在学科进展、动向与趋势的分析预测方面，传统的文献计量学与文献内容分析方法起到了很重要的作用。由于科学活动的产出和交流的主要形式之一是科学文献，因此对这类文献进行的定量分析既属于文献计量学，也属于科学计量学（Scientometrics）的研究范围。科学计量学产生于20世纪50年代中期，是指应用数理统计和计算技术等数学方法对科学活动的投入（如科研人员、研究经费）、产出（如论文数量、被引数量）和过程（如信息传播、交流网络的形成）进行定量分析，从中找出科学活动规律性的一门科学学分支学科。科学信息分析方法主要有共现分析、共引分析以及学科可视化分析。

5.1.2.1　共现分析

共现分析主要包括关键词共现分析、机构共现分析、学科共现分析、作者共现分析等几种方法。

关键词共现分析，又称为共词分析（Co-term Analysis），其思想来源于引文耦合与共（被）引分析，最早在20世纪70年代由法国文献计量学家提出，之后通过Law、Whittaker、Callon、Courtial等学者不断修正、改进，共词分析方法日臻完善。共词分析指两两统计一组关键词在同一篇文献中出现的次数，以此为基础对这些词进行多元统计分析，从而反映出这些词之间的亲疏关系，进而分析这些词所代表的学科或主题的结构与变化。对文献第一作者所在单位进行共现分析，可以显现出某学科领域一些高产的研究机构。对某个学科与其上位学科中的其他子学科，或者与一般性相关学科的共现分析，可以显著地展现学科之间的相互关联性，对学科定位与学科划分起到提示作用。作者共现分析，一般称为合著者网络分析，是在某一学科研究领域中，一位作者与其他作者合著关系的网络化体现，合著者网络分析可以识别学科研究中的合作情况。

5.1.2.2　共引分析

共引（Co-citation），又称为共被引、同引，由美国科学计量学家Small（1973）提出，指两篇或两篇以上的文献同时被别的文献引用的现象。一般可以利用多元统计中的聚类分析和多维尺度分析对共引矩阵进行数据挖掘，从而得出某一学科的研究特点、研究方向的关联性以及该学科学者关注的热点问题等。之后，共引分析的概念和思想被推广到与文献相关的其他特征对象上，形成各种类型的共引概念，如：期刊共引分析、作者共引分析等，其原理及实施步骤与文献共引分析基本相似。

5.1.2.3　学科可视化分析

学科可视化分析，一般指的是对科学知识图谱的分析。科学知识图谱（Mapping Knowledge Domain）是以科学知识为对象，显示科学知识的发展进程与结构关系的一种图形。科学知识图谱具有“图”和“谱”的双重性质与特征：既是可视化的知识图形，又是序列化的知识谱系，显示了知识元或知识群之间互动、交叉、演化或衍生等诸多复杂的关系，而这些复杂的知识关系正孕育着新的知识的产生。学科可视化分析，是以科学为研究对象，以引文分析方法和信息可视化技术为基础，涉及数学、信息科学、认知科学和计算机科学诸学科交叉的领域，是科学计量学和文献计量学的最新发展。(www.daowen.com)

以社会科学为例，孙晓宁等（2014）通过对CSSCI来源期刊中收录的学科可视化研究的相关文献进行了较为完整的统计，并按照数据来源、研究工具、研究方法、研究内容、应用领域5个方面将这些文献做了分类，如表5.1所示。

表5.1　国内学科可视化分析分类统计^[4]

续表

因此，学科可视化分析并不是单一的、具体的一种研究方法，它集合了共现分析、共引分析和多元统计分析等多种具体科学信息分析方法，更像是一个“方法群”：既包括传统的文献计量方法，也有多元统计方法，所使用的研究工具以及与之相对应的数据来源也不尽相同。自然地，不同的研究方法生成的科学知识图谱及其体现的内容也相差甚远，但这些都能够整体或部分地体现某一科学领域的体系结构分布特征。