我国信息资源管理学科及其邻近学科视角下的新兴主题识别.pdf

理论研究我国信息资源管理学科及其邻近学科视角下的新兴主题识别*钱旦敏，楼筱湾，王华麟，王文敬，马野青*本文系教育部人文社会科学研究基金项目“新市民公共卫生信息精准化服务模式研究”（项目编号：17YJCZH140）研究成果。摘要文章通过对我国信息资源管理学科及其邻近学科新兴主题的识别研究，为我国信息资源管理学科领域学者提供研究方向，并为信息资源管理学科与邻近学科开展合作研究提供思路，助力信息资源管理学科守正创新、挖掘学科内在发展机制、支撑科技战略决策和前瞻学科应用价值。首先以CJFD中“图书情报与数字图书馆”类文献作为信息资源管理学科研究对象，将与该学科同属于一级类目“信息科技”下的其他9个二级类目作为信息资源管理邻近学科纳入研究对象；检索CJFD中这10个学科自2012年至今的高影响力文献，并提取关键词。然后选用AP算法对关键词进行主题聚类，利用灰预测模型自建新兴主题探测指标，识别信息资源管理学科新兴主题；自建主题友好度指标，识别信息资源管理邻近学科友好型新兴主题。最终模型识别并验证得出5个信息资源管理学科新兴主题：在线健康社区、信息资源管理学科建设、公共文化服务、学术影响力、数字记忆；在此基础上得到邻近学科中与信息资源管理学科有高友好度的5个邻近学科友好型新兴主题：机器学习、数字治理、融媒体、学术期刊与新媒体、数智赋能。关键词信息资源管理新兴主题识别AP算法灰预测模型引用本文格式钱旦敏，楼筱湾，王华麟，等.我国信息资源管理学科及其邻近学科视角下的新兴主题识别J.图书馆论坛，2023，43（9）：54-64.Identification of the Emerging Themes from the Perspective of InformationResource Management and Its Adjacent Disciplines in ChinaQIAN Danmin，LOU Xiaowan，WANG Hualin，WANG Wenjing&MA YeqingAbstractBy identifying the emerging topics of Chinese Information Resource Management discipline and itsneighbouring disciplines，this paper provides research directions for Chinese scholars in the field of InformationResource Management（IRM），and offers ideas for the collaborative research between IRM discipline and itsadjacent disciplines，helping IRM discipline to innovate on the basis of tradition，explore the internaldevelopment mechanism，support the strategic decision-making in science and technology and foresee itsapplication value.This article takes the literature of“Library，Information and Digital Library”，whichrepresents the IRM discipline，in CJFD as the object of study，together with that of the other 9 secondarycategories under the same primary category of Information Technology，which represents the neighbouringdisciplines.It retrieves the high-impact articles of the ten disciplines in CJFD since 2012 and extracts theirkeywords.It uses the AP algorithm to cluster the keywords and creates a detection index for the identification ofemerging topics in the discipline of Information Resource Management，based on the grey prediction model.Forother adjacent disciplines，a theme-friendly index is developed to identify the friendly emerging topics.This studyidentifies and validates 5 emerging themes in the Information Resource Management discipline，namely onlinehealth community，development of IRM discipline，public cultural service，academic influence and digital542023年第9期理论研究0引言当前信息技术是重塑世界竞争格局的重要力量1，相关学科建设日益重要。2021年12月10日，国务院学位委员会办公室发布的关于对博士、硕士学位授予和人才培养学科专业目录及其管理办法征求意见的函将“图书情报与档案管理”(以下简称“图情档”)一级学科更名为“信息资源管理”。信息资源管理学科展现出了广阔的发展前景。敏锐抓取信息资源管理学科新兴主题，能够为信息资源管理领域学者提供研究方向，进而推动信息资源管理学科创新发展。中国制造2025强调把握未来科技趋势并寻求学科交叉融合的重要意义2，以有效解决单一学科很难甚至无法解决的复杂问题。因此，探索友好邻近学科影响下的信息资源管理学科新兴主题，可以为信息资源管理学科与邻近学科的协作研究提供新的思路。基于上述考虑，笔者提出构建一种基于邻近学科友好度的信息资源管理学科新兴主题识别模型。笔者选用AP算法，利用灰色预测模型构建新兴主题探测指标TD-TA(ThemeDetection&Theme Age)，以及邻近学科主题友好度指标SFr(Subject Friendliness)，进行信息资源管理学科新兴主题及其友好型主题识别，以期为信息资源管理学科与邻近学科开展合作研究提供创新思路，为信息资源管理领域发展注入新的活力，以达到学科融合、相得益彰的效果。同时也为认知学科内在发展机制、支撑我国科技战略决策、预见学科未来应用价值提供方向。1文献综述关于信息资源管理学科主题研究，宋艳辉等从数量、时间、导师维度揭示1994-2018年间信息资源管理学科博士学位论文中不同研究主题的发展趋势及演变过程3。闫慧等4比较国内外信息资源管理学科的研究热点主题，探索学术热点主题与学科发展的关系。陈仕吉等5从大数据研究的整体视角分析图情领域大数据的研究主题，进一步讨论研究发展趋势。Kim等6对信息资源管理学科学术论文的标题和摘要进行动态主题建模，以分析研究主题趋势。Han等7利用潜在Dirichlet分配模型进行信息资源管理学科潜在主题识别。Ma等8对图书情报学研究主题与方法的演变与变迁进行了研究。综上，现阶段信息资源管理学科的主题研究聚焦于热点主题及其发展趋势，对新兴主题的研究相对罕见。关于新兴主题研究方法，杨金庆等9认为基于科技文献元数据的新兴主题识别多从计量学理论出发量化新兴主题特征属性。白敬毅等10提出基于主题模型和曲线拟合的新兴主题趋势预测方法。陈稳等11建立融合计量指标多变量的LSTM模型以实现新兴主题热度的预测。Huang等12将链接预测模型与机器学习技术相结合，提出基于动态共词网络分析的新兴主题识别框架。Bisma等13提出基于复杂网络分析的方法来分析最新文献，进而探测通信网络领域潜在的主题和新出现的趋势。Shen等14提出分解、开源、灵活的自然语言处理和文本挖掘方法，用于新兴主题检测。Cai等15采用ML主题探测方法分析金融领域新兴主题。当前学者多采用大数据模型进行研究，但新兴主题研究存在早期信息不足、关键词变化趋势分布极不均衡、大样本模型表现较差等现象，因此用大数据模型研究会导致大部分识别方法的效果与预期存在差距16。关于信息资源管理学科新兴主题研究，李长玲等17构建信息资源管理学科作者潜在跨学科合作度指数模型，运用VBA语句抽取信息资源管理与计算机学科的交叉研究主题，计算各主题的两学科作者间潜在跨学科合作度，并识别潜在跨学科合作组合。Dong等18集成共现网络分析、高memory.On this basis，it obtains five friendly emerging topics in the neighbouring disciplines that are highlyfriendly to the IRM discipline：machine learning，digital governance，convergence media，academic journalsand new media，digital intelligence empowerment.Keywordsinformationresourcesmanagement；emergingthemeidentification；APalgorithm；greypredictionmodel55理论研究TI术语分析和突发检测多种方法，提出一种从科学文献中识别和预测跨学科主题的集成方法，为信息资源管理跨学科主题识别提供了一个整体视角。Xu等19提出主题术语跨学科性(TI)指标，利用TI值和Bet值、术语频率值等确定信息资源管理跨学科主题，并基于社会网络和时间序列分析跨学科科学的演变。可见，信息资源管理学科主题识别研究成果中，已有学者进行跨学科视域的主题识别研究，但尚未发现信息资源管理新兴主题识别研究。另外，在跨学科研究中，数据分析仅局限在信息资源管理与所跨某一学科中，且无学科间友好度测量指标，跨学科领域亦有待扩展。纵观已有研究发现：(1)相比信息资源管理学科热点主题研究，新兴主题有较大研究空间。(2)新兴主题研究存在前期数据不足等特征，灰预测作为对含有不确定因素的系统进行小样本预测的方法，正好弥补其研究样本不足的难点，但尚未发现有学者用灰预测进行信息资源管理学科新兴主题研究20。(3)在少数已有的跨学科主题识别研究中，数据分析范围和学科间友好度测量有待进一步扩展。综上，笔者基于灰预测构建新兴主题探测指标TD-TA，将一级类目下其他多个二级学科作为邻近学科数据来源，并自建邻近学科主题友好度指标SFr，量化信息资源管理学科与邻近学科合作发展关系度。2研究思路与方法2.1研究思路为有效识别信息资源管理学科新兴主题，笔者提出一种基于GM(1，1)的信息资源管理学科新兴主题识别模型。以中国知网的中国期刊全文数据库(CJFD)中信息资源管理学科及其邻近学科的高影响力文献作为数据源。首先，根据笔者构建的新兴主题探测指标，识别本学科新兴主题(Emerging Theme，简称ETn)。然后，考虑信息资源管理学科与信息资源管理邻近学科之间的联系与影响，识别信息资源管理邻近学科友好型新兴主题ET*m，以期通过识别出信息资源管理学科在受到邻近学科影响下的新兴主题，为本领域学者提供研究方向，并为信息资源管理学科与邻近学科开展合作研究提供思路。新兴主题识别方法框架如图1所示，包括3个阶段：AP算法获取研究主题、新兴主题探测指标识别信息资源管理学科新兴主题、构建友好度指标识别邻近学科友好型新兴主题。2.2ETn和ET*m聚类算法采用AP算法21对信息资源管理及其邻近学科的关键词进行聚类分析。构建关键词共现矩阵见式(1)，其中Nij表示关键词i和关键词j同时出现的次数，当i=j时表示关键词i出现的次数，可简写为Ni；利用Jaccard系数见式(2)，将共现矩阵转换为相关矩阵22见式(3)，其中Jij表示关键词i和j的相似度，Jij越大，关键词i和j的相似度越高。N1N12 N1nN21N2 N2n Nn1Nn2 Nn(1)Jij=Nij(Ni+Nj-Nij)(2)1 J12 J1nJ211 J2n Jn1Jn2 1(3)AP 算法一般以相似度矩阵 S 作为输入信息，并将其对角线元素赋为同一值P，称为偏图1信息资源管理学科新兴主题识别方法框架图信息资源管理邻近学科友好型新兴主题ET*m主题友好度SFr交集关键词邻近学科关键词主题年龄TA主题发展度TD增长性指标&发展潜力指标新颖性指标信息资源管理学科新兴主题ETn聚类结果AP算法关键词第一阶段：获取研究主题第二阶段：识别信息资源管理学科新兴主题第三阶段：寻找信息资源管理学科与邻近学科友好的新兴主题562023年第9期理论研究向参数，P值大小决定每个样本最初被选作簇代表点的可能性，与簇的数量成正相关，因此可通过调整P值设定簇的数量23。算法通过迭代更新吸引度r(i，k)和归属度a(i，k)实现聚类，采用Jaccard相似系数的AP算法流程见下22。定义相似度矩阵元素S(i，k)，如式(4)，令a(i，k)=0：S(i，k)=Jik，ikp，i=k(4)依据式(5)和式(6)对 r(i，k)和 a(i，k)进行更新：r(i,k)S(i,k)-maxks.t.kka(i,k)+s(i,k)(5)a(i,k)=min0,r(k,k)+is.t.ii,kmax0，r(i,k),ikis.t.ikmax0,r(i,k),i=k(6)引入阻尼系数，由式(7)消除可能出现的震荡：rnew(i,k)=rold(i,k)+(1-)r(i,k)anew(i,k)=aold(i,k)+(1-)a(i,k)(7)其中，(01)越大，其对震荡的消除效果越佳，一般将其设为0.923。通过式(8)确定每一个样本i的簇代表点ci：ciarg max1kna(i,k)+i(i,k)(8)当迭代更新10次后，所有样本的簇代表点仍保持不变或达到预先设置的最大迭代次数时算法结束，否则转到步骤继续执行。2.3信息资源管理学科新兴主题ETn识别2.3.1主题趋势预测模型GM(1，1)灰色系统理论是一种解决信息不完备系统的数学方法，可用于分析小样本、不完全信息的系统问题24。灰色预测GM(1，1)模型的建模过程，首先是将无规律的原始数据进行累加，得到规律性较强的生成数列；然后进行建模，由模型得到数据再进行累减得到原始数据的预测值；最后，进行预测25。由于GM(1，1)能满足新兴主题具有的灰色性、不确定性和可收集关键词样本数量不足等特点，故运用GM(1，1)对信息资源管理学科未来新兴主题进行识别。为保证建模方法的可行性，对数据进行级比检验，见下。(k)=x0(k-1)x0(k)(9)若 所 有 级 比 均 落 在 可 容 覆 盖 区 间 x=(e-2n+1,e-2n+2)内，则满足条件，建立模型。GM(1，1)模型构建流程25见下。设原始数据集：x(0)=(x(0)(1)，x(0)(2)，x(0)(3)，x(0)(4)，x(0)(n)(10)计算一次累加生成序列：x(1)=(x(1)(1)，x(1)(2)，x(1)(3)，x(1)(4)，x(1)(n)(11)其中，x(1)(k)=i=1kx(0)(i)(12)计算x(1)的均值生成序列：z(1)=(z(1)(2)，z(1)(3)，z(1)(4)，z(1)(n)(13)其中，z(1)(k)=0.5x(1)(k)+x(1)(k-1)，k=2，3，4，n(14)建立灰微分方程：x(0)(k)+az(1)(k)=b,k=2，3，4，n(15)建立对应的白化微分方程：dx(1)dt+ax(1)(t)=b(16)根据步骤给出的方程组，通过最小二乘法求出a、b的最优解：u=a,bT，Y=x(0)(2),x(0)(3),x(0)(n)T，B=-z(1)(2)1-z(1)(3)1-z(1)(n)1(17)u=a,bT=(BTB)-1BTY(18)求解方程得到预测值：x(1)(k+1)=xx(0)(1)-bae-ak+ba,k=1,2,n-1(19)累减还原得到原始数据序列：x(0)(k+1)=x(1)(k+1)-x(1)(k),k=1,2,n-1(20)进行残差检验：(k)=x(0)(k)-x(0)(k)(21)这里x(0)(1)=x(0)(1)，(k)代表平均绝对残差，值越小说明拟合效果越好。2.3.2信息资源管理学科新兴主题探测指标TD-TA2002 年 Matsumura 等26提出新兴主题一词，指出其是一组代表领域未来发展趋势的词或词组簇。随后学者对于新兴主题的内涵进行了探57理论研究索。Tu等27认为其是处于生命周期早期阶段的研究主题，是热门主题的前身，代表着领域发展趋势。Rotolo等28强调新兴主题具备新颖性、快速增长性、连贯性、显著影响力、不确定性及模糊性。白敬毅等10认为其是具有新颖性、先进性、发展潜力的研究主题，具备极高创新性、较强连贯性、较快增长性、对科技领域有较强影响力等特征。陈稳等11认为其是具备新颖性、成长性和持续性的研究主题，处于主题生命周期的早期阶段，可能尚未得到大量关注，但具有良好的发展潜力。基于已有对“新兴主题”的内涵界定，笔者将信息资源管理学科新兴主题界定为在近年刚出现、讨论热度呈增长趋势、处于主题演化路径早期且能够反映学科未来发展的主题，总结新兴主题具备新颖性、增长性和发展潜力三大特征。笔者构建主题发展度TD，并结合主题年龄TA，构建新兴主题探测指标(TD-TA指标)，将其标准化处理后，根据新兴主题三大特征，选择TD-TA0的主题作为ETn。主题发展度 TD(Theme Detection)，使用GM(1，1)对信息资源管理学科聚类后所有关键词进行趋势预测，自创式(22)对主题进行发展度评价，其中，Nr为该主题内预测结果为增长趋势关键词的种类数量，nt表示主题内为增长趋势的关键词t的总频次，N表示主题内关键词的总频次。TD=NrTntN(22)主题年龄TA(Theme Age)，通过计算主题的年龄来判断研究主题的新颖性，新兴主题的年龄往往趋于年轻化。本研究中研究主题年龄是以关键词的时间分布为基础计算的，因此需要首先定义关键词年龄。根据关键词出现时间定义关键词年龄，做出如下假定：一个关键词在数据集中出现的时间越早，则说明其年龄越大。在关键词年龄的基础上，通过求和可以计算研究主题年龄。但不同关键词在不同主题中其重要程度不同，这就需要考虑权重问题，即加权求和。因此构建式(23)计算研究主题年龄TA，其中，ni表示主题内关键词i的总数量，N表示主题内关键词的总数量，YKi表示关键词i的年龄29。TA=i=1nYKi*niN(23)2.4信息资源管理邻近学科友好型新兴主题ET*m识别笔者考虑学科间相互作用对信息资源管理学科的影响，构建主题友好度指标 SFr(SubjectFriendliness)，其中，mt表示该主题中属于C集合的关键词数量，Mt表示该主题下关键词总数，tA表示关键词在信息资源管理学科中的词频时间序列，tB表示关键词在邻近学科中的词频时间序列，Cov(tA,tB)表示tA与tB的协方差，ni表示C集合中该主题内关键词i的频次，N表示C集合中该主题内关键词的总频次。SFr=mtMti=1nniN*Cov(tA,tB)(24)根据式(22)-(23)，结合TD-TA0，得到了ETn各主题中所有关键词集合称为 A 集合，A=A1，A2，An。利用式(1)-(8)聚类得到各邻近学科 K 个主题集中关键词称为 B 集合，B=B1，B2，Bk。将B集合中的各主题关键词与所得ETn中关键词分别进行交集，借助式(24)，选取ETn与的n个主题交集后SFr值最高的m个B集，故n=m。同时还需考虑到新兴主题的发展潜力这一特征，利用式(9)-(21)，最终得到ET*m。3实验与结果分析3.1实验数据从中国知网获取数据，以CJFD中“图书情报与数字图书馆”类文献作为信息资源管理学科研究对象，将与该学科同属于一级类目“信息科技”下的其他9个二级类目作为信息资源管理邻近学科纳入研究对象。数据检索自2012年至今这10个学科中的高影响力文献，按照被引量降序排序，以每学科每年中排名前10的期刊论文为实验对象，并提取其关键词。3.2信息资源管理学科新兴主题ETn识别考虑到新兴主题新颖性和增长性的特点，使582023年第9期理论研究用AP算法，聚类共得到13个信息资源管理学科主题，然后使用GM(1，1)对关键词的词频时间序列进行预测，模型的平均绝对残差为0.9957，数值较小，说明预测模型效果较好。将得到的13个信息资源管理学科主题的TD-TA值进行标准化处理，使其去量纲化。根据表1所示，前5个主题TD-TA0，表明主题均符合新兴主题三大特征，故为信息资源管理学科新兴主题ETn。各主题的TD-TA指标分布如图2所示，红色标记即为ETn，其中满足条件的5个主题序号已在图2中标出。根据5个主题下属频次排名前十位的关键词，概括出5个信息资源管理学科新兴主题ETn(见表2)：在线健康社区、信息资源管理学科建设、公共文化服务、学术影响力、数字记忆。3.3信息资源管理邻近学科友好型新兴主题ET*m识别笔者用AP算法，对其他9个邻近学科关键词进行聚类，共得到157个邻近学科主题。根据主题友好度指标SFr，识别出信息资源管理邻近学科友好型新兴主题ET*m。图3-7为邻近学科主题的SFr在ETn中的分布箱形图。分别选取每个ETn主题中SFr数值最高的主题作为信息资源管理邻近学科友好型新兴主题ET*m，共计5个，各主题及其频次前10的关键词见表3。信息资源管理邻近学科友好型新兴主题可归纳为“机器学习”“数字治理”“融媒体”“学术期刊与新媒体”“数智赋能”。TA_n10-1-2-3TD_n-1012图2信息资源管理学科新兴主题探测指标TD-TA图3邻近学科主题的SFr在“在线健康社区”的分布箱形图图4邻近学科主题的SFr在“信息资源管理学科建设”的分布箱形图图5邻近学科主题的SFr在“公共文化服务”的分布箱形图表2信息资源管理学科新兴主题ETn及其关键词序号12345主题在线健康社区信息资源管理学科建设公共文化服务学术影响力数字记忆关键词在线健康社区文本挖掘感知价值信任主题识别网络健康信息感知风险期望确认模型健康素养信息系统成功模型情报学图书馆学中国情报工作学科建设高被引论文学科发展图书情报与档案管理总体国家安全观知识元公共图书馆美国文旅融合公共文化服务图书馆事业健康信息突发公共卫生事件情感分析公共文化服务体系健康信息服务学术影响力科技期刊Altmetrics学术论文国际合作相关性分析学术评价同行评议社会影响力特征分析智慧图书馆智慧服务人工智能云计算物联网科学知识图谱图书馆服务平台内容分析法个性化推荐情境感知表113个信息资源管理学科主题TD-TA值主题号TD-TA值主题号TD-TA值12.318-0.7422.079-0.7631.8310-0.9341.1911-1.015012-1.476-0.1213-1.877-0.5059理论研究3.4结果分析3.4.1ETn结果分析(1)在线健康社区。随着“互联网+医疗健康”进一步发展，网络健康社区已成为当今自我健康管理的重要平台30。学者们30-32已从内容传播影响因素、信息主题特征、用户信息行为、社会支持等多维角度进行研究，在线健康社区及与之相关的健康素养、文本挖掘、感知价值等主题正成为新的热点。(2)信息资源管理学科建设。孙艳红33指出随着大数据应用日趋完善，网络信息舆情影响逐渐扩大，用户的情报知识需求不断增长，为情报学科发展建设带来了新契机。刘丹等34认为，随着国家开展“新工科、新医科、新农科、新文科”学科建设，高校图书馆学科服务需要改变现有模式，可用项目管理思想来构建面向“四新”的学科服务模式，服务于学科交叉融合，与“新工科全面深化、新医科融合发展、新农科高位推进、新文科布局未来”目标相统一。马赫等35认为，在新文科建设背景下，图书与情报学项目研究呈传统研究领域加速与大数据、数字技术、人工智能等相关领域紧密结合，侧重数字化、智能化研究分析的趋势。因此，在新技术加持下，信息资源管理学科相关主题正从中汲取新的生命力，逐步完善建设工作。(3)公共文化服务。近年国家大量出台公共文化建设与服务政策法规，相关研究日渐增多，如政策分析36-37、公共文化服务探讨38-39、数字公共文化建设40-41。随着“文化强国”战略推进，公共文化服务主题蓬勃发展。(4)学术影响力。学者们或者从提升策略、栏目建设、学术荣誉获得、研究机构等角度进行研究42-44，或者对学术指标、社会影响力、Altmetrics指标与引文量等方面对相关性分析有关主题进行研究45-46，或者针对同行评议从多角度进行研究47-48。因此，学术影响力对于当今信息资源管理学科的发展越来越重要，各学者正对学术影响力相关主题进行多角度深入研究。(5)数字记忆。金波等49指出随着社会数字转型，社会记忆的媒介从物质载体转向数字文献、数据信息，数字记忆成为数字环境下社会记忆的主要形态，“十四五”时期数字记忆将继续成为学科关注焦点。夏翠娟50认为在由大数据、云计算、区块链、人工智能等新技术主导的数智时代，“数字记忆”成为社会记忆的新形态和新常态，数智技术将以记忆媒介作为研究证据的人文研究推向了“数字人文”时代。周文杰51指出，图情档职业所拥有的记录资源承载着主要的社会记忆，因此在记录资源形态数字化程度不断加深的背景下，承载和深化数字化社会记忆(即数字记忆)就成了图情档新文科建设的重要趋向。可见，伴随着数字技术的出现，记忆进入数字世界，不序号12345主题机器学习数字治理融媒体学术期刊与新媒体数智赋能关键词随机森林特征选择互信息深度学习混合蛙跳算法过采样多标记学习随机森林算法邻域粗糙集粒子群算法(PSO)档案工作档案学数字人文知识图谱图书情报与档案管理身份认同档案资源整合数据安全档案学研究高等教育短视频移动互联网5G抖音内容分析电视媒体传播特征新闻报道商业模式短视频平台科技期刊编辑新媒体同行评议微信公众号学术不端青年编辑微信国际化开放获取智慧图书馆高校图书馆智慧服务数字图书馆图书馆服务平台情境感知服务模式服务平台数据服务图书馆学用户需求表3信息资源管理邻近学科友好型新兴主题ET*m及其关键词图6邻近学科主题的SFr在“学术影响力”的分布箱形图图7邻近学科主题的SFr在“数字记忆”的分布箱形图602023年第9期理论研究可避免迎来数字化转型，数字记忆成为信息资源管理学科数字化转型过程中的重要载体，其在信息资源管理领域引起更多的关注。3.4.2ET*m结果分析(1)机器学习。吴江等52认为机器学习、文本挖掘、社会网络分析等方法为在线医疗健康研究开辟了新道路。凡庆涛等53认为以机器学习为首的人工智能技术，作为计算机学科的重要分支，正快速融入信息资源管理领域，提高了数据采集、保存、处理和分析的智能化水平。刘爰媛等54认为认知计算代表一种全新的计算模式，它包含机器学习等领域的大量技术创新。认知计算领域所具有的辅助、理解、决策和发现的功能开始被重视，并广泛应用到图书情报、商业、农业、医学领域，内外兼具理论深度与现实意义的研究成果呈爆发式增长，引起广泛关注。机器学习作为一项新兴技术向更多领域融合也成为未来趋势。可见，在线健康社区相关研究广泛使用了机器学习算法，与计算机学科合作研究，可为信息资源管理学科提供强有力的技术支持。(2)数字治理。信息化的持续推进不仅改变了人们传统的工作、学习、生活和娱乐模式，也重塑着政府与社会、政府与市场的关系以及深层次的政府治理逻辑，数字治理应运而生并逐渐成为公共管理领域的研究热点55。信息资源管理作为公共信息管理的三大学科，它们之间有着许多的共性和差异，紧密联系也随之体现56。新发展格局下，信息资源管理事业要实现全面的高质量发展仍然任重道远，图、情、档事业紧密相连，如何做好推动图情档整体事业高质量发展的顶层设计和总体规划，协同推进图情档整体事业高质量发展仍有待探索57。周文杰58认为图情档学科建设方向直接取决于对“如何服务”问题的理解，对于这个问题，档案界把主要关注点放到了治理实践方面，可推广应用至图情学科。信息资源管理事业高质量发展是信息技术应用发展到一定阶段的必然结果，数字治理将有利于图情档事业加强能力建设，提升服务质量与效能。可见，众多学者均认为信息资源管理学科需积极融合开创数字治理新模式，有较大的发展空间。(3)融媒体。刘凯59认为近年多种类型的信息资源和信息服务开始被互联网连接，融媒体背景下各大学开展了相应的图书情报信息服务工作，无论是质量还是效率都得到显著提高。马晓悦等60认为情报学和传播学的交叉研究主要以信息和社会为关键词，体现在研究对象的交叉、研究方法的交叉、应用领域的交叉等方面。而未来的交叉研究方向将通过数据科学的不断发展进一步相互渗透，同时在中观层面实现两个学科的优势互补，利用信息预测、多源数据融合和融媒体等研究热点领域达成全面协作发展。赵发珍等61认为大部分信息资源管理期刊已提供移动信息服务，但存在移动平台宣传力度不强、服务内容及服务平台单一、与用户互动性不强等不足。需要将传播学的移动信息服务内容与模式更加深入地应用于信息资源管理学中，拓展服务功能，加大移动服务平台宣传力度。传播学作为传递信息的学科，在其支持下，扩大信息资源管理学科信息传递范围，使信息服务的开展更加便捷。(4)学术期刊与新媒体。张兆阳等62对学术期刊微信公众平台在信息资源管理领域的话语权进行评价研究。评价结果表明位序靠前的信息资源管理学术期刊善于把握新媒体时代发展机遇，抢占学术期刊发展先机和首发权，引领学术话语权。但总体而言学术期刊微信公众平台识别性不强，信任度较低，平台建设差异大，在未来运营中还需重视服务质量和推文的传播力和影响力，提升平台运营和用户体验。信息资源管理学科与新闻学的合作，加快了学术文章影响力，改变文献传播方式，加快知识传播速度。(5)数智赋能。金波等49认为信息资源管理学科在未来发展中要适应“数智”环境，借力“数智”新技术与新方法，增强新兴技术的实践应用，为学科发展注入能量。王晔斌等63指出随着信息技术的发展不断演进，结合近年图书馆界已有的技术实践与突破，在未来图书馆的空间与服务模式上必然产生理念与技术的创新升级。李洪晨等64、储节旺等65、刘莉等66围绕智慧图书馆61理论研究从元宇宙视角、平台架构、交互驱动以及建设等多角度进行了研究。此外，人工智能、云计算、物联网、个性化推荐等关键词在相关研究中被频频提及。钟欢等67较为全面地梳理智慧型学科服务平台的研究现状后，发现目前的研究仍处于起步阶段，学界亟须对高校图书馆智慧学科服务平台开展更多延伸性和深入性的研究。可见，在新一代技术的集中爆发下，“数智化”将赋能信息资源管理学科并与之同频共振，呈现欣欣向荣之势，而人工智能等近年兴起的计算机类学科，为信息资源管理事业的创新转型提供技术支撑。以上分析与笔者得到的信息资源管理学科新兴主题及其邻近学科友好型新兴主题基本一致，与笔者定义的新兴主题特点(新颖性、增长性和发展潜力)基本吻合，证明了本研究框架的有效性。4结论与展望本研究引入能解决新兴主题具有的灰色性、不确定性和可收集关键词样本数量不足等特点的灰预测模型，再通过AP算法，使用关键词共现矩阵聚类得到信息资源管理及邻近学科主题，使用词频加权构建新兴主题探测指标TD-TA，识别出满足新兴主题新颖性、增长性和发展潜力三大特征的信息资源管理学科新兴主题：在线健康社区、信息资源管理学科建设、公共文化服务、学术影响力、数字记忆，并自建主题友好度指标SFr，量化信息资源管理学科与邻近学科合作发展关系度，在跨学科视角下，基于前述5个新兴主题进行二次识别，得到信息资源管理邻近学科友好型新兴主题ET*m：机器学习、数字治理、融媒体、学术期刊与新媒体、数智赋能。论文基于CJFD进行新近论文关键词聚类研究，为了使得学科与论文关键词有高匹配度，对信息资源管理及其邻近学科界定是基于中国知网分类标准。在后续工作中将考虑学科分类的准确性，纳入主题关注作者数量、文章被引量等多元化指标。数据收集范围可尝试综合论文数据、政府科技报告、专利数据等多源数据交叉融合，以使得新兴主题识别更加准确，对于临近学科友好度SFr的取值范围也将做更深层次的研究。参考文献1中共中央网络安全和信息化委员会办公室，中华人民共和国国家互联网信息办公室.中国网信杂志发表习近平总书记指引我国信息化发展纪实EB/OL.（2022-06-08）2022-09-02.http：/ 制 造 2025 的 通 知 EB/OL.（2015-05-19）2022-07-13.http：/ S W，YANG K，LEE H K.Analysis of ResearchTopic Trend in Library and Information ScienceUsing Dynamic Topic ModelingJ.Journal of KoreanLibrary and Information Science Society，2022，53（2）：265-284.7HAN X Y.Evolution of research topics in LISbetween 1996 and 2019：an analysis based on latentDirichlet allocation topic modelJ.Scientometrics，2020，125（3）：2561-2595.8MA J，LUND B.The evolution and shift of researchtopics and methods in library and information scienceJ.Journal of the Association for Information Scienceand Technology，2021，72（8）：1059-1074.9杨金庆，魏雨晗，黄圣智，等.基于科技文献的新兴主题识别研究综述J.情报科学，2020，38（8）：159-163，177.10 白敬毅，颜端武，陈琼.基于主题模型和曲线拟合的新兴主题趋势预测研究J.情报理论与实践，2020，43（7）：130-136，193.11 陈稳，陈伟.基于计量指标多变量LSTM模型的新兴主题热度预测研究J.数据分析与知识发现，2022，622023年第9期理论研究6（10）：35-45.12 HUANG L，CHEN X，NI X，et al.Tracking thedynamics of co-word networks for emerging topicidentificationJ.Technological Forecasting&SocialChange，2021，170（C）：120944.13 KHAN B S，NIAZI M A.Emerging topics in Internettechnology：A complex networks approachJ.Internet Technology Letters，2018，1（4）：e41.14 SHEN X，WANG L.Topic Evolution and EmergingTopic Analysis Based on Open Source SoftwareJ.Journal of Data and Information Science，2020，5（4）：126-136.15 CAI C