科学前沿迁移的研究进展，本文主要内容关键词为：研究进展论文,科学论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
修回日期：2014-01-20 本文起止页码：5-12，19
[分类号]G254
DOI：10.13266/j.issn.0252-3116.2014.03.00
在科技发展日益迅猛的今天，科学研究领域呈现出向众多方向不断延伸和变化的景观。各国政府在确定“优先领域”或“重点领域”时，都高度关注“前沿领域”，遴选和挖掘前沿领域的动态进展，可以为国家的科技发展战略制定提供依据，还可以为科学家提供一个多角度观测世界科学发展的空间。长期以来，科学家通过鉴别当前活跃的科研活动尤其是追踪新兴研究领域来进行科研选题和从事相应的研究。因此，关注并致力于前沿研究是科学家开拓新的研究领域并引领本学科发展的必备技能。此外，政府机构、研究资助机构、跨国公司以及科学家为了确保能从最新的科学技术发展中受益并提高自身的竞争力而承受的压力越来越大[1]。在这种环境中，掌握科学前沿的迁移规律并据此进行情报跟踪、科技创新、辅助决策和推动科学研究发展的重要作用日益凸显。
1 科学前沿与科学前沿迁移的界定
信息科学领域存在许多与“科学前沿”相似或相近的概念，如研究热点(research focus)、新兴研究领域(emerging research area)、潜在知识(latent knowledge)、新兴趋势(emerging trend)等。科学前沿与研究热点是常被学者混淆的两个概念，实际上，两者存在差别，一般认为科学前沿是科学研究中最先进、最新、最有发展潜力的研究主题或研究领域，代表了科学发展的难点、热点以及发展趋势[2]，具有前瞻性。而研究热点反映了一个领域内受到各位专家、研究人员广泛关注、深入探讨分析、有效进行应用的研究主题[3]，代表了领域发展的主流研究方向。进行科学前沿研究的少数学者能够引领学科的发展方向，而致力于研究热点的多数学者则能够极大推动学科的发展。
目前科学前沿并无统一的定义，不同学者有不同的表述(见表1)，概括起来包括以下3种说法：①将一组高被引文献定义为科学前沿，如D.D.Price、H.Small的定义；②将一组施引文献定义为科学前沿，如S.Morris的观点；③将突发或热点主题定义为科学前沿，以陈超美为代表[4]。
科学前沿的迁移能够体现不同时期科学家关注点以及科学研究侧重点的动态变化。可以从两个不同层面理解科学前沿的迁移：①从科学自身发展变化的角度来看，科学前沿迁移是指科技文献中范式的转移。根据库恩[11]的理论，科学革命以科学范式的动态变化为特征，即科学革命是从一个范式转移到另一个范式的过程。信息科学家自20世纪70年代起开始关注科学文献中竞争性范式的迹象。例如，在短期内研究焦点的快速变化[1]。1974年，H.Small[6]识别了科学文献结构中的领域(specialty)。1977年H.Small[12]在胶原蛋白的研究中表明研究焦点的快速变化是如何发生以及何时发生的。因此，具体来说，可以用以主题等为代表的研究焦点的快速转移来代表科学前沿的转移。例如，某年领先聚类(leading cluster)中几篇关键文献突然消失而下一年领先聚类中的文献快速增加，表明该聚类所代表的领域(specialty)发生了重大变化，是衡量革命性变化(revolutionary changes)的一项指标[1]。②从科学前沿所处的载体来看，科学前沿在不同时期可以处于不同的国家、机构、研究团队、作者群中。通过比较不同时期对科学前沿发展作出主要贡献的核心国家、核心机构、核心研究团队、核心作者群的差异，可以衡量科学前沿在国家、机构、研究团队、作者群中的迁移情况，如迁移时间、迁移规模、迁移速度等。
科学前沿发生迁移可以表现出一定的文献计量学特征，如在较短时间内，高被引文献聚类被快速增长的新聚类所取代[1]。通过分析总结相关的研究，笔者认为，科学前沿迁移的文献计量学特征主要表现为以下几个方面：第一，高被引文献聚类的年度变化。H.Small[12]认为，一个聚类中的高被引论文和同被引论文代表了领域(specialty)的认知结构或目前的范式。领域内部的变化可以通过识别不同年份的聚类变化来体现。即每年领域的增长可以用每年聚类的增长来表示。通常情况下，year 1的任何聚类在year 2有3种可能性：①year 1聚类中的所有文献均没有出现在year 2的聚类中，表示year 2出现了新聚类；②year 1聚类中的1篇或更多篇文献出现在year 2的聚类中，说明这两年的聚类具有连续性；③year 1聚类中文献可能分化成year 2的两个或更多个聚类，这说明形成了两个或更多个聚类。此外，为了衡量聚类的连续性，H.Small H还引入了稳定指数(stability index)的概念，即N年聚类中一直存在的文献的数量与N年所有不同文献的数量比值。第二，作者同被引地图的年度变化。作者同被引分析(ACA)能够从作者同被引数据中发现知识结构[13]。H.D.White[13]等认为，通过对ACA的分析，可以从一般意义上揭示研究领域(specialties)的发展变化。具体做法为，在作者同被引网络中加入引用时间序列信息，每名作者的引文时间序列都可以用不同颜色的堆栈栅栏图(stacked bar)来表示，近年的引文用亮黄色表示，早年的引文用较暗颜色表示。通过观察作者堆栈栅栏图的颜色变化，不仅可以追踪主题领域的发展，还可以说明作者目前的研究是处于巅峰还是多年前就已过时。第三，由突发词与被引文献构成的异质网络(heterogeneous networks)的年度变化。这一思想主要体现在陈超美开发的CiteSpace软件分析可视化图谱中。由突发词与被引文献构成的异质网络能够代表特定领域的新兴趋势与显著模式[14]。在该异质网络中，突发词能够显示其所代表的聚类受关注程度的突然增加，为解释聚类及其本质提供了参考；中心文献(hub articles，即CiteSapce中的关键点文献)能够揭示导致科学前沿演变的重要知识转折点以及某个领域的结构和动态本质[15]。第四，引用半衰期(citation half life)的年度变化。1963年，普赖斯指出，论文的引用半衰期是指一篇文献从发表到统计时为止的时段内，该篇论文他引次数的一半是在这篇论文发表后多长时间内达到的(以年为单位计量)[16]。引用半衰期可用以衡量科学前沿的迁移[17]。具体原理为：基于论文引用半衰期的聚类能够表征科学前沿的瞬时特性，将不同的科学前沿区分开来。利用引用半衰期的值可以识别一个新兴研究范式。例如，如果许多新文献都在引用更新的文献，那么这可能标志着一个新范式的兴起。另一方面，如果一篇论文在发表若干年后其引文量突然增加，那么该论文可能是新兴范式的组成部分[17]。
2 科学前沿迁移方法与工具研究进展
目前科学前沿迁移的研究方法主要包括基于引文的方法、基于主题词的方法、基于网络的方法以及基于离群数据的方法(见表2)。其中，同被引聚类分析(1973年)、文献耦合分析(1963年)和共词分析(20世纪70年代中后期)方法提出较早，将其应用于科学前沿的迁移研究也较成熟，研究人员对这些方法的主要关注点体现在方法改进与方法组合使用两方面。突发词检测方法(2002年)虽然提出时间较晚，但在可视化分析软件CiteSpace面世之后，该方法也普遍应用于各个领域的科学前沿探测与演化研究。基于网络社区结构探测算法和基于离群数据的方法是近年来出现的较新的方法。
2.1 方法改进
研究人员对科学前沿探测方法的改进主要体现在对聚类算法的改进上。使用同被引聚类探讨科学前沿的迁移一般是根据论文的同被引链接强度进行聚类分析。然而，陈超美[17]指出，这种基于论文之间链接的聚类方法存在着缺陷。例如，聚类过程中的唯一输入是链接模式(connectivity pattern)，并没有考虑节点的本质属性，如论文的引用半衰期或出版年龄等。此外，其所依据的图论方法(graph-theoretical)可能并不适合探测新范式出现的速度以及已有范式持续的时间。因此，陈超美对现有的同被引聚类方法进行改进，使用的基本步骤为：①使用图论方法，利用CiteSpace得出特定主题的同被引网络；②计算同被引网络中节点的属性，包括引文频次、出版年以及引用半衰期；③基于网络节点的上述属性，使用期望最大值(expectation maximization，EM)算法对节点进行聚类；④EM聚类算法识别的聚类结合原始同被引网络的可视化，共同识别新兴的研究范式以及长期存在(long enduring)的范式。结果表明该方法是识别瞬时研究范式的有效方法。此外，陈超美[28]还于2009年尝试使用谱聚类方法以及特征选择算法对同被引聚类方法进行改进，结果表明，该方法能够增强科研人员对于科研领域演化动态的理解。B.Jarneving[29]将文献耦合与全链接聚类算法(complete link cluster method)结合起来，弥补了单链聚类算法的缺陷，同时有效补充了同被引聚类分析方法，使产生的聚类更一致、更明确。结果表明，该方法能够有效描述现有科学前沿。
2.2 方法组合
有学者将不同方法组合利用以获得更好的科学前沿探测效果，较常见的是混合利用基于引文的方法与基于主题词的方法[30-34]，如R.Braam[30]等利用连续几年同被引群之间的相似性研究了某学科领域在发展过程中呈现出来的连续性和稳定性，他将共词分析与同被引聚类结合在一起，从认知角度增强对学科领域的界定和理解。P.Besselaar等人在2006年尝试了一种新方法：词语-参考文献的共现[31]。他们以论文作为分析单元，以论文的参考文献做语境来考察从标题中抽取的词语。这种词语-参考文献共现的方法，结合了文献的两种相关的属性，能够更容易地确定研究专业的精细结构[35]。陈超美开发的CiteSpace可以生成由科学前沿词汇(主题词)和知识基础(论文簇)构成的异构网络。他的研究结合了引文分析和主题词的方法，既利用了引文分析的优势，又在一定程度上克服了引文分析的时滞性。
2.3 新方法
社区结构探测算法和基于离群数据的方法是近年来进行科学前沿迁移研究的新方法。社区是社会网络中的常见现象，由一群高度密集、联系紧密的节点聚集组成。利用社区结构探测算法对科学引文网络进行聚类分析，分析聚类结果中聚类簇的平均年(average age)指标和不同时间片的论文簇之间的父子关系可以探测科学前沿[36]。离群数据是指那些发生频率比较低、出现模式异常的数据[27]。离群数据的探测经常导致新知识的发现。在科学前沿迁移研究中，通常使用的是基于高频、高被引、高共现的数据，而很少关注低频、低被引、低共现或常规聚类簇中不包括的数据。通过对这些离群数据的分析也可以从另一种角度揭示科学前沿主题发展演变的真实面貌。张英杰[26]针对科学前沿探测中的低频现现象，基于相关离群点的理论，揭示了科学前沿的演变情况。王莉亚[27]将离群数据挖掘方法引入主题分析中，通过离群数据检测和分析探索了主题演化过程。
研究科学前沿迁移的常用分析工具见表3。根据功能的不同，可以分为4类：数据分析工具、引文分析工具、时序分析工具以及网络分析工具。
3 科学前沿迁移可视化技术研究进展
对科学前沿的迁移进行可视化研究能够辅助前沿探测，直观地描述科学前沿随时间变化的情况，并重构科学领域的发展历史。科学前沿迁移的典型可视化技术包括以S.Morris为代表的时间线可视化、以H.Small为代表的科学地图可视化、以E.Garfield为代表的Histcite引文编年可视化、以陈超美为代表的知识领域可视化及以K.W.Boyack为代表的VxInsight可视化。
3.1 以S.Morris为代表的时间线可视化
2003年，S.Morris[9]创新性地提出了科学前沿的时间线可视化技术，以炭疽热研究为例，探讨了期刊论文中的研究活动随时间变化的情况。他将科学前沿定义为引用确定的、不随时间变化的知识基础的文献聚类，使用DIVA工具对科学前沿进行可视化。其实施步骤为：①在ISI Web of Knowledge数据库中检索相关文献，并存储文献的作者、引文、题名和来源期刊信息。②构建文献的引文频次表，并使用SQL查询计算文献集中每一对文献的耦合次数。③使用余弦相似系数计算文献的相似性，并将相似性转化为距离。④使用谱系聚类方法对文献单元样本进行聚类分析。⑤谱系聚类方法会产生一个二叉树，二叉树的叶可以将文献簇形象地表示为线性序列，进而就可以分析得到科学前沿的结构。⑥人工判读每一个聚类中的文献题名，提取共同的主题来作为这个聚类的标签。
通过时间线可视化图表，研究人员可以：①了解科学前沿出现和消失的时间；②了解可能的新兴科学前沿及其潜在知识基础；③通过科学前沿中作者和机构被标记的频次，探明专家和卓越中心(Centers of Excellence)；④探明研究领域中科学前沿的层次结构；⑤洞悉科学前沿之间的信息流动以及外部领域向科学前沿的信息流动。
3.2 以H.Small为代表的科学地图可视化
H.Small[37]使用同被引聚类的方式来展示科学前沿的迁移。他认为高被引论文具有特殊的象征意义，并且关注高被引论文之间的强共现关系，目标是在一幅地图上应用同被引方法揭示所有学科领域的完整结构，使用的工具为ESI。其实施步骤为：①利用分数引文量(fractional citation counting)[38]或ESI中特定学科阈值选择高被引论文。②形成同被引链接(cocitation link)，进行聚类分析。③对同被引聚类文献进行可视化，可选择的技术除了多维尺度分析(multidimensional scaling)，还包括寻径网络(pathfinder networks)[39]，潜在语义索引(latent semantic indexing)[40]，自组织地图(self-organizing maps)[41]，模拟退火算法(simulated annealing)[42]以及三角测量法(triangulation)[43]。④将单独的科学前沿整合为层次结构，使用较强的同被引链接形成领域(specialties)，而较弱的同被引链接则将领域与跨学科网络联系在一起。
利用H.Small的科学地图，研究人员可以：①识别新出现的科学前沿与快速增长的科学前沿；②识别前沿演变过程中的革命性变化(revolutionary change)；③阐释一个具体的科研领域怎样出现、融合、生长(当然也有可能是衰退和消逝)的时间进程，以及它们如何从一个大的领域中进化出来，自己进行组织，从而形成整个科研活动进程中的一个新节点[44]。
3.3 以E.Garfield为代表的Histcite引文编年可视化
根据E.Garfield[45]的定义，范式是一个领域内的基本模式。历史编纂学(Historiography)与理解范式的转移密切相关，可以通过分析某领域内关键工作的引文变化来考察范式的基本概念或认知的变化。即E.Garfield E通过范式的变化来考虑科学前沿的迁移，他使用Histcite工具创建学术主题的历史编纂学，帮助史学家识别重要事件(论文)、人(作者)，同时帮助学者评估范式是如何演化的。
Histcite是E.Garfield及其同事于2011年推出的引文编年可视化系统。其实施步骤为：①接收原始引文数据。②计算文献被引频次输出文献列表。③输出作者和刊名列表。④提供集合外参考文献(outer references)列表。⑤提供与实际不符的参考文献(missing references)列表。⑥生成引文矩阵。⑦生成引文编年图[46]。
利用Histcite的可视化功能，研究人员可以：①定位重要文献、重要作者、重要机构等；②快速了解某个领域的发展脉络；③找出无指定关键词的重要文献[47]。
3.4 以陈超美为代表的知识领域可视化[48]
陈超美致力于科学范式发展的追踪与可视化工作。他认为在同被引网络中高被引和同被引文献聚类能够代表主要科学范式的核心。引文率的增长和核心聚类的转移能够体现范式的转移[1]。其主要通过知识领域引文分布的变化来展示动态的科学变革，即科学前沿的迁移。以此为基础，陈超美开发了文献引文网络分析软件CiteSpace。
利用CiteSpace分析科学前沿迁移的基本步骤[15]为：①运用尽可能广泛的专业术语来确定一个知识领域。②收集数据。目前，数据主要来源于Web of Science。CiteSpace也能够处理直接从PubMeb下载的文献记录。③提取科学前沿术语。使用Kleinberg的突变检测算法提取突变专业术语。④时区分割。用户要明确整个时间跨度和单个时间分区的长度。⑤阈值选择。在引文数量、共引频次和共引系数3个层次上，前、中、后3个时间分区中分别设定阈值，其余的由线性内插值来决定。⑥精简和合并。使用寻径网络分析(pathfinder Network Scaling)方法对同被引网络进行精简。⑦显示。CiteSpace生成显示标准视图和时区视图。⑧可视检测。CiteSpace能使用户以多条途径同这个可视化系统进行交互。用户可以根据运算法则设置参数，以控制可视化属性和标识的显示。⑨验证关键点。突出的关键点的作用可以通过咨询该领域的专家或是通过查阅文献来得以验证。
利用CiteSpace的可视化功能，研究人员可以：①发现科学前沿的起始时间；②了解科学前沿的发展现状；③探明科学前沿的演化路径；④发现导致科学前沿演化的重要知识转折点；⑤了解不同科学前沿之间的相互关系。
3.5 以K.W.Boyack为代表的VxInsight可视化
K.W.Boyack[49]提出了一种从单纯利用专家人工判断向利用高级数据分析与可视化技术的范式转移。这些技术有助于客观识别特定研究的主要研究领域、专家、机构、基金、出版物或期刊，除此之外，还有助于识别不同领域之间的交互，科学领域的动态(增长速度、变化速度)等。一般来说，通过主要研究领域、专家、机构、基金、出版物、引文和期刊的数量来衡量研究生命力和生产率；通过引文来衡量趋势、与其他领域的交互性；通过参考文献衡量与其他领域的交互；通过时间序列的相对速度来识别最活跃的研究领域或静态研究领域以及新领域。
K.W.Boyack采用的可视化步骤为：①采集包括基金数据、BSR(Behavioral and Social Research，行为和社会研究)项目[48](BSR是由美国国家老龄化研究所(NIA)资助的项目之一)数据与ISI数据在内的研究样本；②链接基金数据与BSR数据，将两种数据合并为一种数据集。链接方法包括两种：有基金号码的使用作者对应(author-supplied)链接，无基金号码的使用推论(inferred)链接。③构建链接数据集地图。使用潜在语义分析(Latent Semantic Analysis，LSA)和共词分析计算文档对在地图中的位置，并利用VxInsight可视化工具描绘地图。
VxInsight可视化图表可以使研究人员：①识别主要的研究领域、专家、机构、基金、出版物以及领域之间的相互作用；②了解特定领域的演化动态。
通过上述可视化技术的对比分析，作者认为，5种技术不仅能够识别科学前沿迁移过程中的重要机构、作者等信息，还能够识别科学前沿的起始时间以及不同前沿之间的关系，在科学前沿迁移的结果呈现方面也各具特色：①从可视化分析原理来看，引文编年可视化与VxInsight可视化是基于文献之间的引用关系来发掘学科领域内的科学前沿；时间线可视化基于文献之间的耦合关系；科学地图可视化和知识领域可视化基于文献之间的同被引关系。②从可视化展示效果来看，时间线可视化通过二叉树来展示耦合文献聚类形成的不同研究领域按时间序列而变化的二维图像；科学地图可视化能够在一幅地图上展示同被引聚类形成的学科领域的完整结构；引文编年可视化能够以图示的方式展示某一领域不同文献之间的关系，辅助绘制一个领域的发展历史；VxInsight可视化使用三维虚拟地图方式呈现特定领域的演化动态，而知识领域可视化借鉴VxInsight可视化方法，设计了一种三维共引图景进化的时间模式[49]来显示科学发展的新趋势和新动态。二维图形界面展示信息较抽象，需要结合研究人员的专业背景进行解读，相比于二维图形，三维图形将抽象难懂的信息直观化、立体化，其展示形式更丰富、逼真。③从可视化图形的独特作用来看，时间线可视化、引文编年可视化与知识领域可视化以时间为轴，能够从时间序列的角度动态地呈现科学前沿的迁移；科学地图可视化与知识领域可视化能够发现科学前沿迁移中的革命性变化；④从可视化软件的可获得性来看，时间线可视化所使用DIVA软件并不是商业通用软件，在分析数据的时候具有很强的针对性；科学地图可视化与引文编年可视化使用的工具分别为Thomson Reuters公司开发的ESI和Histcite，有使用权限的机构用户均可自由使用；知识领域可视化使用的软件为Citespace，所有用户均可在陈超美的个人主页中免费下载使用；VxInsight可视化所使用的分析工具为VxInsight，该软件是由美国能源部桑地亚(Sandia)国家实验室开发的一款单机版免费的文本分析可视化软件。因此，5种可视化软件的可获得性依次为：DIVA＜ESI、Histcite＜Citespace、VxInsight。可获得性的高低在一定程度上能够影响该可视化技术的使用范围。
4 科学前沿迁移研究发展趋势与特点
通过对科学前沿迁移定义、方法、工具和可视化技术的研究总结，可以看出该领域的研究呈现出以下发展趋势和特点：
从研究方法来看，不仅改进现有的科学前沿迁移方法，而且积极探索新方法。科学前沿迁移的研究方法包括四大类：基于引文的方法、基于主题词的方法、基于网络结构的方法和基于离群数据的方法。每类中又包含若干种具体方法。其中，同被引聚类方法、文献耦合方法以及共词方法提出较早，发展较成熟。研究人员对这些方法的关注点主要集中在对方法使用的聚类算法进行改进以及方法的组合使用方面。突发词检测方法由于其在CiteSpace中的嵌入而广泛应用于各个学科领域的科学前沿探测与演化研究。基于网络结构的方法中社区结构探测算法以及针对低被引、低共现、常规聚类中不包含的离群数据检测算法是近年来兴起的科学前沿迁移的新方法。
从研究结果的呈现方式来看，侧重于可视化技术的应用。可视化技术由于其形象、直观的研究结果呈现方式而在科学前沿的迁移研究中得到广泛应用。典型的可视化技术包括以S.Morris为代表的时间线可视化、以H.Small为代表的科学地图可视化、以E.Garfield为代表的Histcite引文编年可视化、以陈超美为代表的知识领域可视化以及以K.W.Boyack为代表的VxInsight可视化。这五种典型技术虽然在可视化分析原理、可视化展示效果、可视化图形的作用以及可视化软件的可获得性方面各不相同，但均能够呈现研究主题在不同时期的出现、发展、融合、衰退、消失等演化过程。目前科学前沿迁移的可视化应用存在着处理大规模数据集、改进现有的数据挖掘技术、结合先进的文本分析(例如潜在语义分析)以促进文档聚类与标记、使可视化更容易理解与使用的挑战[50]，因此，研究人员应该进一步探索科学前沿迁移研究中数据集处理技术、数据挖掘与文本分析技术以及更高级的可视化呈现技术的相关研究。
从研究数据对象来看，不仅使用ISI的Web of Sicence数据集，而且使用其他数据集，如基金数据、BSR数据、网络出版数据等。科学前沿迁移研究所使用的数据集一般来源于科学引文索引数据。但也有部分学者使用其他来源的数据集，如K.W.Boyack即联合使用基金数据、BSR数据与ISI数据，建立基金数据与BSR数据之间的链接，并利用VxInsight可视化工具构建链接数据集地图。Zhao Dangzhi和A.Strotmann[51]也扩大了科学前沿探测的研究对象，他们认为，网络出版物也是进行科学发展动态研究的重要数据源，并比较分析了SCI论文与CiteSeer网络出版物在科学前沿探测方面的不同。结果表明，作者同被引分析方法对发表于网络中论文的科学前沿探测效果要优于对传统数据库中期刊论文的前沿探测。此外，对学术搜索引擎、开放获取搜索引擎、科技规划文本、项目数据、科学博客、学者主页中科学前沿迁移信息的探测研究值得研究人员的进一步关注。因为Google Scholar学术搜索引擎以及Citebase search开放存取文档搜索引擎与科学引文索引相比，其搜索的文献类型除了期刊论文，可能包括更广泛的用于科学前沿探测的学位论文、技术报告、会议论文以及预印本等。而在科技规划文本及项目数据中蕴含着大量的科技创新主题，是发现潜在科学创新领域的重要研究对象。科学博客、学者主页中也可能包含超前的、引领学科领域发展的专家观点。
从研究内容来看，侧重于科技文献中范式的迁移，较少关注科学前沿载体的迁移。科学前沿的迁移既包括科技文献中范式的迁移，也包括科学前沿载体的迁移，即科学前沿在不同国家、机构、研究团队或作者群中的变动情况。目前的研究多是从范式迁移的角度对科学前沿迁移进行探讨，较少关注前沿载体的迁移。实际上，通过对其载体的迁移研究同样可揭示科学前沿迁移的本质与真实面貌。以作者群为例，H.D.White[13]探讨了如何通过作者同被引地图揭示科学前沿在作者群中的迁移规律，认为通过关键作者在地图中的位置与相互联系可以了解一个领域的发展与演变情况。同时，通过动态的作者同被引网络也可以揭示不同时间段作者同被引网络的差异与作者群体的变迁。
从研究新兴点来看，开始关注低频现现象。目前科学前沿迁移研究多是针对高被引论文、高频主题词、高共现论文，而较少关注低被引、低共现、低频词等低频现现象中包含的研究主题迁移演化情况，这可能会在一定程度上影响科学前沿迁移研究缺乏全面性与准确性。已有学者开始注意到这一情况，并做出了有益的探索，如张英杰、王莉亚的研究。此外，陈超美[52]还从可视化潜在领域知识的角度进行了探讨，他认为，传统的引文分析利用的是强引用模式，而潜在领域知识通常包括高度相关但被引频次相对较少的科研工作，通过其构建的四步可视化潜在领域知识步骤，不仅能够从高被引文献中获取知识结构，还能够通过低频引用链来追踪潜在领域知识。
总之，科学前沿的迁移研究不仅有助于科研人员认清科学发展的趋势，追踪科学发展的前沿方向，还能辅助科技管理部门明确科研发展重点，为确定优先资助领域提供参考。作为科学计量学领域中的热点研究主题，科学前沿的迁移还需从方法改进、新方法探讨、研究对象扩展、载体迁移等方面作进一步的探讨与分析。
标签：科学论文; 聚类论文; citespace论文; 可视化技术论文; 数据迁移论文;