圖書情報領域高被引論文共詞聚類分析

胡利勇

（中共廣東省委黨校廣東行政學院圖書館，廣東 廣州 518000）

圖書情報領域高被引論文共詞聚類分析

胡利勇

（中共廣東省委黨校廣東行政學院圖書館，廣東 廣州 518000）

以中國知網(wǎng)期刊全文數(shù)據(jù)庫為數(shù)據(jù)源，利用書目共現(xiàn)分析系統(tǒng)Bicomb2對2011～2015年圖書情報領域高被引論文的核心關鍵詞進行提取、統(tǒng)計，并生成共現(xiàn)矩陣，借鑒普賴斯定律核心作者的測算方法，確定高被引論文高頻關鍵詞，然后通過統(tǒng)計軟件SPSS和可視化工具Ucinet、NetDraw對高頻關鍵詞進行社會關系網(wǎng)絡、共詞聚類和多維尺度分析，揭示當前圖書情報領域科研發(fā)展狀況和關注熱點。

普賴斯定律 共詞分析 聚類分析 社會網(wǎng)絡分析 高被引

高被引論文是被引用次數(shù)較高的論文，被引用頻次能夠較為客觀地反映出論文的學術水平和影響力。對圖書情報領域高被引論文進行統(tǒng)計，分析高被引論文高頻關鍵詞的特點，有助于我們了解和掌握近期圖書情報領域發(fā)展狀況、研究熱點和發(fā)展趨勢。文獻計量學中，普賴斯定律被用來確定高產(chǎn)和高影響力作者［1］。多數(shù)情況下，高產(chǎn)作者和高被引論文的分布具有相同或相似的規(guī)律，可以借用普賴斯定律確定高被引論文［2-3］。

1 文獻來源與研究方法步驟

1.1 文獻來源

利用中國知網(wǎng)期刊全文數(shù)據(jù)庫，采用高級檢索方式，時間期限設定為“2011年1月1日”到“2015年12月31日”，選擇“圖書情報與數(shù)字圖書館”作為學科領域，跨庫選擇“期刊”“博士”“碩士”“特色期刊”“國際會議”“國內會議”“學術輯刊”7個論文數(shù)據(jù)庫作為文獻來源庫，共檢索出124567篇文獻，按照被引次數(shù)倒序排列，單篇最大被引次數(shù)為171，借鑒普萊斯確定核心作者的方法［4］，確定高被引論文最低被引次數(shù)：，取整數(shù)10，即累計被引10次或者以上的論文作為核心候選文獻。

由于中國知網(wǎng)在檢索列表2000條以后就不再顯示被引次數(shù)，而被引排序第2000位的論文，被引次數(shù)為11，與高被引論文候選范圍相當接近，因此將被引排名前2000的論文確定為高被引候選文獻。這2000篇論文總被引次數(shù)為43369，篇均被引次數(shù)為21.68，取整數(shù)22作為高被引論文指數(shù)，即被引次數(shù)大于或等于22的論文作為筆者所研究的高被引論文，共578篇，去除重復文章3篇，共計575篇，占候選論文的28.75%，其中，博士學位論文兩篇，碩士學位論文4篇，期刊論文569篇；基金論文233篇，占40.52%。這些高被引論文總被引次數(shù)為22587，占候選文獻總被引次數(shù)52.08%，篇均被引39.28次，h指數(shù)為66。

1.2 研究方法和步驟

本研究主要利用Excel、Bicomb2、Ucinet、NetDraw和SPSS等工具和軟件，對選取的2011～2015年圖書情報領域575篇高被引論文進行統(tǒng)計分析，具體方法和步驟是：

①利用中國知網(wǎng)的參考文獻導出功能，選擇Notefirst方式，將樣本論文的題名、作者、關鍵詞等元數(shù)據(jù)導出為XML格式，并以文本（.txt）文件格式保存；②采用書目共現(xiàn)分析系統(tǒng)Bicomb2軟件［5］，提取樣本論文的關鍵要素并進行統(tǒng)計，導出為Excel格式文件，多方面分析和討論；③選取高頻關鍵詞，在Bicomb2中生成共現(xiàn)矩陣；并利用Ucinet軟件和NetDraw工具，繪制核心關鍵詞知識圖譜；④運用SPSS19軟件進行數(shù)據(jù)聚類分析，獲得聚類樹狀圖和相異系數(shù)矩陣的多維尺度圖［6］；⑤根據(jù)分析結果，總結圖書情報領域學術研究的趨勢和熱點。

2 高頻關鍵詞統(tǒng)計分析

利用Bicomb2軟件，提取575篇論文的發(fā)表年份、關鍵詞信息，根據(jù)它們出現(xiàn)的頻次，借鑒普賴斯定律確定核心要素信息。年份出現(xiàn)頻次即當年發(fā)表的論文數(shù)量；關鍵詞出現(xiàn)頻次，即每個關鍵詞在論文關鍵詞中出現(xiàn)的總次數(shù)。

2.1 年份分布統(tǒng)計

2011～2015年圖書情報領域高被引論文數(shù)量中（表1），發(fā)表越早高被引論文數(shù)量比例最高，表明論文累積被引次數(shù)主要與發(fā)表時間長短有關，發(fā)表時間越長，累積被引次數(shù)越大，高被引論文數(shù)量比例越高。

表1 2011～2015年圖書情報領域高被引論文年份分布

2.2 關鍵詞統(tǒng)計分析

抽取575篇高被引論文關鍵詞，共計得到1162個關鍵詞，累計出現(xiàn)2305次，頻次最多關鍵詞是“圖書館”，出現(xiàn)頻次100次，也就是說有100篇高被引論文使用了“圖書館”這個關鍵詞。利用普萊斯公式，確定核心關鍵詞最低頻次：，取整數(shù)8，即關鍵詞累計出現(xiàn)8次或以上的關鍵詞，作為高被引論文的核心關鍵詞，共得31個高頻關鍵詞（表2），占關鍵總數(shù)的2.67%，累計出現(xiàn)687次，占總頻次的29.80%。此外，頻次為7的關鍵詞有7個，頻次6的關鍵詞10個；頻次5的關鍵詞12個；頻次4的關鍵詞33個；頻次3的關鍵詞44個；頻次2的關鍵詞160個；頻次1的關鍵詞最多，有865個，占關鍵詞總數(shù)的74.44%。由此可見，2001～2015年，圖情領域高被引論文研究主題分布相當寬泛。

表2 2011～2015年圖書情報領域高被引論文高頻關鍵詞

這31個高頻關鍵詞反映了圖情領域的研究熱點，分析這些關鍵詞之間的關系，有助于我們確定圖書情報領域近年來的發(fā)展脈絡、熱點前沿和發(fā)展方向［7］。

3 社會網(wǎng)絡、共詞聚類和多維度分析

3.1 社會網(wǎng)絡分析

分析2011～2015年圖情領域研究熱點，主要利用Bi?comb2軟件得到高被引論文的高頻關鍵詞共現(xiàn)矩陣，然后利用社會網(wǎng)絡分析軟件Ucinet6.0［8］和可視化繪圖工具NetDraw［9］，繪制出基于中介中心度（Betweenness）分析和K-cores分析［10］的高被引論文高頻關鍵詞社會網(wǎng)絡關系圖譜。

圖中圓形點代表高頻關鍵詞節(jié)點，節(jié)點越大，代表該節(jié)點在整個關鍵詞網(wǎng)絡中的作用越大、控制其他節(jié)點共現(xiàn)的能力也越強；節(jié)點之間的關系用實線連接，實線越粗，代表相互之間的關系越強［11］。K-cores分析則是通過顏色來區(qū)分關鍵詞在整個網(wǎng)絡中的核心程度，紅色表示節(jié)點關鍵詞在網(wǎng)絡中處于核心地位［12］。

圖1 高頻關鍵詞社會網(wǎng)絡關系圖譜

高頻關鍵詞社會網(wǎng)絡關系圖譜。通過圖1，我們可以直觀地得到以下結論：（1）從節(jié)點大小來看，“圖書館”“高校圖書館”“數(shù)字圖書館”是圖情領域的三大核心，這3個核心對于揭示圖情領域研究主題和熱點意義不太大，或許只是界定范圍是“圖書館”而不是“博物館”“檔案館”“情報研究所”的一個標識，但是圖情領域的各項研究熱點，“學科服務”“大數(shù)據(jù)”“云計算”等是圖情領域熱點，都是圍繞著這三大核心而展開的。（2）從節(jié)點間距離和連線的粗細來看，“高校圖書館”與“移動圖書館”“學科館員”“學科服務”“微信”“智慧型圖書館”等距離較近、關系較為密切，說明高校圖書館關注點在于服務模式的改變，對移動圖書館和微信等服務新手段研究較多，學科服務也是高校圖書館研究的熱點問題，“高校圖書館”與“閱讀推廣”的連線很粗，表明高校圖書館在閱讀推廣中的研究也比較多；同樣，圍繞“數(shù)字圖書館”相關的研究包括“大數(shù)據(jù)”“云計算”“數(shù)據(jù)挖掘”等。（3）通過K-cores分析將從整個網(wǎng)絡分類，其中紅色圓形節(jié)點占據(jù)圖中大部分位置，且處于中心區(qū)域，說明它們是圖情領域的研究熱點，其他節(jié)點都是圍繞這些熱點延伸拓展的。

3.2 聚類分析和多維尺度分析

為了更加直觀地描述圖情領域高頻關鍵詞之間的距離和相似度，通過SPSS19的雙變量Pearson相關分析功能，把由Bicomb2提取出的高頻關鍵詞共現(xiàn)矩陣轉化為相關矩陣［13］，然后在Excel中用“1”與相關矩陣全部數(shù)值相減，得到表示兩個關鍵詞間相異程度的相異矩陣（見表3），再用SPSS19對高頻關鍵詞進行系統(tǒng)聚類和多維尺度分析［14］。

表3 2011～2015年圖書情報領域高被引論文高頻關鍵詞相異矩陣（部分）

3.2.1 聚類分析

將關鍵詞相異矩陣導入SPSS19進行系統(tǒng)聚類分析［15］，方法中選擇組間聯(lián)接，度量標準為區(qū)間“平均Euclidean距離”，繪制樹狀圖（圖2）。系統(tǒng)樹狀圖更直觀地顯示出了聚類的整個過程，上邊的橫軸方向，給出了各類別之間相對距離的大小［16］。

圖2 高頻關鍵詞主題聚類圖

依據(jù)聚類結果，可將圖書情報領域的研究分為4個主題：①新技術、新手段在圖書館信息服務中的應用研究。包括大數(shù)據(jù)、數(shù)據(jù)挖掘等在圖書館中的應用研究，微信、微博、移動信息服務等新服務手段在圖書館和閱讀中的應用研究，云計算、關聯(lián)數(shù)據(jù)知識服務在數(shù)字圖書館中的應用研究。②新研究方法、流程改造在圖書館中的應用研究。包括讀者決策的采購新流程在大學圖書館中的應用，大學圖書館對社會網(wǎng)絡分析、知識圖譜、共詞分析等新方法的應用研究。③圖書館學科服務模式創(chuàng)新研究。包括以學科館員、學科服務、嵌入式服務等為主題的學科服務模式創(chuàng)新研究，以高校圖書館和公共圖書館閱讀推廣為主題的服務創(chuàng)新研究。④圖書館發(fā)展新動向研究。包括物聯(lián)網(wǎng)環(huán)境下圖書館未來發(fā)展新方向的智慧圖書館研究，移動時代移動圖書館和手機圖書館的研究，以及在新環(huán)境下圖書館服務模式的變革研究。

3.2.2 多維尺度分析

多維尺度分析是研究對象之間的相似性或距離，將研究對象在一個低維（二維或三維）的空間形象地表示出來，進行聚類或維度分析的一種圖示法。將關鍵詞相異矩陣導入SPSS19進行“度量-多維尺度”分析，在距離中選擇形狀為“正對稱”，模型中度量水平選擇“區(qū)間”，度量模型為“Euclidean距離”，輸出得到圖3。

依據(jù)分析的結果，我們可以直觀地看出，多維尺度分析圖對高頻關鍵詞主題的劃分，與樹狀聚類圖的分類基本一致，其特征都是局部相對集中，整體比較分散，與中心點間的距離都比較遠，整體熱點不突出，局部熱點特征明顯。觀察圖3，我們把圖書情報領域的熱點問題大致劃分為4個類團：①位于坐標圖左上方的是“高校圖書館對嵌入式學科服務、閱讀推廣、讀者決策采購的研究類團”，其中，嵌入式學科服務、閱讀推廣距離中心最近，是該類團的研究熱點。②位于坐標圖右上方的是“圖書館對大數(shù)據(jù)、知識服務、微信、微博等新服務手段的應用研究類團”，其中，微信、大數(shù)據(jù)、數(shù)據(jù)挖掘、知識服務是該類團的研究熱點。③位于坐標圖最下方的是“新環(huán)境下圖書館發(fā)展的研究類團”。相比之下，該類團內部節(jié)點聯(lián)系松散，說明目前對該主題的研究還比較分散，由于該類團所處的位置可以預測，圖書館的變革都是由新技術帶動的，新的技術環(huán)境下，必然為圖書館發(fā)展帶來新的研究課題。物聯(lián)網(wǎng)、智慧圖書館是該類團的研究熱點。④位于坐標圖左下小圈是“圖書情報方法論研究類團”。社會網(wǎng)絡分析、共詞分析、知識圖譜等新方法，為圖書館學、情報學增添了活力，該類團中，共詞分析和社會網(wǎng)絡分析節(jié)點之間關系緊密，它們與知識圖譜都是研究熱點。

圖3 高頻關鍵詞多維尺度分析圖

4 小結與討論

以上對2011～2015年圖書情報領域高被引論文的分析，在一定程度上揭示這一領域的研究特征和熱點問題，但采用的方法可能還存在不少缺點，分析問題的角度還有很多不足之處。

（1）關于普賴斯定律的適用性。筆者的研究前提是借鑒普賴斯定律測定核心作者的公式，將其應用于高頻被引論文和核心關鍵詞的測定。雖然也有不少學者將此方法應用于高被引和核心文獻分析中，從分析結論來看，基本能夠反映真實情況，但此方法的適用范圍究竟如何，還需要科學的檢驗和論證。

（2）關于核心關鍵詞的確定。核心關鍵詞是筆者的研究重點，但在選取核心關鍵詞的時候發(fā)現(xiàn)，有不少關鍵詞是意義趨同的，如“大學圖書館”和“高校圖書館”完全可以合并，還有一些關鍵詞對反映學科主題意義不太明確的“服務”“服務模式”“圖書館服務”以及“信息服務”等，這些關鍵詞該如何處理，筆者還沒有找到科學的解決辦法，所以只能將統(tǒng)計結果呈現(xiàn)出來，希望同行給出解決方案。建議學者在論文寫作確定關鍵詞時，能夠給出反映文章精髓的詞語，直扣主題、力求精準，盡量避免概念寬泛、萬象包羅的詞語。另外，僅從核心關鍵詞來確定圖書情報領域的研究現(xiàn)狀和熱點，還是不夠全面的。其實在搜集數(shù)據(jù)和撰寫論文的過程中，筆者對高被引論文的作者、發(fā)文單位以及核心期刊等也做了相關統(tǒng)計和分析，從這些指標綜合來衡量一個學科的發(fā)展，似乎更為科學。

（3）關于圖書情報領域的熱點問題。僅從研究的結論來看，圖書情報領域未來研究的重點方向是針對這些熱點主題的研究：嵌入式學科服務、知識服務是圖書館服務的發(fā)展趨勢；大數(shù)據(jù)、云計算是圖書館技術的發(fā)展方向；物聯(lián)網(wǎng)是圖書館將要面臨的環(huán)境；智慧圖書館是未來圖書館的樣子；共詞分析、社會關系網(wǎng)絡分析和知識圖譜是將來我們分析描述問題的方法。

［1］邱均平.信息計量學［M］.武漢：武漢大學出版社.2007：192-195.

［2］劉雪立.基于Web of Science和ESI數(shù)據(jù)庫高被引論文的界定方法［J］.中國科技期刊研究，2012（6）：975-978.

［3］劉雪立，王兆軍.2004～2008年我國情報專題研究高被引論文的統(tǒng)計與分析［J］.情報雜志，2010（1）：64-67.

［4］鐘文娟.基于普賴斯定律與綜合指數(shù)法的核心作者測評——以《圖書館建設》為例［J］.科技管理研究，2012（2）：57-60.

［5］崔雷，等.文獻數(shù)據(jù)庫中書目信息共現(xiàn)挖掘系統(tǒng)的開發(fā)［J］.現(xiàn)代圖書情報技術，2008（8）：70-75.

［6］王佑鎂，陳慧斌.近十年我國電子書包研究熱點與發(fā)展趨勢——基于共詞矩陣的知識圖譜分析［J］.中國電化教育，2014（5）：4-10.

［7］侯海燕，劉則淵，欒春娟.基于知識圖譜的國際科學計量學研究前沿計量分析［J］.科研管理，2009（1）：164-170.

［8］卜彩麗.翻轉課堂的研究熱點、主題與發(fā)展趨勢解析——基于共詞分析的可視化研究［J］.現(xiàn)代教育技術，2016（1）：73-79.

［9］王運鋒，夏德宏，顏堯妹.社會網(wǎng)絡分析與可視化工具NetDraw的應用案例分析［J］.現(xiàn)代教育技術，2008（4）：85-89.

［10］胡昌平，陳果.領域知識網(wǎng)絡的層次結構與微觀形態(tài)探證——基于k-core層次劃分的共詞分析方法［J］.情報學報，2014（2）：131-137.

［11］肖明.知識圖譜工具使用指南［M］.北京：中國鐵道出版社，2014：37-38.

［12］姜鑫.我國微博研究主題的共詞可視化分析［J］.現(xiàn)代情報，2013（11）：108-113.

［13］羅應婷編著.SPSS統(tǒng)計分析從基礎到實踐［M］.北京：電子工業(yè)出版社，2010：191-193.

［14］邱均平，楊思洛，王明芝.改革開放30年來我國情報學研究的回顧與展望（二）——情報學研究論文的作者分析［J］.圖書情報研究，2009（2）：8-13.

［15］安源.2000-2009年圖書館信息服務領域研究現(xiàn)狀分析——基于詞頻分析法和共詞分析法［J］.情報科學，2012 （6）：873-878，892.

［16］賈麗艷，杜強著.SPSS統(tǒng)計分析標準教程［M］.北京：人民郵電出版社，2010（5）：268.

胡利勇 男，1980年生。碩士，館員，咨詢部主任。

G350

2016-05-25；責編：徐向東。）