将知识整合定义为迄今为止不相关或者距离较远的知识或研究主题纳入相关范畴的过程。与之类似的是，将知识扩散定义为知识转移或转化到之前未用过这种知识的知识主体的过程。这些知识的“主体”可以是观点、概念、理论、工具、技术、信息与数据源（National Academies，2004）。例如，UCSB的NCEAS（National Center for Ecological Analysis and Synthesis）取得的很多重要贡献都得益于生态学中不同领域的方法和数据的使用（Hackett，Parker，Conz，Rhoten，Parker，2008）。

整合和扩散的不同主要在于视角问题。例如，从致力于乳腺癌研究的Valencian实验室的视角来说，RNA干扰（RNAi）是被整合到基因操作的方法组合中的，也就是单一知识被整合到组织知识集中。当然，从一个新兴技术的角度，如RNAi，就是RNAi技术扩散到巴伦西亚实验室，这个实验室在空间中是一个点，能使用地理位置（巴伦西亚）、学科（肿瘤学）或研究问题（乳腺癌）的特征表示。本章主要强调了整合，在分析知识扩散时会用到提出的框架和许多工具（Carley，Porter，2012）。

整合和扩散都是动态过程，因此，它们应该在时间维度上被分析（Leydesdorff，Rafols，2011a；Liu，Rousseau，2010）。不过也有可能对所代表的不同实体的集成度进行静态比较，如代表的出版物（Porter，Rafols，2009）、研究人员（Porter，Cohen，Roessner，Perreault，2007）或大学院系（Rafols，Leydesdorff，O'Hare，Nightingale，Stirling，2012）。

这里提出的框架分别分析了对知识整合定义很必要的两个关键概念。一方面，多样性描述了被整合的知识主体的差异；另一方面，连贯性描述了知识主体之间关系的强度。多样性的概念与整合和扩散可以用相同的方式解释。然而，连贯性的解释会更上一个层级（因为知识更相关了）。扩散的情况下，更高的连贯性并不意味着更多的扩散，除了一个特定的扩散种类：扩散可以在各个相关的主题间进行。

·多样性：分派元素类别的属性。

·连贯性：通过元素关联类别的属性。

研究知识整合（跨学科）的另一种方式是关注一些具体学科贡献的桥梁作用或中介作用，典型的就是使用社会网络分析的概念，如中心性（Chen et al.，2009；Leydesdorff，2007）。在之前的研究中（Rafols et al.，2012），我们开发了一个作为框架的中介来补充多样性和连贯性，它有助于以细粒度的、自下而上的视角探讨动力学。然而，由于篇幅的限制，本章不对中介进行讨论。

鉴于整合可以在不同的层次进行分析，让我们先对多样性和连贯性作一个相对抽象的描述。我们将考虑系统或分析单元（如，大学的院系）、元素（如，论文）、类别（如，WoS类）和类别之间的关系（如，WoS中，从一个类到另一个类的引用）。

多样性是系统中分派元素或项的性能（Stirling，1998，2007）。例如，大学（系统）学科的多样性可以由出版在WoS类（类别）中的论文（元素）的分布性表示，如图8.1所示。括号中的是概念的一个例子：通过将论文分配到学科中来体现大学学科的多样性，通过跨学科引用来体现学科连贯性。大圆代表类别，小图（三角形、正方形和小圆圈）代表元素，多样性有三个不同的特性：

·多样化：元素被分配到多少个类别（N）。

·平衡性：跨类别元素分布的均匀度。

·差异性：元素所属类别的差异程度。

图8.1　多样性定义（左）和连贯性定义（右）

在Stirling的探索（1998，2007）中，多样性研究的新颖性和主要贡献是对于类别之间距离度量dij的介绍。如图8.2所示，每个完整的圈代表正在研究的系统。圈内的彩色图形是元素会被分配的类别。不同的形状显示类别之间的差异，一个系统多样性的增加不仅会有更多类别（较高的多样性），或更均衡的分布（较高的平衡性），而且元素会被分配到更多的类别中（更高的差异性）。其他情况与此类似，一个包括细胞生物学和社会学的项目，要比一个包括细胞生物学和生物化学的项目具有更高的多样性。在一个类目中测量元素比例pi是简单的，但计量认知距离dij更具有挑战。因此，21世纪初发展的科学地图对于解决这一问题是很有用的（Boyack，Klavans，Börner，2005；Klavans，Boyack，2009；Moya-Anegón et al.，2007；Rafols，Porter，Leydesdorff，2010）。

另外，连贯性旨在捕捉在系统多个部分通过一些关系直接有联系的程度。例如，一所大学（系统）的学科一致性可以用一个WoS类别的论文到另一个WoS类别引用（关系）来表示（Rafols等，2012）。也可以在元素层次上使用网络特性探讨，如网络密度或强度（Rafols，Meyer，2010）。

图8.2　基于Stirling（1998）多样性属性的示意图(www.daowen.com)

源自：rafols和Meyer（2010）。

目前还需要进一步的研究来确定是否连贯以及如何测量连贯性。在本章中，笔者实验性地建议，连贯性可以被认为具有密度（类似多样性）、强度（模拟平衡性）和差异性的属性，如图8.3所示。每一个圆圈代表研究中的系统。圈内的图形表示元素被分配的类别。线条表示类之间的关系。粗线表示高强度关系，不同图形表示类别之间的差异。为此，定义M为系统现有关系的数量，一个关系的强度iij为类别i和j相对关系强度的量标。现在我们可以定义：

·密度：类别间关系的数量。

·强度：系统中关系的整体强度。

·差异：关系中类别的差异程度。

由于多样性和连贯性有多种属性，根据这些属性的权重，我们可以产生不同的合理的度量，如表8.1所示。Stirling（2007）提出了一种广义的公式来表示多样性，通过给参数α和β赋值，可以将它转变成具体的多样性测量，种类多样性或Simpson多样性。Ricotta和Szeidl（2006）用不同的数学公式（可能更严谨，但是更麻烦）达到了同样的结果。本章实验性地介绍了连贯性概念广义上的相同类型。

图8.3　连贯性属性示意图

出于这种考虑，表8.1中的测量值不是捕捉多样性和连贯性的“明确的”和“客观的”方式。相反，所有多样性和连贯性的测量都来自主观判断：①选择类别；②元素的类别分配；③什么是适当的强度iij度量；④认知距离dij；⑤对特定研究有意义的有用α和β值。例如，假设一个距离0＜dij＜1，分析者会使用较小的β值来强调距离的重要性（例如，有关气候变化等问题，社会自然科学可以被整合进去）。反之，α的值小，通过小比例突出了贡献的重要性。如同Yegros-Yegros、Amat、D'Este、Porter和Rafols（2013）提出的另一种可能利用多种多样性的测量方法，每种方法都强调一个属性，参见Rafols等（2012），Chavarro、Tang、Rafols（2014）。可视化科学覆盖图是一种描述的多样性和连贯性的方式，它不需要将数据层叠加到一个图表中（Rafols et al.，2010）。

表8.1　多样性与连贯性的选择测量值

为简化起见，在实践中，大多数应用简化为α＝1，β＝1。这导致了多样性的Rao-Stirling变体形式，。这一测量方式在1982年由Rao首次提出，已经在种群生态学中被熟知，称为二次熵（Ricotta，Szeidl，2006）。它可以被解释为一个距离加权Simpson多样性（在经济学相关学科中也被称为HHI指数）。Rao-Stirling可以解释为元素之间的平均认知距离，从分类来看，它为认知距离dij对跨类别元素的分布pi赋予权重。同样，如果关系强度定义为关系的分布（即如果iij＝pij），最简单形式的连贯性，γ＝，可以被解释为平均距离对关系分布pij，而不是分布元素pi。^[5]

网络中的每个节点代表一个认知类别。浅灰色线表示类别之间的强相似性，也用来表示类别集群的相似性。节点的大小描述元素在一个给定类别中的比例。黑色（或绿色）线代表类别之间的关系。当一个组织变得更加多样化并建立不同类别之间的关系时，便达到了知识整合〔Rafols等（2012）〕。

所提出的分析框架把知识整合理解为在多样性方面的增强，或连贯性方面的增强，或两方面的增强。这意味着从上到下，从左到右，或在对角线从左上到右下的移动，如图8.4所示。同样，一个扩散过程将被视为在多样性方面增加。扩散时更高的连贯性意味着一个研究课题到达到了新领域并融在一起，而较低的连贯性意味着主题被机械性地使用并没有融入新领域。

图8.4　知识整合增强认知多样性和连贯性的概念图