Research Trajectories（研究轨迹）

研究轨迹分析通常基于文献计量数据，利用网络科学和机器学习方法，刻画学者研究兴趣的变迁、合作者的更替以及影响力的积累。例如，通过分析论文序列，可以预测学者未来的研究方向，或识别新兴交叉领域。在科技政策中，研究轨迹用于评估机构绩效和人才流动。代表性工作包括微软学术图谱和SciSciNet等数据集，以及基于嵌入的方法（如node2vec）对学者轨迹建模。挑战包括数据稀疏性和领域差异性。