農業工程學科近20年中外研究進展及趨勢演化

郭祥云 張京京 劉杰

摘要：采用文獻計量和社會網絡分析的方法，將1997—2016年劃分為3個階段（1997—2005年，2006—2012年，2013—2016年），以農業工程領域9個重要英文期刊和2個重要中文期刊數據為樣本，分析并比較國內外農業工程領域研究進展及趨勢演化。結果顯示，1997—2005年，國內外研究關注重點均為精細農業，采用的主要技術有神經網絡、圖像分析和處理、地理信息系統、機器視覺、模型、仿真模擬、遙感等，其后2個階段國外農業工程領域研究對農業工程技術的關注度逐漸下降，對研究領域的關注逐漸提升，國內研究對農業工程技術的關注較高且相對穩定;國外的研究領域更關注生物相關領域，如精油、抗氧化活性、木質素，國內研究集中在溫室、冬小麥、水分利用效率、農業機械化、水稻、車輛、玉米、保護性耕作、土地整理和土地利用、土壤、灌溉、產量等領域;國內外農業工程研究中關鍵詞網絡集聚系數變化趨勢相反，國內在農業工程研究領域的重點趨向集中和一致，以農業機械、土地利用和土壤為重點，而國外研究領域則趨向分散。

關鍵詞：農業工程;發展趨勢;國內外研究異同;文獻計量;共詞分析;社會網絡分析;趨勢演化

中圖分類號： S-058? 文獻標志碼： A? 文章編號：1002-1302（2019）12-0001-08

我國是個農業大國，農業發展是我國生產力提高的關鍵之一。農業工程是工程科技在農業領域內的應用，農業工程科技的研究將強力支撐農業生產力的發展。1978年全國第一次科學技術大會以后，農業工程作為一個豐富而較為完整的學科在中國誕生[1]。2017年2月5日，新世紀以來指導“三農”工作的第14份中央一號文件發布，指出我國農業的主要矛盾由總量不足轉變為結構性矛盾，突出表現為階段性供過于求和供給不足并存，矛盾的主要方面在供給側，農產品供求結構失衡、要素配置不合理、資源環境壓力大、農民收入持續增長乏力，如何解決增加產量與提升品質、成本攀升與價格低迷、庫存高企與銷售不暢、小生產與大市場、國內外價格倒掛的矛盾[2]，農業內部結構和外部環境都發生了重大變化，農業工程學科面臨著資源、環境、生態等各方面的壓力[3]。

任何一門學科的研究方向和研究領域都將隨著社會經濟環境的變化和科學技術自身的發展而不斷地得到更新與發展，是學科發展的必然規律[3]。農業工程學科要在我國農業現代化、鄉村振興建設中提供技術支撐，面臨著專業改造的壓力，密切關注國內外農業工程學科發展的主流方向和前沿方向，跟蹤世界農業工程學科的最新發展，遵循農業工程學科自身發展的內在規律[3]，準確把握與判斷農業工程學科發展方向，對加快我國農業科技創新進程與促進農業現代化發展具有重要意義[4]。

針對農業工程領域的熱點研究方向，師麗娟等應用科學計量的方法研究了1957—2014年我國農業工程學科的研究熱點，總結了不同階段研究熱點的組成與基本特征，探討了研究發展總體趨勢[4]，同時以工業革命為主線，從定性分析的角度總結了歐美農業工程學科發展與研究規律[5]。賈文吉等對農業工程類SCI和中文核心刊源2016年的文獻進行了分析，主要包括期刊載文量、關鍵詞共現、不同國家發文量等[6]。葉春蕾等采用文獻計量和主題模型的方法從載文量、研究作者、研究機構等角度分析了國內近10年植物和畜牧-動物醫學領域農業科學技術的態勢[7]。丁恩俊等采用文獻計量的方法研究了國內外農業信息化領域的研究態勢，認為中國應該加強國際合作，推進農業信息化領域實踐的發展[8]。以上研究基于文獻計量方法從不同角度分析了不同農業領域研究機構、作者、期刊情況、研究熱點等，為本研究提供了開闊的思路，本研究在前人研究的基礎上，融入社會網絡分析方法，以期發現中外農業工程學科研究發展趨勢及國內外研究的異同。

1 數據獲取與方法選擇

1.1 數據獲取

本研究數據獲取以Web of Science （WoS）核心數據庫為準，選擇在WoS中歸類為Agricultural Engineering并且影響較為廣泛的期刊，最終選擇的期刊為Transactions of the ASABE，Applied Engineering in Agriculture，Biosystems Engineering，Computers and Electronics in Agriculture，International Journal of Agricultural and Biological Engineering，Precision Agriculture，Industrial Crops and Products，Journal of Irrigation and Drainage Engineering ASCE，Aquacultural Engineering，檢索日期為2017年10月5日，文獻類型為Article，語種為English，時間為1997—2016年，查詢到文章 16 025篇，經過數據去重，最終獲得文獻記錄15 525條。為進一步了解與國內農業工程研究的異同，本研究選取國內農業工程領域的領軍期刊《農業工程學報》、《農業機械學報》[4，9]作為數據源進行對比分析。

1.2 分析方法

1.2.1 共詞分析法 關鍵詞作為期刊論文核心內容的濃縮與提煉，是表達文獻研究主題概念的自然語言詞匯，一定程度上能夠代表文獻的研究主題，如果某一關鍵詞在其所在領域文獻中多次出現，則可說明該關鍵詞或主題詞所表征的研究主題是該領域的研究熱點[10]。關鍵詞出現在同一文獻中的現象稱為關鍵詞共現，以關鍵詞在同一文獻出現的頻率為基礎進行聚類分析，常被用于探索潛在主題和學科間的發展聯系及學術趨勢演化[11-12]。因此，本研究選擇關鍵詞進行共現分析，同時結合“共詞可視化”技術直觀展示農業工程研究的結構[13-15]。

1.2.2 社會網絡分析 社會網絡分析源自復雜網絡，是一種綜合圖論和數學模型的定量分析法，主要針對網絡成員間的社會關系進行量化分析。目前社會網絡分析軟件較多，如UCinet、Pajek、NetMiner和StCNET等，本研究借助BICOMB2軟件生成關鍵詞共現矩陣，使用Pajek輔助分析矩陣數據，構建關鍵詞間的特征關系網絡，依據鏈接網絡結構的統計特性，分析歸納出農業工程研究領域的主題演化過程和結構變化規律，并通過Pajek強大的可視化功能將網絡及分析結果展示出來[16]。網絡結構特性可以從中心性、聚集度系數和網絡平均度刻畫描述[17-19]。本研究更關心各節點距離中心的程度，故選用接近中心度（closeness centrality）描述節點中心性，在構建的無向連通圖中，節點vi到節點vj的距離為dij，則接近中心度計算公式如公式（1）所示：

2 研究結果

2.1 基本統計

2.1.1 外文論文數量統計 分析發現，文獻由103個國家和區域的33 501位學者完成，其中論文量前10位的國家年度發文量如圖1所示，前10位國家發文量占總發文量的79.77%，統計結果是全球大部分論文來自少數幾個高產國家。

從總體來看，9種期刊合計發文量在20年中呈現上升態勢，其中2006年和2013年增長迅速，經查詢WOS數據庫發現，2006年是由于Transactions of the ASABE和Precision Agriculture的加入;2013年是由于International Journal of Agricultural and Biological Engineering新進入Web of Science核心數據集，而Journal of Irrigation and Drainage Engineering ASCE退出Web of Science核心數據集，造成2013年和2014年總體發文量起伏較大，2013年，美國、中國、印度、巴西、西班牙發文量有明顯增長，呈現小高峰。除中國外，2014年各國發文量均有下降。美國論文數量穩中有升，20年中發文量穩居第一，但是目前基本處于穩定狀態。印度發文量平穩前行，2013年發文量突增，隨后又開始下降，但是發文量比2013年之前有所增加。中國發文量從2008年開始持續增加，2013年迅猛增加，增長速度明顯高于其他國家。為了分析不同階段農業工程學科的研究熱點，本研究采用Dehdarirad等的方法[20]，根據年發文量的變化，將農業工程領域的研究劃分為3個階段：1997—2005年發文量穩定增長，稍有波動;2006—2012年發文量迅速增加隨后穩步增長;2013—2016年發文量波動劇烈。

2.1.2 關鍵詞統計 關鍵詞是文獻研究內容特征的高度概括和總結，通過文獻中關鍵詞共現可以較為有效地獲取該領域的研究熱點[21]。為比較不同階段農業工程研究領域的變化，同時避免不同階段因樣本量不同而引起的誤差，從每個階段的文章中選取被引頻次最高的1 000篇文獻作為樣本進行分析，采用軟件BICOMB 2提取關鍵詞，并對其進行數據清洗，通過人工判讀手動修改關鍵詞列表，將大小寫、單復數、同義詞、縮寫等具有相同含義的詞匯進行合并處理以保持檢索詞匯一致性，通過BICOMB 2軟件進行詞頻匯總統計并排序。

經過分析發現，在外文文獻中，1997—2005年共出現 2 442 個關鍵詞，詞頻≥2的共有530個，占21.88%;2006—2012年共出現3 062個關鍵詞，詞頻≥2的共有517個，占16.88%;2013—2016年共出現3 355個關鍵詞，詞頻≥2的共有615個，占18.33%。中文文獻中，1997—2005年共出現關鍵詞2 542個，其中詞頻≥2的共有506個，占19.91%;2006—2012年共出現關鍵詞3 124個，詞頻≥2的有647個，20.71%;2013—2016年共出現關鍵詞2 969個，詞頻≥2的共有668個，占22.50%（表1）。由此可以看出，中外文獻中，詞頻≥2的關鍵詞數量約占關鍵詞總數量的20%左右。

表2顯示了不同階段中外文獻前20位的高頻關鍵詞，高頻關鍵詞可以粗略分為2類，一類為技術方法，一類為研究領域。從3個階段的高頻關鍵詞可以看出，在1997—2005年間，精準農業是主要的發展方向。中外文獻研究都非常關注精準農業的信息技術、方法，如neural networks（神經網絡）、image analysis and processing（圖像分析和處理）、geographic information systems （GIS）（地理信息系統）、machine vision（機器視覺）、modelling（模型）和simulation（模擬）等，此時國外文獻關注的remote sensing（遙感）、sensors（傳感器）在國內文獻中并未大量出現。國外文獻研究領域多集中在aquaculture（水產）、lignin（木質素）、evapotranspiration（蒸散發）、mechanical properties（機械屬性）、nitrification（硝化作用）、water quality（水質）、vegetable oils（植物油）、cellulose（纖維素）、wheat straw（小麥秸稈）、particleboards（木屑板）、ammonia（氨）;國內文獻的研究領域多集中在溫室、冬小麥、水分利用效率、農業機械化、水稻、車輛、玉米、保護性耕作、土地整理、無損檢測。在國外文獻的高頻詞匯中，技術類高頻關鍵詞共8個，占總詞頻的4.52%，領域類高頻關鍵詞12個，占總詞頻的4.52%（表2），累積詞頻9.04%，中文文獻中技術類高頻關鍵詞共8個，占總詞頻的4.59%，領域類高頻關鍵詞共12個，占比4.89%，累積詞頻10.00%。

2006—2012年間，精細農業仍舊是農業的發展方向。國外文獻技術類高頻關鍵詞有remote sensing（遙感）、image analysis and processing（圖像分析與處理）、neural networks（神經網絡）、SWAT（水文分析模型）、modelling（模型）、NIRS（近紅外光譜儀）、principal component analysis（主成分分析）、hyperspectral imaging（高光譜成像）、machine vision（機器視覺），與前一階段相比增加了SWAT（水文分析模型）、NIRS（近紅外光譜儀）、principal component analysis（主成分分析）和hyperspectral imaging（高光譜成像）;中文文獻中技術類除了1997—2005年出現的技術外，新增加了遙感和無線傳感網絡。國外領域類的高頻關鍵詞有essential oil（精油）、water quality（水質）、lignin（木質素）、biomass（生物量）、antioxidant activities（抗氧化活性）、evapotranspiration（蒸散發）、chemical composition（化學組成）、mechanical properties（機械屬性）、biodiesel（生物柴油）、watershed（流域）。除了水質、木質素、機械屬性持續被關注外，其他研究領域都發生了變化，其中對essential oil（精油）的研究最為熱點。中文文獻研究領域主要集中在土壤、灌溉、產量、溫室、溫度、作物、農業機械、玉米。國外文獻技術類關鍵詞共9個，占總詞頻的4.01%，領域類關鍵詞共11個，占總詞頻的5.08%，累積詞頻9.09%;中文文獻中技術類高頻關鍵詞共10個，占總詞頻的5.87%，領域類高頻關鍵詞共10個，占總詞頻的5.39%，累積詞頻11.26%。

2013—2016年，國外文獻技術類的高頻關鍵詞有response surface methodology（響應面法）、optimization（優化）和pretreatment（預處理）;領域類的高頻關鍵詞有essential oil（精油）、antioxidant activity（抗氧化活性）、antioxidant（抗氧化劑）、phenolic compounds（酚類化合物）、mechanical properties（機械屬性）、lignin（木質素）、extraction（提取）、biodiesel（生物柴油）、enzymatic hydrolysis（酶水解）、chemical composition（化學組成）、flavonoids（黃酮類）、antimicrobial activity（抗微生物活性）、biomass（生物量）、antibacterial activity（抗菌活性）、polyphenols（多酚類）、sugarcane bagasse（蔗渣）、ethanol（乙醇）。中文文獻技術類高頻關鍵詞有模型、試驗、遙感、優化、設計、圖像處理、機器視覺、主成分分析、數值模擬，領域類高頻關鍵詞有土地利用、土壤、農業機械、作物、灌溉、產量、秸稈、農村地區、水分、溫度、溫室。國外文獻中技術類高頻關鍵詞共3個，占總詞頻的1.25%，領域類高頻關鍵詞共17個，占總詞頻的8.44%，累積詞頻9.68%;中文文獻中技術類高頻關鍵詞共8個，占總詞頻的5.68%，領域類高頻關鍵詞共12個，占總詞頻的9.71%，累積詞頻15.39%。

從高頻關鍵詞可以看出，3個階段中，國外文獻對技術的關注逐漸下降，對研究領域的關注逐漸提升，2006—2012年則為承前啟后的階段，既有對具體方法的關注，也有對具體研究領域的關注;中文文獻中對技術的關注相對穩定。國外的研究更關注生物相關領域研究，如精油、抗氧化活性、木質素等，而國內研究集中在溫室、冬小麥、水分利用效率、農業機械化、水稻、車輛、玉米、保護性耕作、土地整理和土地利用、土壤、灌溉、產量等領域。前20位高頻關鍵詞的累積頻次百分比一般占總詞頻的10%左右，國外文文獻高頻關鍵詞的累積頻次略低于國內。

2.2 基于網絡中心性的比較

為了保證網絡結構的清晰，本研究選取詞頻≥9的關鍵詞，根據公式（1）計算各個階段關鍵詞的中心性，借鑒文獻[22]的方法將節點根據中心性大小劃分為核心節點、半邊緣節點和邊緣節點。圖2、圖3、圖4顯示了3個階段的關鍵詞中心性層次分布網絡，其中核心節點用灰色圓表示，半邊緣節點用黑色圓表示，邊緣節點用白色圓表示。

第1階段（1997—2005年），外文文獻中詞頻≥9的關鍵詞共34個，其中核心節點15個，占比44.12%，半邊緣節點16個，占比47.06%，邊緣節點3個，占比8.82%。中文文獻中詞頻≥9的關鍵詞共39個，其中核心節點有14個，占比 35.90%，半邊緣節點17個，占比43.59%，邊緣節點8個，占比20.51%。

第2階段（2006—2012年），外文文獻中詞頻≥9的關鍵詞33個，其中核心節點11個，占比33.33%，半邊緣節點19個，占比57.58%，邊緣節點3個，占比9.09%。中文文獻中詞頻≥9的關鍵詞共57個，其中核心節點6個，占比10.53%，半邊緣節點24個，占比42.11%，邊緣節點27個，占比47.37%。

第3階段（2013—2016年），外文文獻詞頻≥9的關鍵詞共36個，其中核心節點21個，占比58.33%，半邊緣節點11個，占比30.56%，邊緣節點4個，占比11.11%。中文文獻中詞頻≥9的關鍵詞共82個，其中核心節點有2個，占比2.44%，半邊緣節點40個，占比48.78%，邊緣節點40個，占比48.78%。

從表3可以看出，外文文獻詞頻≥9的關鍵詞數量相對穩定，各類節點的變化沒有明顯的趨勢。中文文獻詞頻≥9的關鍵詞數量不斷上升，核心節點數量及占比呈現明顯的下降趨勢，邊緣節點數量及占比則呈現不斷上升的趨勢，半邊緣節點數量有所上升，但是占比相對穩定。外文文獻中邊緣節點數量及占比明顯少于中文文獻的邊緣節點。

圖2、圖3、圖4展現了中外文獻3個階段關鍵詞中心性層次分布網絡，網絡圖中節點的大小表示節點在網絡中中心性的大小，節點越大表明在網絡中的中心度越高，線條的粗細表示兩關鍵詞共現次數，線條越粗表明節點間關系越強[23-24]。接近度這一指標主要用來描述網絡中的節點通過網絡到達其他節點的難易程度，也是節點中心性的標準測度之一，反映了節點通過網絡對其他節點的一種間接影響力[25]。

第1階段（1997—2005年），如圖2-a所示外文文獻中核心節點有re-circulating aquaculture systems（可循環水產養殖系統）、sensors（傳感器）、geographic information systems（地理信息系統）、modelling（模型）、nitrification（硝化作用）、cellulose（纖維素）、ammonia（氨）、biofilter（生物過濾器）、aquaculture（水產養殖）、remote sensing（遙感）、image analysis and processing（圖像分析與處理）、neural networks（神經網絡）、precision agriculture（精細農業）、classification（分類）、nitrogen（氮）。共現次數較多的核心節點為biofilter（生物過濾器）和nitrification（硝化作用），precision agriculture（精細農業）和sensors（傳感器），precision agriculture（精細農業）和geographic information systems（地理信息系統），neural networks（神經網絡）和classfication（分類），neural networks（神經網絡）和image analysis and processing（圖像分析與處理）。中文文獻中核心節點有農業機械化、數學模型、精準農業、仿真、機器視覺、農業機械、圖像處理、計算機視覺、神經網絡、土壤、溫室、分級、模型（圖2-b）。圖像處理和計算機視覺共現系數

較高，其次是計算機視覺和分級、神經網絡和圖像處理、神經網絡和模型。精準農業、神經網絡、模型、圖像處理在中外文獻中同為核心節點，表明在農業工程領域的熱點研究方向是精準農業，關鍵技術神經網絡、模型、圖像處理。

第2階段（2006—2012年），如圖3-a所示，外文文獻核心節點有modelling（模型）、water quality（水質）、biomass（生物量）、neural networks（神經網絡）、image analysis and processing（圖像分析與處理）、remote sensing（遙感）、machine vision（機器視覺）、precision agriculture（精細農業）、physical properties（物理屬性）、computer vision（計算機視覺）、aquaculture（水產養殖）。共現次數較多的是computer vision（計算機視覺）和aquaculture（水產養殖），computer vision（計算機視覺）和precision agriculture（精細農業），water quality（水質）和modelling（模型）。中文文獻核心節點有產量、土壤、優化、作物、模型、試驗，共現頻次較高的有模型和優化、模型和作物、模型和土壤、土壤和產量（圖3-b）。此階段中外文獻共同的核心節點只有模型，可見模型在農業工程類研究的重要性，同時也說明了中外研究內容差別較第1階段更加顯著。

4 結論與討論

外文文獻來自103個國家和區域33 501位學者完成，其中論文量前10位的國家年度發文量，前10位國家發文量占總發文量的79.77%。統計結果是全球大部分論文來自美國、西班牙、加拿大、意大利、德國、中國、印度、巴西、法國、伊朗等少數幾個高產國家。

根據外文文獻發文量特點，將1997—2016年劃分為3個階段，即1997—2005年，2006—2012年，2013—2016年，各階段國內外詞頻≥2的關鍵詞占關鍵詞總量的20%左右。前20位高頻關鍵詞中國外文獻對技術的關注度逐漸下降，對研究領域的關注逐漸提升;中文文獻中對技術的關注相對穩定。國外的研究領域更關注生物相關領域研究，如精油、抗氧化活性、木質素等，這與文獻[3-4，6]的研究結果相同。而國內研究集中在溫室、冬小麥、水分利用效率、農業機械化、水稻、車輛、玉米、保護性耕作、土地整理和土地利用、土壤、灌溉、產量等領域。前20位高頻關鍵詞的累積頻次百分比一般占總詞頻的10%左右，國外文文獻高頻關鍵詞的累積頻次略低于國內。

采用社會網絡分析方法對3個階段詞頻≥9的關鍵詞進行可視化，劃分出核心節點、半邊緣節點和邊緣節點，外文文獻詞頻≥9的關鍵詞數量相對穩定，各類節點的變化沒有明顯的趨勢。中文文獻詞頻≥9的關鍵詞數量不斷上升，核心節點數量及占比呈現明顯的下降趨勢，邊緣節點數量及占比則呈現不斷上升的趨勢，半邊緣節點數量有所上升，但是占比相對穩定。外文文獻中邊緣節點數量及占比明顯少于中文文獻的邊緣節點。根據對網絡結構特性的分析顯示國內在農業工程研究領域的重點趨向集中和一致。

本研究在分析外文文獻分析時，未剔除中國作者的研究成果，為了更精準地比較中外研究，后續研究可以考慮將外文文獻中中國專家的文獻排除。

參考文獻：

[1]齊 飛，朱 明，周新群，等. 農業工程與中國農業現代化相互關系分析[J]. 農業工程學報，2015，31（1）：1-10.

[2]中共中央、國務院關于深入推進農業供給側結構性改革加快培育農業農村發展新動能的若干意見[Z]. 2016-12-31.

[3]趙文波，應義斌. 綜合性大學農業工程學科發展的機遇與挑戰[J]. 農業工程學報，2003，19（1）：11-15.

[4]師麗娟，楊敏麗. 基于科學計量的中國農業工程研究熱點探析[J]. 農業工程學報，2016，32（增刊2）：430-438.

[5]師麗娟，楊敏麗. 歐美發達國家農業工程學科發展規律與趨勢[J]. 中國農機化學報，2014，35（2）：330-336.

[6]賈文吉，王寶濟，師麗娟. 2016年農業工程學科學術論文統計分析[J]. 中國農業文摘-農業工程，2017（2）：6-8.

[7]葉春蕾，寧 璐. 基于文獻計量和主題模型的近十年中國現代農業科學技術研究態勢分析[J]. 農業圖書情報學刊，2016，28（10）：77-82.

[8]丁恩俊，謝 佳，申麗娟，等. 基于文獻計量的國內外農業信息化研究態勢分析[J]. 西南大學學報（自然科學版），2017，39（8）：116-125.

[9]劉麗英，魏秀菊，王 柳，等. 2003—2012年中國優秀科技論文外流狀況定量分析——以農業工程領域論文為例[J]. 中國科技期刊研究，2014，25（4）：478-484.

[10]尹相旭，張更平，李曉菲. 基于關鍵詞統計的情報學研究現狀分析[J]. 情報雜志，2009，28（11）：38-41.

[11]Bonchi F，Castillo C，Gionis A，et al. Social network analysis and mining for business applications[J]. ACM Transactions on Intelligent Systems and Technology，2011，2（3）：1-37.

[12]Callon M，Law J，Rip A. Mapping the dynamics of science and technology：sociology of science in the real world[M]. London：the Macmillan Press，1986：89-106.

[13]張 勤，馬費成. 國外知識管理研究范式——以共詞分析為方法[J]. 管理科學學報，2007，12（6）：65-75.

[14]鐘 鎮. 知識圖譜分析方法的可靠性檢驗研究——以共詞分析為例[J]. 科學學研究，2015，33（5）：647-653.

[15]周靜怡，孫 坦，陳 濤. 共詞可視化：以人類基因組領域為例[J]. 情報學報，2007，26（4）：532-537.

[16]孟 微，龐景安. Pajek在情報學合著網絡可視化研究中的應用[J]. 情報理論與實踐，2008，31（4）：573-575.

[17]王宗水，趙 紅，劉 宇，等. 社會網絡研究范式的演化、發展與應用——基于1998—2014年中國社會科學引文數據分析[J]. 情報學報，2015，34（12）：1235-1245.

[18]孫璽菁，司守奎. 復雜網絡算法與應用[M]. 北京：國防工業出版社，2015：32-63.

[19]De Nooy W. Exploratory social network analysis with Pajek：attributes and relations[M]//Exploratory social network analysis with Pajek. Oxford City：Cambridge University Press，2011：605-608.

[20]Dehdarirad T，Vjllarroya A，Barrios M. Research trends in gender differences in higher education and science：a co-word analysis[J]. Scientometrics，2014，101（1）：273-290.

[21]李 賀，袁翠敏，李亞峰. 基于文獻計量的大數據研究綜述[J]. 情報科學，2014，32（6）：148-155.

[22]Ronda-Pupo A G，Guerras-Martin L A. Dynamics of the evolution of the strategy concept 1962—2008：a co-word analysis[J]. Strategic Management Journal，2012，33（2）：162-168.

[23]劉海燕，王宗水，汪壽陽. 我國系統科學與工程研究的演化與發展[J]. 系統工程學報，2017，32（3）：289-304，345.

[24]楊海華，彭 潔，趙 輝. 國家自然科學基金對納米材料的資助領域分析——基于共詞網絡法[J]. 科技管理研究，2012，32（1）：23-26.

[25]謝麗斌，董 穎，吳德志. 基于Pajek的科研領域合作關系網絡特征分析[J]. 圖書館，2016（7）：62-65.杜保國，王金玲，毛艷萍，等. 榿木抗旱性及其混交效應研究現狀及展望[J]. 江蘇農業科學，2019，47（12）：9-12.