所謂內行人看門道，外行人看熱鬧。用在「資訊計量」領域，我倒是覺得挺貼切的。
正因為，在今天聽蔡老師演講之前，我就是一個道地的外行人，即使讀過蔡老師的文章，也自己去抓了黃慕萱老師的文章來看，看來看去就是覺得：這好像只是歸納統計一堆資料的“方法”，研究者用了資訊計量這個方法，然後歸納或是統計出相關的發現，如此而已。
老師一開始簡短的說明了資訊計量〈蔡老師著重在引文分析與計量〉的發展史後，接著就一一數算這個方法的“缺點”，我發現：老師所提出的資訊計量的爭議與限制，其中有幾點正是我對這個領域的疑問，如
1.自我引用的情形：學者的自我引用，有時是基於研究的延續性，有時則只是為了衝高自己的積分評比，這要如何研判？
2.引用均等 ─視所有引用同等重要？！由於其基本假設為「文獻被引用比沒有被引用有品質」，站在「所有引用都均等」立場看，引用愈多，貢獻愈大。但事實上，引用由於研究需要的不同，自然會有質與量的差異存在。
3.研究者對資料庫的選擇：以相同的檢索語在不同的資料庫，對不同的欄位做檢索，得到的結果也不同。研究者選擇的依據很明顯會影響研究成果，這樣與追求客觀結果的目標似有一段距離。
但是仔細想想，人類世界的一切學問，都是從問題出發，愈是了解自己的短處，愈是有動力去改進與進步，蔡老師能夠這麼鉅細靡遺跟我們分享它的缺點，正代表對它的了解，也代表這門學問進步的可能性。
正因為了解，才能夠靈活運用。如資訊計量中的三大定律：布萊德福定律(Bradford's Law) 、洛卡定律( Lotka's Law) 、齊夫定律(Zip's Law)各有其優勢與盲點，如何發揮最大效益，端視研究者的使用。現在是資訊爆炸的時代，面對這麼多的資訊，研究者要如何去“耙梳”這些資料，實在是一門很大的學問。要在一開始就做好正確的假設與謹慎的避開研究的盲點，盡一切努力求得最正確的資料，我們所看到的一張報表，是多少努力的成果？
資 訊計量，一開始只用在圖書館的相關研究，在研究者的努力之下，現在已成為多方運用的跨領域研究，像蔡老師所提將資訊計量用在評鑑上，以及將研究結果運用於 醫學或是心理學的研究，還有資訊計量本身也從偏“量”的研究轉變成質量皆可探討：例如以前只看到引用的數量，現在卻開始探討引用的原因、動機等等。我記得 小蝶老師曾說惟有如大江容納百川，而不自我設限的學科，才會是不斷發展而生存下來的學科，聽蔡老師一席演講，我看到了資訊計量這個學術領域的成長與無限的 可能性。
今天算是我這個劉姥姥逛大觀園，又開了一次眼界，除了對資訊計量的概念更為了解外，更見識到一個學者對自己研究領域的了解、執著與熱情。
雖然現階段的我對自己的研究方向還不是那麼的確定，會的也不多，懂的也很少。但我期許自己也能成為一個對自己的研究深入了解，且充滿執著與熱情的人！
沒有留言:
張貼留言