在科研活动中,应深耕于某一领域还是在新方向寻求突破是每一位科研人员在其学术生涯中都会遇到的一个难以抉择的问题。针对这一问题,学界提出了两种截然不同的观点,一种认为应深耕某一领域从而取得更大成就,另一种则持相反的观点,认为应适时转变研究方向,不断转变、创新才是寻求突破之道。那么科研人员是否应该转移研究主题?研究主题的转移程度与科研绩效之间是否存在关联?影响科研绩效的因素学界已有诸多研究,如科研压力、科研环境以及知识共享等,但是关于研究主题转移是否会对其产生影响一直少有研究。因此,本文围绕以下三个问题开展深入探讨:1)科研人员职业生涯中研究主题是否发生了转移及如何度量转移程度?2)科研人员职业生涯中研究主题分布将呈现出何种特征?3)研究主题转移与科研绩效之间是否存在关系及存在何种量化关系?为了解决这三个问题,本文以1975-2017年计算机.人工智能和商业与经济两个学科的科研人员为研究对象,从三个方面进行探究。1)采用语义相似度计算的方式对两个学科研究主题转移的情况进行度量,并采取个案分析的方式,从两个学科中选取8名科研人员,利用共词聚类分析其在职业生涯中研究主题随时间转移情况。2)采用共词聚类的方式对两个学科科研人员整体的研究主题分布情况进行分析,观察其研究热点随时间的变化情况。3)通过相关性分析和负二项回归模型探究研究主题转移与科研绩效之间的关系。研究结果表明:根据学术论文相似度的计算结果,将相似度小于0.4视为发生了研究主题的转移,则计算机.人工智能学科中45.6%的学者发生了研究主题转移,商业与经济学科中39.5%的学者发生了研究主题转移。从个案分析的角度可以看出,两个学科所选取的8位学者中有6位发生了不同程度的研究主题转移。从学科科研人员整体共词聚类分析的结果可以得出:计算机.人工智能学科的研究主题相较商业与经济学科有较大变化,新理论和方法均层出不穷。商业与经济学科研究热点相对固定,但是热点所占比重会随时间发生不同程度的变化。相关性分析的结果表明:当研究对象为计算机.人工智能学科的科研人员,学术论文相似度Similarity在总被引频次（TCC）处未通过显著性检验。当研究对象为商业与经济学科的科研人员,学术论文相似度Similarity仅在科研总产出（TSRO）处通过了显著性检验,研究主题转移与科研绩效之间不存在相关关系。负二项回归的结果表明:研究主题转移与科研绩效的关系表现出了学科差异性,当研究对象为计算机人工智能学科的科研人员时,研究主题转移与科研绩效之间存在相关关系,当研究对象对商业与经济学科的科研人员时,研究主题转移与科研绩效之间不存在相关关系。