物理学研究中的知识演化：文献耦合网络分析

尽管我们在推进物理学知识的前沿，但我们对这种知识如何演化的理解仍停留在 Popper 和 Kuhn 的描述性层面。利用 APS 出版物数据集，我们在本文中探讨新知识是如何建立在旧知识之上的。我们通过构建逐年文献耦合网络来实现这一点，并在其中识别出代表不同研究领域的已验证社区。随后，我们以冲积图的形式可视化它们的演化关系，并展示了它们如何通过 APS 期刊拆分保持完整。从定量上看，我们发现大多数领域经历弱 Popperian 混合，而一个领域保持孤立或经历强混合的情况很少见。各领域的规模遵循随重组的简单线性增长。我们还可以可靠地预测两个领域之间的合并，但对于复杂得多的分裂则不然。最后，我们报告了两个领域在 1995 年前后经历反复合并与分裂的案例研究，以及这些 Kuhnian 事件如何与 BEC、量子隐形传态和慢光方面的突破相关联。这种影响在 BEC 领域的引文中定量地体现为，在这些事件期间及之后不久的参考文献所占比例更大。