本章研究与以往研究的不同之处在于通过运用ERU数据采集平台，采集到用户在访问图书馆各类电子资源数据库的各种行为，从网络底层统一获取其动态数据，结合直接从电子资源数据库导出的文献数据，利用采集到的动态数据进行Session ID关系和共词分析（因子分析和聚类分析）的方法，对学科交叉程度及学科交叉的研究热点进行分析，同时通过比较同一时期的静态数据，对该领域学科交叉的发展作简要比较，并对未来的发展进行预测。经向复旦大学政治经济学专业部分教师进行咨询，教师的感受和本结论基本吻合。本章的主要建树是通过对采集到的动态数据的分析，获得了学科之间的交叉程度及学科交叉研究热点，并与同一时段的静态数据相比较。本章的学术价值是在学科交叉研究方面开拓了数据源的使用，拓展了研究的宽度，并且弥补了以往研究仅针对静态数据分析研究的不足，应用价值在于上述研究结果对复旦大学的研究者有一定的参考价值，今后随着该学科交叉研究方法的成熟，可以应用于辅助学科交叉方面的学科服务，进一步深化学科服务工作。
本章的不足之处主要有以下三点：
（1）分类不够细化。本研究的分析学科分类与以往文章的学科交叉学科分类不同，是从一级学科分类入手的，而目前学科交叉已经渗透到二级学科甚至三级学科等更细致的学科分类，所以今后的数据分析在学科分类上要更加细化，这样分析的数据才更加准确，参考价值才更大。
（2）数据量偏少。本研究的动态数据采集时间较短，数量较少。静态数据为与动态数据对称，也仅采集一年的数据，数据量不大。今后可大幅度增加样本的数量，以得到更为科学的研究结论。
（3）数据优化欠缺。数据分析的关键是对数据做好优化工作，因为专业知识所限，本研究在关键词筛选方面存在一定缺陷，影响后续的分析结果。
此外，对研究领域进行解读，具有一定的主观性，并且需要整体上对学科领域有很好的掌握和了解，学识所限，本章研究的分析结果难免存在不足之处。
未来在研究中将会增强对该分析数据源及分析方法的应用，采取更加合理的学科分类方法，大幅提高数据量，并找到合适的关键词筛选方法，通过合理的数据分析，获得有益结果，帮助相关领域的研究者掌握可能出现的学科交叉点，分析学科交叉的程度和学科交叉研究热点，在学术研究和科学创新上激发新的生长点。
【注释】
[1]薛澜.关于学科交叉问题的一些理论探讨［.J］.中国科学基金，1997（1）：59—64.
[2]李喜先.21世纪100个交叉科学难题［M］.科学出版社，2005：ix.
[3]杨建林，孙明军.利用引文索引数据挖掘学科交叉信息［J］.情报学报，2004（6）：672—676.
[4]阚连合，黄晓鹏，刘梅申.情报学交叉学科的发展趋势——我国情报学期刊被引分析的启示［J］.现代情报，2007（1）：62—64.(www.xing528.com)
[5]李长玲，纪雪梅，支岭.基于E-I指数的学科交叉程度分析——以情报学等5个学科为例［J］.图书情报工作，2011（6）：33—36.
[6]王昊.基于关联规则挖掘研究学科间相关性［J］.现代图书情报技术，2005（3）：23—28.
[7]魏建香，孙越泓，苏新宁.学科交叉知识挖掘模型研究［J］.情报理论与实践，2012（4）：76—80.
[8]闵超，孙建军.学科交叉研究热点聚类分析——以国内图书情报学和新闻传播学为例［J］.图书情报工作，2014，58（1）：109—116.
[9]张春美，郝凤霞，闫红秀.学科交叉研究的神韵——百年诺贝尔自然科学奖探析［J］.科学技术与辩证法，2001（6）：63—67.
[10]刘煜，刘仲林.学科交叉中的科研创新契机——以中科院院士增选为例［J］.科技进步与对策，2005（12）：61—63.
[11]于江，党延忠.用信息可视化方法分析科研领域发展状况［J］.科学学与科学技术管理，2009（6）：10—14.
[12]吴骏.SPSS统计分析从零开始学［M］.北京：清华大学出版社，2014：261—278.
[13]聚类分析［EB/OL］.http：//wiki.mbalib.com/wiki/%E8%81%9A%E7%B1%BB%E5%88%86%E6%9E%90［.2014-06-06］.
[14]吴骏.SPSS统计分析从零开始学［M］.北京：清华大学出版社，2014：279—295.
[15]邱均平.关于共被引分析方法的再认识和再思考［J］.情报学报，2008（1）：69—74.
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
