1

我国竞争情报研究的知识图谱分析

——姜悦

摘要：本文在对 CSSCI 中近五年篇名中关键词为“竞争情报”的相关文献进行检索，

并对检索结果进行筛选的基础上，运用 CiteSpace 信息可视化软件，通过作者共现分析、作

者共引分析、机构共现分析、文献共引分析、期刊共引分析、高中心性等方法，对竞争情报

领域的研究主体、机构和前沿领域进行梳理，总结竞争情报领域近年来的研究情况，为今后

的研究发展提供借鉴。

关键词：竞争情报；知识图谱；CSSCI；CiteSpace

一、基本概念

（一）竞争情报

竞争情报（Competitive Intelligence）简称 CI。起源于第二次世界大战，出

现于 20 世纪 50 年代军事情报组织向经济情报组织过渡时期，崛起于 20 世纪 80

年代企业战略思想普及时代，80 年代末被引入中国。以 1986 年美国竞争情报从

业者协会（Society of Competitive Intelligence Professionals，SCIP）的成立为标志，

迄今已发展近 30 年，对全球经济发展与社会进步产生了重要的影响。

竞争情报一般是指关于竞争环境、竞争对手和竞争策略的信息与研究，竞争

情报既是一种过程，也是一种产品。SCIP（美国竞争情报专业人员协会）将竞

争情报定义为是一种过程，在此过程中人们用合乎职业伦理的方式收集、分析、

传播有关经营环境、竞争者和组织本身的准确、相关、具体、及时、前瞻性以及

可操作的情报。

竞争情报的功能主要有三个：一是预警；二是决策支持；三是学习。竞争情

报工作者的主要工作就是建立一个情报系统，帮助管理者分析对手、供应商和环

境，使管理者能够预测商业关系的变化，把握市场机会，抵抗威胁；预测对手的

战略，发现新的或潜在的竞争对手；学习他人成功或失败的经验，洞悉对公司产

生影响的技术动向；同时，了解政府政策对竞争产生的影响，规划成功的营销计

划，最终降低风险，提高竞争的效率和效益。

2

（二）知识图谱

知识图谱，也称为科学知识图谱，在图书情报界还被称为知识域可视化或知

识领域映射地图，具体来说，知识图谱就是通过将应用数学、图形学、信息可视

化技术、信息科学等学科的理论和方法与计量学的引文分析、共现分析等方法结

合，并利用可视化的图谱，形象地展示学科的核心结构、发展历史、前沿领域以

及整体知识架构，从而达到多学科融合目的的现代理论。知识图谱的主要作用在

于运用数据挖掘、信息处理、知识计量和图形绘制等方法将复杂的知识领域显示

出来，为学科研究提供切实的、有价值的参考。

二、研究设计

（一）数据来源

本研究选取中文社会科学引文索引（Chinese Social Sciences Citation Index，

CSSCI）作为本文的文献检索来源。“中文社会科学引文索引”（CSSCI）由南京

大学中国社会科学研究评价中心开发研制而成，具有文献来源广，期刊筛选精，

权威性高，可获得性好等优势。具体体现在：文献收集范围包括法学、管理学、

经济学、历史学、政治学等学科在内的 500 多种学术期刊，来源文献近 100 余万

篇，引文文献 600 余万篇；期刊筛选遵循文献计量学规律；此外，针对知识图谱

研究，CSSCI 提供地区、机构、学科、学者等多种类型的统计分析数据以及被引

频次、影响因子、即年指标、期刊影响广度、地域分布、半衰期等多种定量指标

的分析统计，有助于研究人员了解相关研究领域的前沿信息和各学科学术研究发

展的脉搏，为管理者制定科学研究发展规划、科研政策提供科学合理的决策参考。

竞争情报研究属图书情报领域，CSSCI 针对该领域收录的来源期刊包括中国

图书馆学报、大学图书馆学报、图书情报工作、情报学报、图书情报知识、情报

理论与实践、国家图书馆学刊、情报杂志、图书与情报、情报科学、图书馆杂志、

图书馆建设、情报资料工作、图书馆论坛、现代图书情报技术、图书馆学研究、

图书馆、图书馆工作与研究等权威期刊。因此，综合考虑其全面性、权威性、准

确性和可获取性，最终选择 CSSCI 作为本文的数据来源。

3

笔者于 2015 年 8 月 3 日登陆 CSSCI 数据库进行文献检索与收集，检索范围

是 2010 年 1 月 1 日至 2014 年 12 月 31 日，检索条件为“关键词”=“竞争情报”，

作者、主题等条件不限，最终显示检索记录 526 篇，其中 2010 年 155 篇，2011

年 92 篇，2012 年 118 篇，2013 年 82 篇，2014 年 79 篇。除去会议报道、专题

报告以及其它信息不完整的文献，共剩余 433 篇，每篇文献都包含文件序号、来

源篇名、英文篇名、来源作者、文章类型、基金、期刊、机构名称、学科分类、

中图类号、年代卷期、关键词以及参考文献等项目内容。

图 1：近五年国内竞争情报领域论文发表情况

年份 论文发表数量

2010 155

2011 92

2012 118

2013 82

2014 79

表 1：近五年国内竞争情报领域论文发表情况

论文的发表数量能够较为直观地反映出该学科的发展阶段和研究水平。

2010-2014 年五年期间，每年的论文发表数量都在 100 篇上下，与其他每年论文

发表量高达四五百的领域相比，从事竞争情报工作及研究的人员相对较少。通过

柱状图可以看出，2010 年竞争情报领域发表的研究论文数量最高，为 155 篇，

0

20

40

60

80

100

120

140

160

180

2010年 2011年 2012年 2013年 2014年

近五年竞争情报领域论文发表情况

论文发表数量

4

表明此阶段竞争情报研究较为普遍和深入，社会对竞争情报研究比较重视和关注。

2011 年论文发表数量大幅下滑，相比 2010 年减少 63 篇，但是 2012 年竞争情报

研究论文发表数量再次上升，这与当时大数据等新理念、新技术的出现有着不可

分割的联系。2013 年和 2014 年，竞争情报论文发表数量持续下滑，一方面，可

能人们对竞争情报的研究热情有所下降；另一方面，也有可能是竞争情报研究进

入相对稳定的时期，所以发文数量较少，具体原因还需要进行更深入的分析。

（二）研究工具

本研究所使用的可视化信息分析软件是 CiteSpace 3.8.R1，该软件是由美国

德雷塞尔大学（Drexel）教授陈超美先生研发的一个 JAVA 程序软件，主要用于

科学文献中识别并显示科学发展新趋势和新动态的软件，利用 CiteSpace 可以帮

助我们寻找某一学科领域的研究进展和当前的研究前沿以及对应的知识基础。

与其它可视化文献分析软件相比，CiteSpace 的特点在于它综合了很多不同

的算法，例如膨胀词（Burst Detection）突变检测算法，可以用于检测某个学科

中研究兴趣的突然变化；路径网络简化（Pathfinder Network Scaling）算法，可

以应用于共引分析，通过合理设置引用（citation，C）、共被引（co—citation，

CC）以及共被引系数（co-citation coefficient，CCV）的阈值，绘制出较直观的、

容易理解的知识图谱。

在使用 CiteSpace 时，需要注意数据格式的转换和整理，由于 CiteSpace 只

能直接处理 Web of Science 所下载的格式类型，因此，在导入数据、正式开始研

究之前，需要借助一些数据格式转换工具，将 CSSCI 的数据做一下简单的预处

理。首先，将 CSSCI 中检索出的文献放入一个文件夹Ⅰ中；然后使用中文内码

转换器（ConvertZ 8.02）形成 UTF-8 编码格式的 txt 文本，放置在文件夹Ⅱ中，

最后，打开 CiteSpace 3.8.R1，选择数据（Data）选项卡，对应 CSSCI 标签进行

第二次数据格式的转换，最终转换为 CiteSpace 可以识别和处理的数据格式。

三、研究结果

打开 CiteSpace3.8.R1 后，首先设立新的项目，确定项目和数据位置。然后

将时区跨度分割(Time Slicing)设定在 2010-2014 年（From 2010 To 2014），且单个

时间分区（Years Per Slice）为 1 年；主题聚类词来源(（Term Source）选择标题

（Title ）、摘要（Abstract ）、作者关键词（Author Keywords DE）与关键词累加

5

（Keywords Plus ID )；修饰算法（Pruning）选择最小生成树（Minimum Spanning

Tree）和修剪切片网络（Pruning Sliced Networks ）；可视图显示（Visualization）

选择静态聚类视图（Cluster View-Static）和合并网络视图（Show Merged

Network ）。

（一）竞争情报研究的主体分析

1.作者共现分析

作者共现分析又称为合著者网络分析，该方法可以反映作者间的合作情况。

基于上述的一系列设置，我们将网络节点类型（Node Types）选为作者（Author），

点击运行（GO！）并进行可视化显示（Visualize），选择聚类视图(Cluster View)，

使术语标注（Term Labeling）按照中心性（By Centrality）显示，调节“Threshold=4，

Font Size=100，Node Size=10”；使文章标注(Article Labeling)按照频次(BY Freq)

显示，调节“Threshold=4，Font Size=7，Node Size=70”，最终得出图 2 国内竞

争情报领域作者共现聚类图谱，以此反映国内竞争情报领域的作者合著特点。

图 2：国内竞争情报领域作者共现聚类图谱

6

通过作者共现聚类图谱我们可以看出：以赵筱媛、吴晓伟和王知津为中心，

形成了比较大的作者聚类群。表 2 统计了 2010-2014 年发文频次大于 5 篇的作者

姓名。其中，赵筱媛 2010-2014 年的发文频次最高，为 17 次，其次是郑彦宇、

陈峰和吴晓伟，发文频次均在 10 次以上，是竞争情报领域近几年较为活跃的学

者。

国内竞争情报领域高发文频次作者统计表

序号 发文频次 作者

1 17 赵筱媛

2 16 郑彦宇

3 16 陈峰

4 15 吴晓伟

5 10 张玉峰

6 10 王知津

7 9 刘志辉

8 9 黄晓斌

9 8 盛小平

10 8 彭靖里

11 7 张立超

12 7 严贝妮

13 7 龙青云

14 6 郑荣

15 6 姚伟

16 6 曾忠禄

17 6 周鹏

18 6 陈维军

19 6 徐芳

20 6 周九常

21 6 刘建准

22 6 陈婧

表 2：国内竞争情报领域高发文频次作者统计表

7

2.作者共引分析

将上述设置中的网络节点类型（Node Types）换为被引作者（Cited Author），

点击运行（GO！）并进行可视化显示（Visualize），我们就可以进行作者共引分

析。在对可视化图形进行设置时，需要选择聚类视图(Cluster View)，并使术语

标注（Term Labeling）按照中心性（By Centrality）显示，调节“Threshold=2，

Font Size=100，Node Size=10”；同时，使文章标注(Article Labeling)按照频次(BY

Freq)显示，调节“Threshold=9，Font Size=1，Node Size=30”，最终得出图 3 国

内竞争情报领域作者共引聚类图谱，以此反映国内竞争情报领域的作者共引特点。

图 3: 国内竞争情报领域作者共引聚类图谱

图 3 中每一个节点都代表一个作者，节点间的连线表示作者间的共引关系，

作者姓名的大小表示其被引次数的多少。此外，CiteSpace 中还有中心性节点这

一说法，节点的中心性高（Centrality>=0.1），则说明它与其他节点之间存在紧密

联系。通过作者共引聚类图谱可以看出：被引用频次最高的作者是包昌火，其次

是王知津、陈峰、彭靖里等人。

为了更全面地反映国内竞争情报领域的核心作者分布特征，笔者对该领域内

作者的被引频次大于 9 的作者及其中心性进行了统计，如表 3 所示：

8

通过表 3 我们可以发现，在文献引用方面，除了国内著名的竞争情报专家，

还有许多国外学者被引用，如迈克尔·波特、FLEISHER CS、HERRING JP 等。

国内竞争情报领域高频次被引作者统计表

序号 被引频次 中心性 作者

1 97 0.40 包昌火

2 59 0.16 王知津

3 55 0.05 陈峰

4 50 0.25 彭靖里

5 38 0.15 吴晓伟

6 35 0.08 沈固朝

7 34 0.39 谢新洲

8 29 0.1 邱均平

9 26 0.19 刘冰

10 23 0.13 秦铁辉

11 20 0.05 李艳

12 20 0.11 曾忠禄

13 18 0.12 郑彦宇

14 17 0.04 FLEISHER CS

15 16 0.1 缪其浩

16 14 0.03 刘军

17 14 0.25 HERRING JP

18 12 0.14 刘细文

19 12 0.14 周九常

20 12 0.08 FAHEY L

21 11 0.04 波特 迈克尔

22 11 0.07 张玉峰

23 11 0.14 王曰芬

24 10 0.01 张翠英

25 10 0.00 王克平

26 10 0.02 VAUGHAN L

表 3：国内竞争情报领域高频次被引作者统计表

9

3.机构共现分析

将上述设置中的网络节点类型（Node Types）换为机构（Institution），点击

运行（GO！）并进行可视化显示（Visualize），就可以得到机构网络聚类图谱。

在对可视化图形进行设置时，重复之前的步骤，选择聚类视图(Cluster View)，

并使术语标注（Term Labeling）按照中心性（By Centrality）显示，调节

“Threshold=10，Font Size=100，Node Size=10”；同时，使文章标注(Article

Labeling)按照频次(BY Freq)显示，调节“Threshold=9，Font Size=2，Node

Size=40”，最终得出图 4 国内竞争情报领域机构共现聚类图谱，以此反映国内竞

争情报领域的机构分布情况。

图 4：国内竞争情报领域机构共现聚类图谱

图 4 中每个节点代表一个研究机构，机构名字的大小代表机构发文频次的高

低，发文频次越高，机构名称显示字号越大，节点之间的连线表示机构之间的合

作关系。

由此可知，中国科学技术信息研究所近五年来在国内竞争情报领域的发文频

次最高，紧随其后的是南开大学商学院信息资源管理系，再次是吉林大学管理学

院和武汉大学信息管理学院。需要说明的是，南开大学商学院信息资源管理系的

学者有时也将机构名称写作南开大学商学院，按此统计，南开大学商学院信息资

源管理系的发文频次就有所提高，但是排名不变，仍位居第二。

10

国内竞争情报领域高发文频次机构统计表

序号 发文频次 机构

1 41 中国科学技术信息研究所

2 27 南开大学商学院信息资源管理系

3 14 吉林大学管理学院

4 13 武汉大学信息管理学院

5 11 上海商学院竞争情报研究所

6 10 华南师范大学经济与管理学院

表 4：国内竞争情报领域高发文频次机构统计表

（二）竞争情报研究的知识基础分析

1.文献共引分析

文献共引分析方法，可以通过分析两篇文献同时被别的文献引用的情况来研

究文献之间的关系。按照之前的设置，将网络节点类型（Node Types）换为被引

参考文献（Cited Reference），点击运行（GO！）并进行可视化显示（Visualize），

就可以得到文献共引聚类图谱。在对可视化图形进行设置时，重复之前的步骤，

选择聚类视图(Cluster View)，并使术语标注（Term Labeling）按照中心性（By

Centrality）显示，调节“Threshold=1，Font Size=100，Node Size=10”；同时，

使文章标注(Article Labeling)按照频次(BY Freq)显示，调节“Threshold=9，Font

Size=1，Node Size=40”，最终得出图 5 国内竞争情报领域文献共引聚类图谱，以

此反映国内竞争情报领域文献之间的关系。

图 5：国内竞争情报领域文献共引聚类图谱

11

图中每个节点代表一篇引用文献，节点之间的连线代表文献间的共引关系，

高中心性节点（Centrality>=0.1）与其他节点间存在密切关系，是联结不同文献

被引文献的关键节点，图 5 显示了近五年来国内竞争情报领域文献共引的整体情

况。其中被引频次最高的文献是包昌火 2003 年在北京华夏出版社出版的《竞争

对手分析》一书，被引频次高达 38 次；其次，是沈固朝于 2008 年在北京科学出

版社出版的《竞争情报的理论与实践》一书，被引频次为 29；位列第三的是王

知津于 2006 年在北京科学技术文献出版社出版的《竞争情报》一书，被引频次

为 21，这说明上述三本书是竞争情报领域较为广泛引用，甚至可以堪称经典的

著作，值得竞争情报工作者仔细阅读，反复揣摩。其余文献被引频次均低于 20

次，此处不再赘述。

2.期刊共引分析

按照之前的设置，将网络节点类型（Node Types）换为被引期刊（Cited

Journal），点击运行（GO！）并进行可视化显示（Visualize），就得到国内竞争情

报领域期刊共引聚类图谱。在对可视化图形进行设置时，重复之前的步骤，选择

聚类视图(Cluster View)，并使术语标注（Term Labeling）按照中心性（By Centrality）

显示，调节“Threshold=1，Font Size=90，Node Size=10”；同时，使文章标注(Article

Labeling)按照频次(BY Freq)显示，调节“Threshold=30，Font Size=1，Node

Size=30”，最终得出图 6 国内竞争情报领域期刊共引聚类图谱。

图 6：国内竞争情报领域期刊共引聚类图谱

12

图中每个节点代表一个期刊，期刊名称字符的大小表示期刊出现频次的高低，

字符越大，表明其在笔者收集的文献中出现的次数越多，反之则越少。节点之间

的连线表示期刊之间的共引关系，节点的中心性越高，说明它与其他节点之间的

关系越密切。

由此可知，近五年来，国内竞争情报领域出现频次较高的期刊分别是图书情

报工作、情报学报、情报理论与实践、情报杂志、情报科学等，上述 5 个期刊的

出现频次均高于 100，中心性>=0.1，这也说明上述期刊是国内竞争情报领域较

为权威的期刊，也可以称之为核心期刊。除此之外，现代情报、中国信息导报、

情报探索以及竞争情报等期刊和出版社出现的频次也较高，但是小于 100。

（三）竞争情报研究的热点、前沿与趋势分析

在知识图谱研究中，我们通常用文献的关键词来代表某一领域的研究热点。

因此我们仍然需要重复之前的设置，将网络节点类型（Node Types）换为被关键

词（Keyword），点击运行（GO！）并进行可视化显示（Visualize），由此得出国

内竞争情报领域高中心性关键词聚类图谱。在对可视化图形进行设置时，重复之

前的步骤，选择聚类视图(Cluster View)，并使术语标注（Term Labeling）按中

心性（By Centrality）显示，调节“Threshold=1，Font Size=100，Node Size=10”；

同时，使文章标注(Article Labeling)按照频次(BY Freq)显示，调节“Threshold=4，

Font Size=1，Node Size=30”，最终得出图 7 国内竞争情报领域高中心性关键词聚

类图谱。

图 7：国内竞争情报领域高中心性关键词聚类图谱

13

图中每个节点代表一个关键词，关键词名称字符的大小代表其出现频次的高

低，节点之间的连线表示关键词之间的共现情况，高中心性节点(Centrality>=0.1)

与其他节点之间存在较为紧密的联系，在一定程度上代表该领域的研究热点。由

此可知，2010-2014 年国内竞争情报领域的研究热点为“企业竞争情报”、“技术

竞争情报”、“竞争情报系统”以及“产业竞争情报”等，除此之外，还有一些出

现频次还较少，但是较为新颖的词汇，如“大数据”、“云计算”、“技术创新”等

代表前沿研究热点的关键词。表 5 更为详细的列出了高中心性关键词的情况。

国内竞争情报领域高中心性关键词统计表

序号 出现频次 中心性 关键词

1 53 0.32 企业

2 38 0.19 竞争情报系统

3 25 0.31 技术竞争情报

4 24 0.1 产业竞争情报

5 19 0.11 中小企业

6 16 0.15 知识管理

7 13 0.12 反竞争情报

8 12 0.05 大数据

9 11 0.16 实证研究

10 10 0.22 情报分析

表 5：国内竞争情报领域高中心性关键词统计表

表 5 统计了出现频次高于 10 次的关键词，由于笔者将“竞争情报”作为关

键词进行文献检索，因此其出现频次最高，但是没有任何实际价值，因此在统计

和绘图时，笔者将其删去，以免影响分析结果。

通过对我国近几年竞争情报研究论文的知识图谱分析，可以看到我国已形成

了相对稳定且实力较高的竞争情报研究队伍，产生了丰富的竞争情报研究成果。

随着时代的进步、经济的发展，未来竞争情报研究将呈现高知识化、高智力化的

发展趋势。

14

就竞争情报的研究内容而言，企业竞争情报、竞争情报系统、反竞争情报等

传统研究领域在近些年的竞争情报研究中仍占有一席之地。较为新颖的是以中国

科学技术信息研究所等人牵头的产业竞争情报研究的出现，为竞争情报领域的研

究注入了活力。需要注意的是，随着网络技术、信息挖掘等高新技术在竞争情报

研究活动中的应用，未来竞争情报研究及其商业软件开发会更多地呈现出自动化

和智能化的趋势，并将对我国竞争情报领域的未来研究产生重要影响！

四、研究不足与展望

自中国竞争情报研究会成立起，中国竞争情报研究已走过了 20 多年的历史，

领域学者众多，研究成果丰富。然而笔者仅选择最近五年的竞争情报文献进行知

识图谱分析，存在时间短、论文数量少等缺点，因此，分析结果并不能代表我国

竞争情报领域的整体情况。

其次，不同分析软件也会导致不同研究结果的产生。虽然，CiteSpace 在算

法和可视化展示上具有一定的优势，但其本身也存在一定的不足，如生成的科学

知识图谱不能导出为常用的 JPG、PNG等图像格式，一般只能通过截屏来获取图

谱；受空间限制，生成的图谱不能够完全清晰的展示给读者，且重叠现象较为严

重等，这也会在一定程度上影响研究结果。

虽然存在上述不足，但是总体来说，笔者还是基本上完成了知识图谱分析的

全部过程，相信有了此次经验，在未来的相关研究中，会将图谱制作的更加清晰，

将分析做得越加深入而成熟。

15

参考文献：

[1] Chen.C．CiteSpaceⅡ:Detecting and visualizing trends and transient patterns in

scientific literature［J］．Journal of the American Society for Information Science and

Technology，2006，57(3)：359-377．

[2] Chen.C．Searching for intellectual turning points: Progressive Knowledge Domain

Visualization［J］．Proc.Nat.Acad.Sci，101(Suppl)：5303-5310．

[3] 曹玲，杨静，夏严．国内竞争情报领域研究论文的共词聚类分析［J］．情报

科学，2010，28（6）：923-925，930．

[4] 丁磊，王兴泉．基于Citespace Ⅱ的竞争情报文献的可视化分析［J］．兰州学

刊，2012，118-123．

[5] 付瑶．2007-2011年国内竞争情报方法研究综述［J］．情报探索，2013，（2）：

85-88，91．

[6] 贡金涛，应贤军．2001～2009 年国内竞争情报学科研究热点——基于关键

词的统计分析［J］．农业图书情报学刊，2011，23（5）：68-70，75．

[7] 何艳宁．2005~2009 年我国竞争情报研究综述［J］．情报探索，2010，（4）：

49-51．

[8] 胡丹．大数据时代下国内企业竞争情报研究分析［J］．企业技术开发，2014，

33（19）：101-103．

[9] 乐露露，岳辰钟，沈振萍．2005～2010 年国内竞争情报论文统计分析［J］．情

报探索，2012，（6）：53-56．

[10] 李恩科，康延兴，郭 彤．近20 年我国竞争情报研究论著的统计分析与引

文分析［J］．现代情报，2007，（3）：137-142．

[11] 李纲，吴瑞．国内近十年竞争情报领域研究热点分析——基于共词分析

［J］．情报科学，2011，29（9）：1289-1293．

[12] 刘冰，张 洁．对十年来我国竞争情报文献的计量分析［J］．情报科学，2006，

24（10）：1527-1531．

[13] 邱晓琳．我国竞争情报研究综述［J］．情报理论与实践，1999，22（3）：211-214．

[14] 王媛媛．近十年我国企业竞争情报研究综述［J］．情报探索，2014，（9）：

57-60．

16

[15] 卫军朝，蔚海燕．基于CiteSpaceII的数字图书馆研究热点分析［J］．图书馆

杂志，2011，30（4）：70-77，88．

[16] 魏瑞斌．国内知识图谱研究的可视化分析［J］．图书情报工作，2011，55

（8）：126-130．

[17] 吴山．国际竞争情报研究的知识图谱——基于CiteSpace的知识计量分析

［J］．现代情报，2010，30（10）：160-164．

[18] 徐伟伟，李晓菲．近五年我国反竞争情报研究综述［J］．情报杂志，2009，

28（11）：108-111．

[19] 杨思洛，韩瑞珍．知识图谱研究现状及趋势的可视化分析［J］．情报资料工

作，2012，（4）：22-28．

[20] 张凌．基于CiteSpace的竞争情报研究的可视化分析［J］．图书情报工作网

刊，2011年10月，1-8．