高校图书馆学科服务专题
SciMetrics：AI 主题发展潜力指数与可视化
面向学科服务中的主题遴选、方向布局和持续监测，结合 AI 主题发展潜力指数与桑基图可视化，识别哪些主题具备增长动能、影响基础、主体进入和演化延续。
从“当前热点”走向“持续发展潜力”
新兴主题识别关注当前时间窗口中的新颖信号，而 AI 主题发展潜力指数进一步关注主题是否具有持续发展基础。它将规模、增长、引用影响、作者进入、机构进入、学科融合、机构布局和时间稳定性纳入同一评价框架。
核心观点
AI 主题发展潜力指数回答“哪些主题值得持续关注”，桑基图回答“这些主题从哪里来、如何延续、是否分化或汇聚”。二者结合，可以为图书馆学科服务提供兼具排序、解释和演化证据的分析框架。
筛选主题
通过综合指数识别具有较强发展潜力的 AI 主题。
解释来源
利用分项得分判断潜力来自规模、增长、进入、融合或稳定性。
追踪路径
通过桑基图观察主题的延续、分化、汇聚和转移关系。
形成服务
转化为主题布局建议、阅读清单、方向监测和学院咨询材料。
面向学科服务的应用价值
发展潜力分析适用于学科规划、团队建设、科研选题、交叉方向发现和年度态势监测。它不只给出主题排名，还能说明排名背后的发展结构。
| 服务场景 | 核心问题 | 指数提供的信息 | 桑基图提供的信息 |
|---|---|---|---|
| 学院学科规划 | 哪些主题适合作为未来重点方向？ | 主题综合潜力、增长动能、时间稳定性。 | 主题是否存在连续演化路径。 |
| 科研团队支持 | 团队应进入成熟方向还是新兴方向？ | 主题规模、作者进入、机构进入。 | 主题是否从既有方向分化而来。 |
| 交叉学科服务 | 哪些方向具有跨学科融合潜力？ | 学科融合度、机构布局均衡度。 | 多条主题流是否汇聚到同一方向。 |
| 年度态势监测 | 哪些主题需要持续跟踪？ | 排名变化、分项得分变化。 | 主题节点和连线的年度演化。 |
数据基础
文献、AI 主题、年份、作者、机构、分类、被引、关键词和引文。
指数评价
从八个维度综合计算主题发展潜力。
演化可视化
用时间层、主题节点和连线呈现主题流动。
服务转化
形成主题清单、发展路径、代表论文和咨询建议。
AI 主题发展潜力指数的构成
AI 主题发展潜力指数不是单纯的发文量排名，而是将主题规模、增长动能、引用影响、主体进入、学科融合、机构布局和时间稳定性综合起来，判断主题是否具有持续发展能力。
综合公式
AITDPI = 0.15 × TopicScale + 0.18 × GrowthMomentum + 0.12 × CitationImpact + 0.12 × AuthorEntry + 0.12 × InstitutionEntry + 0.11 × DisciplineFusion + 0.10 × InstitutionLayoutBalance + 0.10 × TimeWindowStability
各分项先在主题之间归一化，再按权重加权求和。指数主要用于同一数据集内部不同 AI 主题之间的比较。
| 维度 | 含义 | 学科服务解释 |
|---|---|---|
| 主题规模 | 该主题相关文献总量。 | 反映主题已有积累和研究基础。 |
| 增长动能 | 近若干年主题文献数量。 | 反映近期活跃度和增长趋势。 |
| 引用影响 | 主题文献平均被引次数。 | 反映该方向已有成果的影响基础。 |
| 作者进入 / 机构进入 | 近年首次进入主题的作者和机构比例。 | 反映研究共同体是否正在扩张。 |
| 学科融合 | 主题涉及学科类别的均衡程度。 | 反映交叉融合潜力。 |
| 机构布局均衡 | 主题文献在机构之间的分布均衡程度。 | 反映该方向是否由少数机构主导，或已形成更广泛布局。 |
| 时间窗口稳定 | 主题在多个时间窗口中的持续出现程度。 | 反映主题是否具备持续产出基础。 |
解释边界
指数高表示该主题在当前数据集中呈现较强发展潜力，不等于该主题一定已经成熟，也不等于可以脱离专家判断直接作为最终决策。
用时间层呈现主题演化路径
AI 主题桑基图将主题演化过程表示为跨时间片的流动关系。每一列代表一个时间片，每个节点代表该时间片中的一个 AI 主题，节点之间的连线表示相邻时间片之间的关联强度。
时间层
横向从左到右表示时间推进，时间间隔可按年或多年合并。
主题节点
节点代表某一时间片中的 AI 主题，节点高度与该主题文献数量相关。
主题连线
连线表示相邻时间片中主题之间的内容、术语或引文关联。
内容相似连接
关键词相似度和主题词相似度比较两个主题节点下文献的特征集合。
Similarity = 共同特征数量 / 全部特征数量
这种方式适合观察研究内容和概念体系是否延续。
引文关系连接
引文关系比较两个主题节点下文献是否共享相同参考文献或引证基础。
Connection = 共同参考文献数量
这种方式适合观察知识基础、理论来源或引用传统的延续。
典型结构
延续表示同一或相似主题在连续时间片中保持连接；分化表示一个主题连接到多个后续主题；汇聚表示多个主题流向同一后续主题。
从数据到指数和桑基图
完整流程包括数据准备、AI 主题识别、发展潜力指数导出、桑基图参数设置、图形阅读和结果导出。
准备数据并检查字段
确认文献具有年份、AI 主题、作者、机构、分类、被引、关键词或引文信息。年份和 AI 主题是指数和桑基图的关键基础。
生成或检查 AI 主题
若数据集中没有 AI 主题，先执行 AI 主题识别。主题名称应尽量稳定，避免同义词过多导致主题被拆散。
导出 AI 主题发展潜力指数
系统会输出主题排名、综合指数、分项得分和原始统计量，便于筛选重点主题。
生成 AI 主题桑基图
设置时间间隔、连接方式、每段最大主题、最小相似度和是否仅使用已勾选文献。
导出图形与数据
保存 .sankey 文件便于继续编辑，导出 SVG 用于报告或展示，导出 Excel 用于节点、连线和参数复核。
指数排名与主题演化的联合分析
案例分析可先用发展潜力指数确定重点主题，再用桑基图观察这些主题在不同时间段中的延续、分化或汇聚路径。
指数结果阅读路径
- 按综合指数排序，筛选排名靠前的 AI 主题。
- 查看增长动能、作者进入和机构进入，判断研究共同体是否扩张。
- 查看主题规模和引用影响，判断已有基础和影响力。
- 查看学科融合和机构布局均衡，识别交叉与布局特征。
- 结合时间稳定性判断主题是否具备持续发展基础。
桑基图结果阅读路径
- 从左到右观察时间层，识别主题出现、延续和消失。
- 关注粗连线，判断主题之间的强关联路径。
- 观察一个主题是否分流为多个方向，或多个主题是否汇聚到一个方向。
- 将高潜力主题与其历史来源和后续走向对应起来。
- 结合代表论文和原始数据核对主题解释。
| 组合判断 | 含义 | 服务解释 |
|---|---|---|
| 指数高，桑基图连续 | 主题综合潜力较强，且具有清晰演化基础。 | 可作为重点跟踪方向。 |
| 增长高，桑基图刚出现 | 主题可能处于快速兴起阶段。 | 适合作为新兴方向观察。 |
| 连线强，指数不高 | 主题延续性较好，但增长、进入或融合维度不足。 | 可作为稳定方向或基础方向看待。 |
| 指数高，连线弱 | 主题可能具有跳跃式发展特征，或主题命名存在变化。 | 需要结合原始文献和主题命名进一步核对。 |
面向图书馆学科服务的成果组织
发展潜力指数与桑基图适合转化为主题发展报告、重点方向监测、学院咨询材料和科研团队阅读包。
主题发展潜力清单
列出综合指数靠前主题，并说明主要分项优势。
主题演化路径图
展示重点主题的来源、延续、分化和汇聚。
服务解释文本
形成“主题为何值得关注、证据是什么、需要如何继续跟踪”的说明。
| 交付内容 | 应包含的信息 | 用途 |
|---|---|---|
| 指数 Excel | 排名、综合指数、分项得分、原始统计量、方法说明。 | 用于复核、排序和进一步筛选主题。 |
| 桑基图 SVG | 时间层、主题节点、主题连线、重点路径标注。 | 用于报告、PPT、学院交流和专题展示。 |
| 主题说明 | 主题名称、发展潜力来源、演化路径、代表论文。 | 用于形成可沟通的学科服务结论。 |
| 持续监测方案 | 数据源、检索式、更新时间、参数设置和比较口径。 | 用于年度或季度更新。 |
交付规范
服务成果应记录数据来源、时间范围、AI 主题识别方式、指数计算口径、桑基图参数和是否仅使用已勾选文献，以便后续复现和比较。
方法应用中的关键注意事项
发展潜力指数和桑基图都依赖数据质量、AI 主题命名和参数设置。结果解释需要同时关注综合指数、分项得分和演化路径。
指数高是否等于主题一定成熟？
不等于。指数高表示主题在当前数据集中呈现较强发展潜力，可能来自增长、进入、融合或稳定性，不一定代表已经成熟。
为什么指数结果与直觉不一致？
指数综合考虑多维因素，不只看发文量。应查看分项得分，判断高分或低分来自哪个维度。
桑基图连线过多怎么办？
可提高最小相似度、减少每段最大主题数，或增大时间间隔，以提升图形可读性。
桑基图连线过少怎么办？
可降低最小相似度、增加每段最大主题数，或切换关键词相似度、主题词相似度和引文关系等连接方式。
为什么同一研究方向被拆成多个主题？
这通常与 AI 主题命名不一致有关。生成指数和桑基图前，应检查主题名称，必要时合并或修正相近主题。
不同数据集之间的指数能否直接比较？
不宜直接比较，除非数据来源、时间范围、清洗规则和主题识别方式保持一致。该指数更适合同一数据集内部主题之间的相对比较。
