Тенденции динамики ключевых терминов как индикаторы развития научных тем
Научная статья
Для цитирования
Мохначева Ю. В. Тенденции динамики ключевых терминов как индикаторы развития научных тем // Управление наукой: теория и практика. 2025. Том 7. № 4. С. 118-137. DOI: https://doi.org/10.19181/smtp.2025.7.4.6 EDN: MMXBCA
Аннотация
Изучение динамики ключевых терминов в научных темах является актуальным и перспективным направлением, позволяющим понять эволюцию научных тем – от выявления новых тенденций до угасания и стагнации. В статье приводятся результаты исследования тенденций динамики ключевых терминов в 27 темах, сопряжённых с библиотечно-информационной областью. Информационной базой для исследования служил открытый ресурс OpenAlex. Сбор данных проводился по каждому году периода 2014–2023 гг. по каждой из 27 тем. В результате был собран массив из 6136 терминов, входящих в топ-200 ключевых слов за какой-либо год исследуемого периода. Ключевые слова собирались по всему массиву в OpenAlex без фильтрации документов по каким-либо критериям. Согласно полученным в ходе исследования данным о динамике ключевых терминов, темы были разделены на три группы: первая группа – активно развивающиеся и востребованные на современном этапе темы с наибольшими долями ключевых терминов с позитивной динамикой, включая новые термины; вторая группа – устоявшиеся, но претерпевающие переориентирование в соответствии с новыми исследовательскими акцентами темы с умеренными долями терминов с позитивной динамикой и новыми ключевыми словами; третья группа – устоявшиеся, но без существенного обновления и роста активности темы с минимальными долями ключевых терминов с позитивной динамикой и (или) отсутствием новых ключевых слов. На примерах показано перетекание некоторых терминов от темы к теме, а также появление этих ключевых слов в других темах в качестве новых. В статье приведён перечень специфических для библиотечно-информационной области пересекающихся ключевых слов с позитивной и негативной динамикой, а также появившихся в качестве новых в исследуемых темах. Исследование было проведено для апробации терминологического подхода в оценке динамики развития научных направлений, в том числе позволяющем выявлять ключевые точки развития научных тем.
Ключевые слова:
ключевые слова, ключевые термины, динамика, библиометрия, OpenAlex, библиотечно-информационная область, LIS, научные темы, индикатор развития
Литература
1. Identification and characterisation of technological topics in the field of Molecular Biology / I. Roche, D. Besagni, C. François [et al.] // Scientometrics. 2010. Vol. 82, № 3. P. 663–676. DOI 10.1007/s11192-010-0178-8.
2. From translations to problematic networks: An introduction to co-word analysis / M. Callon, J.-P. Courtial, W. A. Turner, S. Bauin // Social Sciences Information. 1983. Vol. 22, № 2. P. 191–235. DOI 10.1177/053901883022002003. EDN JPYQBT.
3. Keyword–citation–keyword network: A new perspective of discipline knowledge structure analysis / Q. Cheng, J. Wang, W. Lu [et al.] // Scientometrics. 2020. Vol. 124, № 3. P. 1923–1943. DOI 10.1007/s11192-020-03576-5. EDN KCQPCJ.
4. Wang X., Cheng Q., Lu W. Analyzing evolution of research topics with NEViewer: A new method based on dynamic co-word networks // Scientometrics. 2014. Vol. 101, № 2. P. 1253–1271. DOI 10.1007/s11192-014-1347-y. EDN UCDGUY.
5. Мохначева Ю. В., Цветкова В. А. Развитие тематики научных исследований на основе терминологического подхода (на примере темы «Иммунология и микробиология» по данным Scopus – SciVal) // Научно-техническая информация. Серия 1: Организация и методика информационной работы. 2021. № 6. С. 22–28. DOI 10.36535/0548-0019-2021-06-3. EDN OQAZBQ.
6. Мохначева Ю. В., Цветкова В. А. Российские публикации по библиотечно-информационным наукам в Scopus // Научные и технические библиотеки. 2022. № 3. С. 14–38. DOI 10.33186/1027-3689-2022-3-14-38. EDN NHOPLI.
7. Мохначева Ю. В. Взаимодействие термина «библиометрический анализ» с другими высокочастотными ключевыми словами в темах SciVal // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2023. № 10. С. 24–33. DOI 10.36535/0548-0027-2023-10-4. EDN UMENPV.
8. Sedighi M. Application of word co-occurrence analysis method in mapping of the scientific fields (Case study: The field of Informetrics) // Library Review. 2016. Vol. 65, № 1–2. P. 52–64. DOI 10.1108/LR-07-2015-0075.
9. Ярутич Д. А. Информационные потребности как объект научного исследования // Вестник Белорусского государственного университета культуры и искусств. 2025. № 2 (56). С. 104–114. EDN YZGULQ.
10. Благинин В. А., Соколова Е. В., Гончарова М. Н. Научное наследие: библиометрическое картирование. (Часть 1: теория и российский опыт) // Научные и технические библиотеки. 2025. № 6. С. 13–39. DOI 10.33186/1027-3689-2025-6-13-39. EDN XBYVOG.
11. Благинин В. А., Соколова Е. В., Гончарова М. Н. Научное наследие: библиометрическое картирование. (Часть 2: международный уровень) // Научные и технические библиотеки. 2025. № 7. С. 29–47. DOI 10.33186/1027-3689-2025-7-29-47. EDN GYBNPT.
12. Cen M. Applying computational methods to analyze trends and themes in Library and Information Science Education // Education and Information Technologies. 2025. Vol. 30, № 7. P. 8765–8803. DOI 10.1007/s10639-024-13175-z. EDN UWNUFM.
13. Hsiao T.-M., Chen Kh. The dynamics of research subfields for library and information science: An investigation based on word bibliographic coupling // Scientometrics. 2020. Vol. 125, № 1. P. 717–737. DOI 10.1007/s11192-020-03645-9. EDN MUBLNI.
14. Detecting research topic trends by author-defined keyword frequency / W. Lu, S. Huang, J. Yang [et al.] // Information Processing & Management. 2021. Vol. 58, № 4. Article 102594. DOI 10.1016/j.ipm.2021.102594. EDN TMRTZF.
15. Small H., Boyack K. W., Klavans R. Identifying emerging topics in science and technology // Research Policy. 2014. Vol. 43, № 8. P. 1450–1467. DOI 10.1016/j.respol.2014.02.005. EDN UUBHJH.
16. Chen C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature // Journal of the American Society for Information Science and Technology. 2006. Vol. 57, № 3. P. 359–377. DOI 10.1002/asi.20317. EDN MFBBZF.
17. Zhao D. The knowledge base and research front of information science 2006–2010: An author cocitation and bibliographic coupling analysis // Journal of the Association for Information Science and Technology. 2014. Vol. 65, № 5. P. 995–1006. DOI 10.1002/asi.23027.
18. Onyancha O. B. Forty-five years of LIS research evolution, 1971–2015: An informetrics study of the author-supplied keywords // Publishing Research Quarterly. 2018. Vol. 34, № 3. P. 456–470. DOI 10.1007/s12109-018-9590-3. EDN YJJPSX.
19. Chang Y.-W., Huang M.-H., Lin C.-W. Evolution of research subjects in library and information science based on keyword, bibliographical coupling, and co-citation analyses // Scientometrics. 2015. Vol. 105, № 3. P. 2071–2087. DOI 10.1007/s11192-015-1762-8. EDN YDGUXC.
20. Deng S., Xia S. Mapping the interdisciplinarity in information behavior research: A quantitative study using diversity measure and co-occurrence analysis // Scientometrics. 2020. Vol. 124, № 1. P. 489–513. DOI 10.1007/s11192-020-03465-x. EDN PYKVLT.
21. Han X. Evolution of research topics in LIS between 1996 and 2019: An analysis based on latent Dirichlet allocation topic model // Scientometrics. 2020. Vol. 125, № 3. P. 2561–2595. DOI 10.1007/s11192-020-03721-0. EDN XOIVCE.
22. Detecting the intellectual structure of library and information science based on formal concept analysis / P. Liu, Q. Wu, X. Mu [et al.] // Scientometrics. 2015. Vol. 104, № 3. P. 737–762. DOI 10.1007/s11192-015-1629-z. EDN UWERLF.
23. Huang M.-H., Chang Y.-W. A comparative study of interdisciplinary changes between information science and library science // Scientometrics. 2012. Vol. 91, № 3. P. 789–803. DOI 10.1007/s11192-012-0619-7. EDN UYCDKT.
24. Шрайберг Я. Л. Современные тенденции развития цифровизации общества: научно-образовательная и библиотечно-информационная среда. М. : ООО «Научно-издательский центр ИНФРА-М», 2024. 664 с. ISBN 978-5-16-020046-0. DOI 10.12737/2155873. EDN SAHGJM.
25. Chen G., Xiao L. Selecting publication keywords for domain analysis in bibliometrics: A comparison of three methods // Journal of Informetrics. 2016. Vol. 10, № 1. P. 212–223. DOI 10.1016/j.joi.2016.01.006. EDN XYTXSR.
26. Su H.-N., Lee P.-C. Mapping knowledge structure by keyword co-occurrence: A first look at journal papers in technology foresight // Scientometrics. 2010. Vol. 85, № 1. P. 65–79. DOI 10.1007/s11192-010-0259-8. EDN DAXVKK.
27. Mapping the research trends by co-word analysis based on keywords from funded project / X. Chen, J. Chen J., D. Wu [et al.] // Procedia Computer Science. 2016. Vol. 91. P. 547–555. DOI 10.1016/j.procs.2016.07.140.
28. Doctoral dissertations of library and information science in China: A co-word analysis / Q.-J. Zong, H.-Z. Shen, Q.-J. Yuan [et al.] // Scientometrics. 2013. Vol. 94, № 2. P. 781–799. DOI 10.1007/s11192-012-0799-1. EDN LWTYDV.
29. Haunschild R., Bornmann L. The use of OpenAlex to produce meaningful bibliometric global overlay maps of science on the individual, institutional, and national levels // PLoS ONE. 2024. Vol. 19, № 12. Article e0308041. DOI 10.1371/journal.pone.0308041. EDN GRMMKG.
30. Мохначева Ю. В. Россия в мировом массиве научных публикаций // Вестник Российской академии наук. 2025. № 1. С. 48–62. DOI 10.31857/S0869587325010052. EDN ANCSLQ.
31. Priem J., Piwowar H., Orr R. OpenAlex: A fully-open index of scholarly works, authors, venues, institutions, and concepts // arXiv. 2022. June 17. DOI 10.48550/arXiv.2205.01833.
32. Chawla D. S. Massive open index of scholarly papers launches: OpenAlex catalogues hundreds of millions of scientific documents and charts connections between them // Nature : [сайт]. 2022. January 24. URL: https://nature.com/articles/d41586-022-00138-y (дата обращения: 23.09.2025).
33. Редькина Н. С. Российская наука в системе открытых научных знаний OpenAlex // Управление наукой: теория и практика. 2024. Т. 6, № 4. С. 86–104. DOI 10.19181/smtp.2024.6.4.5. EDN IQCJOK.
34. Missing institutions in OpenAlex: Possible reasons, implications, and solutions / L. Zhang, Z. Cao, Y. Shang [et al.] // Scientometrics. 2024. Vol. 129, № 10. P. 5869–5891. DOI 10.1007/s11192-023-04923-y. EDN BRKYBW.
35. Evaluating the linguistic coverage of OpenAlex: An assessment of metadata accuracy and completeness / L. Céspedes, D. Kozlowski, C. Pradier [et al.]. // Journal of the Association for Information Science and Technology. 2025. Vol. 76, № 6. P. 884–895. DOI 10.1002/asi.24979. EDN TRDHTU.
36. Reference coverage analysis of OpenAlex compared to Web of Science and Scopus / J. H. Culbert, A. Hobert, N. Jahn [et al.] // Scientometrics. 2025. Vol. 130, № 4. P. 2475–2492. DOI 10.1007/s11192-025-05293-3.
37. Mokhnacheva Yu. V. Top 100 specific keyword words (key terms) that overlap in different topics in library and information science (LIS), with different dynamics from topic to topic (alphabetically sorted by terms), Open Alex (2014–2023) // Zenodo. 2025. August 28. DOI 10.5281/zenodo.16979094.
2. From translations to problematic networks: An introduction to co-word analysis / M. Callon, J.-P. Courtial, W. A. Turner, S. Bauin // Social Sciences Information. 1983. Vol. 22, № 2. P. 191–235. DOI 10.1177/053901883022002003. EDN JPYQBT.
3. Keyword–citation–keyword network: A new perspective of discipline knowledge structure analysis / Q. Cheng, J. Wang, W. Lu [et al.] // Scientometrics. 2020. Vol. 124, № 3. P. 1923–1943. DOI 10.1007/s11192-020-03576-5. EDN KCQPCJ.
4. Wang X., Cheng Q., Lu W. Analyzing evolution of research topics with NEViewer: A new method based on dynamic co-word networks // Scientometrics. 2014. Vol. 101, № 2. P. 1253–1271. DOI 10.1007/s11192-014-1347-y. EDN UCDGUY.
5. Мохначева Ю. В., Цветкова В. А. Развитие тематики научных исследований на основе терминологического подхода (на примере темы «Иммунология и микробиология» по данным Scopus – SciVal) // Научно-техническая информация. Серия 1: Организация и методика информационной работы. 2021. № 6. С. 22–28. DOI 10.36535/0548-0019-2021-06-3. EDN OQAZBQ.
6. Мохначева Ю. В., Цветкова В. А. Российские публикации по библиотечно-информационным наукам в Scopus // Научные и технические библиотеки. 2022. № 3. С. 14–38. DOI 10.33186/1027-3689-2022-3-14-38. EDN NHOPLI.
7. Мохначева Ю. В. Взаимодействие термина «библиометрический анализ» с другими высокочастотными ключевыми словами в темах SciVal // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2023. № 10. С. 24–33. DOI 10.36535/0548-0027-2023-10-4. EDN UMENPV.
8. Sedighi M. Application of word co-occurrence analysis method in mapping of the scientific fields (Case study: The field of Informetrics) // Library Review. 2016. Vol. 65, № 1–2. P. 52–64. DOI 10.1108/LR-07-2015-0075.
9. Ярутич Д. А. Информационные потребности как объект научного исследования // Вестник Белорусского государственного университета культуры и искусств. 2025. № 2 (56). С. 104–114. EDN YZGULQ.
10. Благинин В. А., Соколова Е. В., Гончарова М. Н. Научное наследие: библиометрическое картирование. (Часть 1: теория и российский опыт) // Научные и технические библиотеки. 2025. № 6. С. 13–39. DOI 10.33186/1027-3689-2025-6-13-39. EDN XBYVOG.
11. Благинин В. А., Соколова Е. В., Гончарова М. Н. Научное наследие: библиометрическое картирование. (Часть 2: международный уровень) // Научные и технические библиотеки. 2025. № 7. С. 29–47. DOI 10.33186/1027-3689-2025-7-29-47. EDN GYBNPT.
12. Cen M. Applying computational methods to analyze trends and themes in Library and Information Science Education // Education and Information Technologies. 2025. Vol. 30, № 7. P. 8765–8803. DOI 10.1007/s10639-024-13175-z. EDN UWNUFM.
13. Hsiao T.-M., Chen Kh. The dynamics of research subfields for library and information science: An investigation based on word bibliographic coupling // Scientometrics. 2020. Vol. 125, № 1. P. 717–737. DOI 10.1007/s11192-020-03645-9. EDN MUBLNI.
14. Detecting research topic trends by author-defined keyword frequency / W. Lu, S. Huang, J. Yang [et al.] // Information Processing & Management. 2021. Vol. 58, № 4. Article 102594. DOI 10.1016/j.ipm.2021.102594. EDN TMRTZF.
15. Small H., Boyack K. W., Klavans R. Identifying emerging topics in science and technology // Research Policy. 2014. Vol. 43, № 8. P. 1450–1467. DOI 10.1016/j.respol.2014.02.005. EDN UUBHJH.
16. Chen C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature // Journal of the American Society for Information Science and Technology. 2006. Vol. 57, № 3. P. 359–377. DOI 10.1002/asi.20317. EDN MFBBZF.
17. Zhao D. The knowledge base and research front of information science 2006–2010: An author cocitation and bibliographic coupling analysis // Journal of the Association for Information Science and Technology. 2014. Vol. 65, № 5. P. 995–1006. DOI 10.1002/asi.23027.
18. Onyancha O. B. Forty-five years of LIS research evolution, 1971–2015: An informetrics study of the author-supplied keywords // Publishing Research Quarterly. 2018. Vol. 34, № 3. P. 456–470. DOI 10.1007/s12109-018-9590-3. EDN YJJPSX.
19. Chang Y.-W., Huang M.-H., Lin C.-W. Evolution of research subjects in library and information science based on keyword, bibliographical coupling, and co-citation analyses // Scientometrics. 2015. Vol. 105, № 3. P. 2071–2087. DOI 10.1007/s11192-015-1762-8. EDN YDGUXC.
20. Deng S., Xia S. Mapping the interdisciplinarity in information behavior research: A quantitative study using diversity measure and co-occurrence analysis // Scientometrics. 2020. Vol. 124, № 1. P. 489–513. DOI 10.1007/s11192-020-03465-x. EDN PYKVLT.
21. Han X. Evolution of research topics in LIS between 1996 and 2019: An analysis based on latent Dirichlet allocation topic model // Scientometrics. 2020. Vol. 125, № 3. P. 2561–2595. DOI 10.1007/s11192-020-03721-0. EDN XOIVCE.
22. Detecting the intellectual structure of library and information science based on formal concept analysis / P. Liu, Q. Wu, X. Mu [et al.] // Scientometrics. 2015. Vol. 104, № 3. P. 737–762. DOI 10.1007/s11192-015-1629-z. EDN UWERLF.
23. Huang M.-H., Chang Y.-W. A comparative study of interdisciplinary changes between information science and library science // Scientometrics. 2012. Vol. 91, № 3. P. 789–803. DOI 10.1007/s11192-012-0619-7. EDN UYCDKT.
24. Шрайберг Я. Л. Современные тенденции развития цифровизации общества: научно-образовательная и библиотечно-информационная среда. М. : ООО «Научно-издательский центр ИНФРА-М», 2024. 664 с. ISBN 978-5-16-020046-0. DOI 10.12737/2155873. EDN SAHGJM.
25. Chen G., Xiao L. Selecting publication keywords for domain analysis in bibliometrics: A comparison of three methods // Journal of Informetrics. 2016. Vol. 10, № 1. P. 212–223. DOI 10.1016/j.joi.2016.01.006. EDN XYTXSR.
26. Su H.-N., Lee P.-C. Mapping knowledge structure by keyword co-occurrence: A first look at journal papers in technology foresight // Scientometrics. 2010. Vol. 85, № 1. P. 65–79. DOI 10.1007/s11192-010-0259-8. EDN DAXVKK.
27. Mapping the research trends by co-word analysis based on keywords from funded project / X. Chen, J. Chen J., D. Wu [et al.] // Procedia Computer Science. 2016. Vol. 91. P. 547–555. DOI 10.1016/j.procs.2016.07.140.
28. Doctoral dissertations of library and information science in China: A co-word analysis / Q.-J. Zong, H.-Z. Shen, Q.-J. Yuan [et al.] // Scientometrics. 2013. Vol. 94, № 2. P. 781–799. DOI 10.1007/s11192-012-0799-1. EDN LWTYDV.
29. Haunschild R., Bornmann L. The use of OpenAlex to produce meaningful bibliometric global overlay maps of science on the individual, institutional, and national levels // PLoS ONE. 2024. Vol. 19, № 12. Article e0308041. DOI 10.1371/journal.pone.0308041. EDN GRMMKG.
30. Мохначева Ю. В. Россия в мировом массиве научных публикаций // Вестник Российской академии наук. 2025. № 1. С. 48–62. DOI 10.31857/S0869587325010052. EDN ANCSLQ.
31. Priem J., Piwowar H., Orr R. OpenAlex: A fully-open index of scholarly works, authors, venues, institutions, and concepts // arXiv. 2022. June 17. DOI 10.48550/arXiv.2205.01833.
32. Chawla D. S. Massive open index of scholarly papers launches: OpenAlex catalogues hundreds of millions of scientific documents and charts connections between them // Nature : [сайт]. 2022. January 24. URL: https://nature.com/articles/d41586-022-00138-y (дата обращения: 23.09.2025).
33. Редькина Н. С. Российская наука в системе открытых научных знаний OpenAlex // Управление наукой: теория и практика. 2024. Т. 6, № 4. С. 86–104. DOI 10.19181/smtp.2024.6.4.5. EDN IQCJOK.
34. Missing institutions in OpenAlex: Possible reasons, implications, and solutions / L. Zhang, Z. Cao, Y. Shang [et al.] // Scientometrics. 2024. Vol. 129, № 10. P. 5869–5891. DOI 10.1007/s11192-023-04923-y. EDN BRKYBW.
35. Evaluating the linguistic coverage of OpenAlex: An assessment of metadata accuracy and completeness / L. Céspedes, D. Kozlowski, C. Pradier [et al.]. // Journal of the Association for Information Science and Technology. 2025. Vol. 76, № 6. P. 884–895. DOI 10.1002/asi.24979. EDN TRDHTU.
36. Reference coverage analysis of OpenAlex compared to Web of Science and Scopus / J. H. Culbert, A. Hobert, N. Jahn [et al.] // Scientometrics. 2025. Vol. 130, № 4. P. 2475–2492. DOI 10.1007/s11192-025-05293-3.
37. Mokhnacheva Yu. V. Top 100 specific keyword words (key terms) that overlap in different topics in library and information science (LIS), with different dynamics from topic to topic (alphabetically sorted by terms), Open Alex (2014–2023) // Zenodo. 2025. August 28. DOI 10.5281/zenodo.16979094.
Статья
Поступила: 02.09.2025
Опубликована: 25.12.2025
Форматы цитирования
Другие форматы цитирования:
APA
Мохначева, Ю. В. (2025). Тенденции динамики ключевых терминов как индикаторы развития научных тем. Управление наукой: теория и практика, 7(4), 118-137. https://doi.org/10.19181/smtp.2025.7.4.6
Раздел
Наука в зеркале наукометрии
