[论文解读] Main-path analysis and path-dependent transitions in HistCite(TM)-based historiograms

Diana Lucio‐Arias, Loet Leydesdorff|ArXiv.org|Nov 7, 2009

Semantic Web and Ontologies被引用 4

一句话总结

本文通过整合社会网络分析与信息论，增强基于 HistCite™ 的历史图谱，以识别科学引文网络中的主要路径与路径依赖性转换。研究揭示了知识演化如何受累积性、非线性路径的影响，提供了超越简单引文计数的科学发展的更深层次洞察。

ABSTRACT

With the program HistCite(TM) it is possible to generate and visualize the most relevant papers in a set of documents retrieved from the Science Citation Index. Historical reconstructions of scientific developments can be represented chronologically as developments in networks of citation relations extracted from scientific literature. This study aims to go beyond the historical reconstruction of scientific knowledge, enriching the output of HistCite(TM) with algorithms from social network analysis and information theory.

研究动机与目标

• 将 HistCite™ 对科学引文网络的可视化从静态历史重建扩展至更深层次的分析。
• 利用网络分析与信息论识别科学文献中最具影响力的引文路径。
• 通过路径依赖性转换建模科学知识如何演化，而非线性进步。
• 通过分析引文网络动态，提供对科学发展的更细致理解。

提出的方法

• 利用 HistCite™ 从科学引文索引数据中提取并可视化引文网络。
• 应用主路径分析，识别最常被引述且最具影响力的引文序列。
• 采用社会网络分析技术，评估关键论文的中心性与结构重要性。
• 整合信息论，量化引文路径上的信息流动与可预测性。
• 通过分析时间序列上引文的概率与顺序，建模路径依赖性转换。
• 结合上述方法，生成反映影响力与动态转换的增强型历史图谱。

实验结果

研究问题

• RQ1 科学文献中的哪些引文路径代表了知识发展的最具影响力轨迹？
• RQ2 路径依赖性转换如何随时间塑造科学领域的演化？
• RQ3 引文网络在多大程度上表现出非线性、累积性的发展模式，而非线性进步？
• RQ4 信息论在识别引文网络中关键知识路径方面能发挥何种增强作用？

主要发现

• 主路径分析成功识别出最具影响力的引文序列，揭示了科学领域中的主导知识演化轨迹。
• 路径依赖性转换普遍存在，表明科学发展的形成受历史偶然性影响，而非纯粹的逻辑演进。
• 信息论的整合提升了高信息含量路径的检测能力，凸显了知识演化中的关键转换节点。
• 增强的历史图谱相较于标准 HistCite™ 输出，提供了更具动态性与信息量的科学演化视图。
• 关键论文不仅被广泛引用，且在引文网络中占据结构中心位置，影响多条路径。
• 该方法揭示科学进步通常遵循非线性、分支型路径，存在多种潜在转换，反映了知识扩散在现实世界中的复杂性。