馬 超

一、研究起源與背景

如何了解一個學科/領(lǐng)域的全貌，又如何評價一個學科/領(lǐng)域的影響力，上述疑問曾是困擾學術(shù)界的經(jīng)典難題。直到文獻計量學誕生，才為這些問題的解決提供了可行方案。[1]作為一種客觀定量的實證研究范式，文獻計量手段不僅可以揭示文獻的分布結(jié)構(gòu)、數(shù)量關(guān)系和演進趨勢，而且也可以確定學科的核心期刊，甚至發(fā)掘?qū)W科的研究熱點[2]。因此，國內(nèi)外眾多學者紛紛將這一方法運用到本學科的研究之中。[3]

然而，隨著知識的爆炸性增長和各種類型文獻的井噴，傳統(tǒng)的文獻計量手段在知識管理和知識評價上顯得愈發(fā)力有不逮。與其他學科一樣，新聞傳播學界也曾一度被這一問題所困擾。早年間，由于文獻計量工具的匱乏，面對龐大的論文數(shù)量和復雜的被引關(guān)系，新聞傳播學界對學科內(nèi)部“知識地圖”的勾勒往往呈現(xiàn)出局部性、碎片化的局面，相關(guān)研究也屈指可數(shù)。段京肅是本學科內(nèi)文獻計量研究的先行者之一，但其選擇的研究時段往往局限于幾年之內(nèi)[4-5]，研究樣本也僅限于CSSCI數(shù)據(jù)庫收錄的文獻[注]該作者之所以選擇CSSCI數(shù)據(jù)庫的文獻作為分析對象，很大程度上是“近水樓臺先得月”的緣故：因為其當時所供職的南京大學正好是“中文社會科學引文索引”編制機構(gòu)，作者與本單位圖書情報學領(lǐng)域的研究者合作完成了這一系列論文。。肖燕雄等對新聞傳播學科的引證研究雖然在時間上橫跨20年，但其具體的分析對象僅為48名學者的論文。[6]徐劍對新聞傳播學高被引論文的研究雖然在時間線上延展30年，但也僅限于分析“被引量”這一個指標。[7]放眼大陸之外，蘇鑰機對中國大陸、香港、臺灣、新加坡四地11本新聞傳播學期刊的研究是一項規(guī)模較大的文獻計量分析，研究指標涵蓋了作者、機構(gòu)、發(fā)文時間、研究主題、研究方法、引文數(shù)量、引文來源等諸多變量。但這項時間跨度并不算大的研究(2006—2011年)卻動用了13位研究生才合作完成。[8]

這種“心有余而力不足”的狀況不獨發(fā)生在中國，國際傳播學界似乎也面臨著同樣的問題。鑒于工作量浩大的現(xiàn)實，學界的文獻計量分析要么只限于特定時段，要么只針對特定話題，要么僅限于特定期刊。前者如菲力(Feeley)對19本傳播學期刊的引證關(guān)系進行分析時，將時間段截取在2002—2005年之間。[9]中者如李(Li)和唐(Tang)對國際傳播期刊進行元分析(meta- analysis，又稱“薈萃分析”，臺灣譯為“后設(shè)分析”)時，只限于和“中國大眾傳播研究”有關(guān)的特定議題。[10]后者如賴斯(Rice)等對《廣播電視與電子媒介學刊》(JournalofBroadcasting&ElectronicMedia)這本特定期刊同其他期刊施引與被引情況的文獻計量分析。[11]當然還有為數(shù)不多的研究者同時對研究時段和研究議題都進行了限制。如菲力(Feeley)等對傳播學文章的引證情況進行分析時，議題被嚴格限定在“健康傳播”領(lǐng)域，時間也被嚴格限制在2006—2008年之間[12]。

在互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展的大數(shù)據(jù)時代，各個領(lǐng)域的信息和數(shù)據(jù)飛速激增。與商業(yè)大數(shù)據(jù)的快速增殖和積極應用相比，學術(shù)領(lǐng)域的科學數(shù)據(jù)還較少受到關(guān)注，人們對于科學數(shù)據(jù)的利用和創(chuàng)新研究也還遠遠不夠。然而從現(xiàn)實環(huán)境來看，當前我國的知識管理研究面臨著前所未有的大好機遇：一是自改革開放以來，我國在科學文獻數(shù)據(jù)方面的積累呈指數(shù)增長[注]有學者對1980—2014年收錄在WoS數(shù)據(jù)庫中的中國文獻建立數(shù)學模型進行擬合，曲線擬合度的可決系數(shù)R2=0.9917。[13]。根據(jù)美國國家科學基金會和國家科學委員會2018年1月發(fā)布的《科學與工程指標》，2016年中國學者發(fā)表的學術(shù)論文數(shù)量躍居全球第一[14]。豐富的文獻數(shù)據(jù)成為知識計量得以實施的基礎(chǔ)。二是隨著國內(nèi)各種數(shù)據(jù)庫的不斷創(chuàng)立完善和對西方各類數(shù)據(jù)庫購買引進日益增多，可供利用的學術(shù)資源日益豐富，加之各類數(shù)據(jù)庫越來越朝著規(guī)范化和標準化方向發(fā)展，知識計量的準確性和統(tǒng)一性也大大提高。三是隨著數(shù)理統(tǒng)計知識的不斷發(fā)展和各種計量軟件的不斷開發(fā)，為知識組織和知識發(fā)現(xiàn)提供了堅實的技術(shù)保障。

作為一種新興的知識組織和知識管理方法，科學知識圖譜憑借著揭示海量文獻數(shù)據(jù)中潛藏結(jié)構(gòu)關(guān)系的優(yōu)勢，成為當前知識計量學中的主要研究方法，并受到了國內(nèi)外學界的熱捧和廣泛運用[15]。那么，科學知識圖譜是什么？其究竟有何優(yōu)勢，又有哪些不足？新聞傳播學科運用這一方法的現(xiàn)狀如何，是否存在著一些問題？接下來本文將就這些問題進行詳細探討。

二、文獻回顧：科學計量學的方法論反思

任何一個學科和方法在興起之初，都伴隨著種種問題的困擾，科學計量學自然也不例外。20世紀90年代初，《科學計量學》?？M織了一場關(guān)于科學計量學學科發(fā)展問題的討論。匈牙利情報學家格蘭澤爾(Glanzel)和德國馬普學會的舍普林(Schoepflin)尖銳地指出了科學計量學面臨的種種危機。一是對概念和方法的誤用明顯。比如一些研究者并沒有清晰解釋“洛特卡定律”(Lotka Distribution)這些基本的概念，也沒有正確地使用“影響因子”“被引率”等概念評價個人或國家的科學成就。二是模糊了基礎(chǔ)研究和思辨之間的界限。一些數(shù)學家積極地發(fā)展量化研究方法，導致該學科變成了“技術(shù)的形式主義”(technical formalisms)，即科學計量學的研究內(nèi)容被簡化為單純的數(shù)據(jù)集呈現(xiàn)。三是人才的退出與流失。一方面由于科學計量學常常不符合社會研究的標準，另一方面僅僅拘泥于技術(shù)形式的科學計量學在問題詮釋方面的價值十分有限，因此許多社會科學家紛紛退出該領(lǐng)域。四是學科直接被科學政策和規(guī)劃的利益所左右，基礎(chǔ)性的理論和方法探索變少，而為科學政策部門和產(chǎn)業(yè)部門搞技術(shù)性操作的委托項目多了[16]。這篇文章的發(fā)表引發(fā)了學界的熱烈討論，促使其他學者開始反思科學計量學發(fā)展中出現(xiàn)的種種問題。

麥克格拉斯(McGrath)指出，科學計量學的研究大致可以分為四類，但這四類研究或多或少都存在缺陷。第一類是用搜集的新數(shù)據(jù)去驗證舊定理。然而這種重復驗證式的研究并不能推動理論上的實質(zhì)性進步。第二類是描繪一個學科的知識地圖。通常是在一個二維坐標圖中展示作者、期刊、機構(gòu)等變量之間的關(guān)系，然而在共被引分析時置信區(qū)間過大，容易使人們對研究對象的信度生疑。第三類是影響性的研究。學界通常用“被引頻次”這個單一指標來衡量個人、機構(gòu)或國家的學術(shù)表現(xiàn)。然而文章被引用的動機多種多樣，單一的指標不能準確測度學術(shù)水平。第四類是前三種結(jié)合的混合研究，自然也繼承了前三種研究中的種種問題。[17]

作為一個跨學科的領(lǐng)域，科學計量學界一度吸引了來自不同學科研究者的加入。[18]埃格(Egghe)指出了科學計量學研究中的兩種路徑。一種是數(shù)學的進路，一種是社會科學的進路。數(shù)學研究進路的好處在于研究的質(zhì)量可以清晰判別：數(shù)學建模越復雜，越容易被數(shù)學背景的研究者所認可。而社會科學的研究由于沒有統(tǒng)一的判斷標準，不僅社會學界內(nèi)部對同一篇文章的評價各不相同，數(shù)學界對社會科學界的研究質(zhì)量也無法評判。為此作者提出，彌合不同學科之間的鴻溝是未來科學計量學的重要任務。[19]

針對數(shù)學統(tǒng)計愈演愈烈的趨勢，米克爾(Miquel)發(fā)問：科學界的一切事物都可以測量嗎？科學計量學的指標能夠回答不同類型的問題嗎？作者給出答案是否定的，他認為科學計量學的一系列指標只能揭示學術(shù)社群的表象而非實質(zhì)。[20]面對此種問題，佩里茨(Peritz)進一步指出，科學計量學不能排斥實證研究中重要的訪談法，因為顯現(xiàn)的文獻背后反映著文獻創(chuàng)造者的思想，知識管理學中提到的“默會知識”(tacit knowledge)必須依賴訪談才能了解到。社會學者擅長發(fā)掘現(xiàn)象背后的意涵(implications)，而情報學者在知識的深度發(fā)掘上常常做得不夠?；诖耍绻閳髮W者能夠?qū)W會關(guān)照社會表象背后的問題，那么不僅會提升科學計量學的學科地位，也會贏得更多的受眾。[21]瑞普(Rip)同樣認為，在運用科學計量方法時，決不能離開定性方法的使用。比如在搜集數(shù)據(jù)階段，需要研究者對數(shù)據(jù)來源進行核實、鑒別和比較。作者舉例指出，涂爾干當年在撰寫《自殺論》時就存在著數(shù)據(jù)證據(jù)的不嚴謹?shù)膯栴}——官方公布的自殺數(shù)據(jù)存在大量漏報瞞報的現(xiàn)象，與實際自殺率存在很大偏誤；而且每個地區(qū)對自殺的認定標準也不同。涂爾干研究的不足提示我們在數(shù)據(jù)的定量分析時，首先需要研究者通過比較、對比等方式確保原始數(shù)據(jù)的真實全面。[22]

科學計量學的自我反思經(jīng)歷了從定性的綜述性回顧到應用定量分析方法的演變過程。當今天新興的科學知識圖譜方法出現(xiàn)以后，前人反思的種種問題是否依舊存在？尤其是作為外來學科的新聞傳播學界在借用這一知識管理方法時，又會出現(xiàn)什么樣的問題？遵循這種批判反思的思路，本文對新聞傳播學界采納科學知識圖譜的現(xiàn)狀和問題進行分析。

三、科學知識圖譜的概念定義

(一)科學知識圖譜的定義

關(guān)于科學知識圖譜(mapping knowledge domains)的概念界定，目前學界引用較多的是大連理工大學劉則淵團隊給出的定義：“以科學學為研究范式，以引文分析方法和信息可視化技術(shù)為基礎(chǔ)，涉及數(shù)學、信息科學、認知科學和計算機科學等諸多學科交叉的領(lǐng)域，是科學計量學和信息計量學的新發(fā)展?！盵23]科學知識圖譜具有“圖”和“譜”的雙重性質(zhì)：既是可視化的知識圖形，又是序列化的知識譜系，顯示了知識元與知識群之間網(wǎng)絡(luò)、結(jié)構(gòu)、互動、交叉、演化或衍生等諸多復雜關(guān)系。[24]

科學知識圖譜的誕生有三個基礎(chǔ)：一是以數(shù)理統(tǒng)計和圖論為代表的技術(shù)手段不斷演進，為數(shù)據(jù)分析和可視化呈現(xiàn)提供了前提；二是以引文分析為代表的文獻計量學不斷發(fā)展，為其奠定了學科理論基礎(chǔ)；三是以加菲爾德創(chuàng)立的科學引文數(shù)據(jù)庫為代表的大規(guī)模文獻數(shù)據(jù)庫的建立，為科學知識圖譜提供了充足的數(shù)據(jù)來源。

(二)科學知識圖譜中的常見分析類別和分析單位

上文提到，科學知識圖譜誕生的基礎(chǔ)之一就是以引文分析為代表的文獻計量學。因此，科學知識圖譜的分析類型涵蓋了傳統(tǒng)文獻計量學中的基本分析單元，具體包括：

1.文獻共被引分析

文獻共被引分析的概念由蘇聯(lián)情報學家伊琳娜·瑪莎科娃(Irina Marshakova)和美國情報學家亨利·斯莫(Henry Small)于1973年分別提出。他們指出，如果兩篇論文A和B同時被后來的一篇或多篇論文引用，那么則認為文獻A和B具有共被引關(guān)系。同時引用A和B的論文數(shù)量為共引度。共引度越大，說明文獻A和B之間的關(guān)系越密切。[25]

2.期刊共被引分析

簡單地講，當n種(n≥2)期刊的論文被其他期刊同時引用時，則稱這n種期刊具有“共被引”關(guān)系。期刊的共被引關(guān)系反映了它們之間某種學科或?qū)I(yè)上的聯(lián)系，如果共被引頻率較高，則說明這種專業(yè)關(guān)系比較密切，從而為確定學科核心期刊提供了依據(jù)。[26]

3.作者共被引分析

1981年，懷特(White)和格里菲思(Griffith)對著者共現(xiàn)現(xiàn)象進行研究后提出了“著者共被引分析”的概念[27]：當n個(n≥2)作者發(fā)表的文獻同時被別的作者所引用時，則稱這n個作者具有共被引關(guān)系。[28]著者共被引分析使眾多著者按照共被引關(guān)系形成一個著者關(guān)系群，從而揭示出學科領(lǐng)域?qū)I(yè)人員的組織結(jié)構(gòu)和聯(lián)系程度。若把某專題研究的同行著者聯(lián)合起來組成協(xié)作網(wǎng)，加強彼此之間的學術(shù)交流，開展聯(lián)合攻關(guān)，將大大促進該學科領(lǐng)域研究的發(fā)展。[29]

4.詞頻分析

詞頻是指詞語出現(xiàn)的頻數(shù)。詞頻分析法就是在文獻中提取能夠表達文獻核心內(nèi)容的關(guān)鍵詞或通過呈現(xiàn)主題詞頻次的高低分布，來研究該領(lǐng)域的發(fā)展動向和研究熱點。作為科學計量學中最古老的分析對象，詞頻分析所依據(jù)的理論是“齊普夫定律”。齊普夫研究指出[30]，如果一篇文章包含n個詞匯，將這些詞按其出現(xiàn)頻次進行降序排序，那么序號r和其出現(xiàn)頻次f的乘積“fr”近似地為一個常數(shù)。即fr=C(C為常數(shù))，(式中r=1，2，3……)。這一發(fā)現(xiàn)揭示了詞頻分布的基本規(guī)律。

5.共現(xiàn)分析

“共現(xiàn)”是指文獻特征項描述的信息共同出現(xiàn)的現(xiàn)象。這里特征項包括文獻的外部和內(nèi)部特征，如題名、作者、關(guān)鍵詞、機構(gòu)等。而“共現(xiàn)分析”是對共現(xiàn)現(xiàn)象的定量研究，以揭示信息的內(nèi)容關(guān)聯(lián)和特征項所隱含的知識。[31]所以共現(xiàn)分析包括關(guān)鍵詞共現(xiàn)分析和作者、機構(gòu)、國家/地區(qū)共現(xiàn)分析等。

其中詞的共現(xiàn)分析簡稱“共詞分析”，最初是由卡隆(M.Callon)等研究者于1983年提出。[32]共詞分析的基本原理是對一組詞兩兩統(tǒng)計它們在同一組文獻中出現(xiàn)的次數(shù)，然后通過這種共現(xiàn)次數(shù)來測度它們間的親疏關(guān)系。[33]其被廣泛應用于揭示學科主題之間的關(guān)系、呈現(xiàn)學科結(jié)構(gòu)、發(fā)掘研究熱點等。

作者和機構(gòu)共現(xiàn)分析主要是對著者的合作關(guān)系進行考察。隨著社會問題越來越具有復雜性和綜合性，跨學科跨領(lǐng)域的研究成為一種趨勢。不同機構(gòu)、不用領(lǐng)域作者之間的科研合作日益成為科學研究的主流方式。自2001年紐曼(Newman)首次采用社會網(wǎng)絡(luò)方法對合著關(guān)系進行分析以來[34]，越來越多的研究者采用該方法對不同領(lǐng)域作者的合著網(wǎng)絡(luò)展開研究[35]。

國家/地區(qū)之間的共現(xiàn)分析主要是對跨國/跨地域的科學合作關(guān)系進行探究。比如有研究者通過對拉丁美洲學術(shù)合作的研究發(fā)現(xiàn)，在當今時代的科學研究中，國際合著論文已經(jīng)成為主流趨勢，越來越多的發(fā)展中國家科研機構(gòu)都在積極參與國際合作以增加其合著論文的產(chǎn)出。[36]兩位印度學者通過對印度科研機構(gòu)的研究發(fā)現(xiàn)，國際之間的合作不僅有助于增加科研機構(gòu)的論文產(chǎn)出，而且對科研機構(gòu)論文的平均影響因子貢獻巨大。[37]

(三)科學知識圖譜的比較優(yōu)勢

與傳統(tǒng)的定性文獻綜述方法相比，科學知識圖譜具有以下三點獨特優(yōu)勢：

一是可以最大程度避免研究者在文獻判斷上的主觀性。在傳統(tǒng)的定性文獻綜述中，研究者可能由于自身知識結(jié)構(gòu)的缺陷，很容易忽視學科領(lǐng)域內(nèi)的重要文獻，也可能由于自己研究需要的功利性動機刻意遮蔽或扭曲一些文獻。而科學知識圖譜則利用信息計量學原理，運用聚類分析、多維尺度分析、社會網(wǎng)絡(luò)分析等方法揭示作者共被引、關(guān)鍵詞共現(xiàn)、文獻耦合等信息，既可以避免研究者的前置性預設(shè)，也有助于發(fā)現(xiàn)研究者本身的一些知識盲點。

二是有利于科學前沿的預測和知識創(chuàng)新。借助科學知識圖譜研究一個領(lǐng)域的知識生產(chǎn)、傳播與擴散規(guī)律，不僅可以掌握該領(lǐng)域的知識基礎(chǔ)、知識結(jié)構(gòu)、知識演化與知識涌現(xiàn)過程，而且還有助于實現(xiàn)該領(lǐng)域的知識創(chuàng)新。通過科學知識圖譜的方法，不但可以對某一學科領(lǐng)域的知識進行整合，并且還可以揭示既有知識背后隱含的關(guān)系、規(guī)律和趨勢，從而有助于挖掘更多的潛在知識。這既有利于該領(lǐng)域知識的增值，也能夠幫助科研人員實現(xiàn)創(chuàng)新。

三是直觀性展示和動態(tài)化呈現(xiàn)。在信息可視化技術(shù)支持下，科學知識圖譜的呈現(xiàn)形式既可以是線性的二維圖形，也可以是立體的三維圖像，各種視覺表征手段的運用，使其具有可視化展示和形象化呈現(xiàn)的特點。此外，科學知識圖譜能夠通過對不同時間段中的節(jié)點關(guān)系進行對比展示，以靜態(tài)的圖譜形式揭示隱藏在文獻中的動態(tài)信息[38]。

(四)科學知識圖譜常用工具——CiteSpace軟件

自共被引分析理論提出以來，國內(nèi)外學者紛紛嘗試開發(fā)不同類型的可視化軟件進行文獻計量分析。比較有代表性的軟件包括加菲爾德開發(fā)的HistCite，印第安納大學研發(fā)的SCI2，荷蘭萊頓大學開發(fā)的VOSViewer和美國陳超美開發(fā)的CiteSpace。在諸多科學知識圖譜的繪制工具中，美國德雷塞爾大學華裔學者陳超美開發(fā)的CiteSpace軟件是目前被國內(nèi)外研究者使用最頻繁的可視化軟件。這款軟件的盛行既離不開版本更新快、支持的數(shù)據(jù)源多、分析功能強大等內(nèi)生因素，更重要的是陳超美在科學網(wǎng)博客上對成千上萬用戶使用疑問的解答，方便了該軟件在國內(nèi)的推廣與應用。2006年，陳超美在《CiteSpace II科學文獻轉(zhuǎn)型模式存在趨勢的探測和可視化》一文中詳細介紹了CiteSpace軟件的算法原理和應用步驟，并通過“恐怖主義”和“集群滅絕”等案例展示了可視化圖譜的成果。該文發(fā)表后立即引發(fā)學界強烈反響，并得到了上千次引用。近年來，國內(nèi)一些新聞傳播學者也開始陸續(xù)引入該方法。

四、科學知識圖譜在新聞傳播學中的應用現(xiàn)狀

(一)研究樣本及歷時分布

中國知網(wǎng)“文獻分類目錄”中選擇“新聞與傳媒”，主題詞選擇“科學知識圖譜”或含“CiteSpace”，時間截至2018年8月1日。在剔除大量圖書情報科學的無關(guān)文獻后，共得到51篇有效文獻[注]需要說明的是，本研究采用廣義的“新聞傳播學”學科定義，將“編輯出版學”的研究納入研究范圍，另外為了保持各論文中分析單元的一致性，本文的分析對象僅為使用CiteSpace軟件進行科學知識圖譜分析的論文。。

從2013年開始，采用科學知識圖譜方法研究新聞傳播類議題的文章就正式出現(xiàn)，而后相關(guān)研究呈逐步增長態(tài)勢，但連續(xù)數(shù)年的研究數(shù)量都停留在個位數(shù)上。在經(jīng)過2016年的短暫回落以后，2017年的研究開始出現(xiàn)量的飛躍，一舉突破了個位數(shù)達到17篇。由于寫作時間的限制，截至2018年8月，已經(jīng)出現(xiàn)13篇相關(guān)研究，但從擬合趨勢來看，到2018年底還會產(chǎn)生更多文章。見圖1。

圖1 科學知識圖譜在新聞傳播學中總體采納趨勢

(二)研究議題分布情況

與研究數(shù)量的增長態(tài)勢相比較，5年間研究議題卻并未得到實質(zhì)性擴展。在對51篇文獻進行統(tǒng)計后發(fā)現(xiàn)，這些文章的研究議題主要集中在10個方面。目前研究最多的議題是關(guān)于新媒體的議題(包括社會化媒體等在內(nèi))，占總數(shù)的21%(n=11)；其次是關(guān)于輿論/輿情的研究占15%(n=8)；再次是關(guān)于媒體融合的研究占將近10%。健康傳播和數(shù)字出版為主題的研究各有3篇，跨文化傳播、媒介素養(yǎng)、情緒、新聞傳播學整體為主題的研究各有2篇，剩下的研究分散在媒介經(jīng)濟、健康傳播、媒介與少數(shù)民族等領(lǐng)域。見圖2。

圖2 采納科學知識圖譜方法的研究議題分布

(三)研究主體的學科構(gòu)成

在研究機構(gòu)的學科分布上，基本上形成了新聞傳播學、圖書情報學、經(jīng)濟管理學三足鼎立的局面。2015年以前，圖書情報學的研究者占據(jù)著主導地位，他們憑借專業(yè)的文獻計量知識率先涉足新聞傳播學的交叉議題(如網(wǎng)絡(luò)輿情)，成為本領(lǐng)域開疆拓土的先行者。與此同時，一些經(jīng)濟管理領(lǐng)域的研究者也在社會化媒體等議題上分得一份羮。2015年以后，隨著科學知識圖譜方法的推廣和軟件的迭代成熟，越來越多新聞傳播學本專業(yè)的研究者開始“收復失地”。截至2017年底，新聞傳播學研究者占據(jù)半數(shù)以上的份額(65%，33篇)，成為絕對研究主力；圖書館情報學的研究者位居次席，占據(jù)了19%份額(10篇)；經(jīng)濟管理學領(lǐng)域的研究者則貢獻了約12%的文章(6篇)。見圖3。

圖3 研究主體的學科分布

就具體研究機構(gòu)而言，中國人民大學新聞學院的師生發(fā)表了5篇相關(guān)文章，成為發(fā)文量最多的機構(gòu)，暨南大學新聞與傳播學院位居次席(n=4)，武漢大學新聞與傳播學院和對外經(jīng)貿(mào)大學出版社以3篇成果收獲探花地位，天津外國語大學國際傳媒學院、南京大學信息管理學院、吉林大學管理學院各自貢獻了2篇文章，剩下的機構(gòu)發(fā)表了1篇文章。見圖4。

圖4 研究機構(gòu)的分布情況

(四)載文期刊

刊載51篇樣本文章的期刊可以分為新聞傳播學專業(yè)期刊、情報學專業(yè)期刊和大學學報三類(詳見圖5)。這些期刊中有31本CSSCI來源期刊(含拓展版)[注]以文章發(fā)表時被CSSCI數(shù)據(jù)庫收錄為限。。其中載文數(shù)最多的三本期刊分別是《新聞與傳播研究》《國際新聞界》和《科技與出版》，三者均刊發(fā)了3篇文章。其中《國際新聞界》的3篇文章全部來自2017年第7期的一組組稿。

圖5 載文期刊的分布情況

(五)著者合作關(guān)系

在作者合作情況方面，51篇文章共涌現(xiàn)出了99位作者，平均每篇文章約2名作者。所有文章中，有18篇文章為作者獨著，剩下33篇文章均為合作完成。其中作者數(shù)目最多的一篇文章出現(xiàn)了6位作者。從合作關(guān)系來看，33篇文章中的合作者主要為師生關(guān)系和同事關(guān)系兩類。其中有4篇文章為跨機構(gòu)的合作，但所有文章并未出現(xiàn)跨學科的合作關(guān)系。

(六)分析特征項

本文根據(jù)51篇文章歸納了科學知識圖譜可以分析的全部特征項，包括總體發(fā)文量及年份、國別發(fā)文量、學科分布、作者發(fā)文量、機構(gòu)發(fā)文量等12項(詳見表1)。但在每一篇具體的文章中，各文章分析的特征項數(shù)目各不相同，最少的只分析了“關(guān)鍵詞”1個特征項，最多做了“關(guān)鍵詞共現(xiàn)”“作者共現(xiàn)”“機構(gòu)共現(xiàn)”“文獻共被引”“期刊共被引”等9項分析。51篇文章的特征項均值為4.22。

表1 科學知識圖譜的常見分析特征項

分析特征項作用適用數(shù)據(jù)庫備注總體發(fā)文量及發(fā)表年度識別整體概況CNKI、CSSCI、Web of Science各個數(shù)據(jù)庫本來就有分時段統(tǒng)計量,可以不借助科學知識圖譜軟件國別發(fā)文量識別高產(chǎn)國家Web of Science學科分布識別跨學科研究CNKI、CSSCI、Web of Science各個數(shù)據(jù)庫本來就有學科分類,可以不借助科學知識圖譜軟件作者發(fā)文量及共現(xiàn)關(guān)系識別高產(chǎn)作者及合作關(guān)系CNKI、CSSCI、Web of Science機構(gòu)發(fā)文量及共現(xiàn)關(guān)系識別高產(chǎn)機構(gòu)及合作關(guān)系CNKI、CSSCI、Web of Science基金項目數(shù)識別資助基金Web of Science關(guān)鍵詞頻次及共現(xiàn)分析識別研究熱點CNKI、CSSCI、Web of Science關(guān)鍵詞突顯偵測識別研究前沿CNKI、CSSCI、Web of Science文獻被引量識別經(jīng)典文獻CNKI、CSSCI、Web of Science各個數(shù)據(jù)庫本來就有被引量排序,CiteSpace軟件無法提供文獻共被引分析識別文章主題相似度CSSCI、Web of Science不等于文獻“被引量”作者共被引分析識別學者研究方向相似度CSSCI、Web of Science不等于作者“被引量”期刊共被引分析識別核心期刊CSSCI、Web of Science

五、科學知識圖譜在新聞傳播學科運用中的反思

在對文獻基本的外部特征進行整體勾勒后，本研究深入到每一篇文章的內(nèi)容部分進行詳細檢視，發(fā)現(xiàn)新聞傳播學界在采納科學知識圖譜方法及軟件中存在的若干問題值得深入探討。

(一)科學知識圖譜方法存在先天不足

從方法論的角度看，知識計量的方式只能從宏觀上“勾勒”某一學科領(lǐng)域的整體概貌，卻無法實現(xiàn)對該學科知識肌理的微觀“深描”。盡管科學計量學的方法具有客觀、系統(tǒng)、定量的優(yōu)勢，但其所得結(jié)果未免失之粗淺，給人一種知表不知里的感受，長于“描述”而疏于“解釋”，使人“只得其形不得要義”。

科學知識圖譜主要解決的是“是什么”的問題，即對研究對象的基本狀況、主要特征、發(fā)展過程等做出系統(tǒng)、客觀的描述。而傳統(tǒng)文獻綜述的方式則是為了探究“為什么”的問題，即不但要說明研究對象的發(fā)展狀況，更要探究隱藏其中的內(nèi)在規(guī)律。實際上，兩種路徑并不是截然對立的，因為詮釋性的研究首先需要對研究對象整體有著清晰的認識和把握，而計量性的統(tǒng)計最后也需要深入的詮釋來回答問題產(chǎn)生的原因。因此，只有將兩種方法結(jié)合起來，才能系統(tǒng)全面地實現(xiàn)學科領(lǐng)域“知識地圖”的“繪制”。

(二)我國現(xiàn)有的數(shù)據(jù)庫尚不能完全滿足知識計量的需求

這里具體包括三點。首先是導出特征項全面性的問題。目前中國知網(wǎng)(CNKI)只提供了關(guān)于“題名”“作者”“機構(gòu)”“關(guān)鍵詞”的文獻導出數(shù)據(jù)，而沒有提供參考文獻的相關(guān)鏈接，這也導致知識計量中的“作者共被引”分析、“文章共被引”分析和“期刊共被引”分析無法實現(xiàn)。而中國社會科學引文索引(CSSCI)數(shù)據(jù)庫雖然在中國知網(wǎng)的基礎(chǔ)上補充了參考文獻的鏈接，但其收錄的文獻始于1998年，新世紀之前的許多文獻都付諸闕如，這對于許多歷時性的縱貫研究來說是一個重大的遺憾。

其次是文獻收錄的覆蓋性問題。眾所周知，人文社科各領(lǐng)域的普通刊物數(shù)量遠遠大于核心期刊數(shù)量，多數(shù)研究者的文章都發(fā)表在普刊上，能夠收錄進入CSSCI數(shù)據(jù)庫的文章本身就是百里挑一的。況且在當下的學術(shù)生態(tài)中，許多青年學者由于職稱、年齡、職務等限制，即使文章出類拔萃，囿于僧多粥少的緣故也很難有機會在核心期刊上發(fā)表文章。因此僅僅研究CSSCI數(shù)據(jù)庫的文章難免會遮蔽許多有價值的文章。

第三是收錄文獻構(gòu)成的完整性問題。即使從被CSSCI收錄的文獻來看，許多引文數(shù)據(jù)也有殘缺之處。比如《誰在操縱BBC——公眾?政府?——透視英國政府關(guān)于BBC公共廣播改革的“綠皮書”》一文的多篇參考文獻都只有標題而沒有作者姓名，這直接導致使用軟件進行作者共被引分析時出現(xiàn)多處“ANONYMOUS”(匿名，即沒有作者的提示)的詞頻。

(三)許多使用者因為不熟悉知識圖譜軟件功能而事倍功半

科學知識圖譜既可以展示可視化的“圖”，也可以呈現(xiàn)頻次、中心性等結(jié)果的具體參數(shù)，然而在實際應用中一些研究者卻沒有充分利用好軟件的各項功能。比如一篇關(guān)于媒介素養(yǎng)的研究，作者統(tǒng)計了“機構(gòu)發(fā)文量”的頻數(shù)，卻沒有進一步利用軟件對機構(gòu)之間的合作關(guān)系進行可視化呈現(xiàn)，因而忽略了對該領(lǐng)域?qū)W術(shù)合作情況和學術(shù)共同體構(gòu)成的分析。還有一些研究者似乎尚未認識到CiteSpace軟件的可視化呈現(xiàn)功能，以至做出一些畫蛇添足的舉動。比如CiteSpace軟件本身具有關(guān)鍵詞共現(xiàn)分析、著者共現(xiàn)分析等功能，卻有研究者額外采用社會網(wǎng)絡(luò)分析軟件UCINET及其NetDraw繪圖工具來繪制作者和關(guān)鍵詞的共現(xiàn)圖譜。

(四)研究者在尚不熟悉研究對象的情況下“為方法而方法”

科學知識圖譜只是一種文獻計量的方法，無論在利用該方法進行研究設(shè)計之前，還是獲得結(jié)果后解讀研究發(fā)現(xiàn)，最根本的還是取決于研究者本人已有的知識儲備。因此，對學科/領(lǐng)域基本情況的熟悉程度直接影響研究結(jié)論的準確性。在使用科學知識圖譜軟件進行分析的過程中，一個常見的問題就是“同名替換”問題。比如在研究機構(gòu)方面，“英國廣播公司”和“BBC”實際上為同一個機構(gòu)，但不同文獻中會出現(xiàn)交替使用的情況；又如在文獻來源方面，一些研究者引用的是外國原著，一些研究者引用的是中譯版本，實際上也是同一來源，但如果在文獻計量過程中不進行替換的話就很容易出現(xiàn)統(tǒng)計遺漏的問題。而這些同名替換全都靠研究者本人進行人工識別，如果研究者對個別文獻或機構(gòu)不熟悉，就會鬧出笑話。譬如一篇文章在進行機構(gòu)共現(xiàn)分析后指出，“中國人民大學新聞學院與中國人民大學新聞與社會發(fā)展研究中心有合作關(guān)系”，實際上就是對本學科基本概況不了解所導致的。又如一篇以研究“新媒體”為主題的論文，在文獻檢索階段僅僅將題名限定為“新媒體”，卻忽略了“社會化媒體”“數(shù)字媒體”“網(wǎng)絡(luò)媒體”等其他說法，無疑會遺漏大量有用的文獻。這些現(xiàn)象都說明，如果對分析對象本身不了解，很大程度上會影響到后續(xù)研究結(jié)論的準確性和完整性。

另一個典型問題是數(shù)據(jù)庫的選擇問題，因為數(shù)據(jù)庫的選擇直接制約著結(jié)論的指向性。在本學科已有的51篇文獻中，既有選擇中文數(shù)據(jù)庫作為數(shù)據(jù)源的，也有選擇英文數(shù)據(jù)庫作為數(shù)據(jù)源的。但無論選擇何種數(shù)據(jù)庫，最重要的還是研究議題和數(shù)據(jù)庫的匹配。比如樣本中一些研究“國際網(wǎng)絡(luò)輿情”“國際社會化媒體”的論文都選擇了Web of Science數(shù)據(jù)庫，數(shù)據(jù)庫和研究對象就是契合的。然而也有一些研究的數(shù)據(jù)庫選擇就值得商榷。以跨文化傳播研究為例，姜飛等曾對跨文化傳播的三種理論取徑進行過詳細辨析[39]，吳予敏也指出，這是一個起源于西方而學術(shù)脈絡(luò)復雜、學術(shù)傳統(tǒng)多元的傳播學研究分支[40]。然而一篇關(guān)于跨文化傳播知識圖譜的分析選取的卻是國內(nèi)的引文數(shù)據(jù)庫，得出的結(jié)論多是關(guān)于國家形象、外交政策等“對外傳播”的研究議題。相反，陳力丹等采用Web of Science數(shù)據(jù)庫繪制出的跨文化傳播知識圖譜卻顯示，國家/民族間的文化差異、跨文化能力塑造、跨文化健康傳播和跨文化教育才是國際主流研究的熱點。同一個主題因為數(shù)據(jù)庫的選擇不同得出了截然不同的研究發(fā)現(xiàn)，這說明恰當?shù)难芯吭O(shè)計何其重要。

(五)研究者在不熟悉情報學基本概念的情況下貿(mào)然追逐新方法

科學知識圖譜方法起源于情報科學，因此采用該方法進行知識計量分析的前提在于先掌握情報科學的基本概念和原理。然而遺憾的是，許多文章都誤用了一些指標，最典型的是混淆了“被引”和“共被引”的概念。前文已經(jīng)指出，當兩個作者的文獻同時被第三個作者的文獻引用，則稱這兩個作者存在共引關(guān)系；如果這兩位作者共被引頻次越高，則說明他們之間的學術(shù)關(guān)系越密切。[41]因此“作者共被引”(Author Co- citation Analysis，ACA)這個指標本身是用于測量某個領(lǐng)域研究者之間的學術(shù)關(guān)聯(lián)度和研究相似度的，而不是用于測量誰是核心作者的指標。然而在實際研究中，大量的文章將“作者共被引”指標用于偵測核心作者，混淆了“被引頻次”和“共被引頻次”之間的關(guān)系。同樣，“文獻共被引”是反映文獻之間聯(lián)系程度的指標，文獻共被引頻次越高，只能說明若干篇文獻之間的聯(lián)系越緊密。而當前大量的文章卻將“共被引頻次”(cited reference)當作“被引頻次”來使用，認為“共被引頻次”高的文獻就是經(jīng)典文獻，這種說法十分值得商榷。

(六)過度依賴軟件提供的分析功能而忽略了經(jīng)典原理

任何一款軟件所開發(fā)的功能都是基于一定原理來設(shè)計的，科學知識圖譜軟件CiteSpace也不例外。根據(jù)軟件開發(fā)者的論述，CiteSpace的理論基礎(chǔ)來源于庫恩的科學范式轉(zhuǎn)換理論、普賴斯的科學前沿理論、博特的結(jié)構(gòu)洞理論、科學傳播的信息覓食理論(information foraging)和趙紅州提出的知識單元離散和重組理論。[42]但這些理論似乎都沒有很好地體現(xiàn)傳統(tǒng)文獻計量學的幾大基本定律，因此后續(xù)的軟件使用者在進行知識計量分析時，反而很少去檢驗經(jīng)典文獻計量定律在當代的適用性。

(七)深陷方法本身而忽略理論關(guān)懷

一些研究者指出，當前我國傳播學研究中存在“中心理論貧乏”的現(xiàn)象，“斤斤計較于技術(shù)與方法的正確，代價卻是概念層次失之松垮”[46]。李金銓也感慨“現(xiàn)在的篇篇文章在技術(shù)上精致得無懈可擊，卻缺乏知識上的興奮”。他將這種現(xiàn)象稱為“毫無用處的精致研究”(elaborate study of nothing)。[47]因此，評價一篇論文的質(zhì)量，不僅要看“方法的精致程度”，也要考察“理論的關(guān)懷程度”。[48]科學知識圖譜作為一種知識計量與知識管理的手段，本身是用于探討學科/領(lǐng)域結(jié)構(gòu)、特征和規(guī)律的一種方法。即使對于情報科學本領(lǐng)域的研究者而言，也不是單純地進行幾個指標的數(shù)理統(tǒng)計，而是提出了諸如布拉德福定律、齊普夫定律、加菲爾德定律等若干理論。因此，在采用科學知識圖譜方法時，如果僅僅停留在對若干指標的輸出與呈現(xiàn)上，就難以解釋研究對象在分布結(jié)構(gòu)、數(shù)量關(guān)系、變化趨勢等方面的規(guī)律。就目前新聞傳播學界對這一方法的使用而言，絕大多數(shù)的研究者都沒有成熟的理論框架作指導，而是一上來就開始對各個指標進行分析，而后對得出的數(shù)據(jù)進行一番描述后便匆匆結(jié)束行文。這樣一來整個研究雖人人皆可重復，但失去了理論興奮和創(chuàng)新價值。不過好在當前已有少數(shù)研究者認識到這一問題，張小強指出當前研究“在方法上不夠規(guī)范，沒有體現(xiàn)理論”[49]，并在實踐中身體力行采用“創(chuàng)新與擴散”理論對新媒體研究議題進行規(guī)范的科學知識圖譜分析。盡管這些嘗試是局部的、零星的，但終究是一種可喜的進步。

六、研究發(fā)現(xiàn)小結(jié)

過往學界常用的定性文獻綜述方法由于主觀性強的問題屢屢飽受詬病，而傳統(tǒng)的文獻計量分析，往往需要借助UCINET等軟件進行社會網(wǎng)絡(luò)分析和SPSS軟件進行多維尺度分析(multidimensional scaling)[50]，不僅數(shù)據(jù)的錄入費時費力，而且軟件之間切換也極不方便。自從科學知識圖譜方法誕生后，一些學者仿佛發(fā)現(xiàn)了新大陸般奉若神明。于是，一股采納科學知識圖譜的熱潮正在我國悄然興起，新聞傳播學自然也不例外。

本文研究發(fā)現(xiàn)，當前新聞傳播學科使用科學知識圖譜方法的研究還處于起步階段，總體而言數(shù)量較少但增長勢頭較好，預計未來將有更多的研究涌現(xiàn)。在研究議題方面，學界聚焦的議題相對集中，但存在明顯的追逐流行概念和熱點現(xiàn)象——新媒體和輿論/輿情研究成為最主要的關(guān)注話題，其他議題則呈長尾分布。研究主體方面，在這個多元學科參與的研究中，新聞傳播學者經(jīng)歷了一個從“跟跑”到“領(lǐng)跑”的過程。最初圖書情報學和經(jīng)濟管理學研究者搶先涉足新聞傳播學議題，而后新聞傳播學研究者奮起直追，實現(xiàn)了從回歸到超越的轉(zhuǎn)型，成為本學科的研究主力。在研究機構(gòu)方面，新聞傳播學科傳統(tǒng)名校和圖書情報與檔案管理學科的傳統(tǒng)名校均占據(jù)主導地位。其中中國人民大學新聞學院是發(fā)文量最多的機構(gòu)。在載文期刊方面，70%以上的論文由CSSCI來源期刊(含拓展版)登載，這體現(xiàn)了核心期刊善于接納新興事物的敏銳眼光。載文量最多的兩本期刊均為新聞傳播學專業(yè)的核心期刊《新聞與傳播研究》和《國際新聞界》，體現(xiàn)了本學科核心期刊引領(lǐng)學術(shù)前沿的使命擔當。在作者合作關(guān)系上，70%以上的論文均為合著完成，但合作關(guān)系集中表現(xiàn)為同一機構(gòu)的師生關(guān)系和不同機構(gòu)相同學科的同事/朋友關(guān)系，跨學科的合作付諸闕如，這顯然并不利于學科發(fā)展和學術(shù)創(chuàng)新。

在對全部論文的分析指標(特征項)進行梳理后，本研究構(gòu)建出一個統(tǒng)攝性的分析菜單。后來的研究者可以參考這一菜單里的內(nèi)容選擇適合研究對象的分析指標(參見上表1)。

每個學科都有自己的研究范式和研究方法，同時也包容和接納其他的研究范式。然而在引入一種新的研究方法之初，我們有必要清醒地認識到該種方法的歷史淵源、適用范圍和局限性。從文獻回顧中我們看到，早在10多年前科學學領(lǐng)域就對科學計量的方法進行了反思，這場反思中提出的“概念誤用”“技術(shù)至上”“重復驗證”等問題在科學知識圖譜這種新興方法誕生后依然存在，并且滲透到新聞傳播學界。這不得不引發(fā)我們的高度重視。其實對于研究方法的反思，在新聞傳播學界一直都絕非是可有可無的工作。早在2009年，尹韻公就在主編當期的《新聞與傳播研究》中引用一位經(jīng)濟學家的說法指出，“有的論文列出一大堆數(shù)據(jù)，最后得出的竟然是連小學三年級學生都知道的常識，對于這種定量分析已被列為不良學風之一”。作者進而指出，任何方法都有其時代性和局限性，我們應該實事求是地運用。[51]客觀來看，科學知識圖譜作為一種新興的研究方法，在探查知識前沿、勾勒知識現(xiàn)狀、識別知識節(jié)點方面具有一定的優(yōu)勢，但它并不是完美無缺的。比如對于“關(guān)鍵詞共現(xiàn)”“作者共被引”“期刊共被引”“文獻共被引”等幾個常見對象八股化、公式化地套用分析，運用同一種研究套路，只是換不同研究對象的那種萬能研究，容易退化為一種純粹的技術(shù)炫耀，并不會為學界貢獻智識。因此，如果固守“方法先行”的立場毫無保留地擁抱這種新方法，反而會影響我們對本體問題的發(fā)現(xiàn)和判斷。

筆者認為，盡管科學圖譜的方法為學科/領(lǐng)域知識結(jié)構(gòu)的呈現(xiàn)和發(fā)掘提供了一個便捷的途徑，但在具體的應用中仍然存在著諸多問題，見圖6。

圖6 科學知識圖譜在新聞傳播學科應用中的常見問題

首先，從方法本身的應用取向來說，科學知識圖譜最大的優(yōu)點在于避免了研究的主觀性和降低了人工統(tǒng)計成本。但萬物都有利有弊，作為一種揭示學科概貌的方法，科學知識圖譜固然具有“窺全豹”的全景掃描功能，但其并不擅長提煉研究觀點、呈現(xiàn)細節(jié)脈絡(luò)。因此，未來的研究還是需要將科學知識圖譜的方法與傳統(tǒng)綜述的內(nèi)容分析相結(jié)合，才既有助于關(guān)照研究對象的全貌，也有助于剖析研究對象的紋理。

其次，在采納科學知識圖譜的配套環(huán)境方面，國內(nèi)的數(shù)據(jù)庫還有許多亟待補齊的短板。目前一個相對可行的權(quán)宜之計，是將中國知網(wǎng)(CNKI)數(shù)據(jù)庫和中國社會科學引文索引(CSSCI)數(shù)據(jù)庫結(jié)合起來相互補充。針對部分缺失的數(shù)據(jù)，甚至需要通過查找原文來人工補充引文數(shù)據(jù)。

第三，科學知識圖譜軟件的應用，前提條件是研究者必須熟悉軟件的各項功能。在利用軟件分析出結(jié)果后，如何恰當?shù)爻尸F(xiàn)出可視化效果圖，很大程度上取決于每一位研究者的經(jīng)驗和能力。比如在控制面板中對作者、關(guān)鍵詞、被引文獻等指標的參數(shù)進行調(diào)節(jié)時，具體選擇哪幾個單位的分析對象，如何根據(jù)不同研究對象設(shè)置不同閾值等，這些都無章可循，全靠研究者個人的既往經(jīng)驗。如果閾值設(shè)置過高，導致分析對象入圍數(shù)量較少，就難以看出研究對象的全貌；如果閾值設(shè)置過低，致使過多的分析對象涌現(xiàn)，反而一團亂麻難以洞察核心實質(zhì)。因此，軟件的可視化呈現(xiàn)最終還是依賴于研究者本人的主觀能動性。

第四，熱衷于炫耀研究方法而忽略學術(shù)積累。科學知識圖譜軟件的使用有一套相對規(guī)范的流程，單從操作上講，只要掌握這套流程的使用規(guī)范就可以對任意一個研究領(lǐng)域進行計量分析。然而軟件的計量分析僅僅是揭示學科概況的第一步，解讀分析結(jié)論比簡單的計量統(tǒng)計更重要。面對一大堆計量結(jié)果，如何去解釋現(xiàn)象、分析原因、總結(jié)規(guī)律，這些都離不開研究者平日里對該領(lǐng)域的關(guān)注和積累。然而現(xiàn)實中有一些人僅憑著對新興方法的滿腔熱情就投入到短平快的學術(shù)生產(chǎn)中去，從研究設(shè)計到結(jié)論解讀上都有諸多不規(guī)范之處。

第五，“數(shù)據(jù)驅(qū)動型”研究需要上升至“理論指導型”層面?？茖W知識圖譜本質(zhì)上是一種量化研究方法，但并不意味著這種方法就不需要理論指導。傳統(tǒng)的定量研究都需經(jīng)過理論假設(shè)——研究假設(shè)——研究設(shè)計——數(shù)據(jù)搜集與分析的系統(tǒng)流程，文獻計量分析的研究也不例外。文獻計量學中早已誕生了布拉德福定律、齊普夫定律、洛特卡定律等經(jīng)典理論，至今還有不少情報學研究者對這些定律進行檢驗、修正和完善。而反觀新聞傳播學的知識計量研究，在科學知識圖譜方法誕生后似乎忘卻了這些經(jīng)典定律，反而是之前未使用軟件的研究者采用人工統(tǒng)計的方式檢驗了這些定律[52]。這種現(xiàn)象不得不引人深思。

七、超越科學知識圖譜：混合研究路徑的設(shè)想

陳剛在對廣告學研究方法進行反思時指出，從沒有研究方法到學習嘗試使用方法，是“自覺”階段；從模仿借鑒研究方法到質(zhì)疑研究方法，是“反思”階段；從反思和批判研究方法到調(diào)整和創(chuàng)造研究方法，是創(chuàng)新階段。[53]筆者認為，這項總結(jié)不僅適用于廣告學研究，而是適用于整個新聞傳播學領(lǐng)域。反思之后是創(chuàng)新和超越，對于科學知識圖譜存在的種種瑕疵，除了呼吁研究者正確規(guī)范地掌握該領(lǐng)域的各個術(shù)語及其軟件應用之外，從方法本身存在的先天缺陷來看，筆者還倡導一種將傳統(tǒng)的定性文獻綜述與科學知識圖譜相結(jié)合的混合研究路徑。

傳統(tǒng)的定性文獻綜述強調(diào)個體在理性認識能力和研究經(jīng)驗的基礎(chǔ)上，通過對概念和觀點的總結(jié)和梳理之后來闡述自己的思想。而科學知識圖譜強調(diào)對各個分析單元的結(jié)構(gòu)、關(guān)系等進行測量和計算，從而探索知識演進的規(guī)律和特點。兩者都是一種實證研究的取向，都需要對文獻信息進行搜集、解釋和呈現(xiàn)，只是各自的詮釋角度不同罷了。

文獻計量的客體是一篇篇文獻，科學知識圖譜的方法可以將這些文獻中的知識單元一一量化展現(xiàn)；文獻計量的主體又是作為人的研究者，研究者選擇什么研究主題、選擇什么分析單元，又是一個主觀的價值選擇過程。文獻計量主觀性和客觀性的一體兩面，正好說明了混合研究路徑的可行性。實際上，思辨和定量的路徑本身就是從“應然”和“實然”的不同角度對研究問題進行探索?？茖W知識圖譜的定量研究有利于實現(xiàn)文獻梳理的客觀性和全面性，而思辨的方法有助于審視和反思定量統(tǒng)計的結(jié)果，一個是事實呈現(xiàn)，一個是價值判斷，而且思辨研究必須以事實為證據(jù)，定量研究必須以理論為指導，兩者互相補充、相輔相成。

混合研究兼具定量、定性和思辨研究的特點，可以在一個研究中發(fā)揮互補的功效，被一些學者稱為“第三種研究范式”[54]。而且混合研究路徑比單一研究方法得出的結(jié)論更合理，提升了研究過程和結(jié)果的科學性。[55]對于學科/領(lǐng)域的知識管理和知識評價而言，在運用量化的科學知識圖譜方法進行數(shù)據(jù)搜集和統(tǒng)計分析的同時，運用思辨的方法探索問題的深度和廣度，有助于提升整體研究的嚴謹性和科學性[56]。因此筆者呼吁，未來的治學者在進行知識梳理和總結(jié)的過程中，可以嘗試將傳統(tǒng)的文獻綜述與科學知識圖譜相結(jié)合，既保證研究的客觀性和全面性，又兼具研究的深刻性和思辨性，從而最大限度地發(fā)揮知識管理和知識評價的功效。

最后，無論是對科學知識圖譜的批判和反思，還是對混合研究路徑的構(gòu)想，歸根到底都昭示著同一個指向，那就是：無論研究對象如何變幻多端，研究方法如何推陳出新，我們始終需要重視研究主體——人的核心地位。

雖然科學知識圖譜軟件為研究者節(jié)省了大量時間精力，但其依然無法替代人在研究中的主體地位。因為軟件只是方便人們進行知識管理的工具，而知識管理的主體依然是人類自身。一味依靠軟件分析不僅容易導致研究發(fā)現(xiàn)流于淺表，而且也會遮蔽許多有價值的信息，甚至會因為操作不當而得出南轅北轍的結(jié)論。正如在臨床醫(yī)學領(lǐng)域，影像學和實驗室檢查雖功能強大，但傳統(tǒng)的問診查體也是必不可少的環(huán)節(jié)。

當前，我們已經(jīng)進入到一個擁抱大數(shù)據(jù)和人工智能的時代；不過科學技術(shù)的進步始終都無法取代人類本身的思辨意識和分析能力。在機器算法和人工智能橫行的時代，有學者疾呼新聞學是人學，新聞權(quán)力應該歸于人而不是數(shù)據(jù)和機器。[57]傳播學研究同樣如此。在日新月異的科學技術(shù)沖擊下，雖然研究范式和研究方法發(fā)生了變化，但作為研究主體的人的地位始終沒有改變。相反，只有把先進的科技成果與傳統(tǒng)的人類智慧結(jié)合起來，科學研究方能起到洞幽燭微、探驪得珠之效。