CiteSpace軟件在畢業論文寫作中的應用

張春芳，劉春林，郝震宇，徐慧

（1.常州大學 懷德學院，江蘇靖江 214500；2.常州大學 外國語學院，江蘇常州 213164）

畢業生運用科研工具能力的“薄弱”一直困擾著高校師生，在撰寫畢業論文文獻綜述時迫切需要了解所研究議題的來龍去脈，但面對海量文獻，卻無從下手。CiteSpace 軟件可以有效解決這一難題。該軟件由美國德雷塞爾大學陳超美博士于2003年基于Java 語言和引文分析理論研發[1]，用以識別和探測某一研究領域的熱點問題、主題演變和發展趨勢，因其“一圖譜春秋，一覽無余；一圖勝萬言，一目了然”[2]，受到學者們的青睞，相關研究不斷涌現，涉及圖情學[3]、管理學[4]、教育學[5]等，但鮮有研究將該軟件用于畢業論文寫作。本文運用CiteSpace 分析CSSCI 來源期刊《上海翻譯》的載文，期望幫助大學生快速掌握某一學科領域的知識脈絡，提高文獻綜述能力，提升論文整體質量。

1 研究方法

(1)軟件安裝。登錄CiteSpace 官網，根據電腦配置32 位或64 位，安裝相應的Java 環境，下載CiteSpace軟件。(2)數據源選擇、數據采集和過濾。在中國知網“高級檢索”的“文獻來源”中輸入“上海翻譯”，“時間范圍”為2005年1月1日-2020年12月31日，篩選后獲得1 417 篇文獻，將題名、第一作者、出版年、被引頻次等數據導入Excel 表格進行統計和分析。保存原始數據為Refworks 格式，導入CiteSpace 軟件可視化分析作者合作、機構合作和關鍵詞。(3)功能選擇。分別選擇CiteSpace 面板上的功能Author （作者）、Institution （機構）、Keywords（關鍵詞）和Time Slicing（時間切片）。(4)參數設置。經過試驗，合理設置Threshold（闕值）。(5)可視化圖譜生成、標簽提取和圖譜解讀。

2 研究結果

2.1 作者合作和地區分布

運行CiteSpace，設置參數（C, CC, CCV）為（1, 3,20；2, 3, 20；1, 3, 20），時間切片1年，節點選擇 “作者”，獲得作者合作網絡圖譜（見圖1）。節點越大，表明該作者的論文數量越多；連線越粗，表明作者合作頻次越高。共912 名作者，論文產出前十名為吳國良（24篇）、方夢之（19 篇）、王宏（14 篇）、何剛強（12 篇）、曾利沙（10 篇）、傅敬民（8 篇）、任東升（8 篇）、黃忠廉（8篇）、陳小慰（8 篇）和周紅民（8 篇）。從地區看，上海4所（占40%），江蘇2 所（占20%），廣東、福建、浙江和山東各1 所（各占10%）。

圖1 顯示，作者之間的連線不多，說明其合作不夠緊密。突出的研究團隊：浙江越秀外國語學院吳國良團隊（2008-2015年）、上海大學外國語學院馮奇團隊（2009-2012年）、廣東外語外貿大學穆雷團隊（2011-2018年）、上海工程技術大學劉金龍團隊（2012-2015年）、廣東外語外貿大學黃忠廉團隊（2011-2020年）和廣東外語外貿大學王華樹團隊（2013-2020年）。

圖1 《上海翻譯》2005-2020年作者合作網絡圖譜

2.2 機構合作與地區分布

運行CiteSpace，參數設置為（2, 3, 20；3, 3, 20；3,3, 20），點擊“機構”，獲得機構合作網絡圖譜。論文產出前十名為上海大學（98 篇）、上海外國語大學（56 篇）、廣東外語外貿大學（49 篇）、復旦大學（39 篇）、上海海事大學（23 篇）、北京外國語大學（23 篇）、上海理工大學（19 篇）、中國海洋大學（19 篇）、華東師范大學（18篇）和中南大學（18 篇）。10 所高校分布在4 省2 市，其中上海6 所（占60%）、北京、廣東、山東、湖南各1 所（各占10%）。機構之間的連線不多，說明合作不多。合作機構分四種，一是上海高校間的合作：上海大學與上海外國語大學、上海海事大學、上海工程大學等；上海外國語大學與上海大學、上海對外經貿大學、上海理工大學；二是上海高校與本市及其他地區高校的合作：上海海事大學與山東大學、哈爾濱大學；三是跨省之間的高校合作：北京外國語大學與北京航空航天大學、中南大學、寧波大學；四是高校與機構之間的合作：中國海洋大學與中國外文局。

2.3 研究熱點

(1)高頻關鍵詞。通過分析高頻關鍵詞，可發現某一學科領域的熱點問題。節點越大，表明關鍵詞出現頻次越高。中心度值越大（通常≧0.1），說明它與其他關鍵詞共現的概率越多，在網絡共現中的影響力越大。運行CiteSpace，參數設置為（4, 2, 20；2, 3, 20；4, 3, 20），點擊Cluster（聚類），獲得關鍵詞聚類圖（見圖2），頻次≧2 的關鍵詞共78 個。Top 10 關鍵詞為翻譯（175 次）、翻譯研究（43 次）、翻譯策略（40 次）、翻譯教學（40 次）、英譯（32 次）、翻譯學（19 次）、生態翻譯學（17 次）、應用翻譯（16 次）、翻譯理論（14 次）和科技翻譯（6 次）。中心度值位于前5 的關鍵詞為翻譯 （0.32）、 翻譯教學（0.26）、翻譯研究（0.24）、翻譯策略（0.13）和翻譯學（0.13）。

圖2 《上海翻譯》2005-2020年關鍵詞圖譜

(2)關鍵詞聚類和共現。運行CiteSpace，參數設置與機構相同，獲得8 個聚類（從#0 到#8）。聚類數字越小，則關鍵詞越多。其中無聚類#7，說明該聚類的生成條件不具備。點擊聚類描述，獲得關鍵詞共現網絡聚類表，分別提取聚類的前5 個標簽詞：

聚類#0“語境”：思維、翻譯策略、語料庫、關聯理論和語言語境。

聚類#1“科技翻譯”：翻譯研究、翻譯理論、翻譯標準、語用相關原則和學科發展。

聚類#2“翻譯教材”：翻譯教學、錯誤分析、創造性、形成性評價和終結性評價。

聚類#3“生態翻譯學”：譯者、文化立場、翻譯適應選擇論、概念重構和綠色翻譯。

聚類#4“功能對等”：詞典翻譯、成語、模仿法、移梁換柱法和傳播效果。

聚類#5“翻譯技術”：語言服務、機器翻譯、全球化、本地化行業和人工智能。

聚類#6“應用翻譯”：應用翻譯學、譯學研究、理論模塊、翻譯行業和經驗模塊。

聚類#8“評論”；翻譯批評、功能對等、雙語詞典、等值和終結性評價。

2.4 主題演變和未來研究趨勢分析

突現詞（Burstness）指某一段時間內被引頻次突增的關鍵詞，用來探測特定時間段內某一研究的演變和發展趨勢。突現強度越強，說明該研究問題受到的關注度越高。點擊Burstness，獲得16 個突現詞（見圖3），“Strength”指突現強度，“Begin”和“End”分別表示某一突現詞出現的起訖年代。《上海翻譯》 的主題演變：2005-2014年有翻譯、目的論、文化、商務英語、翻譯策略、應用翻譯、生態翻譯學和語境；2015-2018年有認知和翻譯倫理；2016-2020年有翻譯碩士、 翻譯史、翻譯思想、語言服務和翻譯技術。其中位居前三的強突現詞為翻譯（6.680 6） 翻譯策略（3.902 3） 和翻譯技術（3.831 7）； 位居前三的受關注時間最長的突現詞為商務英語（2007-2013年），持 續7年；翻譯 策略（2008-2013年），持續6年；目的論（2006-2010年）和翻譯碩士（2016-2020年），各持續5年。翻譯碩士、翻譯思想、翻譯史、語言服務和翻譯技術為未來研究趨勢。

圖3 《上海翻譯》2005-2020年突現詞圖譜

3 結語

本研究對《上海翻譯》2005-2020年1 417 篇載文的作者、機構和關鍵詞進行了可視化分析，得出如下結論：

(1)論文產出位居前十的作者來自國內經濟發達的地區，其中上海占40%，江蘇占20%，廣東、浙江、福建和山東各占10%；吳國良發文最多。

(2)形成了立足上海本地，逐步輻射全國的作者隊伍，但機構之間的合作不緊密。論文產出位居前十的機構中，60%來自上海高校，上海大學發文最多。

(3)位居前三的關鍵詞翻譯、翻譯研究和翻譯策略；位居前三的強突現詞為翻譯、翻譯策略和翻譯技術；翻譯碩士、翻譯思想、翻譯史、語言服務和翻譯技術為未來研究趨勢。

Citespace 可視化軟件能夠勾畫出某一研究領域的總體情況，通過特定文獻的被引頻次、 關鍵詞出現頻次、 突現詞的強度顯示某一學科領域隨時間變化出現的特定轉折點或關鍵內容[6]。在資料搜集方面，CiteSpace 能夠準確定位具有代表性的文獻，幫助研究者進行文獻綜述。相對于傳統的統計方法，CiteSpace 更能清晰地顯示研究重點，便于研究者對數據進行詳細描述。總之，CiteSpace 有助于大學生快速掌握關鍵文獻，提高文獻綜述水平，進而有助于畢業論文總體質量。