留学工作总结（留学期间工作概况、达到的研究目标、个人收获与体会等.doc

加州大学戴维斯分校访问学习总结唐川国家科学图书馆成都分馆（2013年3月）一、UC Davis概况加州大学戴维斯分校（UC Davis）是加州大学系统10所分校之一，其创立的缘起是政府决定设立一所州立的农业学校，以供加州大学的学生学习最新的农业知识及技术。如今，UC Davis已发展成囊括各领域学科的综合性大学，闻名于国际，并在各领域培养出众多杰出校友，如韦恩罗辛（Google副总裁）、安娜埃斯科贝多卡布拉尔（美国前财政部财务长）、安维尼曼（美国前农业部部长）、许小年（经济学家）、史蒂芬罗宾逊（美国宇航员）等。UC Davis是世界农业与环境科学研究和教育中心，其与农业和环境科学相关的学科包括植物科学、土木工程、环境工程、动物科学及农业经济和管理科学都在全美大学排名前十。Davis以生物及农业起家，农业排名全美第一，而和农业相关的各个学科，排名相应也非常高，比如食品科学，生物，生物技术和环境科学等。另外，艺术、人文学科、工程学科、社会科学、保健科学、法律和管理学等学科在美国也拥有很好的口碑。UC Davis综合排名38（2013年US News排名），公立学校排名第8。世界学术研究排名（ARWU）排名全球48位，泰晤士报世界大学排名为38位，QS排名为100位。我在UC Davis的接待院系是Communication Department（信息传播系），指导老师是George Barnett教授。George Barnett教授是Communication Department的系主任，也是International Network for Social Network Analysis的主席，其研究方向包括社会网络、信息传播网络、组织机构网络等。二、研究与学习1、全球大学网站超链接网络多层次分析我于2012年8月底抵达UC Davis，随后便参与了Barnett教授主持的一项研究“A Multi-Level Analysis of the Hyperlink Network Among the Worlds Universities”。随着国际互联网的兴起与发展，Web已成为学术交流的重要渠道，一个国际学术网络慢慢在互联网上发展起来。与此同时，有学者开始研究大学网站超链接网络，并将“Web可视度”作为大学在学术、科研与教育方面的一项能力指标。但已有研究局限于区域性研究，另外对网络结构决定因素的考虑较少。因此，该研究针对全球58个国家、1000所优秀大学的网站间的超链接网络，进行了多层次分析，揭示了该网络的结构，并探究了决定这种结构的多种因素。这项研究首先从网站Ranking Web of Universities（）选取了全球前2000的高等教育机构，以及中国、印度、巴西等重要新兴经济体的100所大学。针对这些大学的网站，通过编写程序调用Google搜索引擎来构建了一个2100 x 2100的矩阵，其中的数字表示一个学校的域名在另一个学校网站Web中出现的次数，即“URL出现次数”（URL-mentions）。由于曾经唯一开放超链接检索功能的Yahoo！已关闭该功能，学界提出了几种替代超链接的指标，其中“URL出现次数”被认为是最适合的替代指标，因此这项研究使用“URL出现次数”。最后从这个矩阵中挑选出1000所相互联系最强的大学，得到一个1000 x 1000的矩阵。在学校层面，用Gephi描绘了这1000所大学网站间的超链接网络，用R语言计算了这个网络的中心性、集群等；在国家层面，用UCINET计算了网络的密度、中心性和集群。在大学层面（网络结构见附表1），超链接网络由10个集群构成，其中位于整个网络中心地位的大学几乎全来自美国。表：University Hyperlink Network Ten Most Central InstitutionsIn-DegreeLinksOut-DegreeLinksUniversity of Wisconsin Madison978University of California Berkeley959Stanford University966Stanford University966University of Minnesota965Harvard University940Michigan State University962Massachusetts Institute of Technology949Universidad Nacional de la Plata960University of Oxford917University of California Berkeley959Universiti Kebangsaan Malaysia927University of Cambridge958University of Minnesota965Indiana University 957University of Washington956University of Texas Health Science 956University of Wisconsin Madison978University of Washington956Carnegie Mellon University928在国家层面（网络结构见附表2），由各国大学网站之间超链接构成的网络是一个单一网络，美国、英国与德国处于网络中心。表：University Hyperlink Network Ten Most Central RegionsIn-DegreeOut-Degreeus1897001us4023702de1133169uk1153384uk654953ca750292ca566259de661893es403074au307335jp364687ch256765au362674es183454tw360038se178382it285905nl170389fr276260at159697对于决定大学层面和国家层面的网络结构的因素，这项研究考虑了如下因素：大学招生规模，是否有博士点，教学语言，各大学之间的物理距离，获得的诺贝尔奖数量（不包括文学奖与和平奖），国际排名，国家GDP，人均GPD，人口数量，国际学生数量，合著的国际论文数量，SCI论文的被引次数，国家互联网的带宽。选择这些因素主要基于两个原因：已有研究确定的影响因素，其他与大学发展比较密切的因素。表：决定因素及其来源VariableSourceUniversity LevelPhysical LocationGoogle MapsCountrycTLD of websiteLanguage of InstructionCountry of UniversitySize of UniversityEurope - (EUMIDA)(/dataset/eumida)U.S. - College Handbook 2012Asia, Africa, Latin American & Canada Universities WebsitesPrestigeU.S. News, Worlds Best Universities 2012 (/education/Nobel Prizes()National LevelTotal HyperlinksBarnett & Park (2012)GDP & population TeleGeography(/) Student ExchangeUNESCO (/unesco)International Co-authorshipsLeydesdorff & Wagner (2008)International CitationsScience Citation Index在通过多种方式获得各大学在上述方面的数据后，这项研究对各个网络节点的中心性和各因素的相关性进行了计算，发现影响大学层面网络结构的因素包括：大学所在国家，教学语言，学校规模，学校声誉，是否有博士点，以及所在国家的网络基础设施能力；影响国家层面网络结构的因素包括：各国的超链接数量，国际论文合著情况，国际学生流，各国公民所获诺贝尔奖数量。在这项研究中，我的主要工作包括：文献调研，采集基础数据，论证和完善研究思路，撰写论文。这项研究的成果论文已于2013年1月投稿美国情报科学与技术学会会刊（Journal of the American Society for Information Science and Technology）。在参加这项研究的同时我也学习了一些相关的网络计量知识。这项研究与之前相关研究的主要不同之处包括：将地区性的研究扩展至全球范围，并且从大学层面和国家层面进行了分析，对更多“先决因素”进行了考察，引入“世界系统”（world system）理论解释分析结果。这项研究中值得学习包括：多层次分析、多因素分析与引入相关理论对分析结果进行解释和归纳。2 学习“多理论、多层次的网络分析框架”作为“全球大学网站超链接网络多层次分析”研究的延伸，我在Barnett教授的指导下学习了“Theories of Communication Network”课程，该课程的核心内容是多理论、多层次的网络分析框架（Multitheoritical multilevel framework，MTML），同时讨论了多种社会科学理论及实践。这项课程指出了已有网络研究方式存在的多种不足：（1）大部分网络研究没有使用相关理论进行指导，也没有使用理论解释或归纳研究结果。（2）许多网络研究者只停留在单一层面的分析，从而停留在对网络密度等个别特征的研究，其缺陷在于对网络的分析不够完整。网络在其形成、演变和重构过程中牵涉到多种机理，需要在多个层面进行分析才能更好地发现相关过程和机理的联系。（3）许多网络研究把一些较为明显的网络特征（如边的权重）作为重点，忽略了更为复杂的特征，如节点的属性、多边关系等。网络成员通常都具有一些有趣的理论特征，对网络的形成有所影响，这应当是网络研究的关注内容。（4）许多网络研究使用描述性方法，而未采用统计学方法。MTML认为透过不同的社会科学理论看待同一个网络（社会网络、传播网络等）会得到不同结果，单一的理论往往无法对网络现象提供明确的、详尽的解释。MTML研究网络属性与各种社会科学理论之间的关联性，提出在同一框架下利用多种理论将能更好地介绍网络变化，同时能极大扩充各种理论所涉及的变量的数量。MTML主张在个体、双边、派系和整个网络这几个层面上分析网络属性，并允许在各个层面的分析中结合网络节点的属性。MTML提出“三层分析法”：第一层分析将网络解构成若干组成部分，第二层分析研究各个节点的属性，第三层分析探索与该网络相关的其他网络，或者对该网络做时序分析。第一层分析：网络解构，包括确认和分析网络的不同组成部分。网络都由节点及连接节点的边组成，拥有密度、双边关系、三边关系、传递性、派系、全局性等属性，每种属性都能通过一种或多种社会理论加以解释。第一层分析的任务就是对网络进行理论性分析、调查与各种网络属性可能相关的理论、将网络解构成相关组成部分以便于通过不同理论进行解释。第二层分析：属性分析，对节点属性进行检验。一种方式是通过模块建模（blockmodeling）对节点的属性进行分析。模块建模能将整个网络解构成若干子网络，其中每个子网络拥有不同的属性值，然后分析这些子网络内部或子网络间的各种关系。第三层分析：多元网络分析，即分析不同类型网络之间的关系，或分析某网络当前情况与之前情况的关系。通过很多网络能够预测其他网络的形成，例如通信网络对预测朋友关系网非常有帮助。综上，MTML三层分析法模式首先将网络结构成若干个层面上的组成部分，检查节点的属性，分析多元网络关系或对网络做时序关系分析。该课程还介绍了若干领域的社会科学理论（见附表1），以及探索如何结合MTML和这些理论来分析相关问题。收获：MTML框架扩宽了我的思路，我曾在工作中分析过引文网络、合著网络等，也曾在青年基金项目中尝试使用社会网络分析法。从MTML的角度看，这些研究都不够完整，同时缺乏相关理论的指导。今后的研究必须注意研究对象是否具有多层次结构，以及与研究对象相关的各种理论。3、其他交流学习活动（1）“Brown bag”学术交流Communication Department有利用午餐时间开展“Brown bag”学术交流活动的传统。我通过参加“Brown bag”学习了其他学者的工作，并在2013年1月做了一次题为“NSLC, Bibliometrics and Science Mapping”的报告，向大家介绍了我们国家科学图书馆的宗旨与研究方向，并向大家阐述了如何利用文献计量与知识图谱的相关方法促进自己的研究，引起了其他学者很大的兴趣。（2）英语技能学习UC Davis时常举办各种有助于研究工作的学习班。2012年11月-12月我参加了“English for Presentations at International Conferences”研讨班，加强了利用英语进行学术交流的知识与技能。（3）到惠普和Google总部参观学习UC Davis距离硅谷约2小时车程，而硅谷是全球信息科技创新的殿堂，我在2012年11月和2013年2月分别找到机会到惠普和Google这两家硅谷的标志性企业参观学习，扩展了我对信息科技创新的认识。在惠普实验室，我发现虽然惠普并未推出相关产品，但实验室张贴的内部海报中，与社会网络、复杂网络的相关研究却最多；惠普实验室为研究人员创造了舒适的工作环境，并不体现在奢华的办公条件，而是合理的空间布置和人性化的后勤服务，甚至专门在隐秘的地方设置了几间“密室”，需要静心思考的研究人员在里面可以不受任何外界打扰；此外，惠普还为员工举办冥想（meditation）培训班，以帮助研究人员学习如何排除杂念，从而提高在工作中专心思考的能力。在Google总部，通过和接待我们的员工交流，了解到Google时常组织学术研讨会，邀请Google内部和外界的优秀科学家，通过面对面的交谈、报告、Poster等方式交流前沿问题，但绝大部分信息都不会出现在正式的学术文献中。惠普的前沿研究活动也存在类似情况。这对我们信息科技情报研究提出了一种挑战，即信息科技领域很多有价值的情报存在于正式学术文献之外的“灰色信息”中，而目前我们还没有有效方法能获取这些信息以把握产业界的最新“脉搏”。三、收获与感想在UC Davis访问学习的6个月中，我得到了Barnett教授与相关学者的热情帮助，并在参加研究项目、学术交流、课程学习等过程中收获颇多。总的说来有如下几点：（1）重视相关理论如多理论、多层次的网络分析框架（Multitheoritical multilevel framework，MTML）所强调的一样，很多网络研究既没有使用相关理论进行指导，也没有使用理论解释或归纳研究结果。在与Barnett教授及其他学者交流以及阅读他们的论文时，发现他们特别重视这一点，在论文的文献调研部分和总结部分都会提供不少相关理论，以便对研究进行指导和归纳。（2）重视信息科技的特性信息科技情报研究，不能局限于图书情报学的传统，需认真研究其学科特点，对于其他学科常用的研究方法（特别是用文献计量进行评估），国外信息科技学界早有非常强烈的反对意见，国内学者对此也反应强烈。Barnett教授特别向我强调要注意信息科技领域中信息传播的独特性，例如很多有价值的信息是通过学术会议、行业展会、网络论坛、以及人与人之间的当面交流来传播。此外，信息科技发展十分迅猛，学术期刊、专利等信息相对滞后；整个领域更注重开发（development）或发明（invention），而不是发现（discovery）；产业界对整个领域发展的牵引力大于学术界，信息科技的发展是一个技术与社会经济因素结合发展的复杂过程。一些相关文献也让我意识到，信息科技情报团队需要尊重信息科技的独特性，要学习其发展规律，设法把握能真正反映其发展的信息。根据这个思路，我正在调查相关研究，计划分析信息科技专业人士所重视的会议文献、行业展会等潜在情报源的特点和可利用性。（3）努力开展跨学科研究在UC Davis的信息传播系有两位高水平学者Barnett教授和Bell教授，我发现他们的大部分论文都发表在信息传播以外的学科中，并发现该系的考核导向并未束缚研究人员的跨学科工作。因此我反思我们不应把自己局限于文献情报研究领域内，例如信息科技情报研究应当充分结合经济、管理等学科，以取得更具实际指导意义的成果。附图1：International University Hyperlink Network附图2：International University Hyperlink Network National Level附表1：Selected social theories and their theoretical mechanismsTheoryTheoretical mechanismTheories of self-interest focus on how people make choices that favor their personal preferences and desiresIndividual value maximization Social capital Investments in opportunities Structural holes Control of information flow Transaction costs Cost minimizationMutual self-interest & Collective Action examine how coordinated activity produces outcomes unattainable by individual actionJoint value maximization Public good theory Inducements to contribute Critical mass theory Number of people with resources & interestsCognitive theories explore the role that meaning, knowledge, and perceptions play in communication networksCognitive mechanisms leading to Semantic/knowledge networks Shared interpretations Cognitive social structures Similarity in perceptual structures Cognitive consistency Avoid imbalance & restore balance Balance theory Reduce dissonanceContagion theories address questions pertaining to the spread of ideas, messages, attitudes, and beliefs through some form of direct contactExposure to contact leading to Social information processing Social influence Social learning theory Imitation, modeling Institutional theory Mimetic behavior Structural theory of action Similar positions in structure and rolesExchange and dependency seek to explain the emergence of communicatio