我国高等教育研究学术群体可视化知识图谱构建与分析

发布时间：2020-07-04 04:37

【摘要】：本文根据中国引文数据库(CCD),运用作者共被引分析方法,通过共被引矩阵和使用多元统计以及社会网络分析等方法,构建了我国高等教育研究学术群体的知识图谱,形象地揭示了我国高等教育学术群体的内在结构及其力量分布。研究表明,我国高等教育研究领域50位主要学者可以归类为8个学术群体,高等教育学者组成的共被引网络知识图谱密度大,网络聚集度高,具有显著的小世界效应特征,存在核心—边缘机构,潘懋元等学者在网络中居于核心位置,是我国高等教育研究的核心学者。
【图文】：

多维尺度分析

271．883．75981．127120．8031．60582．732130．7991．59784．329提取方法:主成份分析。因子的负载值都超过0．4，说明不少学者的研究互相之间都有较紧密的学术联系，并且很多学者的研究均具有跨领域性，不局限于某一领域。因而，聚类分析和多维尺度分析的结果，将是按学者间学术联系最紧密的领域进行聚合和分类，而不是以研究领域的有无进行划分。(二)聚类分析与多维尺度分析通过对相关矩阵进行聚类分析和对相异矩阵进行多维尺度分析，综合两者的结果，可以把我国高等教育领域的主要学者划分为8个学术群体，如图1所示。因子分析结果已经证明，我国高等教育学者学术视野都比较广阔，个人研究涉及的领域比较广泛，因而聚类分析与多维尺度分析所划分的学术群体，体现的是学者在某一领域的研究跟其他学者的学术联系非常密切，并不代表学者的研究仅限于此领域。备注:每个闭合的区域代表一个学术群体，与聚类树图标示保持一致，分别用A、B、C、D等字母代表各学术群体。图1多维尺度分析结果(三)学术群体的划分表4为综合聚类分析和多维尺度分析所得出的我国高等教育研究领域主要学者构成的8个学术群体及其成员列表，其中成员人数最多的是16人，最少的是2人。我们知道，学者的代表作在很大程度上可以反映学者在学科中的具体贡献和研究领域。本文在研究过程中，通过分析学者的代表作(被引频次居前10位的代表性论文)来了解各学术群体及其学者的主要研究方向和领域;通过分析共被引频次的高低来了解学术群体中不同学者研究成果的相关性的高低;通过分析不同学者共被引频次总和的大小来了解各个学者在该学术群体中的影响力大校表4我国高等教育研究领域主要学者的学术群体序号成员人数A谢安邦、胡建华、周川、龚放、薛天祥、戚业国

分析图,学术,坐标图,战略

·理论探讨·我国高等教育研究学术群体可视化知识图谱构建与分析图2我国高等教育学术群体的战略坐标图三、社会网络分析构建高等教育学术群体知识图谱多元统计分析可以较好地观察学者之间的关系和分类，但不能够表现学者之间联系的强弱，而社会网络分析则可以弥补这方面的不足。社会网络分析是对社会关系结构及其属性加以分析的一套规范和方法，主要分析的是不同个体、群体所构成的关系的结构及其属性。［7］本文主要运用社会网络分析方法来分析我国高等教育研究主要学者的共被引网络，以此来了解其社会网络特征。将50位学者的共被引矩阵导入Ucinet软件和Netdraw软件，生成的学者共被引网络知识图谱如图3所示。备注:整个网络由结点和连线构成，其中网络中的结点代表作者，结点大小代表各位作者在网络中的影响力;连线代表作者之间的共被引关系，线条的粗细代表作者之间的关系密切程度。图3高等教育学者共被引网络知识图谱(一)网络整体属性分析1．密度分析密度反映的是社会网络关系的密切程度，密度越大，表明网络成员之间的关系越密切。在作者共被引网络中，网络密度反映了网络中各个点之间联络的紧密程度。联络密切的网络会促进信息的交流和科研的合作;反之，过于稀疏的网络则会阻碍科学研究的发展。［8］通过Ucinet软件可以算出，50位学者组成的共被引网络的密度是21．51，网络的连通性较好，有不少节点高度连接，说明50位学者之间共被引情况普遍，频次较高，他们的学术联系比较广泛且紧密，各自的研究能够相互交叉、相互借鉴、相互参考，研究互动大，有些学者甚至一起形成紧密的学术共同体。2．小世界效应验证小世界效应是社会网络中的一种特殊现象。所谓小世界效应，就是指在社会网络中，大部分节点彼此

【参考文献】