文章荐读 | 参考文献跨学科性与论文学术影响力的关系研究
文 章 荐 读
参考文献跨学科性与论文学术影响力的关系研究
刘嘉明1,2, 孙建军1,3
1.南京大学数据智能与交叉创新实验室,南京 210023
2.南京大学数字经济与管理学院,苏州 215163
3.南京大学信息管理学院,南京 210023
摘要
探究参考文献跨学科性与论文学术影响力的关系，能够为学科领域的进一步发展提出参考建议，对促进科学发展具有重要意义。本研究以Web of Science核心合集2001—2020年仿生学领域的期刊论文和会议论文为数据集，从学科丰富性、平衡性、差异性及综合角度，对参考文献跨学科性与论文学术影响力之间的关系进行探讨，并比较其在不同合作模式下的区别。研究结果表明，综合性指标Rao-Stirling指数负向影响学术影响力；学科丰富性、平衡性和差异性对学术影响力的积极影响均存在阈值；不同合作模式下，参考文献跨学科性与论文学术影响力的关系有一定区别。进行学科交叉科研活动时，在学科丰富性、平衡性和差异性方面都要遵循适度原则；根据合作者的性质采取不同的合作策略；积极与国际高水平机构交流、合作；高等院校则应该加强学科交叉培养，打造知识复合型人才。
关键词
参考文献, 跨学科性, 学术影响力, 合作模式, 仿生学
引用格式：
刘嘉明, 孙建军. 参考文献跨学科性与论文学术影响力的关系研究[J]. 情报学报, 2023, 42(5): 525-536.
👈长按识别文章二维码查看全文
0
引言
随着人类社会的发展和信息化建设的不断推进，单一学科知识已经难以解决当今世界面临的难题，跨学科领域的研究和方法持续涌现。1926年，美国哥伦比亚大学的心理学家伍德沃斯率先使用了“interdisciplinary”这个概念，其认为跨学科是指超越了单一已知学科的边界，涉及了两个或两个以上学科的研究内容、方法或范围[1]。近年来，鼓励学科交叉创新已成为科学技术发展的重要内容。
参考文献跨学科性与论文学术影响力的关系是备受学界重视的热门话题之一，但二者关系尚未形成定论。有些学者认为参考文献的跨学科性能够正向促进论文的学术影响力[2-4]，但也有些学者研究发现参考文献跨学科性高的论文并不具有更高的学术影响力[5-7]，或二者之间并不存在显著的影响关系[8]。此外，目前在探讨参考文献跨学科性与论文学术影响力的关系时，结合合作模式的探索较少。本研究利用仿生学领域的科学文献，从丰富性、平衡性、差异性及综合角度探究参考文献跨学科性与论文学术影响力的关系，并结合不同的合作模式做进一步的探索，旨在为仿生学及其他交叉学科的发展提供参考，为研究者和科研机构提供行动指南。研究的具体问题如下：
（1）参考文献跨学科性与论文学术影响力之间存在怎样的关系？
（2）不同合作模式下，参考文献跨学科性与论文学术影响力的关系是否存在区别？
1
理论背景与研究假设
1.1 论文学术影响力的测度
论文的学术影响力一般是指同行科研工作者对研究者的科研成果的评价及重视程度[9]。目前，评价科研成果学术影响力的方法大致可以分为三类：同行专家评议法、基于引文的学术影响力评价方法以及补充计量方法（altmetrics）。其中，基于引文的评价方法又可以细分为基于引用量和基于引文网络的评价方法。不同的评价方法各有利弊，同行专家评议是由领域内的专家对科技论文进行评价，能够对每篇论文进行全面考察，但时间成本较高，在具体实施过程中高度依赖专家意见，评审结果存在主观性和片面性[10]。引用分析法被广泛地应用于论文影响力的评估中，基于引文数量的评价方法直观且评价指标易得，但可能存在由于引用偏见、引用时滞性、不恰当引用[11]等造成的评价不准确；基于引文网络的评价方法能够相对准确地区分网络中论文的影响力大小，但计算成本较高[12]。补充计量学方法能够与基于引文的评价方法相互配合，最大化发挥各自的优势，但其指标受不同学科、社交平台的影响[13]，容易被人为提高[14]，在补充学术评价体系时缺乏一定权威性。
总的来说，基于引文的分析方法在进行学术评价时存在一定局限性，但由于其数据获取容易、可靠性强、应用便捷，在评价论文学术影响力时，引文分析法仍是目前最成熟、应用最广泛的评价方法之一。本研究以引用量作为评价论文学术影响力的标准。
1.2 跨学科性的测度
1.2.1 研究视角与学科分类体系
目前，科学计量领域测量跨学科性的研究方法大致可以分为基于作者和基于科技文献及其引文两个角度。基于作者的研究方法又可以分为两种：①基于作者个人学术背景[15]；②与不同领域作者合作，主要利用作者所属的学科领域[16]、所在机构的学科属性[17]、发表成果及其引文所属期刊的学科属性[18]。基于科技文献及其引文的研究方法具有目标文献、参考文献和施引文献3种视角[19-21]，3种视角能够相互补充。基于作者的跨学科性测度受到数据获取与清洗、姓名消歧等问题的影响，现有研究中应用较少，测量领域及成果跨学科性时，通常采取基于科技文献及其引文的研究视角。
测量跨学科性时，确定学科分类体系是重要的一环。根据华萌等[22]、章成志等[23]、张雪等[24]的总结，现有的常用期刊学科分类体系包括：①Web of Science（WoS）学科分类；②JCR（Journal Citation Reports）分类；③ESI（Essential Science Indicators）分类；④SOOI（Steunpunt O&O Indicatoren）学科分类；⑤Scopus学科分类；⑥ERA（Excellence in Research for Australia）分类；⑦美国学科专业分类（Classification of Instructional Programs，CIP）；⑧美国自然科学基金委分类体系；⑨ECOOM（Expertisecentrum Onderzoek en Ontwikkelingsmonitoring）分类体系；⑩莱顿大学CWTS（Center for Science and Technology Studies）分类体系；⑪国家自然科学基金委分类体系；⑫中国图书馆分类法；⑬中国引文数据库分类体系；⑭中文社会科学引文索引（Chinese Social Sciences Citation Index，CSSCI）分类体系等。
现有的学科分类体系较多，各体系中的学科设置、划分标准有所差异，各分类体系难以互通（WoS、JCR、ESI除外）。此外，不同粒度的分类体系会对跨学科性的测度结果产生影响，过细的学科分类粒度易使测度出的跨学科性过高，而过粗的学科分类粒度则会使跨学科性难以被观测。
1.2.2 跨学科性测度指标
在跨学科性测度指标方面，Stirling[25]构建了跨学科性测度的框架，该框架包括丰富性（variety）、平衡性（balance）和差异性（disparity）3个维度。其中，丰富性是指系统元素被分配到的类别的数量，平衡性是指实现跨类别元素分配模式的功能，差异性是指元素可以被区分的方式和程度。在Stirling[25]的基础上，Rafols等[26]提出了学科多样性（diversity）和学科凝聚性（coherence，也称“网络一致性”）的概念性框架。其中，学科多样性代表了Stirling提出的3个维度，学科凝聚性指标则通过出版物网络来衡量文献集内的相似性关系。
现有的跨学科性测度指标可以分为基于学科多样性和基于学科凝聚性两大类别。基于学科多样性的跨学科性测度又基于3种维度衍生出不同的指标：学科丰富性方面，Porter等开发了学科类别总计[27]和学科专门度[28]；学科平衡性方面，Porter等[27]提出了跨领域引用指数COC（citations outside category）来衡量文献引用的学科分布，Leydesdorff等[29]使用基尼系数衡量学科分布的平均程度；学科差异性方面的指标包括Hamers Jaccard系数[30]、Salton余弦相似性[30]等。
结合多个学科多样性维度考察跨学科性的指标方面，加权跨领域引用指数（weighted citations outside category，WCOC）[31]、Shannon信息熵[32]、Simpson指数[33]、Brillouin等提出的布里渊指数（Brillouin's index，BI）[34]、赫芬达尔指数（product diversity，PDIV）[35]均结合了学科丰富性和平衡性维度，同心指数[36]和学科区分度指数[18]则同时从丰富性和差异性的维度进行测度，结合了丰富性、平衡性和差异性的综合性评价指标包括学科集成化指数[18]、Rao-Stirling指数[25]、2DS指数[37]、IDD（interdisciplinary distance）指标[38]、DIV（diversity）指标[39]等。学科凝聚性方面的指标主要包括中介中心性[40]、网络密度[26]、平均路径长度[26]、凝聚子群密度[41]和网络凝聚度[42]。陈赛君等[43]构建的Φ指标则将学科多样性和学科凝聚性进行了结合。
现有的跨学科性测度指标通常从一个或几个维度进行，从单一维度出发的指标居多，彼此之间较难相互取代。其中，Rao-Stirling指数、2DS指数和Φ指标的综合性最强[24]。国内外学者在研究学科、文献、学者的跨学科性时，通常应用某个或某些特定指标，或对某些指标进行处理，与其他方法结合后再用于测度。
1.3 参考文献跨学科性与论文学术影响力的关系
参考文献跨学科性与论文学术影响力的关系尚未形成定论。有些学者认为提升参考文献的跨学科性有助于增强科研成果的学术影响力。例如，Steele等[2]以林业领域期刊Forest Science为实证对象，利用布里渊指数测量跨学科性，研究发现参考文献的学科交叉程度越强，论文的被引频次越高；刘雪立等[3]同样以布里渊指数来计算论文的跨学科程度，利用Web of Science数据库收录的发表于2013年的图书情报学论文及所属期刊进行实证探究，最终发现在图书情报领域中，参考文献跨学科性越强的论文和期刊具有越高的影响力；张雪等[4]在研究四川省数学领域的文献时，以Rao-Stirling指数测量文献的跨学科性，发现参考文献的高学科交叉程度有利于提升论文的学术影响力，且相较于独著论文，作者合作完成的论文学术影响力更高。
有些学者研究发现，参考文献跨学科性与论文影响力之间的关系并非简单的促进作用。例如，Yegros-Yegros等[5]以2005年SCI-E（Science Citation Index Expanded）收录的细胞生物学，工程、电气和电子，食品科学与技术，物理、原子、分子与化学4个领域的科学论文作为数据集，研究发现从丰富性（以学科类别总计衡量）、平衡性（以标准化的Shannon信息熵衡量）和差异性（以余弦相似性衡量）3个角度衡量参考文献的跨学科性时，学科丰富性与论文的学术影响力呈正相关关系，平衡性与差异性则负向影响学术影响力；王菲菲等[6]采用与Yegros-Yegros等[5]相同的跨学科性指标测量方法，选择Web of Science数据库中医学信息学的相关文献，发现参考文献的学科丰富性、平衡性、差异性与价值指标之间均存在能够使文献学术价值最优的阈值；Chang等[7]对1978—2007年发表的图书情报学文献进行实证研究，以布里渊指数衡量参考文献的跨学科性，最终发现参考文献跨学科程度高的论文并没有得到更多的引用，高被引论文的参考文献跨学科程度仅达到了平均水平；Larivière等[8]利用Web of Science数据库中发表于2000年的所有文章，探究目标文献引用其他学科期刊论文的比例与目标文献被引得分之间的关系，研究发现参考文献高度学科化和高度跨学科的文章的科学影响力较低。
1.4 合作与参考文献跨学科性的关系
不同层次的科研合作可能与参考文献跨学科性存在关系。Qin等[44]对发表于1992年的864篇科学研究论文进行了实证分析，研究发现与独著论文相比，作者不少于5个的文章更倾向于引用跨学科的文献，来自不同机构或不同国家的合著作者比来自同一机构或国家的作者更倾向于引用跨学科研究文献；王文平等[45]选取了生物技术与应用微生物学、电子电气工程、数学、医学、神经科学、物理学共6个重要研究领域，基于中国学者在这6个领域发表的SCI论文，采用多学科度指数、Shannon指数和IS指数（综合性指标，Rao-Stirling指数的变体）衡量参考文献的跨学科性，比较了国际合作论文与非国际合作论文参考文献跨学科性上的差异，实证结果显示国际合作能够促进跨学科参考研究，但其促进的程度受到研究领域的影响；张琳等[17]基于Web of Science数据库中2014—2016年连续入选ESI社会科学总领域的33位高被引学者的研究成果，以2DS指标衡量参考文献的跨学科性，研究发现合作机构数量对参考文献学科数目具有显著的影响，不同学科背景的机构合作有助于产出参考文献跨学科性高的科研成果。
2
数据处理与研究设计
2.1 数据来源与处理
2.1.1 数据来源
本研究以仿生学领域的学术论文作为研究样本。仿生学是一种“研究生物系统结构、性状、原理和行为，为工程技术提供新设计思想、工作原理和系统构成的技术科学”，与生命科学、物质科学、数学、力学、信息科学、工程技术、系统科学等学科息息相关[46]。本研究所用数据来自Web of Science核心合集，检索式为TS="bionic*"，限定时间为2001—2020年，限定文献类型为期刊论文、会议论文及综述论文，检索日期为2021年12月30日，共检索到5624条文献。Web of Science数据库中目前共有254个学科类别（category），其中科学引文索引扩展版（SCI-E）和社会科学引文索引（Social Science Citation Index，SSCI）收录的学科类别有236个。
2.1.2 数据处理
（1）构建期刊名称缩写、期刊全称、期刊所属学科类别的对应关系
引文数据中仅包含每篇参考文献所属期刊的名称缩写，并不包含学科类别信息，而Web of Science数据库中的期刊学科类别表使用期刊刊名的全称，因此，本研究需要将参考文献所属期刊的刊名缩写、刊名全称及期刊所属学科类别一一对应。首先，在Web of Science官网上下载2020年JCR公布的20994本期刊信息，包括每本期刊所对应的学科类别。其次，下载由ESI发布的ESI Journal List[47]，该列表涵盖了2011年1月1日至2021年10月31日有资格纳入ESI的所有活跃期刊，共12399本，并列出了这些期刊的刊名全称和对应缩写。最后，利用Python编写代码，将期刊名称的缩写、全称以及期刊所属学科类别一一对应。在进行匹配时，仅保留SCI-E和SSCI收录的期刊。对于属于多个学科类别的期刊，则保留全部学科类别。
（2）为每篇论文的有效参考文献匹配学科类别
剔除参考文献为空和学科类别为空的论文，提取剩余论文被收录在SCI-E和SSCI中的参考文献作为有效参考文献，利用上一步中匹配好的期刊刊名缩写、刊名全称与学科类别的对应关系，为每篇论文的每条有效参考文献匹配对应学科类别，最终有5235条文献数据匹配成功。
（3）计算每篇论文参考文献的跨学科性指标
本研究选取学科类别总计、1-基尼系数、学科平均距离和Rao-Stirling指数共4个指标，分别从丰富性（variety，VAR）、平衡性（balance，BAL）、差异性（disparity，DIS）以及三者结合的层面考察论文参考文献的跨学科性。
①丰富性指标（学科类别总计）的计算公式为
其中，Si表示研究领域涉及的学科类别。
②平衡性指标（1-基尼系数）的计算公式为
其中，n表示引用学科的总数；xi表示引用第i个学科的文献数。
③差异性指标（学科平均距离）参考Wang等[48]的方法进行计算，计算公式为
其中，n表示涉及学科类别的数量；di,j表示学科类别i和学科类别j之间的距离；Si,j 表示学科i和j之间的余弦相似度，可由两学科互引矩阵计算得到。
④Rao-Stirling指数的计算公式为
其中，pi、pj分别表示学科类别i、j的占比；di,j表示学科i和j之间的距离。
根据张雪等[24]的研究，本研究以1−Si,j表示学科之间的距离，Si,j表示两学科之间的相似度。学科之间的相似度矩阵基于Leydesdorff[49]的研究数据。Leydesdorff[49]使用2015年JCR中SCI-E和SSCI收录的期刊，利用学科互引次数构建学科互引矩阵，计算各学科向量的余弦值生成学科相似度矩阵。利用Python编写代码可计算得到每篇文献的学科类别计数、基尼系数、学科平均距离和Rao-Stirling指数。
（4）统计每篇论文的合作情况
删除作者地址信息为空的数据后，得到5210条论文信息。根据论文作者地址信息，利用Python编写代码提取作者机构和国家信息，将论文的合作模式分为独著、同一机构内合作、同一国家/地区内不同机构间合作以及国际合作4类。值得注意的是，本研究涉及的“同一机构内合作”是指院校、院所、企业等层面的合作。例如，若一篇论文的两个作者分别来自南京大学信息管理学院和南京大学商学院，则该论文的合作模式属于“同一机构内合作”模式。
2.2 指标选取与构建
2.2.1 自变量
本研究的自变量是论文参考文献的跨学科性，基于论文参考文献所属学科类别的相关特征进行衡量。
（1）丰富性（VAR）：以引文跨学科类别数来表示，为计数变量，衡量论文的参考文献涉及的学科类别的数量。
（2）平衡性（BAL）：以1-引文学科类别基尼系数表示，为连续变量，衡量论文的参考文献涉及的学科类别的分布集中或分散情况，平衡性指标越大则意味着论文的学科分布越分散。
（3）差异性（DIS）：以引文学科类别平均距离来表示，为连续变量，衡量论文的参考文献涉及的学科类别之间的差异程度。
（4）Rao-Stirling指数（RS）：为连续变量，利用论文参考文献所属的学科类别计算Rao-Stirling指数，从丰富性、平衡性和差异性综合衡量参考文献的跨学科性。
2.2.2 因变量
本研究以论文的被引频次（citations，CI）作为因变量来衡量论文的学术影响力。引文分析法是一种较为成熟的学术影响力评价方法，引文指标在学术评价工作中具有重要地位。
2.2.3 控制变量
（1）参考文献数量（RFN）：参考文献能够衡量论文吸收和利用知识的能力，在一些学科领域中，高被引论文往往具有更多的参考文献[50]。
（2）作者人数（AN）：学者能够通过合作将各自的知识聚集在学术成果中，多作者合作往往比单一作者产生更大的影响力，但这种影响在不同学科领域中可能存在差异[51]。
（3）论文页数（PG）：论文的长度能够反映论文承载的信息量，越长的论文可能包含越多的内容，其学术影响力可能也越高[52]。
（4）论文类型（PT，期刊论文或会议论文）：论文的类型可能会影响论文的学术影响力，本研究设置了两个虚拟变量对期刊论文（PT1）和会议论文（PT2）进行区分。
（5）论文类型（RES，研究型论文或综述型论文）：论文的类型可能会影响论文的学术影响力，本研究设置两个虚拟变量对研究型论文（RES1）和综述型论文（RES2）进行区分。
（6）论文发表年份（PY）：论文发表的年份能够影响其学术影响力，越早发表的论文越容易积累被引，学术影响力往往越大[53]。本研究将论文发表年份设置为分类变量，在实际回归中则处理为20个虚拟变量。
（7）论文合作模式（CT）：机构的合作可能会影响论文的学术影响力[54]，本研究将论文的合作模式分为4类：独著（CT1）、同一机构内的合作（CT2）、同一国家/地区内不同机构间的合作（CT3）以及国际合作（CT4）。将每篇论文的合作模式设置为4个虚拟变量。
2.2.4 变量名称对照
表1为各因变量、自变量和控制变量的缩写、变量描述和变量类型。其中，变量BAL、DIS、RS均为取值在区间[0,1]上的连续变量。
3
研究结果与分析
3.1 发文分布统计分析
图1展示了2001—2020年仿生学相关论文的发文趋势，反映了仿生学领域科学研究成果的发展态势。2001—2020年，仿生学领域共发表科学论文5624篇，每年的发文数量总体呈上升态势，2015年后论文增长速度明显加快，2018年后的增长尤为迅猛。
图1 2001—2020年仿生学相关论文的发文数量
3.2 参考文献跨学科性与论文学术影响力总体关系
3.2.1 变量统计特征及相关性
保留参考文献和学科类别均非空，且参考文献与期刊缩写-期刊全称-期刊所属学科类别的映射关系表匹配成功的5235条文献。表2展示了因变量、自变量和控制变量的统计特征及相关性。其中，因变量被引频次的取值范围为[0,2616]，被引频次最高的论文截至检索时间被引用了2616次，平均每篇论文被引用接近15次，被引频次的中位数为4次，可见大多数论文被引并不高。
自变量中，论文的参考文献平均跨越12个学科类别，中位数为11个学科类别，最多跨越59个学科类别；论文的平衡性指标平均为0.367（保留三位小数），中位数为0.625（保留三位小数），最大值为1；论文的平均学科距离为0.635（保留三位小数），中位数为0.683（保留三位小数），最大距离为0.995（保留三位小数）；论文的平均Rao-Stirling指数为0.233（保留三位小数），中位数为0.252（保留三位小数），最大为0.401（保留三位小数）。
控制变量中，每篇论文平均引用约23篇参考文献，引用文献的中位数为15篇，参考文献数最多的论文引用了462篇文献；每篇论文平均由接近5个作者合作完成，作者数量最多的论文拥有30名作者，作者数量的中位数为4名；论文的平均长度约为9页，页数的中位数为8页，最长的论文长达92页，最短的论文仅有1页；期刊论文的占比达到66.63%，会议论文占比33.37%；研究型论文占比94.67%，综述型论文占比仅占5.33%。将所有变量纳入回归后各变量的VIF值均小于5，不存在严重的多重共线性，但由于部分自变量之间的相关系数较高，后续研究中将各自变量单独纳入回归。
3.2.2 回归结果及分析
由于被解释变量为计数变量，且方差大于期望，本研究选择负二项回归模型对数据进行分析。表3展示了5235条论文数据的回归结果，各自变量均分别纳入回归模型。模型(2)、模型(4)和模型(6)的结果表明，论文参考文献的学科类别丰富性（二次项r=-0.001，p<0.01）、平衡性（二次项r=-2.675，p<0.01）、差异性（二次项r=-2.675，p<0.01）均可能与论文被引频次存在显著的倒U形曲线关系。由模型(7)和模型(8)可知，Rao-Stirling指数负向影响其被引频次（一次项r=-1.020，p<0.01，二次项不显著）。
对可能存在的曲线关系，本研究采用Lind等[55]开发的方法进行检验，检验结果如表4所示。经检验，论文参考文献的学科类别丰富性、平衡性和差异性均与论文被引频次存在显著的倒U形曲线关系，即论文参考不同学科类别的数量、学科类别分布的均衡程度及学科类别之间的差异在初期能够促进其学术影响力的提升，但当超过某个阈值后，则会抑制论文的学术影响力。其中，论文参考文献学科类别丰富性的阈值约为16（保留整数），平衡性指标的阈值约为0.514（保留三位小数），差异性的阈值约为0.474（保留三位小数）。
控制变量方面，参考文献的数量和作者的数量与论文被引次数呈显著正向关系；相较于期刊论文，会议论文获得的引用次数更少；综述型论文获得的引用次数与研究型论文的差别不明显；论文页数与其被引频次之间的关系不显著。受篇幅影响，论文发表年份（PY）的详细回归结果略去，将变量PY的回归结果标注为“Y”（Yes），表示回归时已控制年份，根据负二项回归结果，发表年份晚的论文获得的引用更少。
3.3 不同合作模式下参考文献跨学科性与论文学术影响力的关系
3.3.1 合作模式统计分析
保留作者地址信息非空的5210条论文信息，不同合作模式下各变量的统计分析结果对比情况如表5所示。独著论文（CT1）共234篇，约占全部文献数量的4.49%；同一机构内合作论文（CT2）共2481篇，约占全部文献的47.62%；同一国家/地区内不同机构合作论文（CT3）共1676篇，约占全部文献的32.17%；国际合作论文（CT4）共819篇，约占全部文献的15.72%。与合作论文相比，独著论文的平均被引频次、参考文献涉及的学科类别数、参考文献学科距离、Rao-Stirling指数都明显更低，参考文献数量更少。国际合作论文的平均被引频次、参考文献学科丰富性和差异性比其他模式下的论文更高，平衡性则更低。独著论文、同一机构合作论文中期刊论文的占比都在50%左右，而同一国家/地区不同机构合作、国际合作论文中期刊论文的占比明显更高，均超过75%，说明同机构作者合作很大比例是为参加会议，而来自不同机构、不同国家/地区的作者合作大多为了期刊投稿。
3.3.2 回归结果及比较分析
表6展示了不同合作模式下参考文献跨学科性与论文学术影响力的关系，所有自变量、因变量可能存在非线性关系的模型进行了曲线关系检验。独著论文（CT1）参考文献所属学科类别数与被引次数呈现显著正向关系（r=0.060，p<0.01），其他自变量与因变量的关系均不显著。根据回归结果可以发现，对于独著论文来说，提升参考文献的学科丰富性对增强论文学术影响力至关重要，单独作者受到个人能力的限制，在进行科学研究时需要广泛吸收不同学科类别的知识。
同一机构内合作论文（CT2）、同一国家/地区内不同机构合作论文（CT3）的回归结果均与总体情况较为相似，即参考文献的学科丰富性、平衡性、差异性与学术影响力呈倒U形曲线关系，综合指标Rao-Stirling指数与学术影响力显著负相关。其中，同一机构内合作论文在平衡性方面比同一国家/地区内不同机构合作论文更晚到达阈值。同一机构内学者因地理位置、组织机构的便利，具有客观上更为便利的合作条件，也更容易面临知识同质化的风险。对同机构合作论文而言，均衡吸收不同学科知识能够为提升学术影响力提供更为持久的增益。因此，在进行科研合作时，不宜过分集中在某些学科类别。
与其他合作论文相比，同一国家/地区内不同机构合作论文（CT3）在平衡性方面更早达到阈值，在差异性方面则更晚达到阈值。不同机构可能存在不同的制度规范、知识生产系统和组织文化，合作时均衡的学科分布意味着沟通成本的增加，因此，对同一国家/地区内不同机构的学者而言，在进行科研合作时的学科类别选择需要相对集中。来自不同机构的学者在合作客观条件上的便利性弱于同一机构内的学者，知识同质化的风险相对较低，差异化的学科合作能够为彼此补充新的研究视角，学科差异性对学术影响力的增益更为持久。
国际合作论文（CT4）在丰富性方面要比其他合作论文更晚达到阈值，在平衡性上与学术影响力呈显著负相关关系，在差异性上更早达到阈值。相较于其他合作模式下的论文，国际合作论文普遍参考更多的学科类别，平均学科丰富性更高，也更晚到达阈值。不同国家的学者往往具有较大的文化、思维、学科背景等差异，不同国家在学科发展的程度、侧重点上也存在一定区别，国际合作论文参考文献的学科差异性一般较大，也容易更早受到学科异质性带来的负面影响，因此，在进行国际合作时，需要集中在较为相关的学科类别上，这一点也能从统计数据上得到体现，国际合作论文参考文献的平均平衡性较其他合作论文更低，平均差异性则更高。
4
研究结论与启示
4.1 研究结论
本研究根据2001—2020年仿生学领域的科学论文，探讨了参考文献跨学科程度与论文学术影响力的关系，并对不同合作模式下的学科交叉情况进行了探究。具体如下：
（1）参考文献的学科丰富性倒U形影响论文的学术影响力。吸收不同学科类别知识带来的增益是有限度的，一味融合过多学科类别的知识并不会提升科学成果的价值。
（2）参考文献的学科平衡性倒U形影响论文的学术影响力。均匀参照不同学科类别的既有研究并不能无限提升论文的质量，过分均匀的学科选择也意味着学科参考不深入，而适当的学科平衡性有助于提升论文的学术影响力。
（3）参考文献的学科差异性倒U形影响论文的学术影响力。适当的学科类别差异性能够改善学术成果的质量，但这种正边际效应会逐渐减弱。远距离的探索往往与高度不确定性相关，研究人员只能在其认知范围内进行知识组合，容易获得学界认可的文献往往吸收近距离的学科知识[5]，而整合相距太远的学科类别则可能因无法找到共同点，难以产生有用的科学成果。
（4）从综合角度来看，参考文献的Rao-Stirling指数与论文的学术影响力呈显著负相关关系。高影响力的研究往往是在有明确定位的某一特定领域中实现，学科差异较大的知识在互相融合时往往存在难度，科学受众也没有足够的阅读、评估和引用非传统知识组合的能力[5]。因此，跨学科性高的论文并不一定能够受到学术界的普遍认可。
不同合作模式产出的论文在提升其学术影响力时侧重点不尽相同。具体如下：
（1）独著论文参考文献学科丰富性正向影响论文的学术影响力。单独作者受到个人能力的限制，在进行科学研究时需要广泛吸收不同学科类别的知识。
（2）同机构合作论文的参考文献在平衡性层面更晚达到阈值。同机构的学者具有客观上更为便利的合作条件，更容易面临知识同质化的风险。对同机构合作论文而言，均衡吸收不同学科的知识对提升学术影响力的增益更为持久。
（3）同国家/地区、不同机构合作论文的参考文献在平衡性层面更早到达阈值，差异性的增益则更为持久。不同机构可能存在不同的制度规范、知识生产系统和组织文化，合作时均衡的学科分布意味着沟通成本的增加。在合作客观条件上，来自不同机构的学者的便利性弱于同机构学者，知识同质化的风险相对较低，差异化的学科合作能够为彼此补充新的研究视角。
（4）国际合作论文的参考文献在丰富性层面的增益更持久，但更早在差异性层面达到阈值，平衡性则负向影响其学术影响力。国际合作论文普遍参考更多的学科类别，平均学科丰富性更高，也更晚到达阈值。来自不同国家/地区的学者往往具有较大的文化、思维、学科背景等差异，不同国家/地区在学科发展的程度、侧重点上也存在一定区别，国际合作论文容易更早面临学科异质性带来的负面影响。
4.2 研究启示
以往研究多认为参考文献的跨学科性有益于提升论文的学术影响力，本研究在仿生学领域的实验结果表明，总体而言，参考文献跨学科性抑制了论文学术影响力的提升；从丰富性、平衡性和差异性的细分角度来说，参考文献跨学科性对论文学术影响力的促进作用均存在阈值，不同合作模式下，二者的关系也存在一定差异。针对该研究结论，本研究对仿生学及其他交叉学科的发展提出如下建议：
（1）进行学科交叉科研活动时，在学科丰富性、平衡性和差异性方面均要遵循适度原则，选择与本学科距离适度、数量适当的其他学科进行交叉研究，并避免交叉研究中学科分布的过分均衡。
（2）在进行科研合作时，相关研究人员应根据合作者的性质采取不同的合作策略，同机构内的合作应尽量避免在学科类别上过分集中，不同机构之间的合作应相对集中在具有适度差异性的学科类别上，国际合作时应在差异性较小的学科类别上相对集中。
（3）积极与国际高水平机构进行交流、合作，不仅要拓宽国际合作的广度，也要加强合作科研的深度。建议结合不同国家在学科领域内的发展优势，积极与其他国家的科研人员沟通，学习对方所长，弥补自身不足，在合作中产出高质量的学术成果。
（4）高等院校应加强相关学科人才的培养，为学科进一步的发展提供人才保障。以仿生学为例，仿生学与材料科学、工程、计算机科学、化学、物理等学科息息相关，国内高校在教学实践过程中要加强学科交叉培养，打造具备工科知识、自然科学知识、人文社会科学知识的复合型人才。
此外，本研究存在一定的不足。一方面，在计算Rao-Stirling指数时，由于利用的是Leydesdorff[49]使用2015年JCR中SCI-E和SSCI构建的学科相似度矩阵，可能存在一定滞后性，且未考虑艺术与人文引文索引（Arts & Humanities Citation Index，A&HCI）中相关的学科类别。另一方面，研究使用的是截面数据，不能体现参考文献跨学科性与论文学术影响力的关系随时间变化的情况。未来研究可以基于学科类别构成的学科网络，分析领域内相关学科的演变，探索旧学科的衰弱与退出以及新学科的进入与繁荣。
参考文献
[1] 刘仲林 . 交叉科学时代的交叉研究[J]. 科学学研究, 1993, 11(2): 9-16.
[2] Steele T W, Stier J C. The impact of interdisciplinary research in the environmental sciences: a forestry case study[J]. Journal of the American Society for Information Science, 2000, 51(5):476-484.
[3] 刘雪立, 赵俊玲. 图书情报学期刊和论文的跨学科强度与其学术影响力的关系[J]. 中国科技期刊研究, 2021, 32(3): 411-417.
[4] 张雪, 刘昊, 张志强 . 不同合作模式下的学科交叉程度与文献学术影响力关系研究[J]. 情报杂志, 2021, 40(8): 164-172.
[5] Yegros-Yegros A, Rafols I, D’Este P. Does interdisciplinary re‐search lead to higher citation impact? The different effect of prox‐imal and distal interdisciplinarity[J]. PLoS One, 2015, 10(8):e0135095.
[6] 王菲菲, 贾晨冉, 刘俊婉, 等. 交叉学科中文献学术价值的成长与老化研究 ——以医学信息学为例[J]. 科学学与科学技术管理, 2018, 39(2): 11-22.
[7] Chang Y W, Huang M H. A study of the evolution of interdiscipli‐narity in library and information science: using three bibliometric methods[J]. Journal of the American Society for Information Sci‐ence and Technology, 2012, 63(1): 22-33.
[8] Larivière V, Gingras Y. On the relationship between interdisciplin‐arity and scientific impact[J]. Journal of the American Society for Information Science and Technology, 2010, 61(1): 126-131.
[9] van Houten B A, Phelps J, Barnes M, et al. Evaluating scientific impact[J]. Environmental Health Perspectives, 2000, 108(9):A392-A393.
[10] 何春建 . 单篇论文学术影响力评价指标构建[J]. 图书情报工作, 2017, 61(4): 98-107.
[11] 杨思洛. 引文分析存在的问题及其原因探究[J]. 中国图书馆学报, 2011, 37(3): 108-117.
[12] 宋歌. 网络分析方法在引文分析中的整合研究[J]. 中国图书馆学报, 2011, 37(4): 106-114.
[13] 王雯霞, 刘春丽. 不同学科间论文影响力评价指标模型的差异性研究[J]. 图书情报工作, 2017, 61(13): 108-116.
[14] Cheung M K. Altmetrics: too soon for use in assessment[J]. Na‐ture, 2013, 494(7436): 176.
[15] Sugimoto C R, Ni C Q, Russell T G, et al. Academic genealogy as an indicator of interdisciplinarity: an examination of disserta‐tion networks in Library and Information Science[J]. Journal of the American Society for Information Science and Technology,2011, 62(9): 1808-1828.
[16] Abramo G, DAngelo C A, Di Costa F. Identifying interdisciplin‐arity through the disciplinary classification of coauthors of scien‐tific publications[J]. Journal of the American Society for Informa‐tion Science and Technology, 2012, 63(11): 2206-2222.
[17] 张琳, 孙蓓蓓, 黄颖. 跨学科合作模式下的交叉科学测度研究——以 ESI 社会科学领域高被引学者为例[J]. 情报学报, 2018, 37(3): 231-242.
[18] Porter A L, Cohen A S, Roessner J D, et al. Measuring researcher interdisciplinarity[J]. Scientometrics, 2007, 72(1): 117-147.
[19] Wang X F, Wang Z N, Huang Y, et al. Measuring interdisciplinari‐ty of a research system: detecting distinction between publication categories and citation categories[J]. Scientometrics, 2017, 111(3): 2023-2039.
[20] 黄颖, 高天舒, 王志楠, 等 . 基于 Web of Science 分类的跨学科测度研究[J]. 科研管理, 2016, 37(3): 124-132.
[21] 黄颖, 张琳, 孙蓓蓓, 等. 跨学科的三维测度——外部知识融合、内在知识会聚与科学合作模式[J]. 科学学研究, 2019, 37(1): 25-35.
[22] 华萌, 陈仕吉, 周群, 等 . 多学科期刊论文学科划分方法研究[J]. 情报杂志, 2015, 34(5): 76-80, 22.
[23] 章成志, 吴小兰 . 跨学科研究综述[J]. 情报学报, 2017, 36(5):523-535.
[24] 张 雪, 张 志 强 . 学 科 交 叉 研 究 系 统 综 述[J]. 图 书 情 报 工 作,2020, 64(14): 112-125.
[25] Stirling A. A general framework for analysing diversity in sci‐ence, technology and society[J]. Journal of the Royal Society, In‐terface, 2007, 4(15): 707-719.
[26] Rafols I, Meyer M. Diversity and network coherence as indica‐tors of interdisciplinarity: case studies in bionanoscience[J]. Sci‐entometrics, 2010, 82(2): 263-287.
[27] Porter A L, Chubin D E. An indicator of cross-disciplinary re‐search[J]. Scientometrics, 1985, 8(3): 161-176.
[28] Porter A L, Rafols I. Is science becoming more interdisciplinary?Measuring and mapping six research fields over time[J]. Sciento‐metrics, 2009, 81(3): 719-745.
[29] Leydesdorff L, Rafols I. Indicators of the interdisciplinarity of journals: diversity, centrality, and citations[J]. Journal of Infor‐metrics, 2011, 5(1): 87-100.
[30] Hamers L, Hemeryck Y, Herweyers G, et al. Similarity measures in scientometric research: the Jaccard index versus Salton’s co‐sine formula[J]. Information Processing & Management, 1989, 25(3): 315-318.
[31] Chen K H, Liang C F. Disciplinary interflow of library and infor‐mation science[J]. Journal of Library and Information Studies,2004, 2(2): 31-55.
[32] Shannon C E. A mathematical theory of communication[J]. Bell System Technical Journal, 1948, 27(4): 623-656.
[33] Simpson E H. Measurement of diversity[J]. Nature, 1949, 163(4148): 688.
[34] Brillouin L, Hellwarth R W. Science and information theory[J].Physics Today, 1956, 9(12): 39-40.
[35] Grant R M, Jammine A P, Thomas H. Diversity, diversification,and profitability among British manufacturing companies, 1972-84[J]. Academy of Management Journal, 1988, 31(4): 771-801.
[36] Montgomery C A, Wernerfelt B. Diversification, ricardian rents,and Tobin’s Q[J]. The RAND Journal of Economics, 1988, 19(4): 623-632.
[37] Zhang L, Rousseau R, Glänzel W. Diversity of references as an indicator of the interdisciplinarity of journals: taking similarity between subject fields into account[J]. Journal of the Association for Information Science and Technology, 2016, 67(5): 1257-1265.
[38] Bromham L, Dinnage R, Hua X. Interdisciplinary research has consistently lower funding success[J]. Nature, 2016, 534(7609):684-687.
[39] Leydesdorff L, Wagner C S, Bornmann L. Interdisciplinarity as diversity in citation patterns among journals: Rao-Stirling diversi‐ty, relative variety, and the Gini coefficient[J]. Journal of Infor‐metrics, 2019, 13(1): 255-269.
[40] Leydesdorff L. Betweenness centrality as an indicator of the inter‐disciplinarity of scientific journals[J]. Journal of the American So‐ciety for Information Science and Technology, 2007, 58(9): 1303-1319.
[41] 李长玲, 纪雪梅, 支岭. 基于E-I指数的学科交叉程度分析——以情报学等5个学科为例[J]. 图书情报工作, 2011, 55(16): 33-36.
[42] Egghe L, Rousseau R. BRS-compactness in networks: theoretical considerations related to cohesion in citation graphs, collabora‐tion networks and the Internet[J]. Mathematical and Computer Modelling, 2003, 37(7/8): 879-899.
[43] 陈赛君, 陈智高. 领域交叉性分析指标与方法新探及其实证研究[J]. 情报学报, 2013, 32(11): 1184-1195.
[44] Qin J, Lancaster F W, Allen B. Types and levels of collaboration in interdisciplinary research in the sciences[J]. Journal of the American Society for Information Science, 1997, 48(10): 893-916.
[45] 王文平, 刘云, 何颖, 等. 国际科技合作对跨学科研究影响的评价研究——基于文献计量学分析的视角[J]. 科研管理, 2015, 36(3): 127-137.
[46] 路甬祥. 仿生学的意义与发展[J]. 科学中国人, 2004(4): 22-24.
[47] ESI journal list[EB/OL]. [2021-12-30]. http://esi.help.clarivate.com/Content/journal-list.htm.
[48] Wang J, Thijs B, Glänzel W. Interdisciplinarity and impact: dis‐tinct effects of variety, balance, and disparity[J]. PLoS One,2015, 10(5): e0127298.
[49] Leydesdorff L. A method for generating overlay maps on the ba‐sis of aggregated journal-journal citation relations in 2015[EB/OL]. [2021-12-30]. http://www.leydesdorff.net/wc15/index.htm.
[50] 梁春慧, 孙艳, 万跃华 . 高被引论文的参考文献特征研究——以化学领域为例的实证分析[J]. 科技与出版, 2014(7): 119-122.
[51] Smart J C, Bayer A E. Author collaboration and impact: a note on citation rates of single and multiple authored articles[J]. Sciento‐metrics, 1986, 10: 297-305.
[52] Card D, DellaVigna S. Page limits on economics articles: evi‐dence from two journals[J]. Journal of Economic Perspectives,2014, 28(3): 149-168.
[53] 孟璀, 吴培群, 于发友 . 论文学术影响力及其影响因素的实证分析——以 CNKI 平台的教育内容分析论文为例[J]. 科研管理, 2017, 38(S1): 536-542.
[54] Gazni A, Didegah F. Investigating different types of research col‐laboration and citation impact: a case study of Harvard Universi‐ty’s publications[J]. Scientometrics, 2011, 87(2): 251-265.
[55] Lind J T, Mehlum H. With or without U? The appropriate test for a U-shaped relationship[J]. Oxford Bulletin of Economics and Statistics, 2010, 72(1): 109-118.
制版编辑 | 李 静
审核 | 王海燕
国家自然科学基金管理学部A类期刊
全国中文核心期刊
CSSCI来源期刊
《中国人民大学复印报刊资料》重要转载来源期刊
CSTPCD（中国科技论文与引文数据库）收录期刊
NSSD （国家哲学社会科学学术期刊数据库）
长按扫描二维码 ｜ 关注我们
情报学报官网：qbxb.istic.ac.cn
邮箱：qbxb@istic.ac.cn
电话：010-68598273
欢迎投稿！
【免责声明】本公众号主要发布《情报学报》期刊的录用文章，或转载其他媒体与网站的图文资讯。文章仅代表作者本人观点，本公众号对文中陈述、观点判断保持中立。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。抄袭本文至其他渠道者引发的一切纠纷与本公众号平台无关。