《信息来源特征对科学知识采纳的影响研究--石静,吴柯烨,孙建军》

  • 来源专题:数智化图书情报
  • 编译者: 黄雨馨
  • 发布时间:2023-10-10
  • 信息来源特征对科学知识采纳的影响研究--石静,吴柯烨,孙建军

    石静,吴柯烨,孙建军

    1. 南京大学数据智能与交叉创新实验室,江苏 南京 210023

    2. 南京大学信息管理学院,江苏 南京 210023

    摘要

    [目的/意义] 科学研究为技术创新提供知识基础,技术创新吸收利用科学知识是重要的技术创新方式。在技术创新过程中被采纳的科学知识,作为基础研究与技术创新的桥梁,其特征对采纳效果的提升发挥着重要作用。前人研究证明,知识的来源特征作为一种便捷的价值呈现方式,会对受众的注意力分配与信息筛选过程产生影响。但这种影响在从科学到技术这一跨界信息传播过程中是否存在、有何表现,仍待探究。[方法/过程] 本研究从专利引用论文的视角探究技术对科学知识的采纳,构建1800—2018年全领域专利引用论文的数据集,测度科学知识的来源特征,分析其分布情况、变化趋势,并进一步构建回归数据集,使用回归模型,探究来源特征对采纳强度、采纳速度、采纳广度的影响。[结果/结论] 结果显示:①科技融合创新成为趋势,创新活动更加精细化,科学知识被技术采纳的速度提升,但广度与强度降低;②科学知识来源特征显著影响采纳效果,来自更高影响力生产者与传播者的科学知识,效果更好;③科学知识的技术采纳过程具有明显的学科领域差异,实践性较强的领域科学知识利用虽然更多、更迅速,但这些知识往往不能产生较强的技术影响力。

    关键词

    科技创新 / 知识采纳 / 来源特征 / 效果评估 / 专利引用

相关报告
  • 《融合网络结构特征的学科新兴主题识别方法研究》

    • 编译者:程冰
    • 发布时间:2025-10-20
    • 学科新兴主题识别是及时发现科技创新发展动态、追踪学科发展趋势的有效方法。学科新兴主题的涌现是一个复杂的过程,不仅受科学交流过程的影响还受网络自组织过程的影响。学科新兴主题的网络结构在一定程度上嵌入了其特有性质。本文在常见科学交流属性特征的基础上,融合学科主题在网络中的全局和局部网络结构特征,通过随机匹配生成标准实验数据集,先后运用多指标加权融合方法与机器学习分类方法识别学科新兴主题。研究结果表明,多指标加权融合方法对识别影响力排序靠前的学科主题表现较好。但是,高影响力主题仅占60%,低于随机森林分类识别模型的最优性能64.14%,这表明机器学习分类识别方法在拟合复杂过程方面具有优势,而多指标加权融合方法更适用于关注顶尖影响力主题的任务。机器学习可解释分析结果表明,吸纳引用频次较多、网络影响力较高、论文发表较多、关注作者影响力与期刊影响力较强对高影响力主题识别起正向作用;与之相反,结构突变程度高对学科新兴主题识别有负向作用。
  • 《将世界科学知识组织起来》

    • 来源专题:图书情报
    • 编译者:xuxue
    • 发布时间:2020-03-29
    • 研究是社会进步的基本支柱。研究使我们能够使用手中的小型数字设备与全世界联系起来,研究促进医学发展,治愈了以前致命的疾病,如艾滋病。我们每年花费超过2万亿欧元用于通过研究获取新知识,相当于意大利每年的国内生产总值。然而,目前研究并不是一项好的投资,每年都有越来越多的投资被浪费。原因在于,为了展示和分享研究成果,我们使用了许多世纪前的过时方法。 为了促进知识交流,研究人员通过构建知识图谱能更容易得到某一领域的最新技术,并按照更准确的方法实现技术。因此,不同的研究成果可以无缝集成,便于加速科学发现,以解决未来几十年的重大挑战,如传染性疾病。 ScienceGRAPH项目的成员Markus Stocker博士解释道,“我们正在努力将开放研究知识图谱(Open Research Knowledge Graph,简称ORKG)整合到研究流程中”,该项目由欧盟出资200万欧元,作为欧洲研究理事会资助的一部分。要解决这些巨大的挑战,就需要跨学科,把不同学科的知识点组织起来,而基于知识图谱的方法将大大简化这一组织过程。