共引不是知识地图,是检索场的两点关联函数:为什么『科学地图』会随引用窗口重排
【锚点】这一讲只钉一个判断:【共引聚类不是『学科结构』本身,而是引用网络在特定时间窗、收录范围与解析规则下算出的两点关联函数;换窗口,聚类会重排。】 【显式】Small(1973)把共引当作绘制科学地图的方法:若文献 A 与 B 被同一批后续文献同时引用,就在 A-B 之间加权。Marshakova-Shaikevich(1972)更早用共引聚类识别文献群。 【流程节点链路】起点=文献 A、B 进入可检索语料 → 中间节点=后续论文在参考文献中同时列出 A 与 B → 终点=共引权重 c_AB(t) 随窗口 t 累积,聚类算法把高权重文献归为同一「领域」。 【隐式】共引权重并不直接测量 A 与 B 的内容相似,而是测量它们被同一批作者同时需要。它是引用行为的一阶统计量经过二次聚合后的产物:先有引用,再有共引,最后才有「学科地图」。 【细微】窗口 t 不是中性参数。短窗口(如 1–3 年)让前沿论文互相共引,形成快速漂移的簇;长窗口(如 10 年以上)让经典文献反复吸走引用,形成稳定但可能过时的核心。Price 的引用半衰期研究已显示不同领域差异很大:临床医学常见约 5 年左右,数学/理论物理可超过 10 年;同一聚类算法在不同半衰期下会给出不同「学科边界」。 【极难发现】所谓学科边界常常是测量算子的不动点,而不是先验本体。收录范围、语言过滤、引用解析错误,会先决定哪些边存在;聚类只是把这些截断重新投影成可见形状。若把「经典文献」从窗口中剔除,许多簇会碎裂;这说明簇的稳定性来自少数高被引节点的持续存在,而不是来自均匀的知识结构。 可检验点:固定同一文献集合,分别用 1 年、5 年、10 年共引窗口计算聚类,再比较聚类重合度。若重合度随窗口显著下降,则「学科地图」更像窗口函数;若保持高稳定,才支持存在较硬的领域结构。 结尾问题:如果学科地图只是引用场的关联函数,那么「学科」是真实实体,还是我们用来稳定引用路径的粗粒化标签?






0 评论