ENQUIRE PROJECT DETAILS BY GENERAL PUBLIC

Project Details
Funding Scheme : General Research Fund
Project Number : 11505119
Project Title(English) : Assessing conceptual and empirical contributions of social media research based on knowledge graph 
Project Title(Chinese) : 基於知識圖譜評估社交媒體研究的理論與實證貢獻 
Principal Investigator(English) : Prof Zhu, Jonathan Jian-hua 
Principal Investigator(Chinese) :  
Department : Dept. of Media & Communication; School of Data Science
Institution : City University of Hong Kong
Co - Investigator(s) :
Dr Peng, Tai-Quan
Dr Zhao, Wayne Xin
Panel : Business Studies
Subject Area : Business Studies
Exercise Year : 2019 / 20
Fund Approved : 434,764
Project Status : On-going
Completion Date : 31-7-2021
Abstract as per original application
(English/Chinese):

研究論文的質量為學術界及其相關持份者最爲關心的問題之一。然而,如何測量研究質量卻一向缺乏共識。最常見的方法是基於著作引用率的“影響因子”。影響因子雖然容易獲得和分析,但只反映原文的流行度而非其質量。另外有些學者則曾嘗試通過專家意見來繞過質量真實内核。因此,研究質量至今仍爲一個學術黑箱。 我們在本研究中另闢蹊徑,主張用新近湧現的知識譜圖方法來測量研究貢獻(而非研究質量本身)。我們的總體思路是將每篇論文提供的“新知識“與已有“舊知識”相比較、從而確定該論文的貢獻程度。爲此,我們計劃通過證据、方法和理論等三個維度來測量知識。該三維框架使得我們有可能比較文獻中的新舊知識。如,某論文報告了一個已知的現象,那麽其生成的知識僅爲複製的“舊酒“。相反,如果該論文為一個已有的假設提供了新的證據、或為一個已知的現象提供了新的解釋,那麽其生成的知識則為新舊兼有的”半新酒“。如果該論文發現了一個新現象並提供了新解釋,那麽其生成對知識就是”全新酒“。簡言之,這一基於知識的測量方法有望解決在研究質量(無法直接測量的隱含概念)與影響因子(容易但不准)之間長而未決的兩難問題。 方法上,我們將設計和構建一個”社會媒體知識圖譜“(簡稱SMKG)以測量和評估社交媒體的知識貢獻。我們首先會從WOS數據庫中采集有關社交媒體的相關實證案例,然後從中用有監督和無監督相結合的機器學習方法提取“知識要素”(如理論概念、方法或實證特徵、假設及驗證的關係等等),並通過共引求證、概念去疑等手段净化上述知識要素,以整合成一個多層及動態的知識庫,其中理論概念將按各抽象層面和原著時序而連接起來。該知識庫最終生成前述SMKG的本體論。 我們可以用SMKG來評估文獻中社交媒體論文所產生的知識有多少是複製性的陳酒、多少是為舊假設配新證據或為舊現象配新解釋的半新酒、多少是新現象加新解釋的全新酒。本項目完成之後,SMK可以被不斷更新,使其成爲一個追蹤社交媒體研究進展的實時評估系統。我們還計劃將本研究所構建的基本方法擴展到對其它商業或社會科學研究領域的評估之中。
Research Outcome
Layman's Summary of
Completion Report:
Not yet submitted

  SCREEN ID: SCRRM00542