溫學兵, 姚佳宜

(1. 沈陽師范大學 學報編輯部, 沈陽 110034; 2. 沈陽師范大學 數(shù)學與系統(tǒng)科學學院, 沈陽 110034)

0 引 言

知識圖譜以領域知識為研究對象,通過融合數(shù)據(jù)挖掘、信息處理等技術,將蘊含在整個研究領域的潛在知識以圖形化方式展現(xiàn)出來,不僅增強了人們對某領域知識理解的直觀性,而且可客觀揭示某研究領域的動態(tài)發(fā)展態(tài)勢[1-3]。已有不少作者利用CiteSpace對文獻進行了可視化分析,例如: 周金俠[4]的基于Citespace Ⅱ的信息可視化文獻的量化分析,肖明等[5]的基于CiteSpace研究科學知識圖譜的可視化分析等。本文對《學報》近5年的載文情況進行了詳細地統(tǒng)計,進而分析該刊的核心作者、研究熱點,對了解主要發(fā)文機構(gòu)及作者等方面具有重要的意義。

1 研究方法和工具

科學文獻計量方法是一種利用數(shù)理統(tǒng)計工具進行定量研究的方法,主要是用來分析文獻發(fā)表的規(guī)律,揭示某一學科的研究現(xiàn)狀及發(fā)展歷程[6]。CiteSpace軟件是由美國德雷塞爾大學教授陳超美研發(fā),在JAVA環(huán)境下運行的程序,該軟件可以對文獻進行統(tǒng)計分析,并繪制成知識圖譜呈現(xiàn)給讀者,主要包括共詞網(wǎng)絡、熱詞突現(xiàn)、熱詞聚類等研究熱點與研究趨勢[7],不僅能增強人們對其理解的直觀性,而且可以客觀揭示對文獻計量學領域的發(fā)展態(tài)勢。相比于其它可視化分析軟件,CiteSpace軟件不僅整合了聚類分析、社會網(wǎng)絡分析等多種方法,而且注重從多層次、多角度對某研究領域的文獻進行綜合分析[8]。

2 數(shù)據(jù)來源

數(shù)據(jù)獲取上,本文以目前國內(nèi)最大的期刊全文數(shù)據(jù)庫中國知網(wǎng)(CNKI)為數(shù)據(jù)來源[9]。采用高級檢索方式,文獻來源為“沈陽師范大學學報(自然科學版)”,設置時間為近5年(2015—2019年),共檢索到518條結(jié)果。用Refworks格式將其數(shù)據(jù)導出。

3 網(wǎng)絡分析

3.1 作者網(wǎng)絡分析

根據(jù)CiteSpace軟件對《學報》作者進行網(wǎng)絡可視化分析,選擇節(jié)點類型為“Author”,結(jié)果如圖1所示。

圖1 《學報》2015—2019年發(fā)表論文作者的網(wǎng)絡圖譜Fig.1 Network atlas of authors of Journal 2015-2019

表1 《學報》2015—2019年發(fā)表論文Top10高頻作者發(fā)文情況Table 1 Top 10 high-frequency authors published in Journal 2015-2019

3.2 發(fā)文機構(gòu)網(wǎng)絡分析

根據(jù)CiteSpace軟件對《沈陽師范大學學報》發(fā)文機構(gòu)進行網(wǎng)絡可視化分析,選擇節(jié)點類型為“Institution”,結(jié)果如圖2所示。

圖2 《學報》2015—2019年發(fā)表論文機構(gòu)網(wǎng)絡圖譜Fig.2 Network atlas of institution of “Journal ”2015-2019

其中,節(jié)點的大小、發(fā)文機構(gòu)名字字號的大小,表示發(fā)文量的高低,連線代表之間的合作關系,線的粗細代表合作頻次的多少。從圖2可以看出,節(jié)點數(shù)為45,發(fā)文量最多的是沈陽師范大學數(shù)學與系統(tǒng)科學學院、沈陽師范大學物理科學與技術學院、沈陽師范大學科信軟件學院、沈陽師范大學生命科學學院,發(fā)文量分別為98、72、61、47,均超過了40篇。在機構(gòu)合作關系方面,整體網(wǎng)絡密度為0.047 5,表示機構(gòu)之間合作較少,而構(gòu)間相互合作有利于學者之間學術交流,促進領域?qū)W術發(fā)展[13]。

3.3 關鍵詞網(wǎng)絡分析

根據(jù)CiteSpace軟件對《學報》關鍵詞進行網(wǎng)絡可視化分析,選擇節(jié)點類型為“Keyword”,結(jié)果如圖3所示。

其中,節(jié)點與連線的含義與作者網(wǎng)絡分析和機構(gòu)網(wǎng)絡分析一樣,節(jié)點為59,網(wǎng)絡密度為0.022 8。從圖3中可以看出,關鍵詞出現(xiàn)最多的是排序、教學改革、切換系統(tǒng)、平均駐留時間、線性矩陣不等式。通過表2關鍵詞排名前10的關鍵詞頻率和中心性,可直觀地看出期刊及作者研究的熱點話題。

圖3 《學報》2015—2019 年文獻關鍵詞網(wǎng)絡圖譜Fig.3 “Journal “2015-2019 bibliographic keyword atlas

表2 《學報》2015-2019年發(fā)表論文前10名高頻關鍵詞情況

3.4 關鍵詞聚類時間線分析

對2015—2019年《學報》載文關鍵詞的共現(xiàn)關系采用Timezone View(時區(qū)視圖)的方式繪制出一張圖譜,Timezone View(時區(qū)視圖)更加著重于描繪各個研究主題隨著時間的變化趨勢和相互影響(圖4)。由此可見,隨著時間的推移,每年期刊的研究主題也在發(fā)生著變化,近年來學者們研究較多的話題是“深度學習”和“第一性原理計算”。通過各個時間段的連線關系,可以直接的看出分時間段之間的聯(lián)系。

圖4 《學報》2015—2019 年文獻關鍵詞時區(qū)圖譜Fig.4 “Journal” 2015-2019 literature keyword time zone atlas

4 結(jié)論與討論

4.1 結(jié)論

本文運用CiteSpace軟件,使用文獻計量學方法,對2015—2019年《學報》發(fā)文作者、發(fā)文機構(gòu)、關鍵詞等進行可視化分析,繪制了相應的網(wǎng)絡圖譜,得出以下結(jié)果:1)通過分析得到發(fā)文量最多的作者是劉玉忠、封文江、辛士剛、張浩華、肖志剛,這些作者在學報中占有重要地位。同時也反映了這些作者科研能力較強,但核心作者數(shù)量還不夠,且作者與作者之間合作關系較為弱。2)從圖譜中可以看出,發(fā)文機構(gòu)多為沈陽師范大學各個學院,以及沈陽及周邊高校,省外高校以及社會企業(yè)在此學報的發(fā)文量較低。3)從發(fā)文關鍵詞可以看出,最近“深度學習”成為了最熱門的關鍵詞。而現(xiàn)在,深度學習已成功應用于多種模式分類問題[14],是當前學者們討論的熱門話題。同時,深度學習是機器學習領域一個新興的研究方向[15]備受關注,未來也將出現(xiàn)更多的關于深度學習的學術成果。

4.2 討論

為了提高期刊的學術水平,應該吸引更多的優(yōu)秀作者投稿。作者是學術期刊編輯出版的第一要素,學術期刊編輯只有聚積和吸引一批優(yōu)秀的作者才能保證期刊的學術質(zhì)量[16]。一所高校學報的發(fā)展,與高校的發(fā)展息息相關,其根源取決于高校自身的科學研究基礎,因此應通過提高高校的科研能力,進而提高期刊的學術水平。