基于社會網絡分析的國內認知科學研究現狀和熱點探析

摘要：為了解國內認知科學研究現狀及熱點，對近5年相關文獻進行文獻計量分析。利用網絡可視化技術，深入剖析了作者合著網絡，識別出具有影響力的作者和團隊。高頻關鍵詞共現分析進一步揭示了認知科學的研究熱點，包括具身認知、人工智能以及跨學科應用等方面。研究結果表明，當前認知科學的研究焦點，也預示了未來研究的發展趨勢。

關鍵詞：認知科學社會網絡分析研究現狀可視化

ExplorationoftheCurrentStatusandHotspotofCognitiveScienceResearchinChinaBasedonSocialNetworkAnalysis

GUOWenxingWANGMingjunYANGZhiXIEZichaoLIAOJishunCHENDanZHAOCaiyan

CollegeofNationalCultureandCognitiveScience，GuizhouMinzuUniversity，Guiyang，GuizhouProvince，550000China

Abstract：InordertounderstandthecurrentsituationandhotspotsofcognitivescienceresearchinChina，abibliometricanalysiswasconductedonrelevantliteratureinrecent5years.UsingtheNetworkVisualizationtechnology，theauthorco-authorshipnetworkisdeeplydissectedandinfluentialauthorsandteamsareidentified.High-frequencykeywordco-occurrenceanalysisfurtherrevealstheresearchhotspotsofcognitivescience，includingembodiedcognition，artificialintelligenceandinterdisciplinaryapplications.TheresultsshowthatthecurrentresearchfocusofCognitiveSciencealsopredictsthedevelopmenttrendoffutureresearch.

KeyWords：CognitiveScience;Socialnetworkanalysis;Researchstatus;Visualization

認知科學作為探討人類心智與認知機制的前沿學科，自20世紀60年代興起以來，已發展成為涉及語言學、心理學、哲學、人類學、計算機科學和神經科學等多個學科的綜合性學科[1]。在我國，“腦科學與認知科學”是國家重點支持的八大前沿科學領域之一[2]，隨著科技的飛速發展和學科間的交叉融合，認知科學在多個領域取得了顯著進展，逐漸成為國內外科研的熱點之一。本文從數字人文的視角出發，運用社會網絡分析方法，對近5年來國內認知科學的發展現狀及研究熱點進行量化研究。通過收集學術文獻數據，運用社會網絡分析軟件，構建作者合作網絡、關鍵詞共現網絡，深入挖掘國內認知科學的研究現狀、熱點、合作模式。通過對網絡結構的深入分析，可以發現不同研究主題之間的關聯與差異，揭示出學科發展的內在邏輯和規律。

1研究方法與數據獲取

1.1研究方法

社會網絡分析是以行動者及其相互間的關系作為研究對象，分析關系網絡的結構及其行動者和整個群體的影響[3]，它作為一種相對獨立的研究社會網絡結構的方法，已發展成為具有專門的概念體系的研究模式[4]。它通過建立節點與節點之間的關系來探討社會網絡群體所反映出的特征。網絡結構圖用節點表示社會實體，節點之間的連線表示節點之間的關系，利用網絡結構圖可以清晰的展示出該網絡結構中各個節點之間的關系。

1.2數據獲取

本文數據來源于中國知網（網絡版），將檢索主題、關鍵詞設置為“認知科學”，文獻發表時間范圍限制為2019—2023年，檢索日期為2023年12月29日。將檢索出的文獻進行篩選后共得到527篇有效文獻。通過中國知網文獻導出功能，輔以人工整理，將527篇文獻數據導出為NoteFirst格式和Excel格式，然后將文獻數據導入Excel、BICOMB2.04、UCINET6.212和Gephi軟件進行分析。

2國內認知科學研究現狀分析

2.1核心作者分析

發表論文的數量是確定核心作者的一個重要指標[5]，通過對學術領域中的作者研究，識別出在該領域中具有重要影響力和地位的核心作者。本研究將數據導入BICOMB2.04軟件提取到了文獻第一作者發文頻次統計表，從而得到第一作者發文量的統計結果。根據普賴斯定律核心作者計算公式：N（P）=0.749（Max（p））1/2（其中，N（p）核心作者的最低發文量、Max（p）表示全體作者中發文量最多的第一作者的累計發文量）識別出核心作者。根據所得數據，共有442位第一作者。根據核心作者公式，核心作者的發文量最低為3篇，得到16位核心作者，占全部作者的3.62%；核心作者發文量為67篇，占總發文數的12.71%，并未形成高產群體。并且近5年，發文量為1篇的第一作者有392人，占88.68%，說明絕大多數作者并未長期關注認知科學領域的研究。

核心作者發文量最多的是陳魏發表論文10篇，其次是蔡曙山發表論文8篇、肖鋒發表論文6篇，他們處于核心作者群體的中心地位，發文量均大于5篇。發文量較高的還有殷杰、江怡、魏屹東和林克勤等人，均發表了4篇論文，他們處于核心作者中的次要中心地位。總體來看，我國認知科學研究缺乏核心作者，反映了我國認知科學研究較薄弱的現狀。

2.2作者合著分析

作者合著分析是以發文作者為節點、以具有合著關系為邊構成的關系網絡[6]，可以通過分析作者之間的合著情況，來揭示學科作者之間的合作模式、影響力分布以及研究領域的發展趨勢等內容。本文基于527篇有效文獻數據，進行作者合著分析，能反映出近5年來，我國認知科學領域學術研究者的合作情況。

2.2.1網絡可視化分析

將數據導入BICOMB2.04中，進行數據分析，獲得最終統計結果。由統計數據可知，發文作者總計834人，其中，發文量大于1篇的作者共有71人。本研究將發文量大于等于2篇的作者作為研究對象，構建作者合著共現矩陣，并將矩陣導入Gephi軟件進行作者合著可視化分析，得到作者合著網絡圖譜（如圖1所示），圖中節點越大表示中心性越大，反之中心性越小。節點之間連線越粗表示節點之間合作關系越密切。由可圖1可知，作者之間僅形成了15個合著團體。其中，以殷杰、楊現明、葉浩生和賈春華為中心的合著團體最大共有3個節點。其余有11個由兩個節點構成的合著網絡。總的來看，在認知科學領域并未形成復雜的合著網絡，作者之間的聯系較為疏遠。

3國內認知科學研究熱點分析

3.1構建關鍵詞共現矩陣

關鍵詞作為學術論文研究主題的精煉表達，其在一定程度上可以揭示學科領域中知識的內在聯系[7]。高頻關鍵詞指的是在某一研究主題下頻繁出現在多篇文獻中的關鍵詞，更好地反映了該研究領域的學者們主要關注的研究方向和熱點。高頻關鍵詞對于把握該研究領域的發展趨勢和重點研究方向具有重要意義。

本研究利用BICOMB2.04軟件進行詞頻統計，輔以人工篩查，獲得最終結果：在527篇文獻中共有1658個關鍵詞，總詞頻2259為次。為了確保關鍵詞的準確性，展現研究人員對特定主題的共識，以及消除人為因素的干擾，在數據處理過程中不對檢索到的主題詞進行合并，而只對簡稱、表達形式不一致或寫法不同的詞語進行謹慎的預處理[8]，例如：“具身、具身性合并為具身性，交互、交互性合并為交互性，理性主義、理智主義合并為理性主義”等。

本文基于劉奕杉等人的實證研究，采用二八定律作為劃分依據[9]，將關鍵詞出現頻次大于等于4次的關鍵詞作為高頻關鍵詞進行研究。共獲得高頻關鍵詞54個，累計頻次510次，占22.21%。利用BICOMB2.04軟件，生成54×54的高頻關鍵詞共現矩陣。隨后，將矩陣導入UCINET6.212軟件進行關鍵詞共現分析，并在軟件Gephi中繪制可視化網絡圖譜（如圖2所示）。在這個圖譜中，節點的大小代表其中心性的大小，連線的粗細代表節點之間的緊密程度。可視化處理可以幫助我們更直觀地理解關鍵詞之間的聯系情況。

3.2中心性分析

在社會網絡分析中，個體網絡特征主要由中心性即度量節點在網絡中的重要性或影響力的指標進行衡量[10]。在中心性分析中，主要有3個指標：點度中心度、接近中心度和中間中心度。本研究將關鍵詞共現矩陣導入UCINET6.212軟件進行中心性分析（見圖3，限于篇幅僅展示部分）。

3.2.1點度中心度分析

點度中心度（degreecentrality）是指與該節點直接相連的邊的數量，點度中心度值越高，表明該節點在網絡中更處于核心地位。根據分析結果，關鍵詞“認知科學”在點度中心度上達到最高值52.830，這意味著“認知科學”這一關鍵詞在整個認知科學研究領域中扮演著核心角色，它連接了認知科學研究的許多其他關鍵詞，并且與其他關鍵詞之間的聯系最為緊密。其次是人工智能、具身認知、認知、現象學和他心問題5個關鍵詞，它們的點度中心度分別為43.396、35.849、33.962、24.528和16.981，均高于平均值11.041。這表明這些關鍵詞在網絡中相對于其他關鍵詞而言具有更為核心的地位。相較于網絡中的其他高頻關鍵詞，這些關鍵詞可以被視為近5年來認知科學研究的熱點所在。

3.2.2接近中心度分析

接近中心度（closenesscentrality）是通過節點之間的距離來評判節點在網絡中的重要性，數值越大表示節點與其他節點的距離越短，其中心性也越高。根據結果顯示，“認知科學”關鍵詞具有最高的接近中心度，數值為63.095，這意味著它與其他關鍵詞的距離最短，并且對其他關鍵詞的依賴程度最低，中心性最高。其次是人工智能、具身認知、認知、現象學和生成認知，它們的接近中心度都相對較高，分別為62.353、58.242、56.989、51.961和50.000，均高于平均值43.956。這表明這些關鍵詞與其他關鍵詞的平均距離較短，對其他關鍵詞的依賴程度較低，能夠更主動地與其他關鍵詞進行聯系。

3.2.3中間中心度分析

中間中心度（betweennesscentrality）用于衡量節點在網絡中作為媒介的能力，數值越大表示節點在連接其他節點時起著重要的中介作用。根據結果顯示，關鍵詞“認知科學”具有顯著的中間中心度，達到32.829，表明它在關鍵詞共現網絡中扮演核心角色，作為連接其他關鍵詞的重要樞紐。認知、人工智能、具身認知、腦機接口、跨學科和現象學6個關鍵詞的中間中心度相對較高，分別為20.228、17.865、16.174、5.185、4.398和4.093，均高于平均值2.563。這些數據表明，這幾個關鍵詞是認知科學研究的核心內容，其他關鍵詞對它們的依賴較大。通過對高頻關鍵詞進行中心性分析，可以看出認知科學研究的焦點主要集中在人工智能、具身認知、認知模型、認知、現象學和生成認知等領域。未來的研究可以向那些未被關注的關鍵詞靠攏，這樣可以發掘更多未深入研究的主題，同時也能夠拓展認知科學在不同研究領域的深度，而不僅局限于研究熱點主題。

4結論

研究發現，認知科學領域僅有16位核心作者，且核心作者的發文量較低，國內認知科學研究缺乏連續性和深度。作者合著分析揭示了近五年來國內認知科學領域學術研究者的合作模式。盡管有834位發文作者，但合著團體數量有限，僅形成了15個合著團體，作者之間的合作關系相對疏遠，尚未形成復雜的合著網絡。大部分合著網絡由兩個節點構成，作者之間的聯系相對疏遠，合作模式尚未形成明確的規律。

關鍵詞共現矩陣和中心性分析揭示了國內認知科學研究的熱點和重要領域。研究確定了認知科學領域的主要研究方向有人工智能、具身認知、認知模型和現象學等。這些關鍵詞在網絡中具有較高的中心性，它們在該領域中扮演核心角色，并且對其他關鍵詞的影響較大。

綜上所述，國內認知科學領域在近年取得了一定進展，但仍面臨著核心作者匱乏、合作模式不明確和研究深度不足等挑戰。未來的研究可以重點關注核心領域，促進合作交流，提高研究的連續性和深度，以推動國內認知科學領域的進一步發展。

參考文獻

• 蔡曙山.從認知科學看人工智能的未來發展[J].人民論壇·學術前沿，2023（14）：13-28.
• 方方，王佐仁，王立平等.我國認知神經科學的研究現狀及發展建議[J].中國科學基金，2017，31（3）：266-274.
• 陳云偉.社會網絡分析方法在情報分析中的應用研究[J].情報學報，2019，38（1）：21-28.
• 陳紅琳，魏瑞斌，門秀萍.社會網絡分析方法與研究主題的關聯分析[J].情報科學，2022，40（9）：38-46.
• 鐘文娟.基于普賴斯定律與綜合指數法的核心作者測評：以《圖書館建設》為例[J].科技管理研究，2012，32（2）：57-60.
• 李綱，李嵐鳳，毛進等.作者合著網絡中研究興趣相似性實證研究[J].圖書情報工作，2015，59（2）：75-81.
• 夏淑潔，楊朝陽，林雪娟等.基于文獻計量分析的數據挖掘在中醫診斷學領域的應用研究[J].天津中醫藥，2021，38（2）：142-151.
• 張瑞紅.國內甲骨文研究熱點、主題聚類及研究狀況分析：基于共詞和社會網絡分析視角[J].河南師范大學學報（自然科學版），2020，48（6）：31-38.
• 劉奕杉，王玉琳，李明鑫.詞頻分析法中高頻詞閾值界定方法適用性的實證分析[J].數字圖書館論壇，2017（9）：42-49.
• 李子成，王玨，王穩妮.中國省際農村勞動力流動空間格局的演化特征及驅動因素[J/OL].世界地理研究，1-15[2024-03-25].http：//kns.cnki.net/kcms/detail/31.1626.P.20240308.1024.002.html.