This paper introduces the use of co-nomination as a method to map research fields by directly accessing their knowledge networks organised around exchange relationships of intellectual influence. Co-nomination is a reputation-based approach combining snowball sampling and social network analysis. It compliments established bibliometric mapping methods by addressing some of their typical shortcomings in specific instances. Here we test co-nomination by mapping one such instance: the idiosyncratic field of CERN-based heavy flavour physics (HFP). HFP is a ‘hyper-authorship’ field where papers conventionally list thousands of authors alphabetically, masking individual intellectual contributions. We also undertook an illustrative author co-citation analysis (ACA) mapping of 2310 HFP articles published 2013–18 and identified using a simple keyword query. Both maps were presented to two HFP scientists for commentary upon structure and validity. Our results suggest co-nomination allows us to access individual-level intellectual influence and discern the experimental and theoretical HFP branches. Co-nomination is powerful in uncovering current and emerging research specialisms in HFP that might remain opaque to other methods. ACA, however, better captures HFP’s historical and intellectual foundations. We conclude by discussing possible future uses of co-nomination in science policy and research evaluation arrangements.

中文翻译：

---

使用共同提名映射研究领域：超级作者重口味物理学的案例

本文介绍了使用共同提名作为一种方法，通过直接访问围绕知识影响的交换关系组织的知识网络来绘制研究领域。共同提名是一种基于声誉的方法，结合了滚雪球抽样和社交网络分析。它通过解决特定实例中的一些典型缺点来补充已建立的文献计量映射方法。在这里，我们通过映射一个这样的实例来测试共同提名：基于 CERN 的重味物理 (HFP) 的特殊领域。HFP 是一个“超级作者”领域，论文通常按字母顺序列出数千名作者，掩盖了个人的智力贡献。我们还对 2013-18 年发表的 2310 篇 HFP 文章进行了说明性的作者共引分析 (ACA) 映射，并使用简单的关键字查询进行识别。两张地图都提交给了两名 HFP 科学家，以对结构和有效性进行评论。我们的结果表明，共同提名使我们能够获得个人层面的智力影响并辨别实验和理论 HFP 分支。联合提名在揭示 HFP 中当前和新兴的研究专业方面很有用，这些专业可能对其他方法仍然不透明。然而，ACA 更好地捕捉了 HFP 的历史和知识基础。我们最后讨论了共同提名在科学政策和研究评估安排中未来可能的用途。联合提名在揭示 HFP 中当前和新兴的研究专业方面很有用，这些专业可能对其他方法仍然不透明。然而，ACA 更好地捕捉了 HFP 的历史和知识基础。我们最后讨论了共同提名在科学政策和研究评估安排中未来可能的用途。联合提名在揭示 HFP 中当前和新兴的研究专业方面很有用，这些专业可能对其他方法仍然不透明。然而，ACA 更好地捕捉了 HFP 的历史和知识基础。我们最后讨论了共同提名在科学政策和研究评估安排中未来可能的用途。