تعیین طبقات اصلی مرتبط با مدیریت دانش در پایگاه وب آو ساینس و مطالعه هم پوشانی موضوعی آن ها

پژوهش حاضر با هدف بررسی ساختار موضوعی حوزه مدیریت دانش با تحلیل کلیدواژه های مدارک موجود در پایگاه وب‌آو‌ساینس به روش تحلیل هم‌واژگانی انجام شده است. طبقه‌بندی موضوعات با استفاده از روش خوشه بندی سلسله مراتبی وارد انجام شده و میزان شباهت موضوعی حوزه های مرتبط با محاسبه شاخص دربردارندگی مشخص شده است. یافته‌ها نشان می دهد که حوزه های مدیریت، علوم کامپیوترسامانه های اطلاعاتی و علم اطلاعات/ کتابداری به ترتیب بیشترین تعداد مدارک مربوط به این حوزه را دارند. با ترسیم نمودار توانی مربوط به کلیدواژه‌های نویسندگان، از کل 5570 کلیدواژه 96 مورد به عنوان موضوعات پرکاربرد شناسایی شدند. سه نمودار خوشه ای ماحصل سنجش هم رخدادی بین موضوعات پرکاربرد در سه حوزه‌ی مورد بررسی بدست آمده است. مقایسه ی این نمودارها نشان می دهد که 6 خوشه موضوعی، حاوی جمعا 16کلیدواژه با هم در هر سه حوزه مشترک هستند. در این پژوهش هم‌چنین خوشه‌های شناسایی شده مربوط به حوزه‌های مختلف به صورت ذهنی دو به دو با هم مقایسه شدند. در این رابطه حوزه‌های مدیریت و علم اطلاعات/ کتابداری با داشتن 14 خوشه مشترک بیشترین شباهت را به یکدیگر نشان دادند. همچنین، حوزه یسامانه های اطلاعاتی با 28 خوشه متفاوت، بیشترین افتراق را با دو حوزه دیگر دارد و حوزه های مدیریت و علم اطلاعات/ کتابداری هر کدام با 18 خوشه ، کمترین افتراق را با حوزه های دیگر دارند. در بررسی میزان اشتراک کلیدواژه های یک حوزه با حوزه ها ی دیگر، شاخص دربردارندگی کلیدواژه‌های هر حوزه با حوزه دیگر محاسبه شد. نتایج این مرحله حاکی از این است که حوزه علم اطلاعات/ کتابداری بیشترین کلیدواژه های مشترک با دو حوزه دیگر را دارد.

A Study of Subject Overlap between the Main Categories of Knowledge Management within the Web of Science

Although a relatively new discipline, Knowledge Management (KM) is an area with a wide range of theoretical concepts and practical implications. The applicability of KM in different environments, and the vast value and benefits of its application, have led to great developments within the discipline over the last few years. The interdisciplinary nature of KM has also provided the opportunity for contributions by people from different disciplines, which in turn has lead to the rapid advancement of KM boundaries. This paper aims to examine the subject structure of the KM discipline through keyword analysis of documents in the Web of Science, using a hierarchical clustering approach and an inclusion index. Within the Web of Science categories, according to the findings, the three categories of Management, Computer Science Information Systems and Information Science Library Science claim the highest number of documents in this area. Of 5570 author keywords, , 96 keywords are identified as highly used keywords. Three hierarchical clusters (dendrograms) are formed from cooccurrence analysis of highly used keywords in the three categories. A comparison of these denrograms indicates that six clusters, including a total of 16 keywords, are common in the three categories. Looking at clusters of the three categories revealed that two categories Management and Information Science Library Science have 14 common/shared clusters, and therefore the highest degree of similarities. However, the category of Computer Science Information Systems, with 28 unique clusters, differs most markedly from the other two categories. To investigate the rate of common keywords from one category to another, the inclusion index is calculated. Results of this exercise indicate that the category of Information Science Library Science has the highest number of common keywords.