科學(xué)這么抽象的東西能像地圖一樣畫出來么,？

——亨利·斯莫爾（Henry Small）

科學(xué)圖譜將改變你看世界的方式。

全景科學(xué)圖譜提供的基礎(chǔ)圖譜使得交互疊加圖譜分析成為可能,。

——陳超美

繪制科學(xué)圖譜：由引用1988年韋克菲爾德論文的706個(gè)語句組成的69個(gè)聚類

科學(xué)圖譜在過去的十年中取得了顯著進(jìn)展,。強(qiáng)大的技術(shù)已越來越多得被研究和分析人員使用。在此我們介紹一些最有代表性的科學(xué)圖譜的生成,。我們的最終目標(biāo)是要確定科學(xué)學(xué)科之間是如何互相關(guān)聯(lián)的,，如醫(yī)學(xué)和物理學(xué)存在怎樣的聯(lián)系，化學(xué)和地質(zhì)學(xué)共享什么主題,，科學(xué)基金在所有學(xué)科中是如何分配的等,。繪制一個(gè)學(xué)科的邊界線是具有挑戰(zhàn)性的，繪制一個(gè)不斷發(fā)展學(xué)科的邊界線更是如此,。我們將重點(diǎn)介紹一些近年來的研究進(jìn)展實(shí)例,。

科學(xué)學(xué)科圖譜

USCD圖譜是一張科學(xué)全景圖譜，它描繪了期刊的554個(gè)聚類,，以及這些聚類作為科學(xué)的子學(xué)科是如何相互關(guān)聯(lián)的（圖1）,。這幅圖譜首先由理查德·克拉萬斯（Richard Klavans）和凱文·博雅克（Kevin Boyack）于2007年為加利福尼亞大學(xué)圣地亞哥分校（UCSD）創(chuàng)造,。在圖譜上的數(shù)據(jù)來源于湯森路透的Web of Science（2001～2004）和Elsevier的Scopus（2001～2005）二者的結(jié)合。使用18種不同的方法計(jì)算期刊間的相似性,，形成期刊-期刊連接矩陣,。然后根據(jù)期刊聚類，合并這些矩陣形成一個(gè)包含554個(gè)學(xué)科的網(wǎng)絡(luò),。圖譜使用Pajek中的3D Fruchterman-Reingold布局功能生成,。利用墨卡托投影方法，將該球形圖譜在一個(gè)平面上展開成二維圖譜,。根據(jù)聚類中期刊名稱,，對每一個(gè)聚類進(jìn)行手工標(biāo)識。將圖譜的二維版本進(jìn)一步簡化成一維的圓圈圖（circle map）,。利用因子分析對13個(gè)標(biāo)識好的區(qū)域進(jìn)行排序,。這個(gè)圓圈圖已被Elsevier公司的SciVal Spotlight平臺所使用。

圖1 UCSD的科學(xué)地圖,。在地圖中的每個(gè)節(jié)點(diǎn)是期刊的一個(gè)聚類,。聚類是基于期刊間和關(guān)鍵詞間的文獻(xiàn)耦合組合所形成的。13個(gè)地區(qū)是手動標(biāo)記的

UCSD圖譜的目標(biāo)是為研究評價(jià)提供一個(gè)基礎(chǔ)圖譜,?；谠搱D譜中的554個(gè)聚類，它可以比Web of Science的主題類別提供更多的學(xué)科種類,。雖然它最初的目標(biāo)是用于研究評價(jià),，但是這個(gè)圖譜也被用在其他的系統(tǒng)中，例如Sci2和VIVO,，用作基礎(chǔ)圖,，在基礎(chǔ)圖上可以添加其他的信息。UCSD圖譜被創(chuàng)造出來后不久,，克拉萬斯和博雅克得到結(jié)論,，相比期刊層次，基于論文層次的聚類地圖用于研究評價(jià)更為合適,。

圖2 中國的研究領(lǐng)先領(lǐng)域,。左圖：學(xué)科層次的圓圈地圖。右圖：嵌入一個(gè)學(xué)科圓圈地圖的論文層次圓圈地圖,。研究領(lǐng)先領(lǐng)域位于相應(yīng)學(xué)科和范式的平均位置,。節(jié)點(diǎn)密度表示領(lǐng)先節(jié)點(diǎn)的數(shù)量、相對文獻(xiàn)份額（relative publication share,，RPS）,、相對參考文獻(xiàn)份額（relative reference share，RRS）或者當(dāng)前發(fā)展?fàn)顩r（state-of-the art,，SOA）的數(shù)量。

地圖布局步驟要達(dá)到兩個(gè)目的：一是優(yōu)化期刊布置使地圖上期刊間的距離與它們的相異性成比例；而另外一個(gè)就是基于布局過程生成的距離能夠?qū)⑵诳垲悺?/span>利用VxOrd算法做出地圖布局,，該算法在布局過程中忽略了距離較遠(yuǎn)的連接關(guān)系。利用一個(gè)改進(jìn)的單鏈接聚類算法,，基于結(jié)果圖布局中的節(jié)點(diǎn)接近度來確定聚類。在單鏈接中,，兩聚類間兩個(gè)最相近元素間的距離被用來計(jì)算兩個(gè)聚類的距離,。最后得到的地圖包含了期刊和會議文獻(xiàn)的812個(gè)聚類（圖3）。這個(gè)地圖被用作多個(gè)疊加層的一個(gè)基礎(chǔ)地圖,。特別地,，利用這個(gè)地圖，能看到一個(gè)機(jī)構(gòu)的位置,。清晰圓圈的聚類只包含了期刊論文,。相反，陰影圓圈的聚類包含了會議論文,。如地圖上所示,，會議論文的大多數(shù)位于計(jì)算機(jī)科學(xué)（CS）和物理學(xué)之間；而像病毒學(xué)這樣的學(xué)科,，期刊論文幾乎占主導(dǎo)地位。

圖3 期刊和會議記錄的812個(gè)聚類的學(xué)科層次圖譜,。每個(gè)節(jié)點(diǎn)都是一個(gè)聚類,。節(jié)點(diǎn)的大小代表聚類中論文的數(shù)量（資料來源： Kevin and Boyack， 2009）

最近,，克拉萬斯和博雅克基于Scopus 2010年的數(shù)據(jù)創(chuàng)造了一個(gè)新的科學(xué)全景圖譜,。新的Scopus 2010圖譜是論文層次圖譜，描繪了170萬篇論文的116 000個(gè)聚類（圖4）,。Scopus 2010圖譜是一個(gè)混合圖譜,，因?yàn)槠渲械木垲愂腔谝藐P(guān)系生成的，而布局則是基于文本相似性得到的,?；诿總€(gè)聚類中論文標(biāo)題和摘要的詞語，利用Okapi BM25（一種算法）文本相似性來計(jì)算聚類間的相似性,。聚類步驟沒有使用同時(shí)基于文本和引用的混合相似性,。對于每個(gè)聚類，只保留5～15個(gè)有最強(qiáng)連接關(guān)系的聚類,。聚類標(biāo)簽則是手動添加,。

圖4 170萬篇論文的116 000個(gè)聚類的Scopus 2010全景圖譜（資料來源：Klavans and Boyack）

科學(xué)學(xué)科的全景圖譜提供了一個(gè)方便的基礎(chǔ)圖譜來描繪更多的主題特征。圖5展示了如何添加一個(gè)主題疊加圖到Scopus 2010基礎(chǔ)圖譜,。在Scopus 2010圖譜上,，疊加圖添加了一層橙色圓點(diǎn)到聚類上,。橙色圓點(diǎn)標(biāo)記了那些在論文致謝中提到美國國家癌癥研究所（NCI）基金資助的論文。疊加圖提供了一個(gè)NCI資金覆蓋的研究領(lǐng)域范圍的直觀概覽,。

圖5 Scopus 2010全景圖譜上展示了致謝NCI資助的論文的疊加圖（資料來源：Kevin and Boyack）

跨學(xué)科和相互疊加

除了我們前面所介紹的成果,，研究人員一直在開發(fā)另一種很有前途的方法來生成全景科學(xué)圖譜，并用它們來執(zhí)行一個(gè)關(guān)于學(xué)科關(guān)系和學(xué)科交叉的研究計(jì)劃,。

跨學(xué)科的研究涉及大量的認(rèn)知差異,。我們怎樣衡量和傳達(dá)這樣的認(rèn)知差異給單一學(xué)科的研究和評估人員？英國薩塞克斯大學(xué)科技政策研究所（SPRU）的研究人員伊斯梅爾·拉佛（Ismael Rafols）,，美國佐治亞理工學(xué)院技術(shù)政策和評估中心的艾倫·波特（Alan Porter）教授,，以及荷蘭阿姆斯特丹大學(xué)的阿姆斯特丹傳播研究學(xué)院（ASCoR）的雷迭斯多夫教授，他們一直在從事跨學(xué)科研究,，開發(fā)了他們所謂的科學(xué)覆蓋地圖方法來研究若干涉及跨學(xué)科研究的問題（Rafols et al.,， 2010）。

圖6展示了一個(gè)全球科學(xué)疊加基礎(chǔ)圖譜,。每個(gè)節(jié)點(diǎn)代表一個(gè)Web of Science中的學(xué)科門類,。雷迭斯多夫提供了一套工具，個(gè)人能用這套工具在基礎(chǔ)圖譜上生成一個(gè)疊加層,。作為科學(xué)疊加圖譜的一篇早期論文,，2009年2月發(fā)表的這篇論文（Leydesdorff and Rafols， 2009）在2009年12月被湯森路透的《科學(xué)觀察》（Thomson Rueters’ScienceWatch）譽(yù)為快速突破論文（fast breaking paper）,?？焖偻黄普撐闹傅氖且詢蓚€(gè)月作為統(tǒng)計(jì)時(shí)間間隔，在這兩個(gè)月時(shí)間中,，在其所在的領(lǐng)域中被引頻次增長最快的文獻(xiàn),。

圖6 全景科學(xué)疊加基礎(chǔ)圖譜。節(jié)點(diǎn)代表Web of Science類別,?；疑B線代表認(rèn)知相似程度。（資料來源： Rafols et al.,， 2010）

疊加圖譜方法分為兩個(gè)步驟：① 創(chuàng)建一個(gè)全景科學(xué)圖譜作為基礎(chǔ)圖,；② 疊加一組特定的文獻(xiàn)，如來自于某一給定機(jī)構(gòu)或主題的文獻(xiàn),。連同這個(gè)方法,，研究人員已經(jīng)提出了一套可用的工具，使每個(gè)人都可以利用他們的工具生成自己的科學(xué)疊加圖譜,。該工具包是免費(fèi)使用的,。

交互科學(xué)疊加圖譜被保存在一個(gè)網(wǎng)頁上。這些交互圖譜可以讓我們?nèi)ヌ剿鲗W(xué)科是如何相關(guān)聯(lián)的，以及一個(gè)機(jī)構(gòu)的文獻(xiàn)是如何分布到各個(gè)區(qū)域的,。圖7是一個(gè)交互地圖的屏幕截圖,。鼠標(biāo)懸停顯示了葛蘭素史克（GSK）與臨床醫(yī)學(xué)學(xué)科相關(guān)的文獻(xiàn)，表示為圓圈中的紅色圓點(diǎn),。

圖7 葛蘭素史克公司2000年和2009年間文獻(xiàn)的一個(gè)交互科學(xué)疊加圖譜,。紅色圓圈是葛蘭素史克（GSK）關(guān)于臨床醫(yī)學(xué)的文獻(xiàn)（鼠標(biāo)懸停在臨床醫(yī)學(xué)標(biāo)簽上）（資料來源：http://idr./usermapsdetail.php?id=61）

在疊加步驟中，一幅疊加圖被附加到一組給定文獻(xiàn)的區(qū)域之上,。例如,，將一個(gè)機(jī)構(gòu)或者團(tuán)隊(duì)發(fā)表的文獻(xiàn)附加到全景科學(xué)基礎(chǔ)圖譜之上。人們可以使用從Web of Science下載的任何數(shù)據(jù)集作為疊加層,。疊加層方法的優(yōu)勢在于人們可以很容易地識別一個(gè)機(jī)構(gòu)的學(xué)術(shù)活動領(lǐng)域,，不管該機(jī)構(gòu)發(fā)表文獻(xiàn)的參考文獻(xiàn)如何廣泛分布在各個(gè)學(xué)科領(lǐng)域，抑或該機(jī)構(gòu)只側(cè)重于發(fā)展某個(gè)學(xué)科,。

科學(xué)疊加圖譜在如下方面表現(xiàn)出了很好的靈活性,，包括對知識領(lǐng)域的跨學(xué)科性隨著時(shí)間變化的發(fā)展情況進(jìn)行研究，對系所,、大學(xué)或者大公司的研發(fā)部門進(jìn)行比較,，以及追蹤科學(xué)研究課題的擴(kuò)散。圖8展示了由Leydesdorff用VOSViewer軟件制作的較新的基礎(chǔ)圖譜,。

圖8 展示在VOSViewer上的JCR期刊的相似性地圖

雙圖疊加

在單一圖譜可視化中,，許多引用圖譜都被用來展示引用來源和引用目標(biāo)的其中之一而不是二者同時(shí)。主要原因是,，引用和被引論文的混合可能大大提高圖譜的結(jié)構(gòu)和動態(tài)復(fù)雜性,。如果在一個(gè)單一圖譜中將引用和被引論文結(jié)合在一起，似乎不會帶來多大的好處,。雖然一個(gè)混合結(jié)構(gòu)在某些諸如激烈爭論的情況是符合需要的，但是研究人員在考慮如何將引用和被引結(jié)合起來之前,，更關(guān)心的是如何對不同的論點(diǎn)進(jìn)行區(qū)分,。

由喬克·邁肯尼（Jock Mackinlay）及其在施樂公司的同時(shí)設(shè)計(jì)的蝴蝶系統(tǒng)（Butterfly）展示了在同一視圖中的兩端（引用和被引），但是他們的研究集中在單篇文獻(xiàn)層次,，而不是幾千本期刊的宏觀層次（Mackinlay et al.,，1995）。尤金·加菲爾德（Eugene Garfield）的HistCite描述了文獻(xiàn)中的直接引用關(guān)系,。然而,，隨著引用數(shù)量的增長，網(wǎng)絡(luò)趨于雜亂,，這對于網(wǎng)絡(luò)的可視化來說是一個(gè)常見的問題,。

我們引進(jìn)了雙圖疊加設(shè)計(jì)在同一視圖中描繪引用疊加層和被引疊加層圖譜。雙圖覆蓋圖在單一的疊加圖中有幾個(gè)優(yōu)點(diǎn),。第一,，它完整表現(xiàn)了一個(gè)引用實(shí)例,。我們能夠一目了然地看到它的起源和它的指向。第二,，它使不同作者群體所形成的引用模式的比較變得容易,，如不同機(jī)構(gòu)的作者，或者相同機(jī)構(gòu)但是不同時(shí)間點(diǎn)的作者,。第三,，它開辟了更多的研究問題，可以用新的研究方法加以解決,。例如,，在來源和目標(biāo)兩方面研究跨學(xué)科性成為可能。根據(jù)它們在兩個(gè)基礎(chǔ)圖譜的足跡使跟蹤科學(xué)前沿的發(fā)展成為可能,。

一個(gè)雙圖基礎(chǔ)圖構(gòu)造的初始步驟相同,，但后面的步驟不同。一旦可以獲得期刊的引用和被引矩陣,，就能建造一個(gè)雙圖疊加圖譜,。聚類信息不是必需的，但如果可以獲得聚類信息,，附加功能就成為可能,。在接下來的詳細(xì)描述中，我們假定至少一個(gè)聚類集合對每個(gè)矩陣可用,。在這個(gè)例子中,，通過應(yīng)用勃朗德爾聚類算法來得到聚類。圖9是雙圖顯示的截圖,，包含引用期刊（左）的一個(gè)基礎(chǔ)圖和被引期刊（右）的一個(gè)基礎(chǔ)圖,。

圖9 在引用期刊地圖（左）和被引期刊地圖（右）中的勃朗德爾聚類。重疊多邊形顯示出空間布局和聚類仍然包含相當(dāng)程度的不確定性,?；谧鴺?biāo)計(jì)算的矩陣將不確定性考慮在內(nèi)

對于在引用網(wǎng)絡(luò)中的每個(gè)期刊，它的聚類與期刊連同坐標(biāo)一起存儲,。坐標(biāo)可以從諸如VOSViewer,， Gephi或Pajek等網(wǎng)絡(luò)可視化程序中獲得。每個(gè)聚類成員都用相同顏色畫在圖譜上,。

大量疊加層被添加到雙圖基礎(chǔ)圖中,。每個(gè)疊加層需要包含引用信息的文獻(xiàn)記錄，例如,，從Web of Science中檢索到的記錄,。最小的集合可能包含一篇單一論文。最大集合的大小則沒有限制。利用期刊疊加層圖譜,，每個(gè)引用實(shí)例用一個(gè)圓弧表示,，圓弧發(fā)端于引用基礎(chǔ)論文中的來源期刊，末端為被引基礎(chǔ)地圖中的目標(biāo)期刊,。來自于相同集合的圓弧用相同顏色表示,，以便來自不同集合的引用模式可以通過它們獨(dú)特的顏色進(jìn)行區(qū)分。

圖10展示了兩所iSchool從2003到2012年發(fā)表文獻(xiàn)的英文的雙層圖譜,。Drexel大學(xué)的引用圓弧用藍(lán)色表示,，而雪城大學(xué)信息學(xué)院的引用圓弧則用洋紅色表示。乍看之下,，圖譜上半部分以藍(lán)色圓弧為主,，代表了Drexel大學(xué)研究者的論文發(fā)表領(lǐng)域，而雪城大學(xué)在這些領(lǐng)域基本上沒有發(fā)表過論文,。雙層圖譜顯示Drexel大學(xué)的研究人員不僅在數(shù)學(xué)與系統(tǒng)科學(xué)期刊相對應(yīng)的領(lǐng)域發(fā)表論文,，在其他領(lǐng)域發(fā)表的論文也收到系統(tǒng)、計(jì)算與數(shù)學(xué)期刊的影響,。圖譜下半部分的重疊圓弧表明,，在這些核心期刊，兩個(gè)機(jī)構(gòu)都有論文發(fā)表,。

圖10 來自Drexel大學(xué)的iSchool（藍(lán)色的?。┖脱┏谴髮W(xué)信息研究學(xué)院（洋紅色弧）文獻(xiàn)的引用圓弧揭示了他們知識基礎(chǔ)和研究前沿的不同

還有一個(gè)例子,，圖11對兩組數(shù)據(jù)進(jìn)行了比較,。一組是關(guān)于h指數(shù)的論文（綠色，大多出現(xiàn)在圖譜的上半部分）,，另外一組是引用2006年JASIST的關(guān)于CiteSpace II論文的文獻(xiàn),，這些文獻(xiàn)的引用圓弧大多發(fā)端于引用期刊基礎(chǔ)圖譜的右下部分。這張圖片表明關(guān)于h指數(shù)的研究非常廣泛,，尤其是在物理學(xué)期刊（金色,，聚類5），引用的期刊也屬于同一類別,。相反，引用CiteSpace II的論文集中在少數(shù)幾本期刊,，但是引用了聚類中的大多數(shù)期刊,。

圖11 h指數(shù)論文（青色）和引用CiteSpace的論文（紅色）

總之，全景科學(xué)圖譜提供的基礎(chǔ)圖譜使得交互疊加圖譜分析成為可能,。雙圖疊加圖譜在同一視圖中展示了引用期刊和被引期刊,，從而可以更加簡單地根據(jù)來源期刊和目標(biāo)期刊比較不同群體的引用行為。

本文摘編自[美]陳超美所著《科學(xué)前沿圖譜(知識可視化的探索第2版)》一書。該書從跨學(xué)科的視角探索了知識可視化的歷史進(jìn)程及其最新進(jìn)展,。從無形學(xué)院和庫恩競爭范式,，到運(yùn)用可視化技術(shù)繪制知識結(jié)構(gòu)圖譜，再到科學(xué)發(fā)展進(jìn)程中的各種興盛與衰落,。通過大量色彩豐富的圖片,，深入淺出地將繪制科學(xué)知識圖譜的原理、方法及技術(shù)娓娓道來,。本書既涉及簡單易學(xué)的可視化步驟和模型,，也包括應(yīng)用于實(shí)際的具體案例分析，是一本對于研究者和實(shí)踐者都很有價(jià)值的參考書,。

敬請關(guān)注科學(xué)出版社,，搜索微信ID：sciencepress-cspm 或“科學(xué)出版社”公眾號