网络环境下科研新趋势的识别与实时追踪研究

Former studies on research trends are based on published articles. Those results inevitably turn out to reveal past trends due to the publication time lag. This study, however, provides a new idea to investigate research trends. As is known to all, when scientists are considering some research topics or conducting advanced research, they tend to search and download related publications in scientific databases. Accordingly, the downloaded publications, if explored properly, would largely reflect the subjects scientists are working on. So we propose a new method. Based on the timely usage data of the web-based tools, we intend to track the research trends, delve into the hot topics, and explore the emerging research fronts in certain scientific fields. We design a trends tracing DIKW model, which is composed of Data, Information, Knowledge, and Wisdom. Specifically, we probe into neurocomputing, and establish a knowledge mining system. By monitoring the article downloads 24/7, we collect the realtime downloads data and other social-web-based usage data. In this study, data mining and informetrics methods are applied to analyze the latest research trends.

以往的研究趋势分析都是通过对已发表文献进行回溯研究，较长的时间滞后周期使得分析的结果往往已是过去的研究趋势。本研究提出一种新的思路：科研工作者如果在思考某一问题，就会从科学文献数据库中搜索和下载相关文献；因而，通过获取研究者正在下载的科学文献信息，则可以反过来判断科学家目前正在从事的研究主题。基于这一思路，本课题提出追踪科学研究趋势的一种新方法：基于网络信息获取科学文献的即时使用信息，实时追踪某一领域的研究趋势、挖掘研究热点、探测研究前沿。课题提出网络环境下从数据到信息、再到知识和智慧的科研新趋势挖掘DIKW模型。基于该模型，以计算神经学为例，构建该领域科研新趋势的知识挖掘系统。通过对该领域论文进行7*24小时不间断的长期监测，收集该领域论文的实时被下载数据，辅以文献在社交媒体中的标记和讨论信息，应用文本挖掘、信息计量学方法实现对研究热点和研究新动向的挖掘。

传统的科研趋势分析都是对已发表文献进行回溯研究，存在较大的时间滞后。本项目提出了一种新的探测和追踪科研新趋势的方法。基于论文被实时点击的数据，整合内容、使用和时间三重维度，将文献文本内容、网络环境下多渠道的使用行为和相应的时间记录三个因素结合起来，实现科研新趋势的实时追踪。以计算神经学为例，从数据、信息、知识和智慧四个层次，逐层进行提取和处理，对计算神经学领域的研究热点和研究趋势进行分析。.首先，通过收集Springer出版的计算神经学相关期刊发表论文在研究时间内每天的下载数据，在传统主题模型的基础上，增加文献的下载次数作为权重，从而实现对研究热点的探测与动态跟踪。以月为时间单位，识别出计算神经学领域每月的研究热点。可以分为四类，分别是对生物原型神经网络及神经元的现实性模型研究、算法与技术研究、类脑式仿真模型研究，以及应用研究。并且，分析每类研究热点的动态发展规律，包括稳定发展型、扩展发展型和合并发展型。以及，基于Web of Science最新提出的使用数据（usage count）指标，对项目的研究方法进一步进行了改进。此外，在本项目的研究过程中，基于学术论文的使用数据，进行了一系列与本课题相关的探索，这些研究对于理解网络环境下学术论文的使用规律、探索使用数据的计量价值和应用前景都是有益的探索。具体的研究包括：基于引用、使用和社交媒体关注度多重指标的论文开放获取优势研究、学术论文的使用模式、社交媒体对学术论文影响力的提升作用等等。.本课题按计划完成了预期研究。依托项目资助，课题组出版专著《科学计量大数据及其应用》，共发表学术论文16篇，其中SCI/SSCI检索6篇，CSSCI检索/北大中文核心期刊4篇，重要国际会议论文3篇。1篇SSCI英文论文被Nature网站推介，在国际学术界引发较大的反响，以及得到美国NIH副主任Philip Bourne等权威学者的引用。1篇CSSCI中文论文获得全国一级学会的年会优秀论文，以及CSSCI期刊的年度最佳论文Top 10。