张瑞 姚童 杨艳妮

关键词： 科学知识; 文献大数据; 最短路径分析; 学科交叉; Scopus 数据库

在过去几十年中， 科学面临的问题变得日益紧迫、复杂， 许多与人类活动密切相关的问题无法在单一学科范围内得到回答， 决策者和研究人员解决这些问题越来越需要跨越传统独立研究领域。科学知识传递有助于打破现代学术界的沟通鸿沟， 充分调动智力资源， 是产生创新知识的动力之一。例如， 物理学领域中关于原子自旋的研究， 形成了医学中的磁共振成像， 进而促进了医学和生物学中的许多新的应用和发现[1] 。在当今学科高度综合化趋势下， 从学术界到公共政策部门， 再到私营企业机构， 对于科学合作研究寄予非常高的期待， 并通过各种手段和方式支持和鼓励跨学科项目[2] 。在新学科创建以及学科范围扩展中， 为避免知识框架融合混乱， 需要一代又一代的学科交叉研究实践。因此， 对科学系统发展而言， 学科交叉既是一项挑战， 又是一种利器。

学科之间的合作是科学知识的一种传递方式，但是知识背景差异显著的学科其知识阻力也大， 不少学科需要通过中间学科传递知识。如何衡量两个学科之间知识阻力大小程度， 以及判断产生联系最少需要跨越哪些中间学科是分析学科交互的关键问题。本研究在科学知识传递视角下， 运用学科知识交叉最短路径相关指标， 采集Scopus 数据库生命科学领域文献数据进行计算， 分析描述该领域跨学科知识交叉分布特征， 以此探讨学科之间亲疏关系。研究的实现将在一定程度上合理地解释学科“跨越” 和“交叉”， 有利于加强科学研究人员的交流与合作， 促进新知识的发现与创造。

1相关研究回顾

1. 1科学知识传递

由于科学系统内在机制的约束， 通常运用期刊和文献来记录科学联系， 即科学知识的继承关系和合作关系， 因此科學知识载体能确切地反映科研活动中的两种主要的科学知识传递方式———知识转移与知识共同创造[3-4] 。随着科学系统的分化与发展， 科学演变为“分科而学”， 不同学科逐渐形成完整的知识结构， 知识在不同学科具有不同的特点， 知识内容可以按不同的“学科” 划分。大多数文献以期刊类别作为学科分类的划分依据， 每种期刊以一对多的方式归入多个学科类别之下， 呈现出多样性、开放性、交叉性和复杂性的特征[5] 。文献所属的期刊特性通常被作为主要渠道特性， 研究表明， 不同期刊发表同一篇论文对科学事业的贡献也有很大不同[6] ; 彭继东等[7] 从学科整体和期刊个体两个层面分析纳米科技学科领域的知识交流; Yan E[8] 将期刊级引文数据集聚合成27 个学科领域， 以学科作为分析单元。但该分类依据并不是唯一， 如吴江等[9] 基于基金进行学科划分， 根据基金代码间的共现关系构建学科知识流动网络。刘婷等[10] 以期刊论文的参考文献分类号来划分学科。学科作为划分知识的产物， 实际上代表着知识的集合。知识点被分得越细， 则越靠近学科细分条目。

英国著名的文献学家布拉德福指出， 各学科之间必然存在一定的联系[11] 。在新学科创建以及学科范围扩展中， 为避免知识框架融合混乱， 需要一代又一代的知识传递研究实践。目前， 有不少研究成果揭示了一定的跨学科知识传递规律， 如从20世纪80 年代中期开始， 越来越多的科学研究引用自身学科以外的研究成果[12] ; 跨学科程度与被引量呈现倒U 型关系[13] ; 人文社会科学引用自然科学（科学、技术、农业和医学）会给自身带来更多的引用[14] 等。尽管引证关系能够很好地表示学科间的知识输入、输出， 反映学科彼此之间的贡献关系，但是仅仅从引文视角揭示科学知识传递， 缺乏科学知识全面动态审查， 使得对学科整体发展的理解有限。“学科” 代表高度整合的知识形态， 一般通过科学研究问题的归属来界定知识的特性， 受学科体制的束缚， 不同学科具有特定的研究方法、研究问题或主题。根据Pierce S J[15] 描述， 学科之间的联系可分为3 类： 一是借用， 指学科将其他领域的理论和方法运用到自身的学科研究中， 主要通过引证关系衡量; 二是合作， 指不同学科合作发表研究成果; 三是跨界， 在其他领域学科中发表研究成果。因此， 研究成果在不同领域学科分类也是学科之间产生联系的一种方式， 为科学知识传递提供了一条隐形路线。本文在科学知识传递视角下， 探究领域内学科之间的关系特征。

1. 2学科交叉分析方法

学科交叉分析方法通常以“学科引用” 和“学科共现” 为依据。“引用” 是文献与文献之间产生联系的一种标志， 而引文分析方法在探究学科知识的继承与发展关系中发挥重要作用。姜春林等[16]从论文自身学科属性、引文学科类别两个角度分析学科交叉研究。开滨[17] 在引文分析基础上构建学科交叉性指数测度学科交叉性。Bowman T D 等[18]根据引文构建学科地址框架展开学科交叉研究。而“共现” 是两个事物同时发生的当时属性， 也是两个事物联系的外在表现[19] 。徐晓艺等[20] 从科研合作角度出发， 基于合著论文参考文献的学科分布构建多学科共现网络。从本质上来讲， 合作关系运用的是共现网络， 是无向网络; 而引用关系运用的是引文网络， 是有向网络。“共现” 和“引用” 都是由科学本身发展规律和内在机制所决定的。在网络分析之上， 图建模方法被学者们青睐， 如HummonN P 等[21] 提出主路径分析方法; Mueller M 等[22] 探究不同网络的路径长度、周期性、度中心度的分布和不对称性对系统知识分布特性具有不同影响;Renoust B 等[23] 在有向非循环图（DAGs）视角下研究知识产生和传播等。

学科交叉分析反映出学科内部、学科与其他科学研究的相互依存结构。商宪丽[24] 在交叉学科内部和相关基础学科两个层次上构建交叉学科主题引用网络。Nelson M R 等[25] 、Sarin S 等[26] 、TsayM[27] 分别基于不同学科领域， 检验该学科领域与其他学科之间知识流动。学科之间合作是促进知识复兴和再生的动力， 学科之间的共现象征着学科之间的合作， 学科共现信息也能有效反映学科的交叉属性特征。本文从学科共现的角度， 探究科学知识传递意义下的学科与学科之间的最短路径， 将学科作为实体抽象为网络图， 获得学科交叉的实现途径， 揭示领域内学科关系和微观结构， 为促进学科发展提供量化依据。

2分析框架

2. 1方法流程

为测量科学研究的交叉程度， 期望获得两个学科之间互动关系的强弱， 寻找两个学科之间的最短路径， 学科共现网络中的最短路径问题就是解决这些问题， 将学科作为实体抽象为网络图， 通过最短路径测量学科之间的连接， 揭示学科潜在合作的可能性， 最短路径越小， 学科之间合作的可能性越大。本研究的方法流程如图1 所示。

2. 2构建学科共现矩阵

共现分析是一种常用的探究科学结构与分布分析方法， 其基本思想是以不同实体的外部特征为基础， 通过外部特征的共现揭示其深层关联， 提供有价值的线索。将一个学科领域i 的内部结构由SCi =（SCi，1，…，SCi，j ，…，SCi，n ）表示， n 表示学科总数。则学科共现结构为：

其中， SC 表示为一个n×n 两两共现对称矩阵，SCij表示学科i 与学科j 间的相关关系。若分析单一领域的学科之间的关系， 其中， 每篇文献中必有一个学科属于该领域， 因此， 倘若学科i 或学科j 均不属于该领域， 说明SCij是两学科基于该领域学科产生的相关关系。例如， 生命科学领域中大量文献的学科类别包含医学、心理学， 则生命科学领域对医学与心理学发挥了重要连接作用。

首先， 根据学科共现出现的频次构建SC 矩阵， 即用学科i 与学科j 共现的总文献量来计算SC矩阵。对SC 矩阵进行标准化处理生成SC′矩阵，两学科相关关系用学科i 与学科j 共现文献量除以总共现文献量， 表示为：

2. 3学科交叉最短路径指标

各种最短路径算法具有不同的特点。Dijkstra算法是一种比较成熟和常用的算法， 也称为标号设置算法或双標号法， 该算法由荷兰计算机科学家Dijkstra E W[28] 于1959 年提出， 其主要思想与代换法类似： 以一个固定起点计算与其他节点的距离，用最短距离（临时标号）的不断否定寻找到最终的距离（永久标号）， 由近及远， 逐步向外层扩展。Dijkstra 算法主要适用于非负权的网络求解， 时间的复杂度为O（n2）。目前为止， 该算法被认为是求解两节点之间最短距离的最优方式。Dijkstra 算法具体步骤如下[29] ：

步骤0： （初始化）对起始点v1 置永久标号u1 =0， 剩下的n-1 个点置临时标号u1 =w1j（2≤j≤n），S ={v1}， R ={v2，v3，…，vn }。

步骤1： 在R 中取一个顶点vk ， 使uk =min vj∈kuj ，如果uk = +∞， 停止， 从v1 到R 中各顶点都没有路; 否则转到步骤2。

步骤2： 置R = S∪{vk }， R = R ＼{vk }。若R =Ø， 结束， 所有最短路径{vi ，vj }的都已经求出; 否则转步骤3。

步骤3： 对一切vi∈R， 置， 然后转到步骤1。

运用Dijkstra 算法计算学科共现网络， 循环比较路径距离的方法， 由起始节点到终止节点层层扩展， 寻找最短距离的路径。学科i 与学科j 之间的距离用学科i 与学科j 相关关系SCij的倒数来表示，即： 1/ SCij ， 含义表示为总共现文献量除以学科共现的文献量———学科之间共现的文献数量越高， 学科之间的关联越大， 它们之间的距离越短。将生命科学领域学科共现网络图G 的拓扑数据存储在带权的邻接矩阵中。设定i≠j， 若SCij为0， 距离则为+∞;i =j， 表示同一学科间距离最近， 权值为0。

基于学科共现网络G， 结合如下指标[30] 展开探讨：

最短路径（Shortest Path）： 最短路径SPij 表示为学科i 与学科j 之间存在一条路径， 使得累积路径权重达到最小值。

最短路径权重（Shortest Path Weight）： 最短路径权重SPWij表示最短路径的累积路径权重值， 即路径所经过节点的连边距离之和， 节点连边距离为邻接矩阵中的值。

最短路径长度（Shortest Path Length）： 最短路径长度SPLij表示学科i 与学科j 中的最短路径中传输知识时所经过的节点个数。

最短路径出现次数（Occurrence in Shortest Path）：最短路径出现次数OiSPk 表示学科k 在所有最短路径中出现的次数。

其中， 路径权重代表学科之间的距离， 学科共现的频率越高， 学科知识共享机会越多， 学科之间距离也就越近; 最短路径权重说明了学科之间的亲密程度。最短路径长度反映了学科间传递知识所需“步骤”， 也就是一个学科访问另一个学科的容易程度， 最短路径长度越短， 学科知识流动越便利，学科交叉融合的可能性越大。最短路径出现次数说明一个学科在知识传递中的媒介作用， 体现该学科在科学知识传递中发挥的重要程度和控制能力。

3实证研究

3. 1数据获取与预处理

本文数据来源于Scopus 数据库， Scopus 数据库学科分类是经过专家调查方法设定的一套完整学科分类体系： 首先， 预收录一个出版物时， 出版物负责人会按对应学科分类选择出版物所属的学科，再由Scopus 数据专业人员进行审查。研究表明，从分类体系结构角度来看， 相比于Web of Science按照ESI 学科进行分类， Scopus 数据库的学科分类体系具有更好的规律结构[31] 。在Scopus 中， 整个学科分类体系共分为3 个层级， 一级学科共4 种（生命科学、健康科学、物理科学和社会科学），二级学科27 种， 三级学科334 种， 每个三级学科与上位类学科唯一对应。

根据Elsevier 网站， 生命科学领域为一级学科领域， 具有二级学科和众多三级学科分支， 具体划分为农业和生物科学（AGRI）、生物化学、遗传学和分子生物学（BIOC）、免疫学和微生物学（IMMU）、神经科学（NEUR） 及药理学、毒理学和药剂学（PHAR）5 个一级学科， 与相对应的51 个二级学科。

在Scopus 官网中Sources 分页下载来源出版物列表（ https：/ / www. scopus. com/ sources. uri？ zone =TopNavBar&origin=searchbasic， 更新日期2019 年5月， 下载日期2019 年9 月）， 筛选领域为生命科学（Life Sciences）期刊。根据Scopus 来源出版物列表中的每本期刊的ISSN（EISSN 号作为补充）、利用爱思维尔提供的API， 构建URL， 获取每一本出版物的检索信息（XML 格式）， 摘取收录文献的基本信息。共获取Scopus 中生命科学领域2013—2018年3 575 103篇文献。在收集JSON 格式Scopus 文献题录数据中， 每篇文献标记有学科分类， 该分类是根据文献所属期刊学科进行划分。

定义学科知识存量以及学科知识累积存量如以下公式所示：

其中， KSt 为t 时刻知识存量， Dit 为t 时刻的第i 篇文献知识存量， M 为t 时刻学科包含的文献数; 式（4） 中， CKSt 以0 时刻为初始时刻， 到t 时刻的知识累积存量， 由于知识的可累计特性， CKSt是一个与时间t 相关的增函数。

根据公式计算2013—2018 年生命科学领域各级学科的知识存量， 将每篇文献知识存量视为相等， 取值为1。其中同一篇文献类型可能属于多个学科， 设置单篇文献可以按学科多次统计， 并汇总不同学科知识存量分布图， 计算不同二级学科下的三级学科知识存量占比， 绘制出图2。

3. 2学科编码与共现分析

3. 2. 1学科编码

科学文献所代表学科类别是其知识背景的信息反映。单一文献对象在学科分类体系中， 可以划分为不同的学科， 具有多个学科属性。以生命科学领域文献为核心， 探讨其与领域内学科之间、领域内与领域外的学科之间的关系特征， 揭示生命科学领域知识结构的基本格局。主要参考Scopus 的学科分类， Scopus 有二级学科27 种， 去除因无法划分类别、代表多学科的“Multidisciplinary” 一类， 共包含二级学科26 种， 分为四大类别学科领域： 生命科学领域（5 种）、健康科学领域（5 种）、物理科学领域（10 种）及社会科学领域（6 种）。将不同学科领域按二级学科进行分层归类、编码， 如表1 所示。

3. 2. 2学科共现网络构建

根据学科共现矩阵计算规则， 对科学研究中所涉及的学科领域共现进行分析， 一般认为， 一篇文献可划分为不同的学科， 两个学科共同出现的频次越高， 则两个学科的关联性越强， 即可生成学科间相互关联的网络。单篇文献的学科属性包含多个三级学科类别， 映射到二级学科类别， 以此进行学科与学科之间组配， 构成学科共现。其中， 3 575 103篇文献中， 625 493篇（17. 50%）标注为单一学科，1 301 733篇（36. 41%）标注了两个学科， 882 720篇（24. 69%）标注了3 个学科， 428 290篇（11. 98%）标注了4 个学科， 336 867篇（9. 42%）标注了5 个及5 个以上的学科。大部分的文献呈现出多学科交叉的属性。为直观地显示学科之间亲疏关系的整体面貌， 绘制生命科学领域学科共现热力图， 如图3所示。不同学科之间关系强度用不同颜色来表示，大致维持在0%～6%之间; 图中右边显示在共现关系对中不同学科出现频次。

学科i 与学科j 之间的距离用学科i 与学科j 相关关系SCij 的倒数来表示， 即： 1/ SCij ， 含义表示为总共现文献量除以学科共现的文献量———学科之间共现的文献数量越高， 学科之间的关联越大， 它们之间的距离越短。将生命科学领域学科共现网络图G 的拓扑数据存储在带权的邻接矩阵中， 如图4 所示。对于不同的学科之间i≠j， 若学科关系SCij为0， 距离则為+∞; 同一学科表示i =j， 默认为同一学科间距离最近， 权值为0。

3. 3生命科学领域学科交叉最短路径分析

为揭示生命科学领域与其他学科领域的学科交叉， 运用Dijkstra 算法计算学科共现网络， 循环比较路径距离的方法， 由起始节点到终止节点层层扩展， 寻找最短距离的路径; 对最短路径权重、最短路径长度以及最短路径出现次数各项指标进行具体计算。

3. 3. 1学科交叉最短路径权重

对生命科学领域学科交叉最短路径权重计算，结果如表2 所示。

1） 领域中5 个学科与其他学科交叉最短路径大体一致， 整个路径基本核心团包括： 农业和生物科学（Aa）、生物化学、遗传学和分子生物学（Ab）、免疫学和微生物学（Ac）、神经科学（Ad）、药理学、毒理学和药剂学（Ae）、医学（Ba）、化学工程（Ca）、化学（Cb）、地球和行星科学（Cd） 和工程（Cf）。说明了非生命科学领域（Ba、Cb、Cd 和Cf）为生命科学领域学科互动活跃， 并贡献了重要的科学知识。

2） 医学（Ba）和生物化学、遗传学和分子生物学（Ab）构成了生命科学领域发展的基础， 这两个学科与生命科学领域所有学科之间的最短路径权重均排在前3， 医学（Ba）和生物化学、遗传学和分子生物学（Ab）之间的最短路径为23. 28， 是所有不同学科之间最短路径的最低值， 说明这两学科在生命科学领域中具有重要地位。

3） 环境科学（Cg）和化学工程（Ca）是影响农业和生物科学（Aa）、生物化学、遗传学和分子生物学（Ab）两个非常重要的领域外学科， 最短路径权重分别为57. 08 和42. 09， 健康专业（Be）是影响药理学、毒理学和药剂学（Ae）的特色领域外学科，与其他生命科学领域最短路径权重排名未到Top10。

4） 物理科学领域对生命科学领域关联学科的数量最多， 除农业和生物科学（Aa）外， 按照距离从小到大/ 关系程度从大到小为： 化学（Cb）、环境科学（Cg）、化学工程（Ca）、工程（Cf）、地球和行星科学（Cd）。

5） 社会科学与生命科学领域学科关系未到Top10， 二者的关联程度最低。

3. 3. 2学科交叉最短路径出现次数

对生命科学领域学科交叉最短路径出现次数进行计算， 结果如表3 所示。

1） 生命科学领域， 计算所有学科之间最短路径， 然后统计生命科学领域农业和生物科学（Aa）、生物化学、遗传学和分子生物学（Ab）、免疫学和微生物学（Ac）、神经科学（Ad）、药理学、毒理学和药剂学（Ae）5 门学科最短路径出现次数， 按高低排序为Ab（269）、Aa（172）、Ad（72）、Ac（26）、Ae（26）， 可说明生命科学领域农业和生物科学（Aa）、生物化学、遗传学和分子生物学（Ab）以及神经科学（Ad）是生命科学领域最具有交叉属性的三大类学科。

2） 农业和生物科学（Aa）的最短路径出现次数分布在不同领域的关联中， 其中， 在物理科学与社会科学的连接（C-D）占比最高， 为25. 58%; 生物化学、遗传学和分子生物学（Ab）、神经科学（Ad）与之类似， C-D 占比最高， 分别为19. 33%和27. 78%;免疫学和微生物学（Ac）、毒理学和药剂学（Ae）是一致的， 主要是在生命科学领域与物理科学领域的连接（A-C）中占比最高， 为38. 46， 而且在与物理科学与社会科学相关的连接中无直接中介作用， 占比为0。由此表明， Aa、Ab 和Ad 是在非生命科学领域连接中发挥重要的中介作用， 而Ac 和Ae 主要在生命科学领域与其他领域的连接中发挥中介作用。

3） 相比于农业和生物科学（Aa）及生物化学、遗传学和分子生物学（Ab）， 神经科学（Ad）的最短路径出现次数在生命科学领域与物理科学领域的连接（B-B、B-C、C-C）中占比为0， 大多数分布在与社会科学领域相关的连接中（A-D、B-D、C-D和D-D）， 说明神经科学（Ad）对于社会科学领域学科交叉具有重要意义。

3. 3. 3学科交叉最短路径长度

对生命科学领域学科交叉最短路径长度计算，结果如图5 和表4 所示。可得如下结论：

1） 生命科学领域学科交叉最短路径长度频率分布整体呈现偏正态分布， 大多数学科之间的关联需要经历2～3 个学科节点， 少数学科之间的关联需要经历1、4 和5 个学科节点。

2） 最短路径长度为1， 表明学科之间产生关联的距离最短， 不需要其他生命领域学科承担中介作用， 反映学科之间的密切关系。分析非生命科学领域与生命科学领域中存在的最短路径长度为1 的学科关系： 在健康科学领域中， 医学（Ba）对应于生物化学、遗传学和分子生物学（Ab）、免疫学和微生物学（Ac）、神经科学（Ad）及药理学、毒理学和药剂学（Ae）， 兽医（Bc）对应于农业和生物科学（Aa）， 健康专业（Be）对应于生物化学、遗传学和分子生物学（ Ab） 和药理学、毒理学和药剂学（Ae）; 在物理科学领域， 地球和行星科学（Cd）、环境科学（Cg）对应于农业和生物科学（Aa）， 其余对应生物化学、遗传学和分子生物学（Ab）; 在社会科学领域， 人文与艺术（Da）、心理学（De）对应于神经科学（Ad）， 其余对应农业和生物科学。由此可以看出， 农业和生物科学（Aa）与社会科学领域大多数学科关系更近; 生物化学、遗传学和分子生物学（Ab）与物理科学领域大多数学科关系更近;神经科学（Ad） 与社会科学领域中的人文与艺术（Da）和心理学（De）关系最近; 药理学、毒理学和药剂学（Ae）与健康科学中的健康专业（Be）关系最近。

另外， 一些学科在生命科学领域中具有间接联系（生命科学作为中介学科）， 如健康科学领域中的医学（Ba）和护理（Bb）， 医学（Ba）和牙科（Bd）;物理科学领域中的化学工程（Ca）和化学（Cb）， 地球和行星科学（Cd）和环境科学（Cg）; 社会科学中的人文与艺术（Da）和心理学（De）。一方面， 生命领域学科在这些学科的连接中发挥了一定的作用;另一方面， 也表明这些学科是生命科学领域与健康学科领域、物理科学领域和社会科学领域之间连接的主渠道。

3） 大多数学科之間的最短路径长度为2 和3，表明学科之间产生联系， 只需要经过2 和3 个节点， 仍有不少学科产生联系需要经过4、5 个节点，这些学科很难在生命科学领域内产生联系， 分析哪些学科具有怎样的特性也很有必要。从表5 可以看出， 最短路径长度等于4 和5 大多数集中于健康科学领域、物理科学领域、社会科学领域的学科节点关系， 说明生命科学领域在它们的联系中发挥中介作用的可能性很小。另外， 在生命科学领域， 农业和生物科学（Aa）与社会领域中的人文与艺术（Da）和心理学（De）产生联系的可能性很小; 神经科学（Ad）与健康科学领域中的兽医（Bc）、物理科学领域中的地球和行星科学（Cd）和环境科学（Cg）、社会科学领域中的商业、管理和会计（Db）、决策科学（Dc）、经济学、计量经济学和金融学（Df）以及社会科学（Df）产生联系的可能性很小， 说明这些学科在生命科学领域产生联系的“知识阻力” 较大。

4讨论与分析

1） 生命科学领域内的学科间关系， 明显强于与领域外的学科关系。对学科关系进行全局分析，学科内的关系强度大多在3%～6%， 是关系强度最高的区域; 领域内与领域外的学科关系大多在3%左右， 而其他学科基于生命科学领域产生的关系，其关系强度大多在0% ～ 3%， 学科间关系强度较弱。另外， 健康科学领域中的Ba（医学）与生命科学领域在关联程度特征上基本没有差异性， 呈现显著聚簇现象， 说明医学与生命科学关系极其密切，学科知识之间渗透性强， 二者融合向前发展。

2） 生命科学领域内部不同学科与其他学科领域的关系亲疏具有差异性。除Ba（医学）以外， 对于Aa（农业和生物科学）， 与其他领域关系较近的学科为Cd（地球和行星科学）和Cg（环境科学）; 而Ab（生物化学、遗传学和分子生物学）关系较近的是Ca（化学工程）和Cb（化学）。与Ac（免疫学和微生物学）密切相关只有Ba（医学）， 其他学科领域关系不显著; 与Ad（神经科学）较相关的还包括社会科学中的De（心理学）; 与Ae（药理学、毒理学和药剂学）较为相关的则是Cb（化学）和Be（健康专业）。这些关系对比中， 充分反映生命科学领域不同学科发展的知识需求具有差异， 这些差异与学科的基本任务和使命息息相关。

3） 生命科學领域学科对部分学科的发展具有明显作用。生命科学领域自身学科关联程度较大，说明学科知识的凝聚力较强; 此外， 观察其他学科内部关联程度， 发现Ba（医学）、Cb（化学）、Cd（地球和行星科学）和Cg（环境科学）自身相关性很大， 说明生命科学在这些学科的发展中发挥着重要作用， 也表明这些学科与生命科学联系紧密， 是学科交叉研究重点。同时， 相较健康科学内部关联，生命科学在物理科学和社会科学内部关联发挥作用更大。

4） 生命科学领域是连接不同学科领域的桥梁， 且发挥衔接作用的程度不同。分析与生命科学领域发生高强度关联的学科， 发现大部分集中在健康科学领域和物理科学领域， 社会科学领域没有显著相关学科。在健康科学领域， 除了Ba（医学）与物理科学和社会科学产生较强关联， 其他学科与外部学科发生关联的可能性很小; 在物理科学领域，Ca（化学工程）、Cb（化学）、Cc（计算机科学）、Cd（地球和行星科学）、Ce（能源）、Cf（工程）、Cg（环境科学）能够与社会科学通过生命科学领域产生关联关系， 而在Ch（材料科学）、Ci（数学）和Cj（物理学和天文学）与社会科学发生的连接中， 生命科学领域基本发挥不了作用。

5结论

本研究以生命科学领域为主要学科， 从科学知识传递视角分析学科交叉最短路径。首先， 对学科分类标准和依据进行说明， 详细阐释生命科学领域内不同学科的知识特征， 并对不同学科知识存量进行统计。接着， 考虑到一篇生命科学领域文献具有不同学科属性， 结合Scopus 文献数据探究生命科学领域内外的学科共现， 从中体现了生命科学领域内外学科亲疏关系; 采用最短路径方法确定学科之间交叉关系， 使不同学科知识传递路线清晰化。

科学知识传递重点在于不同学科之间的共性，本文展示了生命科学领域不同学科之间的关联关系具有明显的差异性， 揭示了学科之间的互动关系及不同学科在合作关系中发挥的中间作用。另外， 知识的分工与协同是科学系统发展的必然选择， 学科交叉是不同类别的学科进行知识合作目的之一。基础性、适用性较强的学科在学科共现中表现活跃;不同的学科知识结构中的共同语言较多则学科互惠明显。

本研究的局限： 时间跨度相对较短， 得到的结论只针对领域发展一个片段， 不足以剖析长时间纵向动态发展规律; 另外， 数据选取领域可以拓宽，不限于生命科学领域能够更加全面地反映整体学科互动关系。

3146500338273