《系统科学前沿》(第二期）第六课：探索科学文献空间的复杂性

导语

集智学园联合北师大系统科学学院开设，以方福康先生系统科学文集为思想基石，汇聚北师大系统科学领域十位教授，系统整合统计物理、生命系统中的智能行为、社会复杂系统建模、人工智能与复杂网络等多个交叉方向，构建一条从微观机制到宏观结构、从理论分析到实际应用的知识脉络。

本周五晚19:30,在此次系列课的第六课中,北京师范大学系统科学学院周建林老师将为大家介绍科学文献网络建模的典型方式及实际应用，带领大家一同探索科学文献空间的复杂性。

课程简介

科学文献记录了科学的发展历程以及科学研究中产生的如引用、合作、共现等不同关系，通过挖掘科学文献数据能够帮助我们测量、分析和预测科学的发展以及科学研究的行为，从而极大提升科研效率，加速科学发现和创新。科学文献中包含了标题、作者、期刊、关键词、学科分类号等丰富的元数据，通过将海量科学文献中的元数据关联起来，就构成了科学文献系统。由于该系统不仅含有大量不同类型的个体，并且个体间还存在多种相互作用关系，这使得我们很自然地就考虑使用复杂网络这一分析工具对科学文献系统进行分析。本课程将首先介绍几种典型地科学文献网络建模方式，然后介绍基于科学文献网络的实际应用，具体包含基于引文网络的科学影响力评价、基于人才流动网络的科学家移动行为分析、基于知识流动网络的学科演化分析等内容。

主讲人

周建林，北京师范大学系统科学学院助理研究员、硕士生导师，博士毕业于北京师范大学系统科学学院。研究兴趣主要集中在复杂网络基础理论及其应用研究、科学计量与科学学研究。研究工作主要集中在一般多层网络建模及网络结构分析、复杂网络上的动力学分析、复杂网络的应用、科学影响力评价、科学家研究模式分析、科研团队组建等方面。目前已发表SCI、SSCI期刊论文二十余篇，相应的工作发表在Physics Reports、Nature Communications、Journal of informetrics、Scientometrics、Chaos、Chaos、Solitons & Fractals、Physic A、Journal of Systems Science and Systems Engineering等期刊。

课程目标

1. 理解科学文献数据的基本特征，了解其具体的应用场景。

2. 熟悉科学文献数据的网络表征方式，学会基于复杂网络进行科学文献数据挖掘。

3. 认识知识单元之间的关联关系，运用系统思维与方法解决论文排名问题、分析科学家行为模式、揭示学科领域的演化机制。

提纲

第一部分：科学文献数据与科学学研究

核心议题1：如何理解科学系统的复杂性？

第二部分：科学文献数据的网络表征

核心议题2：如何对科学文献数据进行挖掘？

第三部分：基于引文网络的论文科学影响力评价

核心议题3：如何利用科学文献数据的局域信息和全局信息来评价论文的影响力？

第四部分：基于人才流动网络的科学家移动行为分析

核心议题4：如何基于科学文献来揭示人才流动模式？

第五部分：基于知识流动网络的学科演化分析

核心议题5：学科领域间的知识是如何交互的？

第六部分：问答环节(Q&A)

课程安排

上课时间：11月21日晚19：30 -21：30，授课1.5小时，答疑0.5小时。

课程形式：腾讯会议直播，集智学园网站录播。

课程周期：2025年11月21日第六课，每周五晚19：30-21：30点，授课1.5小时，答疑0.5小时。

课程适用

本次课程适合：

• 科学学、科学计量学、计算社会学等领域的研究者

• 对社会系统研究、复杂网络研究等感兴趣的广大师生与公众

推荐内容

1. Zeng, A., Shen, Z., Zhou, J., Wu, J., Fan, Y., Wang, Y., & Stanley, H. E. (2017). The science of science: From the perspective of complex systems. Physics Reports, 714, 1-73.

2. Yao, L., Wei, T., Zeng, A., Fan, Y., & Di, Z. (2014). Ranking scientific publications: the effect of nonlinearity. Scientific Reports, 4(1), 6663.

3. Zhou, J., Zeng, A., Fan, Y., & Di, Z. (2016). Ranking scientific publications with similarity-preferential mechanism. Scientometrics, 106(2), 805-816.

4. Deville, P., Wang, D., Sinatra, R., Song, C., Blondel, V. D., & Barabási, A. L. (2014). Career on the move: Geography, stratification and scientific impact. Scientific Reports, 4(1), 4770.

5. Verginer, L., & Riccaboni, M. (2021). Talent goes to global cities: The world network of scientists’ mobility. Research Policy, 50(1), 104127.

6. Sinatra, R., Deville, P., Szell, M., Wang, D., & Barabási, A. L. (2015). A century of physics. Nature Physics, 11(10), 791-796.

7. Sun, Y., & Latora, V. (2020). The evolution of knowledge within and across fields in modern physics. Scientific Reports, 10(1), 12097.

付费流程

课程页面填写学员登记表，微信扫码入群；

课程可开发票。

关于主办方

北京师范大学-系统科学学科团队

北京师范大学是中国系统科学学科的重要发源地之一，自20世纪70年代末即开始布局相关研究和教育体系。学院已建立起从本科到博士后完整的人才培养体系，并在复杂系统研究领域形成深厚积淀。依照北京师范大学“一体两翼”办学格局，北京师范大学系统科学学科研究生培养分别在北京校区和珠海校区进行。北京校区培养单位为系统科学学院、珠海校区培养单位是文理学院系统科学系（含复杂系统国际科学中心）

【北京校区】

北京校区系统科学研究团队聚焦复杂系统的结构、演化和控制等方面。研究内容涵盖从自然到社会的多个层面，尤其在复杂系统的涌现行为与控制优化、社会经济系统建模、生命与脑认知系统的自组织行为、多主体系统与智能算法、以及复杂系统的信息建模等方面形成了特色鲜明、国际接轨的研究方向，并在复杂网络、脑科学、经济系统建模等研究领域取得了一系列有影响力的成果，多篇论文被国际权威期刊选为封面或亮点评述，并受到国内外学术界和主流媒体广泛关注。

【珠海校区】

珠海校区系统科学团队由国际系统与控制科学院院士狄增如教授领衔。除院士工作站外，校区还建有广东省高校系统涌现与自然智能重点实验室，具备先进的实验条件、完善的计算机系统支持与优越的科研实践平台。团队汇聚十余名优秀的中青年教师，拥有坚实的数学与物理学基础，长期在系统科学基础理论、生物与脑科学、社会经济系统等交叉领域开展创新性研究。依托雄厚的人才力量与科研条件，团队在研究生高质量培养方面积累了丰富经验，取得了一系列具有原创性的研究成果，并在高水平学术期刊上发表多篇论文，产生了广泛的国内外学术影响。

珠海校区独立招收本科、硕士、博士学生，颁发学位证书同北京校区一样。同时，珠海校区也提供博后与青年PI职位。

集智学园：

集智学园作为集智科学研究中心孕育的商业公司，力图传播复杂科学、人工智能等前沿知识和新兴技术，促进、推动复杂科学领域的知识探索与生态构建。合作伙伴包括腾讯、华为、北京师范大学、湖畔大学、混沌大学等多家知名机构。2019年被评定为“中关村高新技术企业”和“国家高新技术企业”。

口号：学复杂科学，到集智学园

使命：梳理复杂知识体系，普及科学理论方法。