摘 要:对中国人文社会科学引文数据库的分析显示,人文社会科学对“理工农医”等外部知识的融合强度持续提升,人文社会科学知识来源的学科多样性不断丰富,但人文社会科学内部各学科的知识扩散能力存在较大差异。从知识融合的外部特征表现来看,知识融合的深入发展依托于跨学科科研合作的有效开展和跨学科科研团队组建,跨学科研究特有的复杂性决定了集智攻关与科研合作将成为知识融合发展进程中的重要推进方式。未来需要进一步挖掘人文社会科学知识融合过程中的知识交汇点和增长点,研究造成当前部分学科知识“封闭性”的主要原因及突破路径,推动知识融合研究从现象性分析到预测性挖掘的转变。
关键词:大科学;人文社会科学;理工农医;知识融合;知识扩散
作者逯万辉,中国社会科学院中国社会科学评价研究院副研究员(北京100732)。
当今世界已进入大科学时代,工程技术、科学与社会的深度耦合已成为现代科学发展的基本特征,随之产生的科技创新为经济社会持续发展提供了重要动力。科学与社会相互交织,使得科学的社会功能更加显著,科技创新对于经济社会发展的驱动作用愈发凸显,科技与社会的深度融合也带来了学术研究领域之间的相互借鉴。习近平总书记多次强调,“要下大气力组建交叉学科群和强有力的科技攻关团队,加强学科之间协同创新”,“要用好学科交叉融合的‘催化剂’……打破学科专业壁垒,对现有学科专业体系进行调整升级”,将学科交叉与知识融合摆在了科技创新的重要位置。在中国自主知识体系建设中,人文社会科学对自然科学、工程技术、农业科学以及医药卫生(简称“理工农医”)等领域的知识融合与知识吸收,也是推动人文社会科学知识体系创新发展的重要力量。因此,研究大科学背景下科学知识的流动、扩散与融合现象,并从中挖掘人文社会科学知识融合发展规律,是推动哲学社会科学学科体系建设的重要环节。
一、概念、研究综述与数据分析方法
(一)概念界定
大科学背景下的人文社会科学知识融合研究,既需要从知识内容层面展开知识流动性测度研究,尤其是研究跨度大的学科门类和学科领域(如人文社会科学对自然科学、工程技术、农业科学以及医药卫生等)的知识融合现象,也需要从知识融合形式如跨学科科研团队、科研合作等视角展开分析,展现知识融合的外部特征与融合途径,这样才能够较为全面准确地展现大科学背景下的人文社会科学知识融合现象。
(二)研究综述
在大科学背景下的知识融合研究方面,当前学者们关注的热点和焦点主要在知识融合的途径与形式、程度与影响测度以及知识生产逻辑与关系等问题。
在知识融合的途径与形式研究方面,已有研究认为,促进学科交叉与知识融合的方式主要包括设立跨学科研究项目、组建跨学科研究中心与实验平台、设置交叉学科专业与跨学科人才培养、联合研究与学术发表等。这些知识融合途径打破了原有学科边界与知识壁垒,能够将不同学科的知识与技术进行整合,从而更好地理解和解决领域内的问题。上述知识融合方式具有显著的问题导向意识,是一种自上而下的跨学科知识融合路径。
在知识融合的程度与影响测度研究方面,已有研究主要围绕知识扩散现象的测度指标与方法,重点从知识扩散的内在联系与外在效果视角展开。鉴于知识的可复制性,知识在产生之后被不同的创新主体或创新个体吸收后应用到不同的领域或行业,可以产生新的知识或新的效果,挖掘与测度该过程中的知识扩散路径是知识融合现象研究的重要内容。围绕知识扩散现象的研究和测度产生了一系列指标算法和评价实践,如赵蓉英等通过构建作者知识扩散广度、深度等指标,评价了作者知识扩散的贡献程度,Jingda Ding等使用知识扩散广度、强度、速度等探讨特定学科的知识扩散发展趋势及其对其他学科的影响,但是目前学术界对知识扩散机理的研究还相对缺乏。
在知识产生逻辑与知识生产关系方面,不同创新主体或创新个体应用来自多个学科或领域的技术知识并实现跨领域合作,其本质也是知识融合和知识创新的过程。从科学研究范式视角来看,知识融合是推动现代科学技术发展的重要力量,也是促进科学技术发展与不断深化的一种新的研究范式。在知识融合过程中,学科间的相互作用和影响促进了跨学科研究主题的出现,进而诞生新的研究领域和新的知识增长点。识别和挖掘这些新兴研究领域、探测知识融合发展规律并为学科发展布局提供前瞻性的决策支撑,也是当前知识融合研究的重要方向。
目前,跨学科知识融合与知识创新研究已经受到较多关注,但在学科层面,对各学科领域之间的知识融合模式,以及知识融合过程中新知识生成与演化规律的认识仍存在诸多不足。虽然在自然科学和社会科学的交叉融合等方面已产出了一些研究成果,但是人文社会科学对自然科学、工程技术、农业科学以及医药卫生等其他领域的跨学科合作与知识融合的发生程度、发展趋势等问题的研究仍可以进一步推进。因此,本文将聚焦大科学背景下人文社会科学知识融合过程中的知识流动性测度、知识融合途径与载体方面的外部特征演变等问题,全面展示人文社会科学创新发展过程中知识融合的现象与趋势、途径与载体,以期对大科学背景下人文社会科学自主知识体系构建有所贡献。
(三)数据来源与分析方法
本文以中国人文社会科学引文数据库(CHSSACD)1999—2019年收录的170余万篇中文核心期刊论文及其引文、作者信息为分析对象,研究和展现当前人文社会科学研究的基本特征与知识融合发展现状,特别是人文社会科学与自然科学等外部学科的知识吸收与知识融合情况。在此基础上,本文还辅助使用了Web of Science数据库1999—2019年收录的315万余篇英文学术文献,对中国人文社会科学和国外人文社会科学的科研合作现状和知识产出模式进行统计分析,并重点从跨学科研究平台与科研团队建设、科研合作特别是跨学科科研合作等视角出发进行探讨。
在论文研究过程中,由于不同学科分类体系的差异性较大,难以直接进行对比分析,因此,本文在人文社会科学知识内外部融合状况测度中,将重点论述中国人文社会科学知识融合现象及相关讨论;在知识融合过程中的外部特征演变研究中,则主要通过对国内外科研合作模式的规律性研究,探讨跨学科科研合作在知识融合中的推动作用。
在测度指标与算法构建过程中,本文主要采用基于引文分析的知识融合测度、基于科研合作网络的科研团队识别等相关方法,进行人文社会科学知识融合过程中的知识流动性测度,并在此基础上开展知识融合过程中的外部特征演变研究。
1.基于引文分析的知识融合测度方法
从学科交叉与知识融合测度方法及指标构建的演化脉络来看,其基本理论借鉴并融合了生物学、信息科学、网络科学、物理学等多学科理论与方法,经历了由单一维度指标向综合性多维度指标发展的渐进过程,迄今已形成40余项指标,覆盖多样性、均衡性、差异性等不同特征。本文重点研究和展现人文社会科学的外部知识融合现象,因此,在现有指标的基础上,分别采用知识来源测度指标和知识扩散测度指标进行相关计算。
该指标用于测度人文社会科学外部知识来源的丰富性,式中i代表参考文献所属学科,Ri表示目标文献中属于学科i的参考文献数量,H为人文社会科学学科,O代表人文社会科学之外的学科。
该指标用于测度人文社会科学内部各学科的知识扩散强度,式中表示目标学科发表的文献在数据集内的被引频次,
表示该学科发表的文献被本学科之外的其他学科引用的数量。
2.基于科研合作网络的科研团队识别方法
二、人文社会科学知识内外部融合状况测度
(一)人文社会科学外部知识来源的多样性分析
本节基于引文分析方法,从知识来源的视角,测度人文社会科学的外部知识吸收水平,重点展现人文社会科学对自然科学、工程科技、农业科学和医药卫生的知识融合情况。结果显示,人文社会科学对“理工农医”等其他外部知识的融合强度逐渐上升,跨领域知识融合使得知识来源的学科多样性不断丰富,其中自然科学对人文社会科学研究的影响不断深化;工程科技和农业科学对人文社会科学研究的影响程度不断加深;医药卫生领域对人文社会科学的影响相对较为平稳。
具体而言,人文社会科学知识来源的学科多样性不断丰富,特别是自然科学对人文社会科学研究的影响不断深化,人文社会科学来源学科中吸收自然科学的知识比例从1999年的3.72%上升至2019年的6.43%,提升近一倍,特别是自2009年开始,这一比例显著提升,一直保持在6%以上,自然科学对人文社会科学的影响不断增强;工程科技和农业科学对人文社会科学研究的影响程度也在不断加深;医药卫生领域对人文社会科学的影响相对较为平稳。整体来看,人文社会科学对“理工农医”等外部知识的吸收水平在过去20余年间持续增强,人文社会科学研究中使用外部知识的比例从1999年的9.93%提升至2019年的13.42%。下图展示了历年来人文社会科学的外部知识来源变化情况。
从学科层面来看,人文社会科学各学科对外部知识的吸收能力各不相同,其中人文地理学科对“理工农医”学科的知识吸收能力相对较强;历史学的知识来源中自然科学和农业科学的知识占比也相对较高;心理学、体育学和民族学与文化学对医药卫生领域的知识吸收能力较强;艺术学的知识来源中,工程科技学科知识占比相对较高。
(二)人文社会科学内部知识扩散的差异性分析
本节以某一学科发表的文献被其他学科引用的比例作为该学科知识扩散强度的测算依据,构建人文社会科学知识扩散的计量指标并对各学科的知识扩散强度进行计算后,得到人文社会科学领域各学科的知识扩散强度结果。结果显示,从知识扩散的视角来看,人文社会科学内部各学科的知识扩散能力也存在差异,其中统计学和马克思主义学科在人文社会科学研究中的知识扩散能力处于第一梯队。这也表明了马克思主义在中国特色哲学社会科学研究中的指导地位,以及统计学的工具性特征。
对比1999—2005年、2006—2012年和2013—2019年三个时间段的人文社会科学知识扩散情况可以看出,在人文社会科学内部,统计学的知识扩散能力最强,在统计学文献的被引统计中,85%以上的被引发生在其他学科,即统计学对其他学科的知识输出占据绝对优势;其次是马克思主义学科,马克思主义作为人文社会科学研究的根本遵循,对人文社会科学各学科的研究都具有指导意义,从计量结果来看,该数据也反映了这一现实情况,马克思主义学术文献被其他学科引用的比例均在80%以上,但是这一比例有下降趋势,需要引起高度重视;此外,哲学、社会学、历史学等学科在人文社会科学内部的知识扩散能力也相对较强。
体育学、信息资源管理(原“图书馆、情报与档案学”)、教育学等学科在人文社会科学领域内部的知识扩散能力相对较弱,这些学科主要吸收其他学科的知识但是并未对人文社会科学领域内部的其他学科产生广泛影响,这需要引起相关研究者的高度重视,一是要研究这些学科的知识体系是否真正融入大科学研究中,二是要探究造成当前这些学科知识“封闭性”的主要原因,并找到突破。特别是图书馆、情报与档案学学科,要以此次一级学科更名“信息资源管理”为契机,更好地融入整个知识网络,在与其他学科交流互鉴中努力提升学科核心竞争力,增强学术影响力和话语感召力。
(三)人文社会科学知识融合程度分析
本节从学科共被引关系挖掘视角分析学科知识融合程度。人文社会科学研究的知识融合,一方面体现在对各学科知识的直接吸收上,另一方面,不同学科间的共被引强度也是学科知识融合程度的重要体现。通过计算以学科共被引强度为表征的知识网络特征可知,人文社会科学内部的知识流动变得更加频繁,整个知识系统内部的各领域也在加速融合。
对比“理工农医”内部各学科的知识融合情况来看,这些学科发展过程中知识融合程度也在不断加深,但是其知识来源以“理工农医”内部学科知识为主,对人文社会科学的知识吸收程度不高,其中材料科学与物理学和计算机科学、地球科学与环境科学和生态学、生物医学与化学的知识融合强度较大;数学与自动化和控制系统、力学、计算机科学等学科的知识融合也越来越显著。
总之,人文社会科学与自然科学、工程科技、农业科学和医药卫生等各大领域之间,以及人文社会科学内部的各个学科之间,其知识融合程度都在不断加深,跨领域跨学科的知识融合正在成为推动人文社会科学知识创新的重要途径,也成为大科学环境下人文社会科学知识创新的显著特征。
三、人文社会科学知识融合过程中的外部特征演变
从知识融合的途径来看,跨学科科研合作和跨学科科研团队是推动知识融合的重要载体和主要力量,也是当前人文社会科学知识融合进程中的重要外部特征。总体来看,大科学背景下的人文社会科学知识融合的外部特征主要表现在以下两个方面:一是学术合作强度不断加大,学术合作特别是跨学科合作成为推动知识融合与学术创新的重要力量;二是跨学科科研团队(科研小组)规模不断扩大,集智攻关成为当前解决复杂问题的主要手段,也是实现知识融合的重要载体。
(一)知识融合过程中跨学科科研合作强度不断提升
从知识生产视角来看,科学合作具有科研生产力和科研生产关系的双重属性,从科研成果产出的特征分析来看,科研合作特别是跨学科交流与合作,是推动人文社会科学知识融合的重要力量。跨院系合作是跨学科交流与合作的一种具体表现形式,通过分析以跨院系科研产出成果为载体的跨学科合作情况,可以为研究知识融合现象提供新的观测视角。
从科学研究外在特征演变来看,科研合作已经成为推动人文社会科学科研创新的重要载体和学术成果产出的主要表现形式,且这一趋势仍在加强。这是大科学时代人文社会科学知识融合的显著特征,也是大科学背景下完善知识融合评价制度特别是跨学科合作中学者贡献度评价必须直面的重要问题。
总的来看,当代科学技术的飞速发展和研究问题的日益复杂,致使研究人员在开展研究过程中需要掌握的知识技能和方法工具日益增加,发现新知识、提出新理论的难度与日俱增,开展合作研究成为现代科学的主要表现形式。跨学科研究的出现和跨学科科研合作的发展,推动了学科交叉研究与知识融合态势的不断深化,成为大科学背景下促进人文社会科学知识融合的重要力量。大科学时代的科研创新不仅需要科学家们拥有更加广阔的研究视野和更加深厚的学术积累,同时也对其跨学科知识融合以及协作创新能力提出了更高的要求,跨学科研究特有的复杂性,决定了科研合作将成为其科学活动中的一种重要的研究模式。
(二)知识融合过程中跨学科科研合作规模不断壮大
针对复杂的科学与经济社会问题,搭建跨学科研究平台和组建跨学科研究团队,成为当前推动学科交叉研究和知识融合发展不断走向深入的重要途径。
结语
回到人文社会科学研究本身,当前学术研究已经走向数智驱动的科学研究新范式,跨学科研究与知识融合研究范式也不例外。大数据技术和大数据思维的不断普及和广泛应用,推动了人文社会科学各领域与大数据技术交叉融合的深入发展,同时伴随着算法与算力的不断提升,深度学习技术也逐渐走向大众视野,大模型驱动下的数智技术也为人文社会科学研究范式变革提供了新的动力。方法和工具的不断创新为跨学科研究特别是细粒度的知识融合交汇点和增长点的挖掘识别提供了新的研究途径,为实现微观层面的融合知识点挖掘提供了技术可能性,从现象性分析到预测性挖掘的研究模式转换是未来这一领域的重要趋势。
〔本文注释内容略〕
原文责任编辑:李文珍