虛擬現實研究的可視化分析

摘要：虛擬現實是近些年的研究熱點，本文利用VOSviewer可視化工具，對2011-2020來源于中國知網CSCD的期刊中有關虛擬現實方面的文獻進行篩選整理，并進行深入挖掘與分析。通過導入數據，獲得可視化圖譜，分析探討虛擬現實及其相關研究的熱點主題、作者和脈絡聯系，為虛擬現實方面相關研究提供參考借鑒。

關鍵詞：虛擬現實;VOSviewe;共詞;可視化圖譜

中圖分類號：TP391? ? 文獻標識碼： A

文章編號：1009-3044（2021）14-0166-03

虛擬現實技術是20世紀發展起來的一項全新的實用技術。虛擬現實技術包括計算機、電子信息、仿真技術于一體，是一種可以創建和體驗虛擬世界的計算機仿真系統，可以模擬虛擬環境從而給人以環境沉浸感。目前，虛擬現實技術已經在系統仿真、三維動畫、科學可視化等領域被廣泛地應用[1]。

1 文獻來源與研究工具

本文的數據來源于中國知網的CSCD期刊，通過高級檢索，把2011—2020 年有關虛擬現實主題相關的期刊文獻進行篩選，轉換格式后將數據導入VOSviewer軟件，進行可視化分析;其目的在于分析虛擬現實領域的相關研究熱點、把握研究方向、分析和探討以后的發展趨勢，為研究者在該領域的研究提供借鑒。

2010年荷蘭萊頓大學的CWTS研究中心的研究人員Van Eck和Waltman開發出了一款文獻分析和知識可視化軟件—VOSviewer，該軟件的原理是通過文獻的共引與共被引來實現，基于構圖與聚類技術，對分析的有效數據構建知識圖譜[2]。因此，VOSviewer廣泛地應用于知識圖譜分析領域。

VOSviewer軟件對于來源于中國知網里的數據，常應用于分析關鍵詞共現、作者共現等，包含三種可視化視圖包括：聚類視圖（Network Visualization）、標簽視圖（Overlay Visualization）、密度視圖（Density Visualization）[3]。通過VOSviewer軟件構建知識圖譜，有助于科研工作者快速知曉研究領域的熱點主題、理論和技術，是深入挖掘各領域研究熱點的一種方法。

2 研究方法

本文的數據來源于中國知網（CNKI）數據庫，選取CNKI數據庫中有關虛擬現實的中文期刊文獻作為研究數據。在CNKI中選擇設置“高級檢索”，檢索條件為中文期刊檢索，主題=虛擬現實or VR，期刊來源=CSCD，時間跨度=2011-2020。共檢索出文件1318篇（檢索時間為2021年1月25日）。通過人工篩選，排除會議報道、會議通知、期刊征稿啟事、重復文獻等非研究型文獻，共獲得有效的期刊文獻1067篇。因此，本文以這1067篇中文期刊文獻作為研究數據，從CNKI數據庫導出，并進行相應的格式轉換。

3 圖譜分析

在獲得了有效的期刊文獻1067篇的數據后，使用VOSviewer軟件導入數據，

可以獲得圖譜，然后進行圖譜分析。

3.1 研究合作者的圖譜分析

打開VOSviewer軟件，根據數據來源和格式，選擇創建Create a map，將文獻數據導入到VOSviewer軟件中，可以對文獻合著者、關鍵詞共現等進行圖譜分析。選擇Co-authorship作者字段，共有作者3435位，調整作者最小發文數量的閾值，本文設置為3，滿足條件的作者有162位。獲取到每位作者與其他共同作者的總鏈接強度，本文選取了總鏈接強度在前18位的作者（見表1）。

滿足條件的作者有162位，但其中有些合作者的總鏈接強度為0，即沒有相互鏈接，我們去除合作者的總鏈接強度為0的選項，余下133項有相互鏈接的選項。從繪制成的圖譜中來看，items聚類共有133條20個聚類。在Analysis中，對參數進行設置，優化項目聚類：Repulsion設置值為-1，Attraction設置值為6，Resolution設置值為0.2，Min.cluster size設置值為5，得到作者共現聚類視圖（見圖1），由圖1可知，形成了以劉玉慶、王學文、周敬安、王守森、梁明、肖湘、楊軍、何桃為代表的8個聚類;另外，還可以得到作者共現密度視圖（見圖2），圖中高亮度部分為合作數量多、鏈接強度大的作者[4]。

3.2 關鍵詞分析

文章的研究主旨和重點，通常在關鍵詞字段上就可以體現出來。通過關鍵詞聚類分析法，對獲得的1067篇的文獻數據進行關鍵詞熱度分析，將這些文獻中全部的關鍵詞組成為一個個的聚類，研究者通過查看可視化的界面，就可以對該領域研究的熱點與重點有直觀的、宏觀的把握[5]。

3.2.1 高頻關鍵詞分析

將文獻數據導入到VOSviewer軟件中，選擇Co-occurrence關鍵詞字段，共有2854個關鍵詞，選擇關鍵詞最少出現頻次為4，滿足條件的關鍵詞為118個，去除虛擬現實這個高頻關鍵詞，獲得出現頻次前10位關鍵詞見表2。從表2中可以看出“虛擬現實技術”“人機交互”“增強現實”“仿真”等主題詞是虛擬現實領域的研究熱點領域;另外，“腦卒中”“康復”的高頻出現，說明虛擬現實在醫學領域研究的也較多。

3.2.2 關鍵詞共現分析

在Analysis中，對參數進行調整，優化項目聚類：Attraction值調整為4，Resolution值調整為1，Min.cluster size值調整為6，Repulsion值調整為0，得到關鍵詞共現聚類視圖（見圖3），形成了10個Clusters。從圖可以看到，在圖中有非常多的圓圈，即節點，在節點上還有關鍵詞，他們共同代表一個元素。若節點與關鍵詞字體越大，說明這個元素越重要，權重越大，其研究越熱門。元素有不同的顏色，代表不同的類別。若元素與周邊連線越密集，說明與其他元素的關聯程度越高;反之，關聯程度越低[6]。

由圖3可知，“虛擬現實技術”“增強現實”“人機交互”“virtools”“腦卒中”“康復”等關鍵詞是圖譜中聯系比較密切的區域，這些關鍵詞代表虛擬現實領域的研究熱點及重點研究領域。從密度視圖中（見圖4），能更清晰地分辨出熱點研究領域。

同樣，可以獲得關鍵詞共現標簽視圖（見圖5），從圖 5可以看到，聚類圖的顏色，隨著時間的推移，發生了明顯變化。發展早期，聚類顯示為紫色;發展中期，聚類顯示為綠色;發展后期，聚類顯示為黃色。其中，2011-2014年主要以“仿真”“vrml”“虛擬現實建模語言”“virtools”“三位可視化”、等關鍵詞為該領域的熱點研究方向;2014-2016年主要以“腦卒中”“虛擬現實技術”“仿真平臺”“人機交互”“康復”等關鍵詞為該領域的熱點研究方向;2016-2020年主要以“康復訓練”“增強現實”“虛擬仿真”“虛擬地理環境”等關鍵詞為該領域的熱點研究方向。

4總結

本文利用VOSviewer可視化工具，對2011-2020來源于中國知網CSCD的期刊中以虛擬現實為主題的期刊，使用VOSviewer軟件獲得了相關的圖譜并進行探討分析，直觀地展現了近十年虛擬現實研究人員及其關注的領域，為研究人員獲取該領域的熱點研究方向及相關信息提供參考借鑒。另外，可以將此方法應用到更多更廣闊的研究領域之中，挖掘研究領域的熱門主題，提高科研效率。

參考文獻：

[1] 羅超.職業教育中運用VR技術的SWOT分析[J].電子技術與軟件工程，2016（20）：175-176.

[2] 高凱.文獻計量分析軟件VOSviewer的應用研究[J].科技情報開發與經濟，2015，25（12）：95-98.

[3] 劉桂鋒，李杰.國外科研數據管理研究進展基于CiteSpace和VOSviewer的可視化分析[J].圖書情報研究，2016（4）：9-23.

[4] 吉麗君.基于VOSviewer的2016—2018年國內外信息素養熱點分析[J].當代圖書館，2019（3）：23-28.

[5] 劉金花，崔金梅.基于VOSviewer的領域性熱門研究主題挖掘[J].情報探索，2016（2）：13-16.

[6] 吳亞樂，劉希瑞.國內語音科學研究的知識圖譜分析——基于CiteSpace和VOSviewer的綜合應用[J].鄭州輕工業學院學報（社會科學版），2020，21（5）：93-102.

【通聯編輯：梁書】