关键词共现研究趋势分析
关键词共现研究趋势分析
关 系描 述 某 一学 术 领 域 内 部 组 成关 系及 其
结 构 ， 可 以 用 于 揭 示 学 科 的 发 展 动 态 和 还 发 展 趋 势 。 键 词 共 现 分 析 在 共 词 分 析 理 关 论 的 基 础 上需 要 满 足 四 个 假设 前 提 ： 一 ， 第 论 文 的 关 键 词 、 题 等 关 键 术 语 都 是 经 过 标 作 者 深 思 熟 虑 、 真 选 择 的 ， 够反 映 该 领 认 能 域的研究现状 ； 第二 ， 同一 篇 文 章 使 用 多 当
据 挖 掘 技 术 ， 一 种 定 量 与 定 性 相 结 合 的 是
引入 关 键 词 共 现 相 对 强 度 的 指 标 ， 就 需 这
要 按 照 特 定的 计 算 公式 计 算 关 键 词 共 现 的
强度。 在文 献 计 量 学 中 ， 用 的表 示 关 键 词 常 之 间的关 联 强 度的 统计 指 数 有Ｊ ｃ ａ ｄ ａ ｃ ｒ 指数
联系 ； 三， 第 如果 有 足 够 多 论文 中使 用 一 对
Ｕ ｆ … ｆＮ Ｎ＼
类分析 ， 聚类 数 值 较 大 的共 现 关 键 词 则 可 ‘ 以 反 映 出 国 内 在 数据 选 取 时 间 段 内 在 该学
科 的核 心研 究 领 域 。
关 键 词 ， 么 这 对 关键 词 所 表 示 的 关 系 在 那
该 学 科 具 有 特 别 的意 义 ； 四 ， 过 培训 的 第 经
标 引 者 选 择 用 以 描 述 内容 的 关 键 词 ， 实 事 上 是 相 关 科 学 概 念 可 以信 赖 的 一个 指 标 。 根 据Ｗｈｔａ ｅ ． ｉ ｋ ｒ Ｊ 等人的 观点 ， ｔ 关键 词共 现 分 析 还 可 以 用 于 发 现 新 的学 科 增 长 点和 突 破 口， 即如 果 两 个 关 键 词 同时 与 某 关 键 词
终身学习理念下我国远程教育研究的热点_前沿和发展趋势分析_范如永
终身学习理念下我国远程教育研究的热点、前沿和发展趋势分析范如永（河南理工大学 高等教育研究所，河南 焦作 454003）摘要：该文利用文献分析软件绘制了“远程教育”在1998-2010年之间的研究领域及其进展分布。
根据远程教育可视化知识图谱，展现了以网络教育、开放教育、教育技术等为研究热点和以国家推进远程教育工程、终身学习和学习型社会等具体问题为研究趋势的发展状况。
依据分析指出国内的研究正在形成以华南师范大学和北京师范大学为核心的南北两个研究群体和研究基地。
在国内远程教育研究所依据的理论基础上，丁兴富、陈丽、丁新等是国内远程教育方面的开拓者和引导者，他们的有关著作和文章已经成为国内研究远程教育的经典文献。
在未来的研究发展上，我国的远程教育研究正在向以远程教育原理、远程教育模式、远程教育国际化等方向发展，并围绕新的远程教育实践不断深化。
关键词：远程教育；文献计量；可视化中图分类号：G434 文献标识码：A 远程教育作为终身教育的重要组成部分，是推动终身教育发展的重要力量。
“现代远程教育是随着现代信息技术的发展而产生的一种新型远程教学形式，它以计算机通信技术和网络技术为依托，采用远程实时多点双向交互式多媒体现代化教学手段，实现跨越时间和空间的教育传递过程。
”[1]远程教育的出现，打破了传统的地域限制，使教育能够扩展到更广大的地区，即大力推动了教育的发展和人类社会的进步。
本文正是基于远程教育的发展，从终身教育的角度，运用文献可视化分析形象地展示远程教育研究的热点、研究趋势、理论基础等发展状况，使广大的研究者能够透过本研究来直观地了解和认识远程教育的研究进展和发展趋势，以便为后面的研究和应用提供借鉴。
本文所使用的数据均来自中文社会科学引文索引(CSSCI) 数据库，运用关键词“远程教育”精确检索，时间范围为1998-2010年，共检索到1313篇文献。
用美国费城德雷塞尔大学陈超美开发的文献分析工具软件，对所有文献进行了分析，并依据分析结果绘制了远程教育研究的知识图谱，从而将有关远程教育研究的热点领域、研究趋势等直观地展现出来。
共词分析法的基本原理及实现
1、建立词库：首先需要对文本中的词汇进行分词和标注，建立词汇库。这 个步骤可以通过一些现有的分词工具和词典来完成。
2、计算共现频率：在建立词汇库的基础上，对于每一对词汇，计算它们在 文本中共同出现的频次。
3、构建相似度矩阵：根据词汇之间的共现频率，可以计算出它们之间的相 似度，从而构建一个相似度矩阵。
4、应用聚类算法：使用一些常用的聚类算法，如K-means、层次聚类等，根 据相似度矩阵将词汇聚成一个类别。
5、分析聚类结果：对聚类结果进行分析，可以发现文本的主题和热点，进 一步挖掘文本数据的有用信息。
总之，共词分析法作为一种有效的文本挖掘方法，可以广泛应用于信息处理 和文本分析中。共词聚类分析法作为其中的一种重要方法，具有简单易行、可操 作性强等特点，可以发现文本的主题和热点以及词汇之间的关联程度，为深入研 究文本数据提供更多有用信息。随着大数据时代的到来，共词分析法将会得到更 加广泛的应用和发展。
等是机器学习的核心概念，同时还可以了解到机器学习在不同领域的应用情 况。这些信息可以作为文章论述的基础，使文章内容更具说服力和可信度。
总结共词分析法是一种有效的文本挖掘和分析工具，可以帮助我们揭示文本 中词汇之间的关联和规律，提取有用的知识结构。它的优点在于可操作性强、适 用范围广，能够从大量文本数据中挖掘出有用的信息。
2、基于主题的共词分析
基于主题的共词分析能够更深入地挖掘文献之间的和相似性。该方法首先通 过主题建模技术（如LDA、PLSA等）从文献中提取主题，然后对每个主题进行共 词分析。该方法适用于领域分析和主题挖掘等场景。
3、基于实体和关系的共词分析
基于实体和关系的共词分析能够从文献中提取实体和实体之间的关系，并对 这些实体和关系进行共词分析。该方法适用于知识图谱构建、实体关联和领域知 识挖掘等场景。
关键词共现研究趋势分析
关键词共现研究趋势分析作者：郭树行谈斯奇来源：《科技资讯》2011年第32期摘要:对特定领域研究热点及其变化轨迹的分析,有助于我们了解该领域过去的关注点、现在的热点以及其将来的发展趋势。
共词分析法作为内容分析的基本方法,属于一种数据挖掘技术,是一种定量与定性相结合的研究方法,将其运用到学术研究趋势的分析中可以获得更为客观可信的结论。
关键词:关键词共现研究趋势学术热点中图分类号:G420 文献标识码:A 文章编号:1672-3791(2011)11(b)-0204-02对于任何一门不断发展的学科,其研究热点也会随着知识体系的完善、科学技术的进步、社会的发展而产生变化。
对特定领域研究热点及其变化轨迹的分析,有助于我们了解该领域过去的关注点、现在的热点以及其将来的发展趋势。
然而在早期的研究中,大部分对研究趋势的把握和论断都是凭借学者的经验判断,这很难排除结论的主观片面性,因此具有较低的可信度。
根据研究发现,共词分析法作为内容分析的基本方法,属于一种数据挖掘技术,是一种定量与定性相结合的研究方法,将其运用到学术研究趋势的分析中可以获得更为客观可信的结论。
1 共词分析方法的提出学术论文的关键词的论文内容的提示符,是作者学术思想及学术观点的凝结,也是文献计量研究的重要指标。
两个或更多关键词在同一篇文献中同时出现称为关键词共现。
共词分析法作为文献计量学常用的研究方法,通过关键词与关键词之间的共现关系描述某一学术领域内部组成关系及其结构,还可以用于揭示学科的发展动态和发展趋势。
关键词共现分析在共词分析理论的基础上需要满足四个假设前提:第一,论文的关键词、标题等关键术语都是经过作者深思熟虑、认真选择的,能够反映该领域的研究现状;第二,当同一篇文章使用多个关键词时,则这些关键词之间有一定的联系;第三,如果有足够多论文中使用一对关键词,那么这对关键词所表示的关系在该学科具有特别的意义;第四,经过培训的标引者选择用以描述内容的关键词,事实上是相关科学概念可以信赖的一个指标。
2002-2011年我国企业档案研究趋势概观——基于期刊论文关键词词频统计及共现分析
殳献 数馈
４６
２９
１０８
９８
９０
９，ｔ
８２
９ｌ
６９ ２６４
档 案 的研 究 文献 数 有 较 大 的 波动 ，通 过计 算 得 出年 度 文 献 数 量 的平 均 值 约 为 ９７篇 ．以 ９７为 中心 线 ，每 年 产 生 的相关 文 献 数 围 绕这 条 中心 线 上 下 波动 ．并 在 ２００６年
３．２词 频 统 计 在 关 键 词 词 频 统 计 当 中 ，去 除 了 必 要 性 、重 要 性 、 对 策 、发 展 、加 强 、建 立 、综 述 、浅 议 等 研 究 意 义 不 大 的 关 键 词 ，并 结 合 词 义 和论 文 内容 进 行 了关 键 词 的简 单 合 并 ，合 并 项 如 ：“企 业 档 案 工作 ”、“档 案 工 作 ”、“企 业 档 案 管 理 ”和 “档 案 管 理 ”，“档 案 工 作 者 ”和 “档 案 人 员 ”，“企 业 知 识 管 理 ”和 “知识 管 理 ”，“非 公 企 业 ”和 “非 公 有 制 企 业 ”等 ，最 终得 到 关 键 词 ２２６７个 ，为 了 解 关 键 词 变 化 情 况 ，本 文 将 出 现 频 次 大 于 ２０的 关 键 词 作 为 研 究 对 象 ，对 其 分 时 间段 进 行 词频 统 计 ，得 到 关 键 词 出现 频 次 年 度 分 布 情 况 ，详 见 表 ２；在 表 ２的 基 础 上 对 排 名 前 １０的关 键 词 进 行 年度 统 计 ，得 到 表 ３。 表 ２ 我 国 企 业 档 案 研 究 文 献 关键 词 出现 频 次 变 化 趋 势 表
３、数 据 分 析 与 结 果
式 、主 题 表 达 、数 据 加 工 质 量 程 度 等 方 面 都 有 所 差 别 。
国际教育大数据研究的热点、前沿和趋势基于WOS数据库的量化分析
国际教育大数据研究的热点、前沿和趋势基于WOS数据库的量化分析一、本文概述Overview of this article随着信息技术的飞速发展和全球教育交流的日益密切，国际教育大数据研究已经成为教育领域的重要议题。
本文旨在通过量化分析的方法，基于WOS（Web of Science）数据库，深入探讨国际教育大数据研究的热点、前沿和趋势。
我们将从文献计量学角度出发，分析近年来国际教育大数据研究领域的论文发表情况、关键词共现网络、研究主题演变等方面，以期为全球教育大数据研究提供科学的参考和启示。
With the rapid development of information technology and the increasingly close global educational exchanges, international education big data research has become an important topic in the field of education. This article aims to explore the hotspots, frontiers, and trends in international education big data research through quantitative analysis based on the WOS (Web of Science) database. We will analyze thepublication status, keyword co-occurrence networks, and research topic evolution of international education big data research in recent years from the perspective of bibliometrics, in order to provide scientific reference and inspiration for global education big data research.我们将对WOS数据库中关于国际教育大数据研究的论文进行梳理和统计，分析论文的发表数量、引用情况、作者分布等，揭示该领域的研究现状和发展趋势。
共词分析法研究共词分析的过程与方式
共词分析法研究共词分析的过程与方式一、本文概述共词分析法是一种广泛应用于信息科学、图书馆学、社会学、管理学等领域的文献计量学方法。
它通过统计和分析一组词汇在特定领域文献中共同出现的频次，揭示这些词汇之间的关联性和聚类性，从而反映该领域的热点主题、研究趋势和知识结构。
本文旨在深入探讨共词分析的过程与方式，包括数据准备、共词矩阵构建、聚类分析、结果解读等关键环节，以期为相关领域的研究者提供一套系统、实用的方法论参考。
在本文中，我们首先将对共词分析法的基本原理进行简要介绍，阐述其相较于其他文献计量学方法的独特优势。
随后，我们将详细介绍共词分析的具体步骤，包括如何从海量文献中筛选和提取关键词，如何构建共词矩阵并计算关键词之间的关联强度，以及如何运用聚类分析等统计方法对共词矩阵进行解读和可视化展示。
我们将通过实例分析，展示共词分析法在实际研究中的应用效果，并探讨其可能存在的局限性和改进方向。
通过本文的阐述，我们期望能够帮助读者更加深入地理解共词分析法的核心思想和操作步骤，掌握其在实际研究中的应用技巧，从而推动该方法在相关领域的研究中得到更广泛的应用和发展。
二、共词分析法的理论基础共词分析法是一种基于文献计量学的方法，它的理论基础主要源自信息科学、文献学和情报学等领域。
该方法通过统计和分析一组关键词或主题词在同一篇文献中共同出现的频次，来揭示这些关键词或主题词之间的关联程度，从而反映某一学科或领域的热点、结构和发展趋势。
共词分析法的理论基础主要包括词频分析理论、共现分析理论和聚类分析理论。
词频分析理论认为，关键词的出现频次能够反映其在某一学科或领域的重要性，频次越高，说明该关键词越受关注，其研究价值也越大。
共现分析理论则强调关键词之间的关联性，认为如果两个关键词在同一篇文献中频繁共现，那么它们之间就存在一定的关联或相似性。
聚类分析理论则是将共现频次较高的关键词进行聚类，形成不同的主题或研究领域，从而揭示学科或领域的结构和发展趋势。
基于共现关键词统计的教育技术学研究趋势分析
它的多角度观察和全方位方法论借鉴。探寻教育技 术学 学科研 究 当前 的空 白课题 以及 未来 的发展 趋势 是教 育技术 工作 者亟需 正视 的一个 问题 。然而 在 以 往 的研 究 中 ，大部 分对 趋势 的把握 与论 断都是 凭借 着 作 者 的主 观臆 断 ，这 难 免会 降 低结 论 的可 信度 。 笔 者经 过考察 认为 ，从论 文 的关键词 人手 ，用计 量 学 的手 段对其 进行 统计 和分析 ，有利 于 准确把 握相 关 领域 的研究 热点 和发 展趋势 。这是 因为关键 词是 为 了文 献标 引工作 而从 学术论 文 中或 外选 择 出来 用 以表示全 文主题 内容 、信 息款 目的单词 和术语 。（ 毕 强等，２０）已有 的研 究也发现 用来描 述文 章 内容 的 ０４ 关键词事实上是分析相关学科概念可以信赖 的一个 指 标 ，它们 可 以科学 地反 映研究 现状 。从学 术论 文 中的关键 词人手 进行 共现关 键词 分析 （ 简称 共词 分 析） 通过关键词对的共现频数以及关键词对的年度 ， 变化来透析教育技术学学科 的发展趋势，是 以一种 基 于定性 分析 的量化 研究方 法 ，它将 语言表 示而 非 数量 表示 的文献 转换 为用数 量表 示 的资料 ，并 将分 析结 果用统 计数 字描 述 。这 种基 于共 现关键词 统计 分 析得 出的教育 技术 学学科 研究 趋势 是合理 、科学
【 学术 时 空】 于 现 键 统 的 育 术 研 趋 分 基 共 关 词计 教 技 学 究势 析
基 于共 坝 关罐词 统 计 韵 教 胄 技 市学 酮究趋势分析
口孙 立 会
摘
赵
蔚
要 ：２０ — ０ ８ ０ ４ ２ ０ 年度 （ （ ＣＮＫ 中国优 秀硕 士学位论文全文数据库》收 录 了２ ７ 篇教 育技 术学硕 士学位论 Ｉ １８
基于关键词共现和社会网络分析法的我国智库热点主题研究
基于关键词共现和社会网络分析法的我国智库热点主题研究一、本文概述本文旨在利用关键词共现和社会网络分析法，深入探究我国智库在近年来所关注的热点主题及其演变趋势。
通过对大量智库研究成果的关键词进行提取和分析，构建关键词共现网络，揭示各主题之间的关联性和影响力，从而为我国智库研究提供新的视角和思路。
本文将对关键词共现分析方法进行详细介绍，阐述其在智库主题研究中的适用性和优势。
通过收集和整理我国智库近年来的研究成果，提取关键词，构建共现矩阵，并运用社会网络分析软件进行可视化展示。
在此基础上，本文将分析网络结构特征，包括节点中心性、聚类系数等，揭示智库研究热点主题的分布和演化趋势。
本文还将探讨不同智库在热点主题上的研究特点和差异，分析各智库在主题研究中的优势和不足。
结合国家政策和社会背景，深入剖析智库研究热点主题背后的原因和动力，为我国智库的未来发展提供参考和借鉴。
本文通过关键词共现和社会网络分析法，全面、系统地展示了我国智库热点主题的研究现状和发展趋势，为我国智库研究提供了新的视角和方法论支持。
本文也为政策制定者和研究者提供了有益的参考和启示，有助于推动我国智库研究的深入发展。
二、研究方法与数据来源本研究采用关键词共现和社会网络分析法，对我国智库的热点主题进行深入研究。
这两种方法在社会科学研究中被广泛使用，可以有效地揭示出主题之间的关联性和网络结构，从而帮助我们更深入地理解智库的研究热点和趋势。
关键词共现分析是通过统计特定时间段内智库报告中关键词共同出现的频次，来揭示主题间的关联。
这种方法基于一个假设，即关键词的共现频次可以反映出智库对某一主题的关注度和研究深度。
在本研究中，我们将使用文本挖掘工具对智库报告进行关键词提取和共现分析，以揭示我国智库的热点主题。
社会网络分析法则是一种通过图形和数学模型描述和分析社会网络中节点（在本研究中即关键词）和边（即关键词之间的关系）的方法。
这种方法可以帮助我们揭示出智库研究主题之间的网络结构和影响力，以及各个主题在网络中的位置和角色。
文献计量学方法共现和聚类
文献计量学方法共现和聚类
文献计量学是一种定量分析方法，用于研究学术文献之间的关
系和趋势。
其中，共现分析和聚类分析是两种常用的方法。
首先，共现分析是一种用于发现文献中关键词之间关联性的方法。
它通过统计文献中关键词同时出现的频率，来揭示这些关键词
之间的内在联系。
共现分析可以帮助研究者发现研究领域中的热点
问题和关键主题，从而指导后续研究方向的选择和研究重点的确定。
其次，聚类分析是一种将文献按照其特征进行分组的方法。
在
文献计量学中，聚类分析常常被用来将具有相似研究主题或关键词
的文献进行分类，以便于研究者对大量文献进行整理和理解。
通过
聚类分析，研究者可以更好地把握不同研究领域的发展趋势和内在
联系，为自己的研究提供更全面的背景和参考。
总的来说，文献计量学方法中的共现分析和聚类分析都是非常
有益的工具，它们可以帮助研究者更好地理解学术文献之间的关系
和趋势，为研究方向的选择和研究内容的确定提供重要参考。
同时，这些方法也为学术研究的发展和进步提供了有力的支持和指导。
共词分析法研究共词聚类分析法的原理与特点
共词分析法研究共词聚类分析法的原理与特点一、本文概述本文旨在深入探讨共词分析法及其重要应用——共词聚类分析法的原理与特点。
作为一种在文献计量学、内容分析和信息科学等领域广泛应用的文本分析方法，共词分析法通过对文献中共同出现的词汇进行分析，揭示出词汇之间的内在关联和知识结构。
而共词聚类分析法则是在此基础上，利用聚类算法对共词矩阵进行聚类，进一步挖掘出主题结构、研究热点和发展趋势。
本文将首先介绍共词分析法的基本原理和方法步骤，然后重点阐述共词聚类分析法的实现过程、优势和局限性，以期为读者提供全面而深入的理解，并为其在相关领域的实际应用提供指导和参考。
二、共词分析法的理论基础共词分析法是一种基于文献计量学的分析方法，其理论基础主要包括词频分析、共现分析和聚类分析三个部分。
词频分析是共词分析法的基础。
通过统计特定领域文献中词汇的出现频率，可以揭示出该领域的研究热点和趋势。
高频词汇往往代表了该领域的研究重点和方向，而低频词汇则可能反映了新的研究动向或未受足够关注的领域。
共现分析是共词分析法的核心。
它通过分析同一篇文献中不同词汇的共同出现情况，来揭示这些词汇之间的关联性和相关性。
共现频率高的词汇对往往具有紧密的内在联系，可能代表着同一研究主题或方向的词汇群体。
聚类分析是共词分析法的重要手段。
通过运用聚类算法，可以将共现频率高的词汇对进行聚类，形成不同的聚类群体。
这些聚类群体反映了文献中不同研究主题或方向的分布情况，有助于研究者快速识别出该领域的主要研究方向和热点。
共词分析法的理论基础包括词频分析、共现分析和聚类分析三个部分。
通过这些分析手段，共词分析法能够有效地揭示出文献中词汇的关联性、相关性以及研究主题和方向的分布情况，为研究者提供有力的研究工具和方法。
三、共词聚类分析法的原理共词聚类分析法是一种基于共词分析的信息挖掘方法，它通过对特定领域文献中词汇共现情况的统计和分析，揭示出该领域的研究热点、研究前沿和发展趋势。
纳米技术领域的关键词共现分析研究
２ ０ １ ３年 ５月
第 ５期
情
报
杂
志
Ｊ Ｏ ＵＲ Ｎ Ａ Ｌ Ｏ Ｆ Ｉ Ｎ Ｔ Ｅ Ｌ Ｌ Ｉ Ｇ Ｅ Ｎ Ｃ Ｅ
Ｖ０ １ ． ３ ２ Ｎｏ ． ５ Ｍａ ｙ ． ２ ０１ ３
纳 米技术领 域 的关 键词共 现 分析研 究 冰
乔方 园 杨萌萌 汪雪锋 张 琪
分析 、 共词分析和社会 网络 分析 等方法 ， 并结合 Ｃ Ｉ Ｔ Ｅ Ｓ Ｐ Ａ Ｃ Ｅ和 ＵＣ Ｉ Ｎ Ｅ Ｔ软件分析关键 词之 间的共现 关系， 绘制 出可 视化 图谱 ， 通过 中心度分析 发现该领 域 内研 究热点、 未来研究趋势 以及 内容聚类等情况 ， 并针对分析过 程和结果 ， 提 出了一些 思考 。
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｔｈ ｅ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｔ ｈ ａ ｔ ｗｅ ｅ ｒ ｐ ｕ ｂ ｈ ｓ ｈ ｅ ｄ ｉ ｎ ２ ０ ０ ７－２ ０１ ２ ａ ｎ ｄ ｉ ｎ ｃ ｌ ｕ ｄ ｅ ｄ ｉ ｎ ｎ ａ ｎ ｏ— ｍａ ｔ ｅ ｒ ｉ ａ ｌ ｓ ｓ ｃ ｉ ｅ ｎ ｃ ｅ。ｃ ｈ ｅ ｍｉ ｓ ｔ ｒ ｙ ａ ｎ ｄ ｐ ｈ ｙ ｓ ｉ ｃ ｓ ｔ ｈ ｒ ｅ ｅ ａ ｒ ｅ ａ ｓ ａ ｒ ｅ
（ １ ． 北京理工大学管理 与经济学 院 北京 摘 要 １ ０ ０ ０ ８ １ ； ２ ． 浙江理工大学科技处 杭州 ３ １ ０ ０ １ ８ ）
以中美两 国在 ２ ０ ０ ７ — ２ ０ １ ２年期 间在纳米材料科 学、 化学 、 物理 三个领 域 内的 文献作 为研 究对 象， 利 用词 频
ｕ ｓ ｅ ｄ ａ ｓ ｈｅ ｔ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｂ ｊ ｅ ｃ ｔ ｓ ．Ｗｉ ｈ ｔ ｈｅ ｔ ｈ ｅ ｌ ｐ ｏ ｆ Ｃ ｉ ｅ ｔ ｓ ｐ ａ ｃ ｅ ｎｄ ａ Ｕ ｃ ｉ ｎ ｅ ｔ ａ ｎ ｄ ｂ ｙ ｕ ａ ｌ ｙ ｓ ｉ ｓ － ｃ ｏ — ｗ ｏ ｒ ｄ ｎａ ａ ｌ ｙ ｓ ｉ ｓ ｎｄ ａ ｓ ｏ ｃ ｉ ａ ｌ ｎ ｅ ｔ －
大数据时代国内信息安全研究现状、趋势与反思
•博士论坛.锖報科考第39卷第2期 2021年2月大数据时代国内信息安全研究:现状、趋势与反思杨启飞(华东师范大学传播学院，上海200241)摘要：【目的/意义】大数据时代信息安全问题的日渐显现引得诸多学者的研究兴趣，采用科学计量可视化方法能 够对该领域的研究现状和趋势进行直观揭示=【方法/过程】基于CNKI数据库中的核心期刊和CSSC丨来源期刊，通 过CiteSpace软件绘制关键词共现图谱、聚类图谱和时区视图，同时结合Web of Science数据库中的相关研究展开分 析。
【结果/结论】大数据时代国内信息安全研究主要包含个人信息安全、政府信息安全、社会信息安全三大主题，其 中个人信息安全成为研究热点；研究历程呈现出技术先导、价值本位的趋势，人工智能、区块链、法律规制等日渐受 到学者关注；未来我国信息安全研究可引入风险治理、战略传播等视角，提升研究的系统性和立体性，为“全球风险 社会”下的信息安全管理提供理论借鉴..【创新/局限】通过对比国外研究，提出可借鉴风险治理、战略传播等视角，以提升我国信息安全研究的系统性和立体性。
但由于缺少对国外不同时段、不同国别相关研究的具体分析，本文 亦存在进一步细化的空间。
关键词：大数据;信息安全;科学计量；风险治理；战略传播中图分类号：G250.7 D0I：10.13833/j.issn.1007-7634.2021.02.022信息安全指保障国家、机构、个人的信息空间、信息载体 和信息资源不受来自内外各种形式的危险、威胁、侵害和误 导的外在状态和方式及内在主体感受1"。
大数据时代的信 息融贯线上线下，跨越软件硬件,涵括人体物体，信息安全所 涉性质、时间、空间、内容、形态被重构，呈现出大联网、大集 中、大流动和大渗透等新特征w，信息安全管理则呈现出前 所未有的复杂性、交织性、动态性和综合性。
对此，相关学术 研究也应在把握新形势的基础上拓宽研究视角，开拓研究思 路。
基于共词分析的高校翻转课堂研究热点、趋势与比较
一、研究目的翻转课堂作为美国教学的一种创新模式以其颠覆性的教学理念、开创性的教学方法风靡美国，在2011年进入中国后吸引大批中国教育行业人士对其进行研究。
从2011年至今以翻转课堂为关键词在知网上进行检索出总文献高达4.05万篇，其中CSSCI收录文章0.92万篇。
研究以小学、中学、大学为对象，其中以高校翻转课堂为研究对象的文献有0.0029万篇，与翻转课堂研究总量相比显得不足。
由于高等教育本身的专业性和自主性使得高校成为翻转课堂的重要实践场所，而目前国内对高校翻转课堂研究总量不足、质量有待提高，为了进一步促进高校翻转课堂教学研究和应用的良好发展，对高校翻转课堂的研究进行内容和方向上的梳理非常重要。
本文通过共词分析等数据可视化的方法，对当前高校翻转课堂教学研究做内容和方向上的梳理，理清当前研究的现状、不足和研究的空白点。
二、研究方法和思路本文以中国知网收录的297篇高校翻转课堂文献为研究对象，运用共词分析法对文献进行研究，对出现在其中的专业术语进行现象分析从而判断研究主体间的相关关系，呈现该领域的研究结构。
共词分析法分两步进行分析，第一步利用分析软件提取题录信息中的高频词，这些高频词代表了研究的方向和内容，第二步利用高频词形成共词矩阵进一步进行聚类分析和社会网络分析形成研究主体的结构和热点趋势。
［1］其次利用比较研究法将共词分析出的国内高校翻转课堂研究热点、趋势、主题分类与国外研究一一对应比较，最后基于比较得到结论，提出对高校翻转课堂研究的建议。
三、高频关键词分析关键词在一篇文献中以简明的词汇表明文章主基于共词分析的高校翻转课堂研究：热点、趋势与比较余漫四川大学公共管理学院摘要：为了促进国内高校翻转课堂的研究与运用，本文采用共词分析的方法对知网收录的297篇高校翻转课堂相关文献进行研究。
首先利用社会网络分析得出国内高校研究热点分别是翻转课堂的教学模式、应用、体育教育、微课。
其次运用中心度分析得出国内高校翻转课堂未来研究趋势是在篮球教学、思政理论教学、音乐教学等领域的应用，利用系统聚类分析将国内高校翻转课堂研究分为教学模式设计等四个主题。
护理人文关怀研究热点的共词聚类分析
护理人文关怀研究热点的共词聚类分析一、本文概述随着医疗技术的不断进步和医疗模式的转变，护理人文关怀在医疗服务中的地位日益凸显。
护理人文关怀强调以患者为中心，关注患者的心理、社会和精神需求，旨在提升患者满意度和医疗质量。
近年来，护理人文关怀已成为护理研究领域的热点之一，吸引了众多学者的关注。
本文旨在通过对护理人文关怀研究热点的共词聚类分析，系统地梳理和归纳该领域的研究现状和发展趋势。
通过对相关文献的梳理和分析，提取出护理人文关怀领域的高频关键词，并运用共词聚类方法构建研究热点图谱。
通过对图谱的解读和分析，揭示护理人文关怀研究的热点领域、研究前沿和潜在的研究方向。
本文的研究方法和数据来源将详细说明，并对共词聚类分析的原理和步骤进行介绍。
本文将结合护理人文关怀的实际应用情况，对共词聚类分析的结果进行解读和讨论，以期为后续研究提供参考和借鉴。
通过本文的研究，期望能够为护理人文关怀领域的研究者和实践者提供一个清晰的研究脉络和发展方向，推动护理人文关怀的深入研究和广泛应用，进而提升医疗服务质量和患者满意度。
二、文献综述护理人文关怀作为现代护理理念的重要组成部分，近年来在国内外护理领域受到了广泛的关注和研究。
人文关怀强调在护理实践中，以患者为中心，关注其生理、心理、社会和精神层面的需求，提供全面、细致、温暖的护理服务。
随着医疗模式的转变和患者需求的多样化，护理人文关怀的重要性日益凸显。
在护理人文关怀的研究中，学者们从不同的角度和层面对其进行了深入的探讨。
一方面，关于护理人文关怀的理论框架和内涵定义得到了不断的丰富和完善。
另一方面，护理人文关怀的实践应用和创新发展也成为了研究的热点。
通过文献梳理发现，当前护理人文关怀的研究主要集中在以下几个方面：一是护理人文关怀对患者满意度和护理质量的影响，研究表明，良好的人文关怀能够显著提高患者的满意度和护理质量，促进患者的康复和心理健康。
二是护理人文关怀在特定疾病或患者群体中的应用研究，如老年人、慢性病患者、癌症患者等，这些研究针对不同患者群体的特殊需求，提出了相应的护理人文关怀策略。
生命科学中的共现性分析及其应用研究
生命科学中的共现性分析及其应用研究生命科学领域中的研究主题涉及到多个方面，研究者们需要了解不同领域的知识才能进行深入的研究。
在这个过程中，共现性分析成为了一种重要的工具。
共现性指的是两个或两个以上的术语在同一个研究文献中同时出现的情况。
通过对共现性的研究，研究者可以更加全面地了解某个主题的研究现状和热点方向，进而指导自己的研究。
一、共现性分析原理共现性分析是一种文献计量学的方法。
该方法可以分为以下几个步骤：首先，从数据库中获取与研究主题相关的文献集；然后，通过文献集中的文献摘要或关键词提取用于分析的术语；接着，统计不同术语之间的共现情况，得到由术语组成的矩阵，该矩阵表明了不同术语之间的关系；最后，通过对矩阵进行聚类、网络分析等方法，挖掘出术语之间的规律和特征，为后续的研究提供指导。
二、共现性分析的应用共现性分析在生命科学领域有着广泛的应用。
其中，最常见的应用包括以下几个方面：1、领域知识的综述：共现性分析可以根据文献集构建术语矩阵，进而进行聚类、网络分析等方法，将文献集中不同术语之间的关系展现出来，为研究者综述某一领域的知识提供了方便。
2、研究热点的发现：通过共现性分析可以发现某一领域研究的热点和趋势。
例如，对肿瘤研究中的术语矩阵进行分析，可以发现肿瘤免疫治疗、个体化治疗等领域是当前的热点研究方向。
3、领域专家的发掘：共现性分析可以通过分析研究者的文献，发现某个领域的专家学者，为领域内人才引进和研究团队建设提供参考。
4、科学合作的建立：共现性分析可以通过分析在同一领域发表研究成果的学者之间的网络关系，从而发现潜在的合作者。
这种方法被称为“合作网络分析”。
三、应用研究举例以细胞自噬为例，介绍共现性分析的应用研究。
细胞自噬是一种重要的细胞代谢过程，被广泛地应用于疾病治疗等领域。
通过在PubMed数据库中收集与细胞自噬有关的文献，得到了一个包含2925篇文献的文献集，通过文献摘要提取出了62个与细胞自噬相关的术语，构建了一个62*62的术语共现矩阵。
210967774_POI_数据研究热点与趋势分析
POI数据研究热点与趋势分析寇静行 王汉英 王玉琴 尤静静(地理信息工程国家重点实验室 北京 100088)摘要：目前，POI数据无论从概念内涵与信息纵深，还是应用的广度与深度，都有着长足发展，国内学者对POI数据的研究热度持续高涨。
该文阶段性梳理总结近年来POI领域研究情况，摸清其研究热点与薄弱环节，挖掘其应用潜力与发展趋势，为进一步研究POI数据提供参照。
该文以文献计量学为理论依据，使用 CiteSpace 软件，对检索得到的563篇文献数据，生成关键词共现知识图谱，以可视化方式进行分析。
结果表明：（1）POI应用领域多围绕城市主题的应用；（2）与其他多源异构数据的融合利用，可进一步拓展应用范围，并深度挖掘目标影响因素，支撑科学决策与实施优化调整；（3）与其各类机器学习算法的紧密结合，对识别城市边界、智能推荐等有着新的启示；（4）对数据结构的统一性以及质量保证能力提升等POI数据本身方面的研究是目前该领域的研究洼地。
关键词：多源POI数据 数据结构 统计分析 机器学习 知识图谱中图分类号：TP311.13文献标识码：A 文章编号：1672-3791(2023)03-0135-04 Research Hotspots and Trends of POI DataKOU Jingxing WANG Hanying WANG Yuqin YOU Jingjing(State Key Laboratory of Geographic Information Engineering, Beijing, 100088 China)Abstract: At present, POI data has made great progress in terms of conceptual connotation and information depth, as well as the breadth and depth of application, domestic scholars ' research on POI data continues to rise. This paper summarizes the research situation in POI field in recent years, finds out the research hotspots and weak links, exca‐vates its application potential and development trend, and provides reference for further research on POI data. Based on the theory of bibliometrics, this paper uses CiteSpace software to generate a keyword co-occurrence knowledge map of 563 retrieved literature data, which is analyzed in a visual way. The results show that: (1)Most POI applica‐tions focus on urban themes; (2)The integration and utilization with other multi-source heterogeneous data can further expand the application scope, and deeply mine the target influencing factors to support scientific decision-making and implementation of optimization and adjustment; (3)The close combination with various machine learning algorithms has new implications for city boundary recognition, intelligent recommendation, etc; (4)The research on POI data itself, such as the unification of data structure and the improvement of quality assurance capa‐bility, is a research depression in this field at present.Key Words: Multi-source POI data; Data structure; Statistical analysis; Machine learning; Knowledge map作为地理空间大数据的重要代表，POI（Point of Interest）数据随着互联网电子地图服务与基于位置服务（Location Based Services，LBS）应用的普及，无论从概念内涵与信息纵深，还是应用的广度与深度，都有着长足发展，已经成为信息空间的参天大树。
基于共词分析的档案学关键词规范化研究
基于共词分析的档案学关键词规范化研究【摘要】本文基于共词分析方法，研究了档案学中关键词的规范化问题。
在档案学概念分析中，我们探讨了档案学在信息科学领域的重要性和作用。
随后介绍了共词分析方法的原理和步骤，以及关键词提取过程中的具体操作方法。
通过案例研究和实验结果分析，我们验证了共词分析在档案学关键词规范化中的有效性和可行性。
结合研究结果，总结了本文的创新点和研究意义，并展望了未来在这一领域的研究方向，为档案学领域的关键词规范化提供了新的思路和方法。
本研究对于提升档案学领域的信息检索和知识管理水平具有重要意义。
【关键词】档案学、共词分析、关键词规范化、研究背景、研究目的、研究意义、概念分析、关键词提取、案例研究、实验结果分析、研究总结、创新点、未来研究展望1. 引言1.1 研究背景为了填补这一领域的研究空白，本研究将基于共词分析的方法，对档案学领域的关键词进行规范化研究。
通过分析不同档案学文献中的共词关系，提取出具有代表性的关键词，并对其进行规范化处理，以便更好地理解和利用这些关键词。
这一研究将有助于提升档案学领域的研究水平，促进信息资源的整合和共享，为相关领域的发展提供借鉴和参考。
1.2 研究目的本研究的目的旨在通过基于共词分析的方法，探讨档案学关键词规范化的问题。
具体来说，我们将分析档案学的概念，介绍共词分析的方法，并提出关键词的提取过程。
通过实际案例研究和实验结果分析，我们将验证该方法的有效性，进一步总结研究成果，提出创新点，并展望未来研究方向。
这一研究旨在为档案学领域的关键词规范化提供新的思路和方法，促进档案学的发展和应用。
1.3 研究意义档案学是一门重要的学科，它关注的是如何有效地管理和保存各种类型的档案资料。
在信息爆炸的时代，档案学的研究变得尤为重要。
而本研究基于共词分析的档案学关键词规范化研究，具有以下几点重要意义：本研究可以为档案学领域提供一种新的关键词提取方法。
传统的关键词提取方法往往需要依赖专家经验或人工标注，费时费力。
共现分析
论文共现
在文献的引证关系中，除了文献之 间单一的相互引证关系之外，还存在两 篇或两篇以上文献同时引证同一篇文献， 或两篇文献同时被别的文献共同引证等 多种复杂各异的网络或聚类关系。
BACK
文献耦合
在科技文献的被引文献中，人们经常可以看到不同文 章的作者不约而同地引证某篇或某几篇完全相同的文 献。 针对这一现象，美国麻省理工学院的教授开斯勒 （M.M.Kessler）于1963年首次提出了“文献耦合” M.M.Kessler）于1963年首次提出了“文献耦合” （Bibliographic Coupling）这一术语。 Coupling）这一术语。 开斯勒在对《物理评论》 开斯勒在对《物理评论》期刊进行引文分析研究时发 现，越是学科、专业内容相近的论文，他们参考文献 中相同文献的数量就越多。 于是，他把两篇（或多篇论文）同时引证一篇论文的 论文称为耦合论文（Coupled papers），并把它们之 论文称为耦合论文（Coupled papers），并把它们之 间的这种关系成为文献耦合。 间的这种关系成为文献耦合。
BACK
文献同被引
在分析文献的引证关系时，不仅可以从论文具有 相同参考文献的角度来看，而且还可以从一篇论 文被后来的文献共同引证的角度来研究文献结构 文被后来的文献共同引证的角度来研究文献结构 的动态规律。 1973年，美国情报学家亨利·斯莫尔（Henry 1973年，美国情报学家亨利·斯莫尔（Henry Small）和前苏联情报学家依林娜· Small）和前苏联情报学家依林娜·玛莎科娃 （Irina Marshakova）分别在研究文献的引证结 Marshakova）分别在研究文献的引证结 构和文献分类时，同时首次提出了文献“同被引” 构和文献分类时，同时首次提出了文献“同被引” （Co-citation）的概念，作为测度文献间关系程 Co-citation）的概念，作为测度文献间关系程 度的另一种方法
关键词共词分析法_高等教育研究的新方法_郭文斌
1839
从表 1 可以看出，频次大于等于 20 的有 52 个关 键词，占关键词总数的 3． 25% ，其出现的频次合计为 1839 次，词均 35． 37 次，占关键词总频次 （ 15976） 的 11． 51% 。这些 高 频 关 键 词 表 述 的 研 究 内 容，是 2000 － 2012 年 《教育研究》发表文章的核心内容。从 高频关键词分布顺序可看出， 《教育研究》 涉及的前 10 个研究热点依次为： 高等教育 （ 107） 、基础教育 （ 69） 、 教 育 公 平 （ 63 ） 、 教 育 改 革 （ 59 ） 、 教 师 （ 59） 、教育研究 （ 54） 、课程改革 （ 52） 、教师教育 （ 52） 、教育发展 （ 48） 、教育理论 （ 44） 。这一统计
关键词： 关键词； 共词分析； 高等教育研究； 知识图谱
一、引言
随着研究成果的激增，数字化期刊的盛行及互 联网使用的便捷化，可以通过网上搜索引擎快捷的 查询并获得这些成果。在应对海量数字信息的今天， 传统文献计量和综述方式，不仅耗费时间、效率低 下、查询资料的时间跨度短，而且难以全面搜集海 量文献信息，造成文献研究偏于定性归纳、过于主 观。［1］激增的数据背后隐藏着许多重要的信息，缺乏 挖掘数据背后隐藏的知识的手段，导致了 “数据爆 炸但知识 贫 乏 ”。［2］ 如 何 在 浩 如 烟 海 的 数 字 文 献 中， 将这些零散的信息全面、快速综合起来，挖掘出有 深度的信息为我所用，已经成为众多研究者关注的 热点。随着计算机技术的不断提升，以及数理统计 方法的完善，研究者使用计算机进行数据挖掘 （ Data Mining，DM） 的 能 力 得 以 大 大 提 升。在 此 背 景 下，科学知识图谱开始成为当前国际科学计量学领 域热门的方法之一。它是通过将科学计量学的引文 分析方法与可视化技术相结合达到对信息的有效组 织和利用，生成新的知识。［3］该方法首先，通过计算 机和互联网搜索引擎强大的自动查询功能，在极短 的时间里面完成对海量信息的准确查询。其次，通 过计算机对已查询到的海量分散信息进行文献计量
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键词共现研究趋势分析摘要:对特定领域研究热点及其变化轨迹的分析,有助于我们了解该领域过去的关注点、现在的热点以及其将来的发展趋势。
共词分析法作为内容分析的基本方法,属于一种数据挖掘技术,是一种定量与定性相结合的研究方法,将其运用到学术研究趋势的分析中可以获得更为客观可信的结论。
关键词:关键词共现研究趋势学术热点对于任何一门不断发展的学科,其研究热点也会随着知识体系的完善、科学技术的进步、社会的发展而产生变化。
对特定领域研究热点及其变化轨迹的分析,有助于我们了解该领域过去的关注点、现在的热点以及其将来的发展趋势。
然而在早期的研究中,大部分对研究趋势的把握和论断都是凭借学者的经验判断,这很难排除结论的主观片面性,因此具有较低的可信度。
根据研究发现,共词分析法作为内容分析的基本方法,属于一种数据挖掘技术,是一种定量与定性相结合的研究方法,将其运用到学术研究趋势的分析中可以获得更为客观可信的结论。
1 共词分析方法的提出学术论文的关键词的论文内容的提示符,是作者学术思想及学术观点的凝结,也是文献计量研究的重要指标。
两个或更多关键词在同一篇文献中同时出现称为关键词共现。
共词分析法作为文献计量学常用的研究方法,通过关键词与关键词之间的共现关系描述某一学术领域内部组成关系及其结构,还可以用于揭示学科的发展动态和发展趋势。
关键词共现分析在共词分析理论的基础上需要满足四个假设前提:第一,论文的关键词、标题等关键术语都是经过作者深思熟虑、认真选择的,能够反映该领域的研究现状;第二,当同一篇文章使用多个关键词时,则这些关键词之间有一定的联系;第三,如果有足够多论文中使用一对关键词,那么这对关键词所表示的关系在该学科具有特别的意义;第四,经过培训的标引者选择用以描述内容的关键词,事实上是相关科学概念可以信赖的一个指标。
根据Whittaker J.等人的观点,关键词共现分析还可以用于发现新的学科增长点和突破口,即如果两个关键词同时与某关键词有较强共现关系,则这两个关键词之间也可能存在某种关联,从而导致科学上某种创新的发现。
2 数据分析过程2.1 数据收集在数据收集方面学者通用的有两种方法。
第一种是利用权威机构发布的研究报告中给出的关键词,这样的收集方法较为省时,但无法保证二手数据较高的公正性、有效性和可靠性。
因此较多学者倾向于第二种数据采集方式,即在某数据库中以“学科名称”作为检索途径,调研某个年度时间范围内全部论文及其关键词,并通过反复的人工、校对、去除少量对研究主题没有意义的关键词,以此作为研究的初始数据库。
而在选定的数据库中,关键词出现频率的高低反映了某一领域研究的关注度和集中度的高低。
所以将所有的关键词按照出现的频次降序排列,选取其中频次较高的关键词作为研究对象。
确定高频词汇的方法:一是参照齐普夫第二定律(又称低频词定律);二是同时可以结合研究者在选词个数和词频高度上的经验倾向。
2.2 共词矩阵的构建对于上述中选取的高频关键词,两两取其共现频次,据此形成共词矩阵。
如对于选取的N个高频关键词,共词矩阵的形式为:其中,为第i个关键词和第j个关键词共现的频次;由此可知,即该矩阵是一个对角线对称的方阵。
2.3 关键词共现的指数表达多数研究数据处理只到共现矩阵的构建就结束了,但是根据Van Raan AFJ等人提出的相关概念,共现矩阵反映的是一种绝对的表象,因为两个关键词的共现频次直接两个关键词各自出现的频次影响。
要想真正揭示关键词之间的共现关系,还需引入关键词共现相对强度的指标,这就需要按照特定的计算公式计算关键词共现的强度。
在文献计量学中,常用的表示关键词之间的关联强度的统计指数有Jaccard指数和Salton指数两种。
根据统计学的原理,这两种指数都可以使两个本来关系就密切的关键词显得更密切,使两个关系疏远的关键词显得更疏远,从而将某一学科领域的核心和非核心区分开来。
其中Salton指数更为灵敏,因此本文选用Salton系数计算共现关系的相关系数矩阵为:其中,为Sij第i个关键词和第j个关键词根据Salton指数计算的相关共现系数。
且对角线上元素表示每个关键词对本身的密切程度,始终为1,没有相对的参考价值,所以分析时要丢弃这N个数值。
3 数据分析过程3.1 高频共现关键词分析结果在上述数据分析的基础上,将共现关键词按照其Salton指数高低排序,即可得到反映该学科内研究分布的共现关键词相关系数表。
将该表依据Salton指数大小进行聚类分析,聚类数值较大的共现关键词则可以反映出国内在数据选取时间段内在该学科的核心研究领域。
3.2 高频共现关键词对年度变化分析结果以关键词研究领域热点论题趋势,目前多见的是通过分年度统计并列示高频关键词的方法,但这种方法趋势走向不够直观。
有学者采用分年统计高频共现关键词对的相关共现系数,以得到这些关键词对的数量变化情况。
这样既有利于直观展示研究趋势的走向,又排除了因年度文献总量太大造成的简单的频次比较缺乏横向可比性的问题。
通常情况下,共现关键词对的相关共现系数的变化情况可以分为三种类型:第一种是共现系数连续呈上升趋势的关键词对,这往往反映了近年来该学科正在蓬勃发展的研究领域,其研究势头可能还要延续;另一方面这种趋势意味着这些关键词所代表领域的研究潜力在逐步减少,学者应当注意控制在该领域的研究力量,避免滥化。
第二种是共现系数呈下降趋势的关键词对,这往往反映这这些词代表的研究领域有从学科核心淡出的趋势;另外,过多词对呈现这种下降趋势,可能会影响到该学科研究课题的多样性,研究者应该重视这个问题,并积极找寻新的学科增长点和突破口。
第三种是共现系数始终相对稳定的关键词对,这可能表示这些关键词表示了该学科内一些基础得研究领域,即学科发展的根基。
3.3 尚无研究的词对关键词共现分析结果以关键词共现方法分析领域内的弱势论题的空白研究方向,主要通过比对理论词对矩阵和实际矩阵的方法。
即找出实际的关键词共现矩阵中共现频率近乎零的相关键词对。
在众多关键词中如果存在较多的这种词对,往往揭示了该学科中理论、方法上简单套用、移植其他学科的现象,也从某种角度说明部分学者不够深入的研究风气。
4 图形化表达应用目前,研究趋势分析主要应用在各大论文数据库的特色搜索中。
国内的CNKI和万方数据库都已经推出这样的可视化的检索工具。
国外的Elsevier SDOS/SDOL 电子期刊全文也开放了数据库内容的应用程序接口,接受开发人员开发这样的检索工具。
4.1 CNKI学术趋势CNKI学术趋势是依托于CNKI中国知识资源总库中的海量文献和千万用户的使用情况提供的学术趋势分析服务。
通过关键词在过去一段时间里的“学术关注指数”,用户可以知道其所在的研究领域随着时间的变化被学术界所关注的情况,又有哪些经典文章在影响着学术发展的潮流;通过关键词在过去一段时间内的“用户关注指数”,用户还可以知道在相关领域不同时间段内哪些重要文献被最多的同行所研读。
4.2 万方学术趋势万方数据的知识脉络也是以论文量为依据。
其检索结果中除了图表还有相关热词(与被检索词共现次数较多的词)。
知识脉络从某个知识点出发,结合时间维度形成的脉络分析,对学术选题、学术研究等方面均有一定参考意义。
它的优点表现在:(1)知识脉络从时间维度揭示了知识点的关注度,有助于学者了解学科发展规律和研究选题;(2)知识脉络基于时序揭示了知识点之间随时间变化的演化关系,有助于发现知识点之间的交叉、融合的演变关系,有助于学者发现新的研究方向、研究趋势和研究热点。
当然,知识脉络也有一定的缺陷,即其用来判定热词的是关键词的共现频次,这是一个绝对的表象,不能排除各个关键词出现频次对其的影响,因此应引进相关的共现强度指标。
4.3 QuantiFindQuantiFind是QuantiFind公司与Elsevier合作开发的一款搜索工具,它的创新之处在于利用数量单位发现研究热点之间的相互联系,进而发现学术的研究趋势。
它的独特之处在于可以独立于任何关键词发现新的方面。
关键词共现的图形化表达的应用可以从QuantiFind学习,从更多独特的视角进行研究趋势的分析。
5 结语共词分析法作为内容分析的基本方法,已经广泛运用于文献计量学、信息计量学和科学计量学领域,并取得了丰硕的成果。
本文利用并改进了特定领域研究趋势分析的研究成果,提出了基于关键词共现的研究趋势分析分析的研究思路,最后展示了相关的图形化应用。
我们认为,共词分析法符合复杂科学管理的基本理念,可以作为复杂科学管理的研究方法加以推广运用。
参考文献[1]张勤,徐绪松.定性定量结合的分析方法——共词分析法[J].技术经济,2010,29(6):20～24.[2]冯璐,冷伏海.共词分析方法理论进展[J].中国图书馆学报,2009,32(2):88～94.[3]陈立新.国际力学论文关键词的共现分析[J].现代情报,2009,29(10):196～200.[4]QIN H.Knowledge discovery through co-word analysis[J].Library Trends,1999,48(1):133～159.[5]Whittaker J．Creativety and Conformity in Science:Title, Keywords and co-word analysis[J]．Social Studies of Science,1989;(19).[6]谢彩霞,梁立明,王文辉.我国纳米科技论文关键词共现分析[J].情报杂志,2005,24(3):69～73.[7]孙立会,赵蔚.基于共现关键词统计的教育技术学研究趋势分析[J].现代远程教育研究,2010(5):28～31.[8]魏瑞斌.基于关键词的情报学研究主题分析[J].情报科学,2006,24(9):1400～1404.[9]邱均平.期刊文献计量学学术论文的关键词分析[J].中国科技期刊研究,2002,13(6):505～506.[10]Van Raan AFJ,Tijssen RJW．The Neural net of Neural Network Research. An exercise in bibliometic mapping, Scientomtrics,1993(23).[11]黄小燕.情报领域研究热点透视——情报领域论文关键词词频分析[J].图书与情报.2005(6):82～85.[12]CNKI学术趋势与万方数据的知识脉络[EB\OL]./s/blog_4d027*******ggmd.html, 2009.[13]CNKI学术趋势[DB\OL]./.[14]万方知识脉络[DB\OL]./.[15]知识脉络分析服务的研究与实现[DB\OL]./openaccessperiodical/Details /382a6d30-dc34-4d95-905c-00851a46dce5.[16]爱思威尔的SciVerse应用[EB\OL]./action/gallery.。