1　引言

　　
　　知識管理是目前學(xué)術(shù)界長興不衰的研究領(lǐng)域,輻射了管理學(xué)、計算機信息科學(xué)、圖書情報學(xué)、經(jīng)濟學(xué)、社會學(xué)和哲學(xué)等學(xué)科。綜觀近年來國內(nèi)外對知識管理的研究,涉及的內(nèi)容包括戰(zhàn)略管理、人力資源管理、信息資源管理、電子商務(wù)、人工智能系統(tǒng)、管理實踐、智力資本、組織行為和創(chuàng)新績效9個領(lǐng)域,囊括了知識管理的理論研究、方法論和應(yīng)用三大宏觀方面以及組織、人員、系統(tǒng)三大微觀方面。
　　不同的學(xué)科對同一主題的研究,在視角、方法和目的上都會有所不同,例如管理學(xué)側(cè)重知識管理中的戰(zhàn)略制定、人力資源管理;計算機信息科學(xué)關(guān)注智能系統(tǒng)和電子商務(wù)系統(tǒng)的內(nèi)容;而圖書情報學(xué)更傾向于對知識管理中的信息資源進行分析。本文即是站在圖書情報學(xué)的角度,通過數(shù)據(jù)分析,研究近5年來在該領(lǐng)域中對知識管理的探索主要集中在哪些方面及發(fā)展的趨勢。
　　對知識管理的發(fā)展動向,國內(nèi)外學(xué)者都做了大量探索,綜述文獻如鄧湘琳的國內(nèi)外知識管理的研究進展,盧金榮、郭東強的知識管理熱點問題研究綜述等;研究類文獻如張勤、徐緒松采用共詞分析和可視化技術(shù)對國外知識管理研究結(jié)構(gòu)的探索,趙艷枝利用關(guān)鍵詞的關(guān)聯(lián)規(guī)則,對情報學(xué)界知識管理研究現(xiàn)狀的分析;張勤、馬費成以共詞分析為方法,對國內(nèi)知識管理研究結(jié)構(gòu)進行了探討,Murray從企業(yè)的未來創(chuàng)新變革的角度對知識管理的發(fā)展重點進行了闡述,Meams針對南非地區(qū)信息和知識管理的理論和方法論研究進行了趨勢探索,Mohamed更多地從技術(shù)的角度分析了知識管理的發(fā)展現(xiàn)狀,而Andriessen則提出了一個可視化的方法,來對組織的知識管理進行繪圖,揭示隱性知識,等等。
　　上述研究各具特色,都在一定程度上揭示了知識管理的研究動向和發(fā)展趨勢,但是由于研究所采用的數(shù)據(jù)源大多是國內(nèi)文獻,或者只是針對若干種國外期刊,不能全面反映國外知識管理發(fā)展的最新進展和動態(tài),分析方法也不夠完整,偏重于單純的定性分析。本文從圖書情報學(xué)的專業(yè)數(shù)據(jù)庫(EBSCO LISTA)中提取2006年至今的有關(guān)知識管理的文獻,采用詞頻統(tǒng)計和共詞分析的方法,對這些文獻的關(guān)鍵詞進行數(shù)據(jù)分析,在定量與定性相結(jié)合的基礎(chǔ)上,繪制出知識管理的知識地圖,并以此解讀國外圖書情報學(xué)領(lǐng)域中知識管理研究的側(cè)重點,總結(jié)出發(fā)展熱點和研究趨勢。

　　
　　2　數(shù)據(jù)來源

　　
　　本研究采用的數(shù)據(jù)來源于EBSCO數(shù)據(jù)庫中的Ljbrarv,Information Science&Technology Abstracts(LISTA)。該數(shù)據(jù)庫收錄了600多種期刊及書籍、研究報告和學(xué)報的索引,主題包括圖書館學(xué)、分類學(xué)、編寫目錄、書籍裝訂、在線信息檢索及信息管理等內(nèi)容,數(shù)據(jù)庫中的文章可追溯至20世紀60年代中期。該數(shù)據(jù)庫中收錄的期刊內(nèi)容全面、廣闊,具有代表性和權(quán)威性。本文選取LISTA中從2006年1月至2010年3月這段時間收錄的知識管理相關(guān)文獻,并下載了這些文獻的摘要及關(guān)鍵詞等信息。
　　在LISTA數(shù)據(jù)庫中,以“KW=knowledge management OR su=knowledge management”為檢索式,并限定時間為“2006年01月至2010年03月”,對數(shù)據(jù)庫進行檢索,得出檢索結(jié)果1918篇,對這些以知識管理為關(guān)鍵詞或主題詞的文獻進行關(guān)鍵詞收集整理,得出以下結(jié)果,如表1所示:
　　1918篇文獻中,共包含不同的關(guān)鍵詞5333個,其中除去本位詞knowledge management,以及文獻類型關(guān)鍵詞Book,Nonfiction及Record,有效關(guān)鍵詞為5329個,有效關(guān)鍵詞出現(xiàn)的總次數(shù)為16413次,其中前100位關(guān)鍵詞出現(xiàn)總次數(shù)為6699,占總數(shù)的40.82%,前30位出現(xiàn)的頻率為25.97%。從上表中可以看到,前30位關(guān)鍵詞的詞頻均大于60,且占據(jù)總詞頻數(shù)的25.97%。而前100位關(guān)鍵詞也只占了40.82%,因此,本文的分析就以這30個關(guān)鍵詞(見表2)為基礎(chǔ)。
　　從表2中這些關(guān)鍵詞可以看出,在圖書情報學(xué)領(lǐng)域,對知識管理的研究也包括很多方面,如技術(shù)、服務(wù)、資源、企業(yè)管理、高校圖書館應(yīng)用、信息素養(yǎng)等內(nèi)容。那么,這些研究方向?qū)D書情報學(xué)知識管理的研究各有怎樣的貢獻率?它們是否有更進一步的內(nèi)在聯(lián)系呢?我們能否從這些文獻中解讀出圖書情報學(xué)知識管理的研究熱點和研究結(jié)構(gòu)?帶著這些問題,本文借助社會統(tǒng)計軟件SPSS,對以上獲取的關(guān)鍵詞進行了相關(guān)的統(tǒng)計分析,以期構(gòu)建出圖書情報學(xué)知識管理的發(fā)展知識地圖。

　　
　　
　　3　國外圖書情報學(xué)領(lǐng)域知識管理研究的可視化分析及知識地圖構(gòu)建

　　
　　知識地圖起源于地理領(lǐng)域的地圖,最早由英國情報學(xué)家布魯克斯(B C Brookes)提出,通過分析文獻的邏輯內(nèi)容,找到相互關(guān)聯(lián)、相互影響、能夠引起人們創(chuàng)造和思考的知識點并將其聯(lián)系在一起,構(gòu)成知識地圖,通過知識地圖揭示知識的有機結(jié)構(gòu)。知識地圖是基于科學(xué)計量學(xué)引文分析理論和信息科學(xué)與技術(shù)發(fā)展起來的、國際上新興的可視化研究方法,目的是應(yīng)用圖示的方法揭示出學(xué)科領(lǐng)域的發(fā)展及演進趨勢、研究課題的擴散與傳播、作者或機構(gòu)間的關(guān)系等。本文即采用知識地圖法,首先對表2列出的前30位高頻關(guān)鍵詞進行兩兩的共詞檢驗,即對高頻關(guān)鍵詞兩兩出現(xiàn)的頻數(shù)進行統(tǒng)計,得出30*30的關(guān)鍵詞共詞矩陣,再將共詞矩陣轉(zhuǎn)化為相關(guān)矩陣,導(dǎo)入到SPSS中,通過關(guān)鍵詞的因子分析、聚類分析和多維尺度分析來繪制圖書情報學(xué)領(lǐng)域中知識管理的知識地圖。
　　筆耕文化傳播http://www.bigengculture.com
　　3.1　因子分析
　　因子分析是通過盡可能少的因子來描述盡可能多的指標及指標之間的關(guān)系,其基本思想是根據(jù)相關(guān)性大小把研究對象的變量分組,使得同組內(nèi)的變量之間相關(guān)性較高,而不同組的變量相關(guān)性較低。
　　對以上提取的30個關(guān)鍵詞進行因子分析,結(jié)果如圖l所示,有8個因子被提取,這8個因子的累計方差解釋貢獻率為74.943%,即是說,將這30個關(guān)鍵詞分為8類,就解釋了國外圖書情報領(lǐng)域知識管理研究的約75%的信息。而其中前5個因子的累計方差貢獻率為62.9%,根據(jù)“所提取的因子應(yīng)能概括總體信息的60%以上”,本文將這30個關(guān)鍵詞分為5類。另一方面,與因子抽取相配套的因子個數(shù)碎石圖(見圖2),則直觀顯示因子分析的前5個因子類別是比較明晰的,前5個因子對整體走勢起了決定性作用,是變化最明顯的部分,這說明將知識管理研究劃分為5～8類都是合理的。
　　3.2　聚類分析
　　聚類分析是依照“物以類聚”的原理,根據(jù)事物本身的特性研究個體的分類。其原理是同一類中個體有較大的相似性,不同類的個體差異卻很大。本文采用聚類分析中最常用的系統(tǒng)聚類法對共詞的相關(guān)矩陣進行聚類分析,將這30個關(guān)鍵詞按組間連接法,即將平均距離最小的兩項合并為一類,最后繪制出30個關(guān)鍵詞的共詞龍骨圖(見圖3),初步反映關(guān)鍵詞之間的聚類情況,然后參考前面因子分析的因子個數(shù),將30個關(guān)鍵詞聚合成5類。

本文編號：717