]。第二,新興產(chǎn)業(yè)進行競爭態(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、專利權人、技術領域、區(qū)域布局等角度對RFID技術領域專利進行計量分析,以揭示RFID技術領域專利競爭格局和發(fā)展趨勢[15]。黎歡等通過關鍵技術路徑方法和專利引證地圖法識別全息攝影技術領域中的競爭對手及競爭對手格局[16]。第三,新興產(chǎn)業(yè)技術路線、技術演進研究以及技術預測。例如繆小明等運用專利地圖方法對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分布進行了詳細地分析[17]。溫芳芳綜合采用專利計量、社會網(wǎng)絡分析、可視化等方法,定量描述我國技術轉移的現(xiàn)狀,借助技術轉移網(wǎng)絡直觀展示我國區(qū)域間技術轉移的模式與規(guī)律[18]。陳軍等基于技術預測的專利分析概念模型,對轉基因技術進行預測[19]。王健美等運用引文分析、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)的關鍵技術分布及其演進[20]。第四,專利計量研究。例如陳瓊娣在對專利計量指標相關研究進行全面梳理的基礎上,分析當前專利計量指標研究中存在的主要問題與不足[21]。或將專利計量方法運用到具體某個新興產(chǎn)業(yè)領域,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)機構、核心技術、熱點技術領域等方面的計量分析,揭示全球RFID技術的發(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)絡分析方法對該領域專利合著網(wǎng)絡結構特征和連通體中心性進行計量分析,以探測其技術研發(fā)績效水平、科研合作狀況與核心技術人員分布等[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,以INNOGRAPHY專利強度值、同領域引證指數(shù)、重要產(chǎn)品對應的專利、代表性技術對應的專利等為補充手段的基于產(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指標權重系數(shù),在構建核心專利綜合評價指標的基礎上,通過計算CICP值識別核心專利。在關鍵詞數(shù)據(jù)的基礎上,將關于研究方法及軟件工具的關鍵詞進一步的提煉并整理。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合,在數(shù)理統(tǒng)計的基礎上進行全面、系統(tǒng)的技術分類和比較研究,再進行有針對性的量化分析,最后進行高度科學抽象的定性描述,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)絡分析、文本挖掘、技術生命周期、專利引文分析、組合分析,其他方法還有云計算、技術功效矩陣、層次分析等。隨著研究技術的發(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用,這對于關聯(lián)研究起到了巨大的促進作用。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,將文獻計量學的方法運用到專利分析中來,為技術路線研究、技術預測、技術演進、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量水平,間接反映了期刊的質量和影響力,因此高被引論文也是評價論文影響力的重要指標。學科的發(fā)展和創(chuàng)新,一定程度上依賴一些文獻的長期多次被引用。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打印快速成型技術的專利情報分析》一文,被引頻次高達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??梢园l(fā)現(xiàn),被引頻次排在前幾位的多為與某新興產(chǎn)業(yè)結合的專利分析,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)關注型的論文,還有一類是方法關注型的論文,例如核心專利的識別方法、社會網(wǎng)絡分析方法、技術演化分析方法等。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)表的專利領域的文章質量較高,影響力較大。引論文屬于非基金論文文獻,占比64.7%,這在某種程度上反映出,情報學領域專利的研究存在廣泛性,不拘泥于基金或研究權威等因素,它的進入壁壘較低,成果產(chǎn)出種類廣。圖9顯示,在高被引論文的發(fā)文機構中,中國科學院國家科學圖書館、大連理工大學、江蘇大學發(fā)文較多,均為2篇,可以看出這幾個院校機構在專利情報研究方面占據(jù)一定的領先優(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行進一步的文獻互引分析,如圖10所示。圖10中最大的深色球體代表17篇高被引文獻(即“選中文獻”),中等大小的球體代表“參考文獻”,最淺色的球體代表“引證文獻”,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之間關聯(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系,即多篇高被引論文共同引用一篇或多篇文獻,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系,但耦合度不是很高,僅擁有一篇共引文獻。共有22組文獻存在共被引關系,即多篇高被引論文同時被以后的論文引用。一般認為同被引用的文獻在主題上具有或多或少的相似性。相比于共引關系,17篇高被引論文之間的共被引關系更為豐富。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,做出了一定的學術貢獻。4.9高被引作者和機構分析按第一作者算,高被引作者有劉紅光、趙晏強、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,無法衡量引用質量,而H指數(shù)則既考慮了文獻數(shù)量,又考慮了質量,被廣泛應用于作者評價。H指數(shù)是一個穩(wěn)健的累積指標,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構類別進行統(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%,來自科研機構的著者占比12%,來自211高校的高被引著者占比9%,公司占比5%??梢钥闯觯趯@閳笱芯糠矫?,傳統(tǒng)的985、211高校并不存在顯著優(yōu)勢,現(xiàn)階段的情報學專利研究難度較低,不同層次的研究機構或企業(yè)公司均存在較大的研究潛力與實力。

5結論與建議

通過以上對情報學CSSCI期刊2011~2015年發(fā)表的專利領域論文的多角度分析,國內(nèi)情報學領域專利研究現(xiàn)狀可總結為如下:第一,期刊分布懸殊明顯。期刊對論文主題的關注度直接影響該類論文的發(fā)表,進而影響相關研究的發(fā)展。2011~2015年,《情報雜志》以絕對優(yōu)勢成為情報學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)情報學領域專利研究的狀況。不同期刊對于論文的判定與選擇擁有各自的標準,長期遵循某一種標準勢必存在一定程度的局限性,這將不利于國內(nèi)情報學專利研究的多元化發(fā)展。第二,研究處在調(diào)整期。2014年作為情報學專利研究的一個重要拐點,達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)達到飽和,單純的依賴數(shù)據(jù)庫或者分析工具進行簡單專利分析已經(jīng)失去新穎性和學術價值。第三,專利情報研究主體多元化。在整個學術科研和經(jīng)濟發(fā)展中,專利情報研究受到傳統(tǒng)高校和科研機構以及企業(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域的項目研究,這對我國的經(jīng)濟、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。當前學者主要是借鑒一種其他學科方法或融合多個圖書情報學方法展開專利分析并加以實證,跨越圖書情報學、經(jīng)濟學、管理學、統(tǒng)計學等多個學科領域。在專利地圖、社會網(wǎng)絡分析、文本挖掘、技術生命周期、專利引文分析、組合分析等方法的基礎上,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)以上結論,筆者提出如下建議:第一,國內(nèi)情報學期刊應當加大對專利情報研究的關注度。除《情報雜志》外,其他多種期刊可以適當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注視角,有利于學術的“百家爭鳴”,促進國內(nèi)情報學專利研究的多元發(fā)展。第二,相關學者應該嘗試更多創(chuàng)新研究設計。以新興產(chǎn)業(yè)為研究對象可以大大提升研究價值;同時嘗試引進跨學科方法或融合多種方法,并在此基礎上結合可視化工具提升學術新穎性;最后將專利情報研究和現(xiàn)實需求緊密結合,摒棄淺層次的專利分析,關注競爭態(tài)勢和技術轉移等,實現(xiàn)專利預警、技術預測等更前沿的目的。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,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,學術價值的根本還是在于可視化背后的研究設計。因此,應當明確可視化工具在學術研究中的地位,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,充分運用專利周邊關聯(lián)數(shù)據(jù)。運用大數(shù)據(jù)思維和大數(shù)據(jù)技術融合多種類型數(shù)據(jù)、多種方法和實時數(shù)據(jù)進行多維度的綜合分析和智能化開發(fā)并形成立體化的結果,這也是未來探索的主流趨勢。但隨著大數(shù)據(jù)技術的到來,如何將與之相關的機器學習、深度學習、文本挖掘等技術理論融入到專利分析中來,對于情報學領域的研究者來說,依然存在一定的挑戰(zhàn)性。

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

AI写作,高效原创

在线指导,快速准确,满意为止

立即体验
文秘服务 AI帮写作 润色服务 论文发表