供应链管理研究热点主题可视化分析——以SCI为数据源

发布时间：2021-11-02 06:24

　　【目的/意义】为了探测过往供应链管理研究的热点主题以及不同主题之间的关系,以及学者们重点关注主题,这些被关注的对象之间是否存在联系,联系强度如何。【方法/过程】检索1999年-2016年SCI论文,依据关键词知识单元识别主题,采用词频分析、共词分析、聚类分析、社会网络分析进行知识可视化,并在假设前提下结合相应指标对结果进行研判。【结果/结论】①确定出100个高频关键词,聚类分析后形成8个热点研究簇。②热点主题组成的社会网络密度较高,从是否存在关联的角度看,热点主题之间存在广泛关联。③热点主题之间具体关联强度较弱。在关联相对较强的主题网络中,关键的桥点、模块、小世界与关系对是当前研究继续关注的焦点。 

【文章来源】：情报科学. 2020,38(10)北大核心CSSCI

【文章页数】：6 页

【部分图文】：

关键词系统聚类情况

在整个数据集范围内，关键词集合和论文集合是多对多的关系，一个关键词可以被多篇论文选用，是一对多关系，但其基础是词与篇之间的一对一关系。正是基于一对一的关系，可以形成m*n词篇矩阵。在此基础之上，不同主题之间关系识别的路径如图2所示。本文抽取100个关键词与其所在5678篇论文的对应关系，形成100*5678词篇矩阵（0-1分布），列示出热点关键词与论文的所属关系。文献篇名不需显名化，将其编码取值为1-5678，矩阵局部如表4所示。

基于词篇矩阵，若不同关键词在同一论文中出现，则说明存在共现关系，记为1；否则认定无共现关系，记为0。据此，生成一个邻接矩阵，局部如表5所示。图3为基于邻接矩阵形成的关键词共现网络，计算关联度反映网络密度：

【参考文献】：
期刊论文
[1]Science Mapping:A Systematic Review of the Literature[J]. Chaomei Chen.  Journal of Data and Information Science. 2017(02)
[2]图书情报领域高被引论文共词聚类分析[J]. 胡利勇.  图书馆学刊. 2016(08)
[3]CiteSpace知识图谱的方法论功能[J]. 陈悦,陈超美,刘则渊,胡志刚,王贤文.  科学学研究. 2015(02)



本文编号：3471506