摘要：ESI高被引論文是一流學(xué)科的重要評價指標(biāo)，對圖書情報領(lǐng)域ESI高被引論文的多維度計量分析，可以深入了解學(xué)科的發(fā)展趨勢，為我國圖情學(xué)科發(fā)展提供有益參考。文章采用VOSviewer軟件對圖書情報領(lǐng)域2013-2023年ESI高被引論文的發(fā)文時序、國家與機構(gòu)、作者、研究主題進行可視化分析。圖書情報領(lǐng)域的ESI高被引論文涉及多個學(xué)科、跨學(xué)科研究提升了圖情領(lǐng)域的學(xué)術(shù)影響力；美國和中國發(fā)文量占據(jù)著主導(dǎo)地位，我國有4所高校

進入高產(chǎn)機構(gòu)群行列，是高產(chǎn)機構(gòu)最多的國家；詳細分析了發(fā)文量最多的6個研究團隊，其中華中科技大學(xué)魯耀斌教授的團隊位列第六名；醫(yī)學(xué)信息技術(shù)、社交媒體、人工智能、文獻計量和信息管理是五個最受全球?qū)W者關(guān)注的研究熱點。

關(guān)鍵詞：ESI數(shù)據(jù)庫；高被引；圖書情報領(lǐng)域；計量分析

中圖分類號：G350文獻標(biāo)識碼：A

DOI：10.13897/j.cnki.hbkjty.2024.0058

ESI基本科學(xué)指標(biāo)數(shù)據(jù)庫，是科睿唯安基于Web of Science建立的深度分析型數(shù)據(jù)庫，它是衡量科學(xué)研究績效、跟蹤學(xué)科發(fā)展的重要評價工具。ESI高被引論文是近10年內(nèi)發(fā)表且被引頻次在相應(yīng)學(xué)科排名前1%的論文，它是衡量學(xué)科質(zhì)量的重要指標(biāo)之一。ESI高被引論文通常代表學(xué)科的最新研究動態(tài)和趨勢，為學(xué)科未來的發(fā)展指引方向。

黃紫菲［1］較早使用ESI高被引論文和熱門論文對計算機領(lǐng)域的文獻進行計量分析。邱均平［2］用ESI高被引論文對中國高?？蒲懈偁幜M行計量分析。李小濤等［3］用ESI數(shù)據(jù)庫對圖情領(lǐng)域2005-2015年的高被引論文采用Citespace軟件進行知識圖譜分析。本文利用ESI數(shù)據(jù)庫分析圖情領(lǐng)域的高被引論文，采用的是VOSviewer軟件，并且對高被引論文作者團隊和主題進行了深入挖掘，展現(xiàn)其主要研究熱點。

1數(shù)據(jù)來源與研究方法

1.1數(shù)據(jù)來源

ESI數(shù)據(jù)以10年為一個統(tǒng)計周期。本研究檢索時間為2023年11月17日，檢索ESI的高被引論文時間跨度為2013-2023年。本研究的數(shù)據(jù)來源WOS核心合集，在高級檢索中輸入檢索式：WC=（Information Science & Library Science），得到圖情領(lǐng)域的論文120 904篇，在頁面左側(cè)精煉檢索結(jié)果，勾選高被引論文，得到ESI圖情領(lǐng)域高被引論文825篇。

1.2研究方法

本文對圖書情報領(lǐng)域ESI高被引論文進行發(fā)文量統(tǒng)計，統(tǒng)計高被引論文每年的發(fā)文情況；對論文的所屬國家和機構(gòu)進行統(tǒng)計，分析各國該學(xué)科的發(fā)展水平和頂尖研究機構(gòu)；對論文的主題進行分析，識別高被引論文的研究熱點。本文采用VOSviewer軟件為知識圖譜分析工具。此軟件是荷蘭萊頓大學(xué)2009年開發(fā)的基于java的免費軟件，在聚類、圖譜展示方面有突出的優(yōu)勢。

2統(tǒng)計結(jié)果與分析

2.1發(fā)文量分析

對圖情領(lǐng)域825篇ESI高被引論文2013-2023年度分布和被引頻次情況統(tǒng)計，詳見表1。結(jié)果顯示；圖情領(lǐng)域每年有大約75篇論文入選ESI高被引論文；高被引論文最多的年份為2020年，共有127篇；2013-2023年最高被引頻次高達3 206次，最低被引頻次僅為2次；825篇高被引論文篇均被引頻次為214.43次?？梢钥闯?，ESI高被引論文最低被引頻次逐年下降，最高被引頻次呈波動下降趨勢。

2.2國家與研究機構(gòu)分析

對圖情領(lǐng)域825篇ESI高被引論文的國家與機構(gòu)進行分析，共涉及到75個國家

。統(tǒng)計發(fā)現(xiàn)：美國發(fā)文量最多，共314篇，占總數(shù)的38.1%，領(lǐng)先于其他國家；我國的發(fā)文量是197篇，排名第二，領(lǐng)先于英格蘭（93篇）、印度（56篇）、澳大利亞（52篇）、德國（49篇）、加拿大（49篇）等國家。在李小濤

［3］分析的2005-2015年圖情領(lǐng)域ESI高被引論文中，中國的排名是第五，說明我國在圖情領(lǐng)域的科研產(chǎn)出和影響力有了顯著的提升。

圖情領(lǐng)域ESI高被引論文大于11篇的機構(gòu)有11個。這些機構(gòu)的國家分布中，中國有4家機構(gòu)，美國有3家，英國、荷蘭、丹麥和西班牙各有1家機構(gòu)。英國的斯旺西大學(xué)的發(fā)文量最多（22篇），排名第二的是中國的香港城市大學(xué)（17篇），美國天普大學(xué)和中國的香港大學(xué)排名第三（16篇）。我國有4家機構(gòu)擠進高產(chǎn)機構(gòu)群，相比喬家昌［4］分析的2007-2017年圖情領(lǐng)域ESI高被引論文高產(chǎn)機構(gòu)，又多出了3家機構(gòu)，表明我國的科研機構(gòu)在學(xué)術(shù)研究和論文發(fā)表方面取得了顯著的進步和增長。詳見表2。

2.3發(fā)文作者分析

本研究統(tǒng)計的是圖情領(lǐng)域ESI高被引論文第一作者或通訊作者的發(fā)文量，如表3所示。發(fā)文量最多的是來自英國斯旺西大學(xué)的Dwivedi， Yogesh K教授團隊，署名第一或通訊作者的高被引論文有13篇，論文內(nèi)容涉及到了人工智能、社交媒體、整合型科技接受與使用模型（UTAUT）、區(qū)塊鏈技術(shù)、電子政務(wù)等領(lǐng)域。Dwivedi， Yogesh K教授團隊的被引頻次最高的論文強調(diào)了人工智能在商業(yè)和管理、政府、公共部門和科學(xué)技術(shù)等多個領(lǐng)域的迅速崛起［5］。另外幾篇論文討論了用于一般決策的人工智能和會話式人工智能。社交媒體領(lǐng)域主要研究了社交媒體的營銷、社交媒體的品牌社區(qū)、社交網(wǎng)絡(luò)上現(xiàn)有文獻的共引和聚類分析以及個人社交網(wǎng)絡(luò)的核心知識Facebook。

發(fā)文量排名第二的是來自香港大學(xué)的Chiu， Dickson K. W教授團隊。Chiu， Dickson K. W團隊共發(fā)文11篇，其中有4篇論文是關(guān)于新冠肺炎疫情的，探討疫情對香港高校圖書館運營管理的影響、對數(shù)碼時代博物館的影響、對深圳高中生閱讀行為和偏好的影響，以及疫情期間的公共信息需求。Chiu， Dickson K. W團隊高被引論文研究領(lǐng)域的另一主題是社交媒體，講述了用于學(xué)習(xí)和圖書館推廣的社交平臺、社交媒體名人對青少年飲食行為的影響、旅游視頻對游客決策的影響。Chiu， Dickson K. W團隊研究領(lǐng)域還包括了慕課研究、云存儲、公共圖書館等。

發(fā)文量排名第三的是來自美國弗吉尼亞理工大學(xué)的Venkatesh， Viswanath教授團隊。Venkatesh， Viswanath團隊的研究領(lǐng)域有在信息系統(tǒng)中進行混合方法研究的指南、整合型科技接受與使用模型（UTAUT）的研究、COVID疫情對工作生活的影響、電子政務(wù)和區(qū)塊鏈等。

發(fā)文量排名第四的是來自塔卡爾大學(xué)的Alalwan， Ali Abdallah團隊。Alalwan， Ali Abdallah團隊高被引論文研究領(lǐng)域有社交媒體，涉及了社交媒體的營銷、社交媒體廣告功能對客戶購買意愿的影響、在非營利組織中使用社交媒體應(yīng)用程序的集成模型等。該團隊的另一大研究領(lǐng)域是整合型科技接受與使用模型（UTAUT），把該模型應(yīng)用在了客戶對手機銀行的接受度、移動訂餐應(yīng)用程序上等。

發(fā)文量排名第五的是來自法國雷恩商學(xué)院的Benitez， Jose教授團隊。該團隊的高被引論文的研究領(lǐng)域有信息技術(shù)、社交媒體和電子商務(wù)等，探討了信息技術(shù)基礎(chǔ)設(shè)施和社交媒體對公司績效的影響、社交媒體和電子商務(wù)如何提高公司績效，以及信息技術(shù)基礎(chǔ)設(shè)施的靈活性如何影響并購等。

發(fā)文量排名第六的是來自中國華中科技大學(xué)的魯耀斌教授團隊。該團隊高被引論文的研究領(lǐng)域涉及了社交商務(wù)和人工智能兩方面，探討了社交商務(wù)意愿由社會支持、社會存在感和流動體驗決定，研究調(diào)查社交商務(wù)因素對顧客購買決策的影響、微信社交商務(wù)的實證研究，研究社交直播平臺上的送禮行為，探討了人工智能是否會影響人類的認知。

2.4研究主題分析

利用VOSviewer對圖情領(lǐng)域825篇高被引論文關(guān)鍵詞進行聚類分析，然后對聚類結(jié)果進一步優(yōu)化，得到5個圖情領(lǐng)域的研究熱點，分別是醫(yī)學(xué)信息技術(shù)、社交媒體、人工智能、文獻計量和信息管理。詳見圖1。

2.4.1醫(yī)學(xué)信息技術(shù)

簇1的研究主題是醫(yī)學(xué)信息技術(shù)，其熱點包括新冠肺炎疫情、電子健康檔案（EHR）、醫(yī)療保健、遠程醫(yī)療等5zcn2S7EnOwSd6Sq3TBlTN4eV8MaMEQ4QU/fAtmT2/4=。新冠肺炎疫情改變了我們的經(jīng)濟、社會和醫(yī)療保健系統(tǒng)。雖然這場危機給醫(yī)療保健服務(wù)系統(tǒng)帶來了前所未有的挑戰(zhàn)，但疫情促進了遠程醫(yī)療的迅速采用，對信息管理研究與實踐產(chǎn)生了巨大影響，它使數(shù)字技術(shù)激增，使區(qū)塊鏈技術(shù)變得很重要［6］，迫使許多組織進行重大轉(zhuǎn)型。在醫(yī)療保健高被引論文中，電子健康檔案（EHR）是其中一個研究熱點。Xiao， Cao等［7］利用電子健康檔案記錄數(shù)據(jù)開發(fā)深度學(xué)習(xí)模型，利用電子健康檔案記錄進行跨性別數(shù)據(jù)收集、收集種族和民族信息等。Adler-Milstein， J［8］統(tǒng)計美國醫(yī)院使用電子健康記錄情況。在涉及醫(yī)療保健的高被引論文中，另一熱點是遠程醫(yī)療和移動醫(yī)療。通過遠程醫(yī)療改變衛(wèi)生保?。?］，臨床醫(yī)生的接受度是可持續(xù)遠程醫(yī)療服務(wù)的關(guān)鍵因素［10］。移動醫(yī)療技術(shù)的普及和包容性發(fā)展需要克服老年人對不信任、高風(fēng)險感知和對隱私的擔(dān)憂，同時提高他們的自我效能感、發(fā)展隱私素養(yǎng)和建立信任關(guān)系［11］。年齡對移動醫(yī)療服務(wù)采用有調(diào)節(jié)作用，特別是感知易用性、感知脆弱性和感知嚴重性對中老年用戶更重要［12］。

2.4.2社交媒體

簇2的研究主題為社交媒體，研究熱點包括社交媒體倦怠 、社交媒體營銷、社交商務(wù)、旅游和假新聞等。在社交媒體倦怠方面，Dhir， Amandeep［13］

認為社交媒體倦怠與心理健康有關(guān)，社交媒體強迫性使用和錯失恐懼癥會顯著引發(fā)社交媒體疲勞，進而導(dǎo)致焦慮和抑郁水平的上升。Malik， Aqdas［14］認為社交媒體使用強度是社交媒體疲勞的最強預(yù)測指標(biāo)，在線社交比較和自我披露也是社交媒體疲勞的重要預(yù)測因素。研究結(jié)果還表明，社交媒體疲勞進一步導(dǎo)致學(xué)業(yè)成績下降。社交媒體營銷方面，品牌社區(qū)在社交媒體上的建立可以增強品牌忠誠度，這通過積極影響客戶與品牌、產(chǎn)品、公司和客戶之間的關(guān)系以及品牌信任來實現(xiàn)［15］。社交媒體廣告要吸引用戶并實現(xiàn)有效傳播，關(guān)鍵在于情感訴求、信息性和創(chuàng)意的平衡。深入理解用戶行為和心理是提高廣告效果的關(guān)鍵，創(chuàng)意和情感是不可或缺的要素［16］。社交商務(wù)方面，社交互動在社交商務(wù)環(huán)境中對消費者決策有顯著影響，包括口碑傳播和觀察其他消費者行為。這些因素通過影響購買意圖，進而影響實際購買行為，為商家提供了有效的營銷策略［17］。旅游方面，Huang， C. Derrick［18］探討了旅行者如何使用旅游相關(guān)網(wǎng)站、社交媒體和智能手機來提高旅行滿意度的機制。

2.4.3人工智能

簇3的研究主題為人工智能，研究熱點包括人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)、UTAUT模型、手機銀行等。人工智能應(yīng)用在政府機構(gòu)、醫(yī)療保健、公共部門和商業(yè)管理等多個領(lǐng)域，通過人工智能引導(dǎo)的聊天機器人改變公民與政府之間的溝通。研究發(fā)現(xiàn)，財務(wù)成本、組織創(chuàng)新性、政府壓力、政府激勵措施和監(jiān)管支持是影響公共組織開發(fā)AI能力的關(guān)鍵因素［19］。人工智能在醫(yī)療保健中的倫理和監(jiān)管問題引發(fā)關(guān)注，Reddy， Sandeep［20］提出治理模型以解決這些問題并促進進一步討論。深度學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域中一個新的研究方向，它被引入機器學(xué)習(xí)使其更接近于最初的目標(biāo)——人工智能。深度學(xué)習(xí)在搜索技術(shù)、數(shù)據(jù)挖掘、機器學(xué)習(xí)、語音等相關(guān)領(lǐng)域都取得了很多成果。深度學(xué)習(xí)使機器模仿視聽、思考等人類的活動解決了很多復(fù)雜的模式識別難題，使人工智能相關(guān)技術(shù)取得了很大進步。關(guān)于整合型科技接受與使用模型（UTAUT）方面，該模型應(yīng)用在了客戶對手機銀行的接受度、移動訂餐應(yīng)用程序上，以便為客戶提供更好的服務(wù)。

2.4.4文獻計量

簇4的研究主題為文獻計量，研究熱點包括文獻計量學(xué)、引文分析等。文獻計量學(xué)是科學(xué)研究評估的重要方法，被廣泛應(yīng)用于各個領(lǐng)域，如社會科學(xué)、醫(yī)學(xué)、自然科學(xué)等。通過對文獻的分析，可以幫助了解各個學(xué)科的研究熱點、預(yù)測學(xué)科的發(fā)展方向、評估學(xué)者的學(xué)術(shù)水平和影響力等。Kokol， Peter［21］分析了關(guān)于文獻計量學(xué)在醫(yī)學(xué)中應(yīng)用的6 557篇文獻，指出文獻計量學(xué)在醫(yī)學(xué)中的應(yīng)用呈現(xiàn)出積極的趨勢，并且在醫(yī)學(xué)領(lǐng)域的應(yīng)用已經(jīng)成為該領(lǐng)域知識發(fā)展的前沿。文獻計量學(xué)還應(yīng)用在期刊分析。Gaviria-Marin， M［22］對《Journal of Knowledge Management》期刊從作者、機構(gòu)、國家、關(guān)鍵詞等方面進行了文獻計量分析，這項研究有助于快速了解該雜志。引文分析是簇4的又一研究熱點。文獻計量學(xué)提供了更廣泛的視角，而引文分析則專注于分析文獻之間的引證關(guān)系，引文分析是文獻計量學(xué)的一個重要組成部分。Shiau， WL［23］分析1996年至2014年間關(guān)于社會網(wǎng)絡(luò)的2 565篇文獻和81 316次引用，應(yīng)用共引分析和聚類分析確定了社會網(wǎng)絡(luò)的七大核心因素。

2.4.5信息管理

簇5的研究主題為信息管理，圖情領(lǐng)域信息管理體現(xiàn)在技術(shù)、人文兩個維度。技術(shù)維度的研究主要著眼于信息安全方面的管理，研究熱點為區(qū)塊鏈技術(shù)。區(qū)塊鏈技術(shù)的應(yīng)用領(lǐng)域非常廣泛，圖情領(lǐng)域的高被引論文中，區(qū)塊鏈應(yīng)用在了金融服務(wù)、醫(yī)療行業(yè)、食品安全等領(lǐng)域。如，使用區(qū)塊鏈追蹤食品有助于提高消費者對產(chǎn)品質(zhì)量的感知，從而增加購買意愿，特別是對于不熟悉的品牌［24］。再如，基于區(qū)塊鏈和機器學(xué)習(xí)技術(shù)的“疫苗區(qū)塊鏈”系統(tǒng)可以解決疫苗過期和記錄造假等問題，提高疫苗的可追溯性和安全性，同時為免疫接種提供更好的建議和選擇。智慧城市也是信息技術(shù)領(lǐng)域的一個研究熱點。智慧城市正在加速發(fā)展，它依賴于信息和通信技術(shù)（ICT）的部署。Manfreda， Anton等［25］對自動駕駛汽車進行研究。研究顯示，千禧一代對此有濃厚的興趣并熱衷于采用新技術(shù)和新的交通模式；自動駕駛汽車的感知利益和安全是影響其被采用的關(guān)鍵因素。人文維度的研究較為關(guān)注信息管理中的用戶。如，因為互聯(lián)網(wǎng)上個人信息被大量收集、存儲和傳輸，網(wǎng)絡(luò)隱私關(guān)注（IPC）成為一個重要的研究領(lǐng)域。Hong， Weiyin等［26］通過在線調(diào)查對近4 000名互聯(lián)網(wǎng)用戶進行了研究，以檢驗網(wǎng)絡(luò)隱私關(guān)注的各種概念。

此外，在簇5里出現(xiàn)了知識管理。在知識管理方面，知識共享和知識隱藏是一研究熱點。知識共享和知識隱藏是知識管理中兩個相對立的概念，知識共享能提高組織的協(xié)同創(chuàng)新工作，加速組織的知識更新和積累，提高組織的市場競爭力。相反，知識隱藏導(dǎo)致內(nèi)部知識不流通，阻礙組織的協(xié)調(diào)工作和發(fā)展。盡管許多組織和領(lǐng)導(dǎo)希望員工與同事分享他們的知識，但情況并不總是這樣。Skerlavaj M

［27］探討了知識隱藏的原因，發(fā)現(xiàn)這跟人們面臨的壓力有關(guān)，并且找到了解決方案，增強了員工的親社會動機。

3結(jié)論與展望

3.1研究結(jié)論

本文以2013-2023年圖書情報領(lǐng)域ESI高被引論文為研究對象，從發(fā)文時序、國家機構(gòu)、作者分析、研究主題四個維度進行了詳細分析，研究結(jié)論如下：

第一，從國家和機構(gòu)維度來看，美國和中國發(fā)文量占據(jù)著主導(dǎo)地位，美國排名第一，我國ESI高被引論文發(fā)文量排名第二。發(fā)文量在11篇以上的有11家機構(gòu)，我國有4所高校擠進了高產(chǎn)機構(gòu)群，是高產(chǎn)機構(gòu)最多的國家。

第二，作者分析模塊，詳細分析了發(fā)文量（統(tǒng)計第一或通訊作者的發(fā)文量）最多的6個研究團隊，發(fā)文量最多的是來自英國斯旺西大學(xué)的Dwivedi， Yogesh K教授的團隊，主要研究領(lǐng)域為人工智能、社交媒體、UTAUT模型等。我國華中科技大學(xué)魯耀斌教授的團隊位列第六名，主要研究領(lǐng)域為社交商務(wù)和人工智能等。

第三，通過主題分析識別出醫(yī)學(xué)信息技術(shù)、社交媒體、人工智能、文獻計量、信息管理五個受全球?qū)W者關(guān)注的研究熱點。這些研究熱點的共同特征在于其涉及的學(xué)科范圍廣泛，應(yīng)用性強，且都是學(xué)術(shù)界普遍關(guān)注的重要議題。它們不僅在圖情領(lǐng)域受到重視，同時在其他學(xué)科也獲得了高度關(guān)注，預(yù)示著廣闊的發(fā)展前景。

3.2研究展望

基于對近十年圖書情報領(lǐng)域ESI高被引論文的發(fā)文量、國家與機構(gòu)、作者和主題的深入分析，從國家和機構(gòu)維度來看，中國和美國在科研領(lǐng)域的競爭將更加激烈，高產(chǎn)機構(gòu)群將不斷擴大，同時這些機構(gòu)也將更加注重國際合作與交流，以推動全球科研的共同發(fā)展。圖書情報領(lǐng)域的研究涉及了多個學(xué)科，如計算機科學(xué)、醫(yī)學(xué)、管理學(xué)、傳播學(xué)等，信息管理和文獻計量的研究都融入了這些學(xué)科。圖情研究的一個顯著特點是用圖情視角來研究醫(yī)學(xué)等領(lǐng)域的問題，這些學(xué)科的交叉融合可以為圖情領(lǐng)域帶來新的研究方向和思路，將各種學(xué)科知識結(jié)合起來，以解決圖情領(lǐng)域的實際問題。同時發(fā)現(xiàn)，人工智能、社交媒體、區(qū)塊鏈等是圖情領(lǐng)域的研究熱點，隨著這些新興技術(shù)的不斷進步和應(yīng)用場景的不斷拓展，這些領(lǐng)域?qū)⒗^續(xù)得到深入研究。

參考文獻

［1］黃紫菲.利用ESI數(shù)據(jù)庫進行文獻計量分析研究——以計算機科學(xué)為例［J］.圖書情報工作，2006（8）：55-58.

［2］邱均平，孫凱.基于ESI數(shù)據(jù)庫的中國高校科研競爭力的計量分析［J］.圖書情報工作， 2007（5）：45-48.

［3］李小濤，秦萍，錢玲飛.圖情領(lǐng)域基本科學(xué)指標(biāo)數(shù)據(jù)庫高被引論文的知識圖譜分析［J］.情報理論與實踐， 2017，40（2）：111-116.

［4］喬家昌.圖書情報領(lǐng)域2007—2017年ESI高被引論文的知識圖譜分析［J］.情報探索， 2019（1）：120-127.

［5］Dwivedi Y K， Hughes L， Ismagilova E， et al. Artificial Intelligence （ AI ）： Multidisciplinary perspectives on emerging challenges ， opportunities ， and agenda for research ， practice and policy［J］.International Journal of Information Management， 2021（57）：101994.

［6］De R， Pandey N， Pal A. Impact of digital surge during Covid-19 pandemic： A viewpoint on research and practice［J］.International Journal of Information Management， 2020（55）：102171.

［7］Xiao C， Choi E， Sun J. Opportunities and challenges in developing deep learning models using electronic health records data： a systematic review［J］.Journal of the American Medical Informatics Association， 2018，25（10）：1419-1428.

［8］Adler-Milstein J， Holmgren A J， Kralovec P， et al. Electronic health record adoption in US hospitals： the emergence of a digital “advanced use” divide［J］.Journal of the American Medical Informatics Association， 2017，24（6）：1142-1148.

［9］Mann D M， Chen J， Chunara R， et al.COVID-19 transforms health care through telemedicine： Evidence from the field［J］.Journal of the American Medical Informatics Association， 2020，27（7）：1132-1135.

［10］Wade V A， Eliott J A， Hiller J E.Clinician Acceptance is the Key Factor for Sustainable Telehealth Services［J］.Qualitative Health Research， 2014，24（5）：682-694.

［11］Fox G， Connolly R. Mobile health technology adoption across generations： Narrowing the digital divide［J］.Information Systems Journal， 2018，28（6）：995-1019.

［12］Zhao Y， Ni Q， Zhou R.What factors influence the mobile health service adoption？ A meta-analysis and the moderating role of age［J］.International Journal of Information Management， 2018（43）：342-350.

［13］Dhir A， Yossatorn Y， Kaur P， et al.Online social media fatigue and psychological wellbeing-A study of compulsive use， fear of missing out， fatigue， anxiety and depression［J］.International Journal of Information Management， 2018（40）：141-152.

［14］Malik A， Dhir A， Kaur P， et al.Correlates of social media fatigue and academic performance decrement A large cross-sectional study［J］.Information Technology & People， 2021，34（2）：557-580.

［15］Laroche M， Habibi M R， Richard M.To be or not to be in social media： How brand loyalty is affected by social media ？［J］.International Journal of Information Management， 2013，33（1）：76-82.

［16］Lee J， Hong I B. Predicting positive user responses to social media advertising： The roles of emotional appeal， informativeness， and creativity［J］.International Journal of Information Management，2016，36（3）：360-373.

［17］Wang Y， Yu C. Social interaction-based consumer decision-making model in social commerce： The role of word of mouth and observational learning［J］. International Journal of Information Management， 2017，37（3）：179-189.

［18］Huang C D， Goo J， Nam K， et al. Smart tourism technologies in travel planning： The role of exploration and exploitation［J］.Information&Management， 2017，54（6）：757-770.

［19］Mikalef P， Lemmer K， Schaefer C， et al. Enabling AI capabilities in government agencies： A study of determinants for European municipalities［J］.Government Information Quarterly， 2022，39（4）：101596.

［20］Reddy S， Allan S， Coghlan S， et al.A governance model for the application of AI in health care［J］.Journal of the American Medical Informatics association， 2020，27（3）：491-497.

［21］Kokol P， Vosner H B， Zavrsnik J.Application of bibliometrics in medicine： a historical bibliometrics analysis［J］.Health Information and Libraries Journal， 2021，38（2）：125-138.

［22］Gaviria-Marin M， Merigo J M， Popa S.Twenty years of the Journal of Knowledge Management ： a bibliometric analysis［J］.Journal of Knowledge Management， 2018，22（8）：1655-1687.

［23］Shiau W， Dwivedi Y K， Yang H S.Co-citation and cluster analyses of extant literature on social networks［J］.International Journal of Information Management， 2017，37（5）：390-399.

［24］Treiblmaier H， Garaus M. Using blockchain to signal quality in the food supply chain： The impact on consumer purchase intentions and the moderating effect of brand familiarity［J］.International Journal of Information Management， 2023（68）：102514.

［25］Manfreda A， Ljubi K， Groznik A.Autonomous vehicles in the smart city era： An empirical study of adoption factors important for millennials［J］.International Journal of Information Management， 2021（58）：102050.

［26］Hong W， Thong J Y L.Internet Privacy Concerns： An Integrated Conceptualization and Four Empirical Studies［J］.Mis Quarterly， 2013，37（1）：275-298.

［27］Skerlavaj M， Connelly C E， Cerne M， et al. Tell me if you can： time pressure， prosocial motivation， perspective taking， and knowledge hiding［J］.Journal of Knowledge Management， 2018，22（7）：1489-1509.

作者簡介：

周環(huán)，女，河北大學(xué)圖書館館員。研究方向：文獻計量、期刊評價、知識圖譜。

蘇莉娜，女，河北大學(xué)圖書館館員。研究方向：知識圖譜、文獻計量。

（收稿日期：2024-03-04責(zé)任編輯：馬玉娟）

Multi-dimensional Feature Quantitative Analysis of ESI Highly Cited

Papers in Library and Information Field

Zhou HuanSu Lina

Abstract：

ESI highly cited papers are an important evaluation index of first-class disciplines， Multi-dimensionalquantitativeanalysis of ESI highly cited papers in the field of library and information can deeply understand the development trend of the discipline and provide useful reference for the development of library and information science in China.VOSviewer software is used to visually analyze the publication time， countries and institutions， authors and research topics of ESI highly cited papers in library and information field from 2013 to 2023.？ The ESI highly cited papers in the field of library and information involve multiple disciplines and interdisciplinary research， which enhance the academic influence of the field of library and information;The United States and China occupy the leading position in the number of publications. Having 4 universities whichhave squeezed into the high-yield institutions group， Chinais the country with the most high-yield institutions. After a detailed analysis of the six research teams with the largest number of publications， Professor Lu Yaobin，s team from Huazhong University of Science and Technology ranked sixth; Medical information technology， social media， artificial intelligence， bibliometrics and information management are the five research hotspots that have received the most attention from scholars around the world.

Keywords：ESI Database; High Citation; Library and Information Field; Quantitative Analysis