原創 孫燁 集智俱樂部 來自專輯複雜科學前沿2020
導語
對於學科網絡的研究能夠讓我們從更直觀的角度了解不同的學科之間的內在聯繫。本文詳細地梳理了學科網絡的研究歷史，構建方法以及其隨時間的演化特徵。希望通過本文，能讓我們能夠更深入地理解不同學科之間知識交流的基本機制，從而對科學知識的生產以及學科創新產生一定的指導價值。
本文首發於集智班圖，掃碼直達路徑地址
1.學科網絡的研究歷史
學科網絡的研究經歷了漫長的發展歷史，在上個世紀，由於文獻數據可獲得性的限制，科學家在繪製學科網絡時，需要憑藉自身對某個領域多年的研究經驗以及對該領域研究概況的整體性認知。
圖1：Bernard Porter 於1938年繪製完成的物理學地圖
如上圖所示，這幅物理學領域地圖是由著名物理學家、視覺藝術家、詩人及和平活動家Bernard H. Porter，自1932年起耗費六年心血繪製而成的。為了確保這份物理學地圖的準確性，在隨後的幾年裡Porter還將最終成果交給一些傑出物理學家和科學史學家進行審閱。
這個地圖的宏偉之處在於它追溯了公元前6世紀至20世紀的物理學發展歷史，通過它可以追蹤到「力學」、「聲學」和「光學」等關鍵理論的思想源頭。坐落在河流兩旁的「村落」代表艾薩克·牛頓、亞歷桑德羅·伏特、維爾納·海森堡等為物理學的發展做出過重大貢獻的物理學家們。
隨著21世紀計算機網際網路的興起，文獻檢索資料庫的全面推廣， 很多學者開始通過搜集大量的科學文獻數據，來構建學科之間知識流動和知識關聯的網絡。
其中一個比較典型的基於文本分析的知識網絡地圖[1]，是由Andre ́ Skupin根據1993年到2002年十年間的美國地理學協會年會提交的2.2萬多篇摘要而構建的。在文中，他將每篇文獻看作是文章關鍵詞的n維向量，基於自組織映射（Self-Organizing Map，SOM）的方法，利用這些向量建立了一個地理知識領域的神經網絡模型，並將該神經網絡模型轉變成兩種信息模式：(1）一種是利用還把高度來量化單個主題集中的程度；（2）另一種則是採用多級文本標籤對不同的可視化區域進行標註。最後，作者採用標準的地理信息信息（GIS）軟體繪製了關於地理學科的領域關鍵詞地圖。
圖2：地理信息可視化地圖
隨後，一些學者開始嘗試通過科學文獻之間的引用關係構建學科知識流網絡，例如，Martin Rosvall等人[2]，在2008年基於6128種不同的科學期刊之間的引用關係，構建了期刊所屬領域之間的知識流網絡，並對學科之間的社團結構進行了深入的探究。而在最近的研究中[3]，他們通過採用基於引用流的聚類方法，又進一步探討了100多個科學領域網絡中的多層次結構。
圖3：學科網絡的層級結構圖
如上圖所示， 作者們根據不同期刊所屬的領域之間的相互引用關係， 將現代科學劃分為了四個主要的學科，分別為生命科學，物理科學，生態和地球科學以及社會科學。而其中，對於物理科學，他們進行了第二級劃分，將其進一步劃分成兩個內部連接緊密的子類學科。
學科網絡的構建和可視化，不僅能夠幫助我們直觀地了解不同科學領域之間相互聯繫，也同時擴展了我們的研究視野，使我們能夠了解不同學科的演變過程，為我們科學地規劃未來的研究路徑和方向提供了很好的參考價值。
2.學科網絡的構建方法
近幾十年來，文獻計量學家、信息科學家、社會學家、物理學家和計算機科學家們，基於自身所在的研究領域的背景知識和方法創建了各種不同形式的學科網絡，為我們在未來更深入了解學科之間的關係提供了堅實的研究基礎。
在眾多構建學科網絡的方法中，最為常見的方式，是利用不同學科的文獻之間的相互引用關係來構建的網絡。
圖4：學科網絡的構建方法
如圖4所示，學科網絡的構建方法主要可以分為以下三種：
共引網絡（co-citaion Networks）: 若兩個來自不同研究領域的文章被同一篇文獻所以用，那麼這兩個不同的領域之間將會存在一條無向的連邊(圖4a);
直接引用網絡（Direct Citation Networks）: 若一個研究領域的論文引用另一個領域的論文時，這兩個領域之間存在一條直接的有向連邊(圖4b);
文獻耦合網絡（Bibliograhic Coupling Networks）: 當兩個來自不同的領域的論文引用同一篇的其他論文時，則這兩篇論文所屬的兩個不同領域之間就會存在一條連邊(圖4c);
除了通過文獻之間的引用關係，我們在研究領域之間的相互聯繫時，另一種較為可行的方式是基於科學家在不同的領域從事研究的職業軌跡來構建網絡。如圖4d所示，如果一個作者在多個研究領域都發表了文章，那麼這幾個不同的領域之間就會存在連邊，以這種方式構建的網絡可以被稱之為職業路徑網絡（Career Path Networks）。
圖5：職業路徑網絡
如上圖所示，Miguel R. Guevara等人在2016年的Scientometrics論文中[4]，通過追蹤31萬多個科學家在整個研究生涯中發表的論文所屬的領域，構建了較為完整的基於科學家職業路徑的學科網絡。
有人也許會好奇, 構建學科網絡的方法多種多樣，那麼，通過不同的方法所構建出來的學科網絡是否會具有高度的相似性呢？為了探討這一問題，Miguel R. Guevara等人在同一個的研究數據下，分別通過文獻耦合和科學家職業路徑兩種不同的方式構建了學科網絡。令人意外的是，作者們發現這兩種不同方式下所構建的學科網絡相似程度非常低。
作者認為這可能是由於，基於文獻耦合的方式所構建的學科網絡更傾向於捕捉了領域之間的關聯性或知識流動的信息，也就是較為顯性的知識關聯性。而通過科學家職業路徑的方式所構建的學科網絡，則更好地體現了在不同領域產生科學所需的知識共享能力，更能揭露生產顯性知識所需的隱性技能和能力。當我們試圖去預測個人或者研究機構未來會選擇進入的研究領域時，那麼基於科學家的職業路徑則將會擁有更高的準確性。
因此，當我們在構建的學科網絡時，需要根據自身所研究的具體科學問題，選擇一種最為恰當而有效的網絡構建方法。
3. 學科網絡的演化趨勢
通過研究學科網絡中的知識流演化，我們可以深入地了解學科知識創新的過程以及演變模式，為今後指導學科的發展提供了重要的理論借鑑價值。
自從2010年以來，很多學者也將目光聚集到了學科網絡的演化過程。例如，Raj Kumar Pan等人[5]基於物理文獻上的學科分類碼，構建了每一年的學科子領域網絡，他們發現隨著時間的推移，物理學各子領域的聯繫變得越來越緊密。同時，跨學科物理學在網絡核心中的所佔的比重正在穩步增加，這反映了物理學研究總體趨勢的轉變。
最近，Ye Sun等人在2020年的Scientific Reports中[6]，則提出了一個定量的研究知識流演化的框架。作者們基於美國物理學協會過去30年的物理學論文以及引用關係，構建了隨時間演化的物理學子領域之間知識流網絡, 其中節點代表的是不同的領域，而加權的連邊則代表了在特定時期內知識從一個領域到另一個領域的流動。
對於每個領域來說，它在發展的過程中常常會使用其他領域的知識，同時也會為其他領域提供知識。
圖6：物理學領域的知識流演化過程
如上圖所示，作者們就發現物理學不同子領域間的知識流動存在很顯著的互惠性，並且這種特徵在2000年左右達到了頂峰；其次，不同子領域之間知識流的顯著性隨著時間在不斷下降（平均連邊的權重隨著時間在變小），這意味著跨領域的知識交流變得越來越均勻，這不同於1990年初，每個子領域只在少數幾個聯繫緊密領域之間進行知識交流。 從另一個角度來看，這也反映了物理學領域中跨領域研究的興起。
圖7：學科知識流演化的四種典型模式 （a）不同領域知識流的互惠性 （b）吸收模式 （c）吸收到相互作用模式 （d）反哺模式 （e）相互作用模式
另一方面，作者們通過觀察固定兩個不同學科之間的知識流隨時間演化的過程，總結出了四種典型的演化模式，如上圖所示：
吸收模式：一個領域在整個時間段中一直從某個領域獲得更多的知識；
吸收到相互作用模式（圖5b）：剛開始一個領域會從某個領域吸收更多的知識，而後則這兩個領域之間存在比較互惠的知識交流關係（圖5c）；
反哺模式：在一開始一個領域會從某個領域吸收更多的知識，而之後另一個領域則開始反過來為其提供更多的知識（圖5d）；
相互作用模式：在整個時間段中，兩個不同的領域都保持著知識互惠的關係（圖5e）。這些不同的演變模式清晰地揭示了，知識創造和跨領域知識交流的過程可以是高度異質的。
隨著現今交叉學科的蓬勃發展，跨學科之間的知識交流也變得尤為頻繁。學科網絡的構建及對其演化機制的研究，對於我們在未來尋找不同學科之間的結合點，發現新的交叉性領域，進行突破性的研究具有非常重要的指導意義。
參考文獻
[1]. Skupin, A. (2004). The world of geography: Visualizing a knowledge domain with cartographic means. Proceedings of the National Academy of Sciences, 101(suppl 1), 5274-5278.
[2]. Rosvall, M., & Bergstrom, C. T. (2008). Maps of random walks on complex networks reveal community structure. Proceedings of the National Academy of Sciences, 105(4), 1118-1123.
[3]. Rosvall, M., & Bergstrom, C. T. (2011). Multilevel compression of random walks on networks reveals hierarchical organization in large integrated systems. PloS one, 6(4), e18209.
[4]. Guevara, M. R., Hartmann, D., Aristarán, M., Mendoza, M., & Hidalgo, C. A. (2016). The research space: using career paths to predict the evolution of the research output of individuals, institutions, and nations. Scientometrics, 109(3), 1695-1709.
[5].Pan, R. K., Sinha, S., Kaski, K., & Saramäki, J. (2012). The evolution of interdisciplinarity in physics research. Scientific reports, 2(1), 1-8.
[6]. Sun, Y., Latora, V. (2020). The evolution of knowledge within and across fields in modern physics. Sci Rep 10, 12097.
作者：孫燁
審校：劉培源
編輯：曾祥軒
原標題：《新知在哪裡：從學科網絡中發現不同領域的知識關聯》
閱讀原文