特藏資源知識挖掘方法及實證研究

張美琦　龍世彤　田曉迪　趙星　楊春燕

摘 要：深度挖掘特藏資源的價值是提高特藏資源利用率的重要途徑之一。當前，特藏資源的宣傳推廣材料多為大段文字和文獻的照片，鮮有可視化的圖片。為解決這一局限性，將知識圖譜工具VOSviewer引入特藏資源建設領域，通過可視化分析充分展示特藏資源的亮點、重點和全景，以促進讀者使用特藏資源。首先，利用Excel數據整理功能，將特藏資源數據文件改寫為與WOS純文本數據文件主要字段一致的過渡性文件；其次，通過自編Python程序，將過渡性文件轉換為VOSviewer支持的WOS純文本數據文件，從而實現對特藏資源數據的作者分布、出版社分布、出版地合作和術語共現分析。通過實證分析可知，該方法效果良好，可以為特藏資源的深度挖掘提供新的思路，具有一定的現實意義。

關鍵詞：特藏資源；知識挖掘；可視化分析；蒙學讀本；VOSviewer

中圖分類號：G353.1 文獻標識碼：A

特藏資源具有獨特性、珍貴性和歷史性等特點，具有核心競爭力。當前，特藏資源建設在重點揭示、亮點突出、全貌展示等方面還有提升的空間。一般情況下，特藏資源的宣傳推廣材料多為大段的文字和文獻的照片，鮮有可視化的圖片，讀者難以在短時間內了解該資源的全貌，不能感受到強烈的視覺沖擊，難以被激發出強烈的閱讀興趣。雖然文字是傳遞信息最常用的載體，但是，在當前信息爆炸的時代，人們接收信息的速度已經小于信息產生的速度，尤其是文本信息。當大段的文字擺在面前，已經很少有人耐心認真地把它讀完，經常是先找文中的圖片來看。一方面，說明人們對圖形的接受程度比枯燥的文字要高很多；另一方面，說明人們急需更高效的信息接收方式，“一圖勝千言”我們深有體會，教材里的解釋圖、筆記里總結的知識結構圖，一直到現在經常用的思維導圖等，其實都是簡單、實用的文本可視化。在特藏資源建設領域，知識圖譜工具正是解決這種需求的一種工具與技術，其突出特征在于把一個知識領域里浩如煙海的文獻數據，以一種多元、分時、動態的可視化語言，通過巧妙的空間布局，將該領域的演進歷程集中展現在一幅幅網絡的知識圖譜上。知識圖譜工具的特點可以概括為“一圖展春秋，一覽無余；一圖勝萬言，一目了然”。

VOSviewer作為一款知識圖譜工具，采用可視化手段呈現知識單元之間的結構和演化關系圖譜，對于直觀認識知識結構有重要價值。由于該軟件處理文獻信息的功能比較強大，而且開發者不斷更新升級，一直以來都是免費使用，越來越受到專家學者的青睞。目前，在文獻計量領域，絕大多數論文都是用VOSviewer分析期刊論文數據或學位論文數據，鮮有用來分析特藏資源數據的研究。而在特藏資源建設領域，利用流行知識圖譜工具實現可視化的研究并不多見，只有利用Gephi對梅蘭芳的民國報紙資源開展知識圖譜構建的文獻，但該研究僅從主題一個維度實現可視化分析。本研究把VOSviewer引入特藏資源建設領域，從主題、作者、出版地以及出版社實現多維度可視化呈現，為特藏資源的知識挖掘提供新的思路。

一、研究設計

1.理論假設

VOSviewer可以分析文獻中的作者、機構、國家、期刊、關鍵詞和術語等知識單元，可以構建合作網絡、共詞網絡、文獻引證網絡、文獻共被引網絡和術語共現網絡等知識網絡類型。該軟件的分析原理是：分析某個知識單元，軟件會自動讀取該知識單元的數據，之后匯聚分析。例如，如果要展開“作者”的分析，軟件會自動讀取“作者”字段的數據；如果要做“機構”的分析，則自動讀取“機構”字段的數據；要構建術語共現網絡，則自動讀取“題名”或“摘要”字段的數據等。以此類推，不論數據來源是什么，只要轉換成VOSviewer支持的數據格式，就可以分析數據，繪制成知識圖譜。

VOSviewer支持以下三類數據的分析：（1）從文獻數據庫導出的數據，如Web of Science、Scopus、Dimensions、Lens、PubMed；（2）從參考文獻管理軟件導出的數據，如RIS、EndNote、RefWorks；（3）通過API獲得的數據，如Crossref、OpenAlex、Europe PMC、Semantic Scholar、OCC、COCI、Wikidata。除此之外，非上述三類數據，如果可以轉換成上述三類數據中的任意一種，就可以間接利用VOSviewer展開分析。由于Web of Science數據庫（以下簡稱WOS）的普及度和接受度相對較廣，因此，將從WOS導出的純文本數據文件作為目標數據文件，擬將特藏資源數據文件轉換為目標數據文件，然后利用VOSviewer的分析功能展開分析和挖掘。

2.實現流程

上述轉換過程具體分為以下三步：第一，從特藏資源數據文件中選取需要的字段，獲得原始.xlsx數據文件。只需挑選正題名、副題名、交替題名、叢書題名、主題詞、全部作者、出版社、出版地以及出版日期9個字段；第二，將原始.xlsx數據文件的字段重組并重新命名，獲得與WOS純文本數據字段一致的過渡.xlsx數據文件；第三，通過Python自編程序將過渡.xlsx數據文件轉換為文本格式.txt數據文件，獲WOS純文本數據文件，將WOS純文本數據文件導入VOSviewer，利用分析功能展開知識挖掘。

二、特藏資源知識挖掘方法實證

1.數據和方法

“美國殖民到現代的蒙學讀本”特藏資源是由美國教育家理查德·威內斯基牽頭，從美國十余家圖書館特藏中甄選出來的兒童早期閱讀課本，共包括842冊圖書。這些讀本的時間跨度較大，從美洲殖民時代的1711年一直延續到現代的1943年。這些讀本對于研究美國閱讀教育的源頭，并由此思考其對我國閱讀教育的啟示等具有重要的學術價值。對“美國殖民到現代的蒙學讀本”特藏資源展開知識挖掘很有必要，可以促進人文學者對美國閱讀教育源頭文獻的分析和研究。

2.時間特征挖掘

讀本出版的歷史性變化趨勢，可從一個側面反映讀本的發展狀況。“美國殖民到現代的蒙學讀本”整體跨度為233年，大致可以分為以下5個時期。

（1）起步期：1711年～1782年，共9冊讀本。美洲殖民地的教育并非從零開始，而是以英國和歐洲教育演進的最優成果為起點繼續前進的。從源頭上講，英國教育是美國教育的主要源泉，因為當時居民80%來自英國，其閱讀教育更多從宗主國移植而來。在這樣的背景下，美國閱讀課本逐漸起步。

（2）蓬勃發展期：1783年～1837年，共155冊讀本。美國獨立戰爭期間，與英國的貿易交往被中斷，導致美國國內的閱讀課本非常短缺。美國正式成立后，美國的教育方向發生了時代性的轉變，從殖民時期以培養效忠英王為目標改為以培養優秀的公民和增強國家凝聚力為職責。教育方向的轉變也導致了閱讀教學的根本性轉變，從以往以宗教教育為主轉向以道德教育為主。

（3）停滯期：1838年～1865年，共111冊讀本。隨著19世紀三四十年代普通學校運動的蔓延，讀本的出版成為一項重要的獨立業務，配有專門的出版社和銷售隊伍。該階段的前期，閱讀課本仍保持上升的勢頭，但后期由于1861至1865美國南北戰爭的爆發，閱讀課本的數量發生了斷崖式下降。

（4）快速發展期：1866年～1920年，共446冊讀本。美國南北戰爭后教育的巨大浪潮創造了對讀本的創紀錄需求，閱讀課本進入一個快速發展的時期。該時期叢書讀本的發展初具規模，與現在的分級讀本相似，一般包括初級讀本和5～6本分級讀本，還有的包括一本拼寫書。

（5）穩定發展期：1921年～1943年，共121冊讀本。20世紀初期，由于教育心理學從普通心理學中分離出來，對閱讀教育產生了強烈影響，因此，標準化的閱讀測試對閱讀教材也產生了較大影響。

3.空間特征挖掘

對于讀本出版空間的研究有助于探尋讀本出版中心的變遷規律。“美國殖民到現代的蒙學讀本”的出版地絕大多數在美國，也有少數在英國或加拿大。縱觀讀本出版地的地理空間變化，不難發現美國是從東北部大西洋沿岸城市逐漸向北部、南部、西部擴展的軌跡。在殖民時期和建國初期，費城、紐約、波士頓、伍斯特和巴爾的摩等地出版的讀本比較多。美國南北戰爭前期，美國西部圖書貿易的資本已經轉移到辛辛那提。到了現代，讀本出版比較活躍的城市除了紐約、芝加哥、波士頓之外，又增加了亞特蘭大，達拉斯、舊金山等城市。

4.主題特征挖掘

“美國殖民到現代的蒙學讀本”的主題聚類圖可以劃分為7個聚類，如圖1所示，受篇幅所限，選取規模最大的4個聚類如下。

第一，以美國建國初期諾亞·韋伯斯特的《美國拼寫書（The Americanspelling book）》讀本為主。1783年美國獨立革命的成功，開啟了美國本土閱讀課本大量涌現的時期，這時期的讀本充滿了強烈的民族主義精神，課文中的宗教內容越來越少。第一本由美國人自己編寫和出版的拼寫書是韋伯斯特的《美國拼寫書（The American spelling book）》。

第二，以美國內戰前期的《麥克古菲讀本（McGuffey Readers）》為主。韋伯斯特的《美國拼寫書》要求兒童背誦很多標注音節的單詞，這種死記硬背使兒童對閱讀產生抵觸和厭惡情緒，于是《邁克古菲讀本》應運而生，逐漸取代了《美國拼寫書》的市場。

第三，以美洲殖民地時期最暢銷的《新英格蘭初級讀本（New England Primer）》為主。殖民地時期，學校缺乏課本，讓學生從家里自帶書籍，當時很多家庭唯一的書籍就是《圣經》。當時的書籍大部分都是從英國進口的，少數在殖民地印制的讀本也是模仿英國讀本而寫的。殖民地時期普及度最廣的讀本就是《新英格蘭初級讀本（The New England Primer）》。

第四，主要以美國現代的暢銷書《迪克和簡（Dick and Jane）》為主。1930年，新一代的基礎分級讀本《迪克和簡》逐漸取代了《邁克古菲讀本》。這系列讀本講述一個典型的美國中產家庭的故事，其中的主人公有爸爸、媽媽、哥哥Dick、姐姐Jane、妹妹Sally 。

5.作者的學術群分布

美洲殖民時期，由于條件所限，因此，大部分讀本來自宗主國英國進口，大多是英國作者。美國建國初期，讀本的主要作者大多來自新英格蘭，他們受過高等教育，大部分是新教徒，以古典閱讀教育為導向。當時，絕大部分作者不是作者，而是編者。未經許可也未聯合署名就大段摘抄的現象并不少見，而且美國國內外讀本的重印均無須支付費用，直至19世紀末美國實施國際版權法，這些現象才停止。

6.出版社的演化

“美國殖民到現代的蒙學讀本”出版社的發展，經歷了印刷與出版一體化、印刷與出版分離、出版業蓬勃壯大三個階段。殖民地時期，印刷業都是手工作坊，當時印刷和出版不分家。到了19世紀30年代，手工印刷業開始向工業化轉型，再也不需要熟練工人和那么多的學徒工。到了美國內戰前期，由于印刷廠的啟動成本很高，絕大多數工廠選擇印刷與出版分離，專門做印刷才能盈利。于是，出版商接管了宣傳商、編輯、營銷人員的角色，只把圖書生產的工作留給了印刷商。

三、總結

當前，特藏資源的宣傳推廣環節鮮有文本可視化技術的應用，在特藏資源建設領域引入知識圖譜工具VOSviewer，為特藏資源實施學術畫像，用一幅幅知識圖譜展示重點、亮點和全景。本研究創新性地通過改寫和轉換特藏資源數據來實現可視化分析，針對數據獲取和文獻清理的復雜性工作，采用Python代碼實現數據的快速批量轉換，極大地提高了研究效率，為特藏資源的知識挖掘提供了新思路。

需要說明的是，該方法不僅適用于圖書類特藏資源，還適用于報紙類、期刊類、文書類等其他特藏資源。只要特藏資源的元數據具備4個W要素，即What（對象）、Where（地點）、When（時間）、Who（人員）等，就可以通過上述步驟利用VOSviewer實現可視化分析。該方法的不足之處在于，數據清理的工作量會較大。例如，由于特色資源中的責任者，其責任方式可能有著、編、審、校、譯等多種，所以，數據清理時需要較大的耐心和細心。另外，特色資源的主題詞/關鍵詞字段，需要細粒度的揭示，生成的知識圖譜會更有解讀性。

參考文獻：

[1]李 杰，陳超美. CiteSpace科技文本挖掘及可視化（第一版）[M].首都經濟貿易大學出版社，2016.

[2]劉則淵.視覺思維、數學思維和哲學思維的集成之作——陳超美著《科學前沿圖譜》中譯本推介[J].科學與管理，2014，34（03）：25-26.

[3]李 杰.中國新冠安全、風險、災害與危機的研究態勢[J].科學觀察，2022，17（03），15-22.

[4]沈 旺，陳玖瑜，潘夢雅.數字人文視域下民國報紙知識圖譜構建研究[J].圖書館雜志，2022，41（09）：105-112.

[5]李 杰，魏瑞斌.VOSviewer應用現狀及其知識基礎研究 [J].農業圖書情報學報，2022，34（06）：61-71.

[6]滕大春著.美國教育史（第二版）[M].北京人民教育出版社，2001.

[7]練小川.美國兒童閱讀課本簡史（三）[J].出版參考，2021（09）：29-33.

（作者單位：北京師范大學圖書館）

基金項目：本文系北京高校圖書館研究基金項目“面向數字人文的縮微文獻文本挖掘與知識可視化研究”（項目編號：BGT2021047）的研究成果之一。

通訊作者：張美琦（1974—），女，漢族，山西大同人，碩士，副研究館員，研究方向：特藏資源建設。