社会网络分析运用于学术人才挖掘研究.docVIP

社会网络分析运用于学术人才挖掘研究 　　摘要：以图书情报领域1999-2008年间的发文作者为主要研究对象建立起合著网络，用传统的专家调查法确立20位学术权威，发现这20位学术权威与合著网络中随机抽取的1 000位作者的四个指标值：顶点值、点度中心度、中间中心度和接近中心度存在显著差异。以这20位学术权威的指标值为基准，挖掘出符合条件的其他17位学术人才，对这17位学术人才进行问卷调查判断他们的权威性。研究证明，社会网络分析法运用于发现学术人才是有效而可行的。 　　关键词：社会网络分析法；人才挖掘；学术 　　中图分类号：C961 文献标志码：A 文章编号：1008-5831(2011)05-0080-04 　　 　　 人才评价是科研管理与评价的重要理论和实践内容。目前，人才评价主要采用文献统计和引文分析方法，依据发表的成果数量、被引量以及H指数等指标。然而，引用性质的差异、引文数据库的缺陷、“马太”效应等对评价结果的影响也一直为人们所诟病。因为研究合作是学者之间关系的直接反映，也是体现其学术地位的重要形式。所以，合作关系分析可以为人才评价提供客观依据。为此，笔者的研究以科研合作为依据，探索性地将社会网络分析方法运用于人才的评价和挖掘。 　　一、研究现状 　　社会网络分析萌芽于20世纪30年代，形成于20世纪60年代。检索EBSCO数据库，2000年以前，以社会网络分析为主题的文献仅64篇，2008年增长到369篇。社会网络分析已被运用到合著和引文网络研究、竞争情报、知识管理、网络信息资源评价以及图书馆资源配置等众多领域［1-10］。 　　社会网络分析主要集中在中心性、凝聚子群和核心-边缘结构三个方面，本研究仅涉及中心性分析。Evelien Otte等计算出信息科学领域的点度中心度指标用以判断网络的中心作者［11］；Zhu Weizhon等特别探讨了PageRank和中心度指标之间的关系，提出可以利用中间中心度作为参数对PageRank进行加权计算［12］；Jordi Palau等介绍了如何利用点入度中心度和点出度中心度衡量人与团体的合作程度［13］。国内学者付允等指出中心性指标能够反映出作者在合作网络中的核心性及中心地位，中心性越高的作者具有较高学术地位和较大影响力［14］；梁潇研究发现信息加权的中心度可以用来寻找信息流动中的活跃分子以及衡量各主体在整个网络中的地位［15］；邱均平将中心度指标作为判断图林博客核心的标准，认为中心度可以反映博客的重要程度，中心度高的博客可以看做博客圈中的核心且在圈子中有比较高的地位［9］；此外，孟微、庞景安将中心性的三个重要参数：度、介数和接近度（即点度中心度、中间中心度和接近中心度）应用于情报学科研合著网络的实证研究，发现作者三个指标值的排名存在一定的差异，同时具备三项高指标的作者很少［16］；苏娜根据社会网络分析的中心性指标对数字图书馆领域的研究趋势进行分析和预测，结果表明社会网络分析指标与其他方法相结合可以很好地识别学科领域的研究趋势［17］；魏瑞斌利用社会网络分析方法对关键词网络进行分析，发现领域的研究热点和研究内容的分布结构特征［18］；郑曦、孙建军构建了链接分析领域的作者合作网络，通过中心性分析可以找到在研究团队中起着至关重要信息枢纽作用的关键节点［19］。 　　基于已有的研究成果，本研究以中国图书情报学合著网络为样本，归纳学术人才的网络中心性特征，进行人才挖掘的探索。 　　 　　二、样本和工具 　　本研究利用维普期刊论文数据库收集样本，检索1999-2008年G25和G35类号下的所有文献。在删除一些非论文文献和重复文献后,得到75 252位作者，161 787篇文献。发文数量大于2且与他人有合作关系的作者有13 213位。利用这13 213位作者的合著关系建立起合著网络，本研究不区分作者的次序，因而建立的合著网络为无向网络。 　　社会网络分析软件有多种，常用的有UCINET、Pajek、NetMiner、Multinet、Stocnet、Structure等。本研究使用www.省略网站提供的UCINET软件作为分析工具。 　　三、学术权威的特征研究 　　（一）学术权威的特征值计算 　　样本发文量的统计表明，1999-2008年间，发文数量在50篇以上的作者有105位。运用专家调查法，确定了20位图书情报学领域的学术权威，即马费成、胡昌平、邱均平、吴慰慈、叶继元、王余光、陈传夫、张晓林、程焕文、吴建中、李纲、朱庆华、梁战平、武夷山、靖继鹏、叶鹰、王知津、范并思、柯平、于良芝。 　　社会网络分析理论指出，如果一个行动者与很多其他行动者有直接的关联，该行动者就居于中心地位，拥有较大的权力。衡量指标为点度中心度；如果一个行动者处于许多交往网络路径上，可