張春梅 張計(jì)龍 殷沈琴 汪東偉 郭耀東

（復(fù)旦大學(xué)圖書館，上海200433）

·信息資源開發(fā)與利用·

基于復(fù)旦大學(xué)ERU數(shù)據(jù)的學(xué)科交叉程度與研究熱點(diǎn)分析

張春梅 張計(jì)龍 殷沈琴 汪東偉 郭耀東

（復(fù)旦大學(xué)圖書館，上海200433）

本文利用復(fù)旦大學(xué)ERU數(shù)據(jù)采集平臺(tái)，從底層網(wǎng)絡(luò)數(shù)據(jù)中獲取用戶訪問圖書館電子資源時(shí)檢索行為的動(dòng)態(tài)數(shù)據(jù)，運(yùn)用Session ID關(guān)系、因子分析和聚類分析等方法，分析我國高校學(xué)術(shù)研究的學(xué)科交叉程度及研究熱點(diǎn)。結(jié)果表明，學(xué)科交叉研究采用動(dòng)態(tài)數(shù)據(jù)源進(jìn)行分析，可以拓展學(xué)科交叉研究的深度和寬度，彌補(bǔ)以往研究中僅針對靜態(tài)數(shù)據(jù)分析研究的不足，促進(jìn)學(xué)術(shù)研究和科學(xué)創(chuàng)新上獲得新的生長點(diǎn)。

學(xué)科交叉；動(dòng)態(tài)數(shù)據(jù)；Session ID；因子分析；聚類分析

當(dāng)前學(xué)科交叉研究已成為科學(xué)技術(shù)發(fā)展的一個(gè)重要趨勢。自20世紀(jì)初學(xué)科交叉研究的萌芽在美國出現(xiàn)后，人們便開始認(rèn)識(shí)到學(xué)科交叉產(chǎn)生的新興學(xué)科，因?yàn)槠淠軌虼蚱苽鹘y(tǒng)學(xué)科研究束縛，為學(xué)科發(fā)展創(chuàng)造新的生長點(diǎn)，為科技進(jìn)步提供新動(dòng)力的特點(diǎn)，引起世界各國的廣泛關(guān)注。學(xué)科交叉借助其研究領(lǐng)域的獨(dú)特優(yōu)勢在新技術(shù)開發(fā)、新興產(chǎn)業(yè)應(yīng)用研究等領(lǐng)域產(chǎn)生極大的影響力，其科學(xué)技術(shù)創(chuàng)新的能力也被置于極其重要的地位。

發(fā)現(xiàn)學(xué)科研究的交叉點(diǎn)，無異于找到學(xué)科研究的新起點(diǎn)，許多科研人員、學(xué)者都希望獲得本學(xué)科與其他學(xué)科的交叉點(diǎn)、學(xué)科研究新的增長點(diǎn)和研究熱點(diǎn)的信息，那么如何從海量文獻(xiàn)數(shù)據(jù)中發(fā)現(xiàn)這樣的信息，為科學(xué)發(fā)展、研究創(chuàng)新提供動(dòng)力呢？從目前已有的文獻(xiàn)可以看出幾種研究思路：第一種是以期刊引文關(guān)系為基礎(chǔ)研究學(xué)科交叉關(guān)系［2－4］；第二種是通過關(guān)聯(lián)規(guī)則挖掘、文本挖掘等現(xiàn)代數(shù)據(jù)挖掘技術(shù)手段研究學(xué)科間的相關(guān)性和交叉知識(shí)［5－6］；第三種是以期刊關(guān)鍵詞為基礎(chǔ)研究學(xué)科交叉的熱點(diǎn)［7］；第四種是以不同的研究對象為基礎(chǔ)，從不同的視角研究學(xué)科之間的交叉關(guān)系［8－10］。以上文獻(xiàn)多以靜態(tài)數(shù)據(jù)為基礎(chǔ)切入不同的分析角度探討學(xué)科之間的交叉關(guān)系，但是對學(xué)科交叉的程度以及研究熱點(diǎn)缺少量化分析。

本文將以復(fù)旦大學(xué)ERU數(shù)據(jù)采集平臺(tái)所獲得的用戶使用電子文獻(xiàn)行為的動(dòng)態(tài)數(shù)據(jù)為基礎(chǔ)進(jìn)行數(shù)據(jù)分析。ERU全稱為“圖書館電子資源使用統(tǒng)計(jì)分析軟件”，一般部署在高校核心網(wǎng)絡(luò)交換機(jī)的鏡像口，從旁路出發(fā)，基于網(wǎng)絡(luò)底層采集用戶信息行為的數(shù)據(jù)，ERU軟件可以對圖書館實(shí)現(xiàn)電子資源知識(shí)庫定制管理，對圖書館所使用的數(shù)據(jù)庫和數(shù)據(jù)庫中的文獻(xiàn)內(nèi)容進(jìn)行用戶使用行為的數(shù)據(jù)采集，并以此為基礎(chǔ)實(shí)現(xiàn)電子資源使用情況的多維統(tǒng)計(jì)和用戶訪問行為的統(tǒng)計(jì)分析。通過ERU數(shù)據(jù)采集平臺(tái)獲取的動(dòng)態(tài)數(shù)據(jù)，實(shí)現(xiàn)挖掘?qū)W科之間可能存在的交叉關(guān)系，為更好地揭示學(xué)科交叉關(guān)系提供一種新思路，不僅通過網(wǎng)絡(luò)用戶使用電子文獻(xiàn)資源的行為研究探討學(xué)科之間的交叉程度，而且深入挖掘數(shù)據(jù)的潛在關(guān)系對學(xué)科交叉的研究熱點(diǎn)也進(jìn)行分析，為師生、學(xué)者和科研人員的研究提供數(shù)據(jù)參考，幫助其找到學(xué)科研究上新的創(chuàng)新點(diǎn)和突破口。

1 研究方法

學(xué)科交叉程度的研究分析運(yùn)用Session ID關(guān)系，通過將Session ID中出現(xiàn)的文獻(xiàn)之間的關(guān)系轉(zhuǎn)換為學(xué)科之間的關(guān)系。以此建立起學(xué)科之間交叉關(guān)系的基礎(chǔ)，以學(xué)科之間交叉出現(xiàn)的頻次作為學(xué)科交叉關(guān)系程度的反映。學(xué)科交叉熱點(diǎn)的研究分析則是利用因子分析，將學(xué)科交叉出現(xiàn)的高頻關(guān)鍵詞提取出具有代表性的因子，以這些因子為類，分析得出學(xué)科交叉的熱點(diǎn)區(qū)域，再結(jié)合聚類分析，將結(jié)果進(jìn)行比較，獲得較為滿意的學(xué)科交叉研究熱點(diǎn)的分析結(jié)果。

1.1 Session ID關(guān)系運(yùn)用分析

本文學(xué)科之間的交叉關(guān)系是建立在Session ID關(guān)系的基礎(chǔ)之上獲得的。在Web中Session是指用戶在瀏覽某個(gè)網(wǎng)站時(shí)，從進(jìn)入網(wǎng)站到瀏覽器關(guān)閉所經(jīng)過的一段時(shí)間，也就是用戶瀏覽這個(gè)網(wǎng)站所花費(fèi)的時(shí)間。Session在用戶第一次訪問服務(wù)器的時(shí)候自動(dòng)創(chuàng)建，其生成后，只要用戶繼續(xù)訪問，服務(wù)器就會(huì)更新Session的最后訪問時(shí)間，并維護(hù)該Session。服務(wù)器會(huì)把長時(shí)間沒有活動(dòng)的Session從服務(wù)器內(nèi)存中清除，此時(shí)Session便失效。服務(wù)器會(huì)分配Session ID給不同的用戶，每個(gè)Session ID都是惟一的。文中設(shè)Session ID為一個(gè)分析對象，在這個(gè)分析對象中，所有出現(xiàn)的文獻(xiàn)被認(rèn)為是存在關(guān)聯(lián)關(guān)系的，它們之間的關(guān)聯(lián)關(guān)系將作為學(xué)科之間建立交叉關(guān)系的基礎(chǔ)。

（1）明確一個(gè)Session ID中包含的每篇文獻(xiàn)的學(xué)科分類。文獻(xiàn)學(xué)科分類確定好之后，Session ID中出現(xiàn)的文獻(xiàn)之間的關(guān)系轉(zhuǎn)換為學(xué)科之間的關(guān)系。

（2）再以Session ID為基礎(chǔ)，交叉運(yùn)算每一個(gè)Session ID當(dāng)中存在的兩學(xué)科、三學(xué)科甚至多學(xué)科之間的相互交叉關(guān)系。假設(shè)一個(gè)Session ID當(dāng)中有若干篇文獻(xiàn)，每篇文獻(xiàn)都有學(xué)科歸屬。文獻(xiàn)1學(xué)科分類為A，文獻(xiàn)2學(xué)科分類為C，文獻(xiàn)3學(xué)科分類既屬于學(xué)科A又屬于學(xué)科B，此時(shí)認(rèn)為A和B學(xué)科之間存在交叉關(guān)系，A和C學(xué)科，B和C學(xué)科，A、B和C學(xué)科之間都存在學(xué)科交叉關(guān)系。在同一篇文獻(xiàn)中出現(xiàn)的交叉關(guān)系定義為內(nèi)在關(guān)系，同一個(gè)Session ID中出現(xiàn)的交叉關(guān)系定義為外在關(guān)系。學(xué)科之間每出現(xiàn)1次交叉計(jì)算1次出現(xiàn)頻次，以學(xué)科之間交叉出現(xiàn)的頻次作為學(xué)科交叉關(guān)系程度的反映。

（3）學(xué)科交叉的研究的熱點(diǎn)分析，也同樣引入Session ID關(guān)系影響因素，擴(kuò)大文獻(xiàn)中出現(xiàn)的關(guān)鍵詞關(guān)聯(lián)關(guān)系，同一個(gè)Session ID的用戶使用文獻(xiàn)的學(xué)科關(guān)鍵詞，關(guān)鍵詞的共現(xiàn)頻次不僅需要計(jì)算在同一篇文獻(xiàn)中兩兩共現(xiàn)的次數(shù)，而且還要計(jì)算同一個(gè)Session ID中關(guān)鍵詞的兩兩共現(xiàn)次數(shù)。同一篇文獻(xiàn)中出現(xiàn)的關(guān)鍵詞的共現(xiàn)關(guān)系定義為內(nèi)在關(guān)系，同一Session ID出現(xiàn)的關(guān)鍵詞的共現(xiàn)關(guān)系定義為外在關(guān)系。

1.2 因子分析

因子分析最早是由英國心理學(xué)家斯皮爾曼提出的，是一種從變量群中提取共性因子的數(shù)據(jù)簡化統(tǒng)計(jì)技術(shù)。因子分析通過研究眾多變量間的內(nèi)部依賴關(guān)系，探求觀測數(shù)據(jù)中的基本結(jié)構(gòu)，找出變量中隱藏的具有代表性的因子，將相同本質(zhì)的變量歸入一個(gè)因子中，減少變量的數(shù)目，同時(shí)檢驗(yàn)變量間的假設(shè)關(guān)系，用假想的變量能夠反映出原來眾多變量的主要信息［11］。換句話說，因子分析是尋找潛在的、起支配作用因子的方法。通過因子分析，將學(xué)科交叉出現(xiàn)的高頻關(guān)鍵詞提取出具有代表性的因子，以這些因子為類，分析得出學(xué)科交叉的熱點(diǎn)區(qū)域。

2.3 聚類分析

聚類分析又稱群分析，起源于分類學(xué)，是一種探索性分析方法，能夠分析事物的內(nèi)在特點(diǎn)和規(guī)律，并根據(jù)相似性原則對事物進(jìn)行分組，是數(shù)據(jù)挖掘中常用的一種技術(shù)。它特別適用于沒有先驗(yàn)知識(shí)的分類。如果沒有這些事先的經(jīng)驗(yàn)或一些標(biāo)準(zhǔn)，分類便會(huì)顯得隨意和主觀，這時(shí)只要設(shè)定比較完善的分類變量，就可以通過聚類分析法得到較為科學(xué)合理的類別［12］。學(xué)科之間交叉后會(huì)產(chǎn)生怎樣的知識(shí)分類，事先是無法得知的，通過聚類分析，可以分類得出，這樣就可以與因子分析的結(jié)果進(jìn)行比較，獲得較為滿意的學(xué)科交叉研究熱點(diǎn)的分析結(jié)果［13］。

2 數(shù)據(jù)采集與分析

本文以復(fù)旦大學(xué)ERU數(shù)據(jù)采集平臺(tái)所獲得的用戶使用電子文獻(xiàn)行為的動(dòng)態(tài)數(shù)據(jù)為基礎(chǔ)，從底層網(wǎng)絡(luò)數(shù)據(jù)中獲取用戶對學(xué)校訂購的所有中文數(shù)據(jù)庫的檢索、瀏覽、下載等信息行為的日志數(shù)據(jù)，及對應(yīng)數(shù)據(jù)庫文獻(xiàn)信息，如關(guān)鍵字、作者、引用、發(fā)表時(shí)間等數(shù)據(jù)。數(shù)據(jù)采集時(shí)間為2013年8月到2014年2月的有效數(shù)據(jù)共241 464條，有48 000多個(gè)Session ID，平均每個(gè)Session ID有5條左右記錄。

2.1 學(xué)科交叉程度分析

在數(shù)據(jù)分析中學(xué)科分類采用的是《中國圖書館分類法》，以此為基礎(chǔ)揭示學(xué)科之間的交叉情況。將采集到的有效數(shù)據(jù)與Session ID結(jié)合，按照上文介紹的運(yùn)算規(guī)則分析，并且對于同一篇文獻(xiàn)中學(xué)科交叉頻次，賦值為0.6，同一Session ID出現(xiàn)的學(xué)科交叉頻次，賦值為0.4，獲得的學(xué)科交叉程度結(jié)果如下（見表1）：

表1 學(xué)科交叉頻次表（部分）

如表1所示，通過Session ID關(guān)系分析動(dòng)態(tài)數(shù)據(jù)獲得相關(guān)學(xué)科交叉的頻次數(shù)據(jù)，它反映出復(fù)旦大學(xué)師生、科研人員和學(xué)者在相關(guān)研究中學(xué)科之間的相互交叉關(guān)系。首先，兩學(xué)科交叉排序前3位的為：D（政治、法律）和F（經(jīng)濟(jì)）；F和G（文化、科學(xué)、教育、體育）；D和G。三學(xué)科交叉排名前3位的為：D、F（經(jīng)濟(jì)）和G；C（社會(huì)科學(xué)總論）、D和F；C、F和G；四學(xué)科交叉排名前3位的為：C、D、F和G；D、F、G和K（歷史、地理）；D、F、G和R（醫(yī)藥、衛(wèi)生）。政治經(jīng)濟(jì)學(xué)科交叉融合本身已經(jīng)較為成熟了，通過此次的數(shù)據(jù)說明它們的交叉融合程度是很高的。第二，學(xué)科交叉中的活躍學(xué)科：C、D、F、G、K，都屬于傳統(tǒng)的社會(huì)人文科學(xué)，這與復(fù)旦大學(xué)屬于綜合性大學(xué)，學(xué)科設(shè)置偏重社會(huì)人文科學(xué)相符，這些學(xué)科大多為其他學(xué)科提供理論指導(dǎo)，較易與其他學(xué)科發(fā)生交叉。第三，在所有學(xué)科交叉中沒有出現(xiàn)E（軍事）、J（藝術(shù)）、P（天文、地球）、U（交通運(yùn)輸）、V（航空、航天）等學(xué)科分類，這也是與復(fù)旦大學(xué)學(xué)科設(shè)置較為相符。第四，體現(xiàn)出學(xué)科交叉的發(fā)生，既存在于學(xué)科的內(nèi)部，也存在于學(xué)科之間，甚至是存在于學(xué)科“界”之間。第五，兩學(xué)科以上的學(xué)科交叉的發(fā)生，都是以兩學(xué)科為基礎(chǔ)，不斷融入新的學(xué)科知識(shí)。

2.2 學(xué)科交叉熱點(diǎn)分析

2.2.1 學(xué)科交叉高頻詞統(tǒng)計(jì)

根據(jù)以上分析得到的學(xué)科之間交叉情況的數(shù)據(jù)，本文將以排名首位的D和F為例，分析學(xué)科交叉的熱點(diǎn)。首先利用Bibexcel軟件對從ERU采集的相關(guān)學(xué)科交叉數(shù)據(jù)進(jìn)行關(guān)鍵詞詞頻統(tǒng)計(jì)（見表2），然后挑選高頻關(guān)鍵詞，形成相關(guān)共詞矩陣（見表3）。手動(dòng)將關(guān)鍵詞中無意義的或與其他關(guān)鍵詞聯(lián)系少的關(guān)鍵詞剔除，生成高頻關(guān)鍵詞共詞矩陣。共詞矩陣中關(guān)鍵詞的共現(xiàn)次數(shù)不僅計(jì)算在同一篇文獻(xiàn)中共現(xiàn)的次數(shù)，而且還要計(jì)算同一Session ID中不同文獻(xiàn)關(guān)鍵詞的共現(xiàn)次數(shù)。對于同一篇文獻(xiàn)中關(guān)鍵詞的共現(xiàn)次數(shù)，賦值為1；同一Session ID出現(xiàn)的關(guān)鍵詞的共現(xiàn)次數(shù)，賦值也為1。

表2 高頻關(guān)鍵詞分布表（降序）

表3 DF 共詞矩陣（部分）

2.2.2 學(xué)科交叉熱點(diǎn)分析

本文在學(xué)科交叉熱點(diǎn)分析中，以SPSS軟件作為統(tǒng)計(jì)分析的工具進(jìn)行因子分析和聚類分析。因子分析中，考慮到所建矩陣包含有內(nèi)在共詞關(guān)系和外在共詞關(guān)系的因素，而且邱均平老師已在其文章中驗(yàn)證可以將原始矩陣直接作為輸入矩陣，事先不需要任何轉(zhuǎn)化［14］。另外，SPSS軟件為了消除不同變量間量綱和數(shù)量級對結(jié)果的影響，在該過程中默認(rèn)自動(dòng)進(jìn)行標(biāo)準(zhǔn)化處理，不再對這些變量提前進(jìn)行標(biāo)準(zhǔn)化處理，因此本研究的矩陣均未進(jìn)行轉(zhuǎn)化。在此基礎(chǔ)上，利用主成份法、相關(guān)性矩陣與旋轉(zhuǎn)——最大方差法進(jìn)行因子分析。聚類分析中，共詞矩陣也未作轉(zhuǎn)化，運(yùn)用系統(tǒng)聚類、相似性矩陣、組間連接和余弦方法進(jìn)行聚類分析。

（1）學(xué)科交叉熱點(diǎn)因子分析

表4 DF公因子方差

表5 DF 解釋的總方差

表5 （續(xù)）

圖1DF因子分析碎石圖

表4顯示，提取因子后公因子方差的值均很高，表明提取的因子能很好地描述這31個(gè)關(guān)鍵詞。表5因子分析方差分解表（解釋的總方差）表明，前7個(gè)因子特征值大于1，這7個(gè)因子能夠解釋31個(gè)指標(biāo)的81.229%，而僅前3個(gè)因子的信息解釋量就達(dá)52.997%。圖1DF因子分析碎石圖也表明，從第8個(gè)因子開始，特征值差異減小。綜合以上結(jié)果，提取前7個(gè)因子。

表6 DF 旋轉(zhuǎn)成份矩陣

表6 （續(xù)）

由表6因子分析旋轉(zhuǎn)成份矩陣可以看出，經(jīng)旋轉(zhuǎn)后，因子便于命名和解釋。為便于識(shí)別，將因子負(fù)載絕對值大于0.5的關(guān)鍵詞制作成如表7。

表7 因子分析確定的DF 學(xué)科交叉熱點(diǎn)研究

從表7因子分布情況可以看出，因子分析結(jié)果中的關(guān)鍵詞總體分布有如下特點(diǎn)：

①絕大多數(shù)關(guān)鍵詞都?xì)w于相應(yīng)因子。根據(jù)因子載荷大于0.7就對因子解釋有幫助的原則，并綜合因子中其他關(guān)鍵詞的屬性，對7個(gè)因子進(jìn)行歸類命名和解釋，如表7所示。

②有兩個(gè)關(guān)鍵詞跨區(qū)分布。關(guān)鍵詞“金融危機(jī)”同時(shí)出現(xiàn)在第1、第7個(gè)因子中，它們的因子載荷系數(shù)均在0.6左右，體現(xiàn)這兩個(gè)因子——“新自由主義問題”、“歐盟金融危機(jī)問題”之間的相關(guān)性。

③有2個(gè)關(guān)鍵詞的因子載荷系數(shù)為負(fù)，同相應(yīng)因子構(gòu)成負(fù)相關(guān)關(guān)系。如：第5個(gè)因子中的“農(nóng)民工”（因子載荷系數(shù)為－0.530），“社會(huì)保障”（－0.529）。

（2）學(xué)科交叉熱點(diǎn)聚類分析

圖2DF系統(tǒng)聚類分析樹狀圖

表8 DF 關(guān)鍵詞與序號對照表

聚類分析的結(jié)果，如果沒有因子分析的結(jié)果做比較，僅依靠聚類分析的結(jié)果，分析難度明顯較大，既無法確定分為幾類合適，也無法有對聚類的類進(jìn)行命名的依據(jù)。結(jié)合因子分析的效果，可以明確地將關(guān)鍵詞分為6大類：新自由主義問題、政府公共政策與服務(wù)問題、國家或區(qū)域的國家安全與發(fā)展問題、國有企業(yè)出路問題、中國改革開放問題、城市化發(fā)展過程中產(chǎn)生的問題。需要說明的是第9號關(guān)鍵詞“農(nóng)民工”在因子分析中與第5個(gè)因子是負(fù)相關(guān)關(guān)系，而又與其他因子沒有正相關(guān)關(guān)系，但是與第24號關(guān)鍵詞“社會(huì)保障”又是緊密相關(guān)的（都與第5個(gè)因子是負(fù)相關(guān)關(guān)系）。而第21號關(guān)鍵“歐盟”所屬同一個(gè)因子（第7）的第29號關(guān)鍵詞“金融危機(jī)”是跨因子分類的，二者無法再聚類，則其與第3個(gè)因子的所有關(guān)鍵詞聚為一類，形成國家或區(qū)域的國家安全與發(fā)展問題研究。歸納以上分析，最后確定DF學(xué)科交叉熱點(diǎn)分析結(jié)果如表9所示。

表9 DF 學(xué)科交叉研究熱點(diǎn)

（3）學(xué)科交叉熱點(diǎn)綜合分析

各個(gè)學(xué)科由于發(fā)展程度不同，研究重點(diǎn)不同，對于相同的問題的認(rèn)識(shí)解決程度也不同。學(xué)科交叉研究熱點(diǎn)所反映出的對于相同問題的解決，各個(gè)學(xué)科會(huì)采用不同的學(xué)科理論，同時(shí)也會(huì)運(yùn)用其他學(xué)科的理論幫助問題的解決。對于某學(xué)科早已形成的成熟理論被其他學(xué)科用來解決不同學(xué)科的問題，說明前者學(xué)科的理論得到推廣和擴(kuò)展，而后者學(xué)科找到了理論的源頭，指導(dǎo)解決問題的研究，說明交叉融合的學(xué)科越多，解決問題所面對的角度也就越多。

3 結(jié)語

本文與以往學(xué)科交叉研究不同之處在于通過運(yùn)用ERU數(shù)據(jù)采集平臺(tái)，采集到用戶在訪問圖書館的各類電子資源數(shù)據(jù)庫的各種行為，從網(wǎng)絡(luò)底層統(tǒng)一獲取其動(dòng)態(tài)數(shù)據(jù)，利用Session ID關(guān)系、因子分析和聚類分析的方法，對學(xué)科交叉程度以及學(xué)科交叉的研究熱點(diǎn)進(jìn)行分析。這一研究方法開拓了數(shù)據(jù)源的使用，拓展了研究的寬度，并且彌補(bǔ)了以往研究中僅針對靜態(tài)數(shù)據(jù)分析研究的不足。本文也存在很多不足之處，如：分類不夠細(xì)化、數(shù)據(jù)量少、數(shù)據(jù)優(yōu)化欠缺等。分析研究對象的數(shù)據(jù)量較窄，如何增加分析對象數(shù)據(jù)，擴(kuò)大此研究方法的適用范圍，是未來研究的重點(diǎn)。此外，對數(shù)據(jù)的解讀，具有一定的主觀性。未來在研究中將會(huì)增強(qiáng)對分析數(shù)據(jù)源以及分析方法的應(yīng)用，采取更加合理的學(xué)科分類方法，提高數(shù)據(jù)量，找到合適的關(guān)鍵詞篩選方法，對數(shù)據(jù)進(jìn)行合理分析，獲得學(xué)科交叉的程度和學(xué)科交叉研究熱點(diǎn)等信息，促進(jìn)在學(xué)術(shù)研究和科學(xué)創(chuàng)新上激發(fā)新的生長點(diǎn)的出現(xiàn)。

［1］薛瀾.關(guān)于學(xué)科交叉問題的一些理論探討［J］.中國科學(xué)基金，1997，（1）：59－64.

［2］楊建林，孫明軍.利用引文索引數(shù)據(jù)挖掘?qū)W科交叉信息［J］.情報(bào)學(xué)報(bào)，2004，（6）：672－676.

［3］闞連合，黃曉鵬，劉梅申.情報(bào)學(xué)交叉學(xué)科的發(fā)展趨勢——我國情報(bào)學(xué)期刊被引分析的啟示［J］.現(xiàn)代情報(bào)，2007，（1）：62－64.

［4］李長玲，紀(jì)雪梅，支嶺.基于E－I指數(shù)的學(xué)科交叉程度分析——以情報(bào)學(xué)等5個(gè)學(xué)科為例［J］.圖書情報(bào)工作，2011，（6）：33－36.

［5］王昊.基于關(guān)聯(lián)規(guī)則挖掘研究學(xué)科間相關(guān)性［J］.現(xiàn)代圖書情報(bào)技術(shù)，2005，（3）：23－28.

［6］魏建香，孫越泓，蘇新寧.學(xué)科交叉知識(shí)挖掘模型研究［J］.情報(bào)理論與實(shí)踐，2012，（4）：76－80.

［7］閔超，孫建軍.學(xué)科交叉研究熱點(diǎn)聚類分析——以國內(nèi)圖書情報(bào)學(xué)和新聞傳播學(xué)為例［J］.圖書情報(bào)工作，2014，（1）：109－116.

［8］張春美，郝鳳霞，閆紅秀.學(xué)科交叉研究的神韻——百年諾貝爾自然科學(xué)獎(jiǎng)探析［J］.科學(xué)技術(shù)與辯證法，2001，（6）：63－67.

［9］劉煜，劉仲林.學(xué)科交叉中的科研創(chuàng)新契機(jī)——以中科院院士增選為例［J］.科技進(jìn)步與對策，2005，（12）：61－63.

［10］于江，黨延忠.用信息可視化方法分析科研領(lǐng)域發(fā)展?fàn)顩r［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2009，（6）：10－14.

［11］吳駿.SPSS統(tǒng)計(jì)分析從零開始學(xué)［M］.北京：清華大學(xué)出版社，2014：261－278.

［12］聚類分析［OL］.http：∥wiki.mbalib.com／wiki／%E8%81% 9A%E7%B1%BB%E5%88%86%E6%9E%90，2014－06－06.

［13］吳駿.SPSS統(tǒng)計(jì)分析從零開始學(xué)［M］.北京：清華大學(xué)出版社，2014：279－295.

［14］邱均平.關(guān)于共被引分析方法的再認(rèn)識(shí)和在思考［J］.情報(bào)學(xué)報(bào)，2008，（1）：69－74.

（本文責(zé)任編輯：郭沫含）

An Analysis of the Degree of Inter－disciplines and Research Hotspots：Based on Fudan University ERU Data

Zhang ChunmeiZhang JilongYin ShenqinWang DongweiGuo Yaodong

（Library，F(xiàn)udan University，Shanghai 200433，China）

This article studied the degree of inter－disciplines and research hotspots by making use of the methods of Session ID，F(xiàn)actor Analysis，and Cluster Analysis，on the basis of the Fudan University ERU data of searching behavior of the library digital resources.It improved the research on inter－disciplines through the use of data sources，and made up the shortfall of static data analysis.

inter－disciplines；dynamic data；session ID；factor analysis；cluster analysis

10.3969／j．issn．1008－0821．2015．03．013

G250.73

A

1008－0821（2015）03－0068－09

2014－12－17

國家社科基金“泛在知識(shí)環(huán)境下圖書館知識(shí)發(fā)現(xiàn)技術(shù)與應(yīng)用研究”（項(xiàng)目編號：12CTQ006）。

張春梅（1979－），女，館員，碩士，研究方向：信息服務(wù)、館藏建設(shè)。