شناسايي ساختار محتوايي مطالعات علم اطلاعات و دانششناسي بر اساس واژگان و مفاهيم مقالات آن در پايگاه اطلاعاتي وب آوساينس (2009-2013)

Identifying Content Structure of “Knowledge and Information Science (KIS)” Studies Based on Co-word Analysis of Articles in “Web of Science (WoS)” Database (2009-2013

هدف پژوهش حاضر شناسايي و تحليل ساختار واژگان و مفاهيم مقالات «علم اطلاعات و دانش شناسي» با استفاده از نگاشت هاي علمي هم واژگاني در پايگاه «وب آوساينس» است. روش به كاررفته در پژوهش حاضر تحليل محتواي واژگان و مفاهيم متون است. در پژوهش حاضر از فنون رايج در علم سنجي شامل توزيع فراواني قانون «برادفورد» و خوشه بندي سلسله مراتبي با رويكرد Between-Groups Linkage ، و همچنين، از تحليل هاي آماري شامل فراواني، درصد، و رگرسيون در نرم افزارهاي SPSS و Excel بهره گرفته شده است. جامعه پژوهش شامل كليه مقالات (16475 مقاله) منتشرشده در پايگاه «وب آوساينس» طي سال هاي 2009-2013 است. در فرايند انجام پژوهش جهت يكدست سازي واژگان و مفاهيم عناوين مقالات از نرم افزار علم سنجي Ravar Premap استفاده شده است. يافته ها نشان مي دهد كه واژگان «اطلاعات»، «وب»، «پژوهش»، «تحليل استنادي»، «دانش»، «كتابخانه»، «مجلات»، و «فناوري» محور اصلي مفاهيم مورد مطالعه در اين رشته را تشكيل داده اند. همچنين، مفاهيم مورد مطالعه در 13 خوشه قرار گرفته اند كه محورهاي اصلي مطالعات شامل «آموزش و يادگيري، سواد اطلاعاتي»، «سازماندهي اطلاعات و دانش»، «منابع اطلاعاتي تحت وب و شبكه هاي اجتماعي»، «اخلاق حرفه اي در علم اطلاعات»، «انفورماتيك، ارتباطات و خدمات اطلاعات سلامت»، «مديريت اطلاعات، نظام هاي اطلاعاتي، مديريت دانش و نوآوري»، و «مطالعات و شاخص هاي علم سنجي و اطلاع سنجي» است. بررسي هم واژگاني مفاهيم علم اطلاعات و دانش شناسي بيانگر پديداري حوزه هاي مطالعاتي نوظهور در مطالعات علم اطلاعات و دانش شناسي است. همچنين، شاهد حضور مطالعات ميان رشته اي در بطن برون دادهاي علمي علم اطلاعات و دانش شناسي هستيم.

This study aimed to identify and analyze the structure of “Knowledge and Information Science (KIS)” scientific articles using coword analysis in the “Web of Science (WoS)” database. Methodology of this study was content analysis of articles. By co-word analysis of the articles, subjects and concepts of KIS were identified, using Between- Groups Linkage algorithm in clustering techniques. The study population was selected using the census sampling of 16475 journals’ articles in WoS database (2009-2013). Also, statistical analysis regression correlation was used. RaverPremap software, SPSS, and Excel were also used. Findings showed that the words “information”, “web”, “research”, “citation analysis”, “knowledge”, “library”, “journals”, and “technology” have high impact in studies. Analysis of clusters showed that articles words are divided into 13 clusters. The main subjects of clusters include “teaching and learning of KIS; information literacy”, “knowledge & information organization”, “Web resources and social networks”, “professional ethics in information science”, “informatics, communication and health information services”, “information management; information systems; knowledge management and innovation”, “indicators of informetrics and scintometrics”. Analyzing clusters’ concepts indicated emerging some other fields of science studies in KIS as a phenomenon. Given the diversity and increases of scientific capital of other disciplines in KIS scientific outputs, interdisciplinarity of KIS knowledge was increased as well. Awareness of the interdisciplinary relation of KIS with other fields enabled experts to strengthen the cooperation with their researchers.