مدیریت دانش در علم اطلاعات و دانش شناسی: تحلیل روندها و پیشبینی آینده با استفاده از سریهای زمانی | ||
| مطالعات کاربردی علم سنجی | ||
| مقاله 3، دوره 2، شماره 3 - شماره پیاپی 7، آبان 1404، صفحه 46-75 اصل مقاله (1.52 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22091/apss.2026.13400.1049 | ||
| نویسندگان | ||
| رضا کریمی* 1؛ محمدرضا نصیری2 | ||
| 1دانشیار، گروه علم اطلاعات و دانششناسی، دانشگاه قم، قم، ایران | ||
| 2دانشگاه قم | ||
| چکیده | ||
| هدف: این پژوهش با هدف تحلیل ساختار فکری، بررسی روندهای کمی و پیشبینی مسیرهای آتی حوزه مدیریت دانش (KM) در علم اطلاعات و دانششناسی (LIS) انجام شده است. با توجه به فقدان درک جامع از ساختار درونی، خوشههای موضوعی، الگوهای رشد و افول و جبهههای نوظهور پژوهشی در این قلمرو، این مطالعه میکوشد تا با استفاده از رویکرد علمسنجی و تحلیل سریهای زمانی، این شکاف تحقیقاتی را پر کرده و نقشه علمی این حوزه را ترسیم نماید. سوالات اصلی بر شناسایی ساختار فعلی، پیشبینی رشد انتشارات و استنادات، تحلیل الگوهای همکاری علمی و شناسایی موضوعات نوظهور متمرکز است. روش: این مطالعه از روش کتابسنجی و تحلیل علمسنجی بهره برده است. دادهها از پایگاه Web of Science (WoS) با جستجوی کلیدواژه «knowledge management» در دستهبندی موضوعی «Information Science & Library Science» بدون محدودیت زمانی و زبانی استخراج شدند که مجموعاً شامل ۴۹۴۰ مقاله بود. برای تحلیل ساختار فکری، شبکههای همنویسندگی و هماستنادی و شناسایی خوشههای موضوعی از ابزارهای VOSviewer و CiteSpace استفاده شد. بهمنظور پیشبینی روندهای آتی تعداد انتشارات، استنادات و تعداد منابع مورد استفاده، از مدلهای تحلیل سری زمانی ARIMA بر اساس دادههای سالهای ۱۳۷۹ تا ۱۴۰۲ و همچنین دادههای بینالمللی استفاده گردید. یافتهها: تحلیلها نشان داد که حوزه مدیریت دانش در LIS به چهار خوشه اصلی تقسیم میشود: «فناوری مدیریت دانش» (با بیشترین تعداد مقاله و استناد)، «اشتراک دانش»، «نوآوری و مدیریت دانش» و «ایجاد دانش». پیشبینیهای سری زمانی حاکی از روند افزایشی مداوم در تعداد انتشارات، هم در سطح داخلی و هم بینالمللی، است. با این حال، یک تفاوت کلیدی مشاهده شد: در حالی که تعداد استنادات در سطح بینالمللی رشد پایداری را نشان میدهد، در پژوهشهای داخلی دچار نوسان و روند کاهشی پیشبینیشده است. موضوعات نوظهور در سطح جهانی به سمت «کلاندادهها»، «رسانههای اجتماعی»، «پایداری» و «نوآوری باز» در حال حرکت هستند، در حالی که تمرکز داخلی همچنان بر مفاهیم کلیدی مانند «فرهنگ سازمانی» و «کتابخانههای دانشگاهی» است. نتیجهگیری: این پژوهش نشان داد که مدیریت دانش در علم اطلاعات، حوزهای پویا و در حال رشد است، اما الگوی توسعه و تمرکز موضوعی پژوهشهای داخلی و بینالمللی متفاوت است. شکاف میان روند رشد انتشارات و تأثیرگذاری (استنادات) در تحقیقات داخلی، و همچنین تفاوت در موضوعات پژوهشی، نیازمند توجه ویژه است. برای افزایش کیفیت و تأثیرگذاری پژوهشهای داخلی، پیشنهاد میشود تمرکز بیشتری بر فناوریهای نوین (مانند هوش مصنوعی و کلاندادهها)، تقویت همکاریهای علمی بینالمللی، استفاده از روشهای تحلیل دادهمحور و تدوین مدلهای بومی برای پیادهسازی مدیریت دانش در سازمانها صورت گیرد. | ||
| کلیدواژهها | ||
| مدیریت دانش؛ علم اطلاعات؛ کتابداری؛ تحلیل سریهای زمانی؛ پیشبینی روند | ||
| عنوان مقاله [English] | ||
| Knowledge Management in Information Science and Knowledge Studies: Trend Analysis and Future Prediction Using Time Series | ||
| نویسندگان [English] | ||
| reza karimi1؛ Mohammadreza Nasiri2 | ||
| 1Associate Professor, Department of Knowledge and Information Science, University of Qom, Qom, Iran | ||
| 2Qom university | ||
| چکیده [English] | ||
| Objective: This study aims to analyze the intellectual structure, examine quantitative trends, and predict the future trajectories of the Knowledge Management (KM) field within Information Science and Library Science (LIS). Given the lack of a comprehensive understanding of its internal structure, thematic clusters, growth and decline patterns, and emerging research fronts, this study seeks to fill this research gap by employing a scientometric approach and time series analysis to map the scientific landscape of this domain. The primary research questions focus on identifying the current structure, forecasting the growth of publications and citations, analyzing scientific collaboration patterns, and identifying emerging topics. Methodology: This study employed bibliometric and scientometric methods. Data were extracted from the Web of Science (WoS) database by searching the keyword "knowledge management" within the "Information Science & Library Science" subject category, without time or language restrictions, totaling 4,940 articles. To analyze the intellectual structure, co-authorship and co-citation networks, and identify thematic clusters, tools such as VOSviewer and CiteSpace were utilized. To forecast future trends in the number of publications, citations, and references, ARIMA (Autoregressive Integrated Moving Average) time series analysis models were applied to both domestic data (from 2000 to 2023) and international data. Findings: The analysis revealed that the field of KM in LIS is divided into four main clusters: "knowledge management technology" (accounting for the highest number of articles and citations), "knowledge sharing," "innovation & knowledge management," and "knowledge creation." Time series forecasts indicate a continuous upward trend in the number of publications at both domestic and international levels. However, a key difference was observed: while the number of citations shows steady growth internationally, domestic research exhibits volatility and a predicted declining trend. Emerging global topics are shifting towards "big data," "social media," "sustainability," and "open innovation," whereas the domestic focus remains on core concepts like "organizational culture" and "academic libraries." Conclusion: This research demonstrates that Knowledge Management in Information Science is a dynamic and growing field, but the developmental patterns and thematic focus of domestic and international research differ significantly. The gap between the growth trend in publications and their impact (citations) in domestic research, as well as the divergence in research topics, requires special attention. To enhance the quality and impact of domestic research, it is recommended to increase focus on emerging technologies (such as AI and big data), strengthen international scientific collaboration, adopt data-driven analytical methods, and develop indigenous models for implementing knowledge management in organizations. | ||
| کلیدواژهها [English] | ||
| Knowledge Management, Information Science, Librarianship, Time Series Analysis, Trend Forecasting | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 65 تعداد دریافت فایل اصل مقاله: 41 |
||