发帖
雷达卡
要毕业了，很少写东西了。这是最近的一篇读书报告，一起分享下。
《uncovering the intellectual core of the IS discipline》是一篇关于IS学科知识核心的文献综述性文章。作者运用潜在语义分析法，通过对近22年间发表在三大顶级IS核心期刊上的1615篇文章的摘要进行分析，对该学科核心研究领域及各领域内研究趋势变化和未来研究方向做了研究，认为：作为IS学科的五大核心研究领域，（1）信息技术与组织（2）IS发展（3）IT与个体（4）IT与市场（5）IT与团队等一直比较稳定，但每个核心领域的具体研究主题变化却一直比较明显，反映出该领域的研究轻技术、重技术在社会背景中的应用等特点。
一、文章内容
这篇文献综述性的文章，涉及到了22年间三大“纯MIS”顶级期刊的1615篇文章，覆盖面可谓是相当的宽泛。宽泛并不是没有主题，整篇文章的内容很简洁清晰，即通篇是围绕着一个问题和一个争论进行的。一个问题指的是“IS学科的知识核心是什么”，一个争论则是指“IS学科的学科认同是什么”，而前者“问题”则是由后者“争论”引出的。
1、一个争论——IS学科的学科认同是什么？
关于IS的学科认同，并不是一个新鲜的话题，自IS开始出现之始，学者们就开始了该问题的探讨。从上世纪70年代的Mason和Mitroff，到本文的作者Sidorova等，几十年来，大家都在一直探讨这个问题，但并未达成一致。
在这场争论中，其焦点是“IS学科是应该多样化呢，还是应该专注于IT本身”。IS的发展，使得已经出版的有关于该学科的研究文章覆盖了IT技术本身、技术的应用和与技术及应用等相关的泛学科化发展等，甚至产生了交叉的边缘学科，即所谓的多元化现象。而Benbasat和Weber等认为上述的多样化模糊了IS学科的边界，威胁到了IS学科的合法性。他们认为IS研究应该专注于与IT工具有直接联系的现象，IS学者应该关注与IT技术的发展、应用和影响等有直接联系的主题，而将其它现象留给其它学科的学者。
Benbasat等人概念中IS学科，界定在与IT有直接联系的范围内。这种观点遭到了其它学者的质疑。如Robey也认为研究的多样化的确会给IS发展带来一些威胁，但是却认为多样化发展给IS学科带来的机会和好处要远大于威胁。仅专注于IT技术，而不关心更广阔的商业主题，会导致IS学科与其它学科切断联系。因此，也有学者认为应该建立一个更加弹性的学科认同，使得多样化成为该学科领域的主流（making diversity a major strength of the field）。
可以看出，关于IS学科认同，学者们的观点也并不尽相同；但是，长期的争论和探讨却使学者们认识到了一个问题，即应该尽快发现“IS研究显著的知识核心”，建立起IS学科的强的学科认同。只有这样，IS学科才能取得“持续发展和成功”。
但是，一个学科的学科认同到底是什么呢？这怕是另外一个难以回答的问题。不过，借用大家熟悉的组织认同的概念，我们可以试图为学科认同下一个定义：学科认同指的是一个学科在长期发展的过程中居于中心的、独特的和持久的内容。也就是说，只要找出长期以来，IS学科中能反映本科学的持久的研究主题，关于IS的学科认同就会有一个大致轮廓了。
这样，上述问题就具体化了：首先，要找出一些能反映IS学科研究内容的材料，而这个材料非该学科内的顶级研究期刊莫属；其次，选择一个合适的研究工具，能发现众多材料中几点关键的东西，以此来构建学科认同。
2、研究方法——LSA
MISQ，ISR和JMIS一直被视为是IS学科的顶级“纯MIS”期刊，这些期刊文章的摘要无疑是该学科近些年来发展的缩影。更为关键的是，这几本期刊杂志，基本涉及了IS学科的所有相关利益者，如学科内或相关学科的学者，管理人员，公共和私人基金机构，创始人和社会公众等；毕竟，正如相关利益者分析法所说的那样，学科认同是通过在相关利益者中间签订协约的过程来构建的。而要在几十年的众多文章中找出彼此有联系而又持久的东西，潜在语义分析是最好不过的工具了。
LSA（latent semantic analysis）是上世纪80年代末期出现的一种新的信息检索代数模型。它使用统计计算的方法对大量的文本集进行分析，从而提取出词与词之间潜在的语义结构，并用这种潜在的语义结构来表示词和文本，通过特征值矩阵分解法（singular value decomposition）减少原始数据的维度，达到消除词之间的相关性和简化文本向量实现降维的目的。LSA的基本观点是：把高维的向量空间模型（VSM）表示中的文档映射到低维的潜在语义空间中。这个映射是通过对项/文档矩阵的奇异值分解（SVD）来实现的。
LSA和传统的因子分析法类似，但是究竟选择多少因子才是最合适的呢？
作者分别选取了2，3，4，5，8，12，13和100个因子做了分析。因子选取不同，聚类分析所得到结果的层次也是不同的。双因子方程反映的是聚类分析的最高层次，解释了IS研究的两个主要方向：宏观方向，主要与组织和社会主题有关；微观方向，主要解释了个人和团队层级上的IT工具。随着因子的增加，所反映的层级和主题也在增加，这样的结果对于IS学科的多元化研究有利；但是这些结果基于不同学者的研究，难免会带有作者刻意的追求，因此不利于发现IS学科的核心领域。以100因子为例，聚类所得到的主题就包括了项目导向法，拍卖理论和其它动态报价机制，市场势力与政治，群体支持系统和计算机自我效能感等，这样的结果与其它主题联系不大，很难归入某个具体的研究类别，使得IS学科的研究范围过于泛化，不利于发现学科的知识核心。
京公网安备 11010802022788号
