信息资源管理学报 ›› 2020, Vol. 10 ›› Issue (2): 48-58.doi: 10.13365/j.jirm.2020.02.048

• 研究论文 • 上一篇    下一篇

信息偶遇研究方法:现状剖析和趋势探索

姜婷婷1,2 傅诗婷1 郭 倩1   

  1. 1. 武汉大学信息管理学院,武汉,430072; 2.武汉大学信息资源研究中心,武汉,430072
  • 出版日期:2020-03-26 发布日期:2020-03-26
  • 通讯作者: 姜婷婷,教授,研究方向为信息行为、信息可视化、数据分析方法等 E-mail:tij@whu.edu.cn
  • 作者简介:姜婷婷,教授,研究方向为信息行为、信息可视化、数据分析方法等;傅诗婷,硕士研究生,研究方向为信息行为、用户心理;郭倩,硕士研究生,研究方向为信息行为、数据分析。
  • 基金资助:
    国家自然科学基金“在线信息偶遇过程中趋避行为的产生规律与神经机制研究”(71774125),国家自然科学基金重点国际(地区)合作研究项目“大数据环境下的知识组织与服务创新研究”(71420107026)。

Research Methods of Information Encountering:Status-quo Analysis and Trend Exploration

Jiang Tingting1,2 Fu Shiting1 Guo Qian1   

  1. 1.School of Information Management, Wuhan University, Wuhan 430072;  2.Center of Studies of Information Resources, Wuhan University, Wuhan 430072
  • Online:2020-03-26 Published:2020-03-26

摘要: 信息偶遇研究已经成为人类信息行为领域的重要组成部分,近年来其相关研究在图书情报学获得了快速增长,但是研究方法的局限性却在一定程度上阻碍了研究人员深入探讨信息偶遇现象。本研究广泛采集了1995—2018年间发表的国内外信息偶遇实证研究论文共87篇,基于研究主题、样本类型、数据类型、数据采集以及数据分析维度,对论文中的研究方法开展了系统的内容分析,揭示了信息偶遇研究方法应用现状及发展趋势,旨在促进信息偶遇方法论体系的变革,突破现有研究的发展瓶颈。

关键词: 信息偶遇, 研究方法, 数据采集, 数据分析, 内容分析法

Abstract: Information encountering (IE) research has become an important part of the human information behavior domain. There has been a rapid increase of related studies conducted by library and information science researchers in recent years. However, the limitations of research methods are impeding more in-depth investigation into the phenomenon of IE. This study collected a total of 87 empirical research papers published at home and aboard from 1995 to 2018. Based on the dimensions of researvh topics, sample type, data type, data collection, and data analysis, a content analysis was performed on the research methods sections of these papers, which reveals the status quo and problems of applying methods in IE research. Future trends in IE research methods were predicted with the aim to facilitate methodology innovations in IE research and to break the current bottleneck.


Key words: Information encountering, Research methods, Data collection, Data analysis, Content analysis

中图分类号: