[论文解读] Eugene Garfield and Algorithmic Historiography: Co-Words, Co-Authors, and Journal Names

Loet Leydesdorff|arXiv (Cornell University)|May 29, 2010

Digital Humanities and Scholarship参考文献 49被引用 18

一句话总结

本文提出一种基于共现词、共著作者和期刊名称的算法史学方法，用于可视化和动态呈现Eugene Garfield学术产出的知识演化过程。通过将这些书目变量随时间变化的多维尺度分析（MDS）应用于其研究脉络，该方法重构了Garfield的知识谱系与学术网络动态演变，展示了此类数据如何被用于实时动态呈现与分析科学史。

ABSTRACT

Algorithmic historiography was proposed by Eugene Garfield in collaboration with Irving Sher in the 1960s, but further developed only recently into HistCite^{TM} with Alexander Pudovkin. As in history writing, HistCite^{TM} reconstructs by drawing intellectual lineages. In addition to cited references, however, documents can be attributed a multitude of other variables such as title words, keywords, journal names, author names, and even full texts. New developments in multidimensional scaling (MDS) enable us not only to visualize these patterns at each moment of time, but also to animate them over time. Using title words, co-authors, and journal names in Garfield's oeuvre, the method is demonstrated and further developed in this paper (and in the animation at http://www.leydesdorff.net/garfield/animation). The variety and substantive content of the animation enables us to write, visualize, and animate the author's intellectual history.

研究动机与目标

• 开发一种基于引用之外的书目元数据来重构学者学术思想史的方法。
• 展示多维尺度分析（MDS）如何可视化并动态呈现随时间演变的学术网络。
• 通过标题词、共著作者与期刊名称作为分析维度，拓展Garfield的算法史学概念。
• 通过数据驱动的动画，提供Garfield学术演化的动态可视化表达。
• 以Garfield本人的学术成果作为案例研究，验证该方法在知识谱系重构中的有效性。

提出的方法

• 该方法利用Garfield发表文献中标题词、共著作者与期刊名称的共现网络。
• 应用多维尺度分析（MDS）将这些共现模式的高维结构降维为可视觉化的空间构型。
• 将MDS地图的时间序列进行动态化处理，以展示知识聚类随时间的演变过程。
• 将每个书目变量（如关键词、期刊）视为可视化学术影响力时的独立维度。
• 利用Garfield发表文献中的数据生成动画，其时间戳元数据支持按时间顺序重建。
• 该方法建立在HistCite™基础之上，并通过将非引用变量整合进史学框架，实现进一步拓展。

实验结果

研究问题

• RQ1 如何利用文章标题中的共现词来追踪学者在时间维度上的知识主题演变？
• RQ2 共著作者网络在何种方式上反映了学者合作研究结构的演变？
• RQ3 期刊名称如何作为学者职业生涯中学科归属与知识定位的指示指标？
• RQ4 多维尺度分析能否有效可视化并动态呈现跨多个书目维度的学术网络动态结构？
• RQ5 在多大程度上，算法史学能够利用非引用数据重构学者的知识谱系？

主要发现

• 该方法成功通过共现词、共著作者与期刊名称的动态时间排序MDS图，可视化了Garfield的知识史。
• 标题词中的共现模式揭示了研究重点的转变，例如从引文分析向信息科学的过渡。
• 共著作者网络显示出合作集群的发展，包括随时间演变的关键合作关系。
• 期刊名称的共现关系凸显了Garfield在信息科学与文献计量学核心期刊中的参与度。
• 这些模式的动态呈现提供了对知识谱系与学术演化过程的全面、实时可视化。
• 整合多种书目变量显著提升了算法史学的深度与准确性，超越了基于引用的方法。