[论文解读] Social Network Analysis: Bibliographic Network Analysis of the Field and its Evolution / Part 1. Basic Statistics and Citation Network Analysis

Daria Maltseva, Vladimir Batagelj|arXiv (Cornell University)|Dec 14, 2018

Complex Network Analysis Techniques参考文献 18被引用 8

一句话总结

本研究运用书目网络分析方法，基于Web of Science收录的70,000余篇文献，绘制社会网络分析（SNA）的演化图谱。通过构建引用网络、作者网络、关键词网络和期刊网络，并应用搜索路径计数、概率流和岛屿分析方法，识别出关键文献、作者与期刊，揭示了SNA研究从社会科学主导向2000年后‘物理学家的入侵’的转变，以及自2010年代起动态动物SNA子领域的兴起。

ABSTRACT

In this paper, we present the results of the study on the development of social network analysis (SNA) discipline and its evolution over time, using the analysis of bibliographic networks. The dataset consists of articles from the Web of Science Clarivate Analytics database and those published in the main journals in the field (70,000+ publications), created by searching for the key word "social network*." From the collected data, we constructed several networks (citation and two-mode, linking publications with authors, keywords and journals). Analyzing the obtained networks, we evaluated the trends in the field`s growth, noted the most cited works, created a list of authors and journals with the largest amount of works, and extracted the most often used keywords in the SNA field. Next, using the Search path count approach, we extracted the main path, key-route paths and link islands in the citation network. Based on the probabilistic flow node values, we identified the most important articles. Our results show that authors from the social sciences, who were most active through the whole history of the field development, experienced the "invasion" of physicists from 2000's. However, starting from the 2010's, a new very active group of animal social network analysis has emerged.

研究动机与目标

• 利用书目数据绘制社会网络分析（SNA）领域的历史发展与结构演化图谱。
• 识别塑造SNA研究格局的关键文献、作者、期刊与关键词。
• 分析学科贡献的变化，特别是从社会科学向自然科学的转变，以及动物SNA的兴起。
• 应用高级网络分析技术（如搜索路径计数、概率流和岛屿检测）以揭示SNA文献中的核心知识路径。
• 评估书目数据库在捕捉科学领域发展全貌方面的可靠性与覆盖局限。

提出的方法

• 从Web of Science检索的70,000余篇以关键词“social network*”获取的文献中，构建引用网络、两型网络（文献-作者、文献-关键词、文献-期刊）以及共引网络。
• 应用搜索路径计数方法，识别引用网络中的主路径与关键路径，突出最具影响力的引用序列。
• 使用概率流节点值对文献进行中心性与影响力排序，评估其在引用网络中的作用。
• 在引用网络中识别‘岛屿’——即局部密集的子网络——以检测具有凝聚力的研究集群与主题子群。
• 筛选数据集，仅保留具有完整Web of Science（WoS）描述的文献，以提升数据质量与一致性。
• 结合定量指标（引用次数、文献数量）与网络拓扑结构，评估期刊、作者与关键词的影响力。

实验结果

研究问题

• RQ1 社会网络分析领域历史上最具影响力的文献、作者与期刊有哪些？
• RQ2 SNA研究的学科构成如何随时间演变，特别是从社会科学向自然科学的转变过程是怎样的？
• RQ3 通过引用网络分析，SNA领域的主要知识路径是什么？
• RQ4 不同子领域（如动物社会网络分析）如何在SNA整体格局中兴起并获得显著地位？
• RQ5 网络分析技术（如概率流与岛屿检测）在揭示SNA文献中具有意义的结构子群方面，其有效性如何？

主要发现

• SNA相关文献数量大约每三年翻一番，表明该领域持续且加速增长。
• 被引最多的文献主要来自社会科学家，包括Granovetter（1973）关于弱连接的研究、White（1976）关于块模型的研究，以及Cartwright（1956）关于结构平衡的研究。
• 自2000年代起，Newman、Albert、Strogatz与Boccaletti等物理学家成为主要贡献者，标志着SNA领域出现‘物理学家的入侵’。
• 自2010年代起，动物社会网络分析领域涌现出一个新且高度活跃的研究群体，*Animal Behaviour*等期刊及知名作者发挥了关键作用。
• *Social Networks*期刊在文献数量上排名靠前，但总体被引用次数较少，表明其在引用网络中的影响力与可见度之间存在差距。
• 在最大子网络中，通过概率流与主路径分析识别出的前14篇文献，涵盖了社会科学家与物理学家的奠基性工作，表明核心知识传统实现了融合。