基于S曲线的研究主题演进分析与可视化技术

doi:10.13365/j.jirm.2020.03.070

信息资源管理学报 ›› 2020, Vol. 10 ›› Issue (3): 70-77.doi: 10.13365/j.jirm.2020.03.070

基于S曲线的研究主题演进分析与可视化技术

张琬笛¹　胡志刚¹　郭佳程¹　杜　鹏²

1.大连理工大学科学学与科技管理研究所，大连，116024；　2.中国科学院科技战略咨询研究院，北京，100081

出版日期:2020-05-26 发布日期:2020-05-26
作者简介:张琬笛，女，硕士研究生，研究方向为科学计量与科学知识图谱；胡志刚（通讯作者），男，副教授，研究方向为学术评价、科学学与科学计量学、科学知识图谱，Email：huzhigang@dlut.edu.cn；郭佳程，男，硕士研究生，研究方向为科学计量与科学知识图谱；杜鹏，男，研究员，研究方向为科学技术与社会、学科政策。
基金资助:
本文系国家自然科学基金面上项目“基于引用行为的学术评价体系的构建与实证研究”(71974030)，中央高校基本科研业务费专项资金“大数据背景下科研智能系统的开发和应用”（DUT19JC50）的成果之一。

Analysis and Visualization of Research Topic Evolution Based on S-curve

Zhang Wandi¹　Hu Zhigang¹　Guo Jiacheng¹　Du Peng²

1. Institution of Science of Science and S.& T. Management, Daliian University of Technology, Dalian 116024;　2.Institutes of Science and Development, Chinese Academy of Sciences, Beijing 100081

Online:2020-05-26 Published:2020-05-26

摘要/Abstract

摘要： 通过可视化方法来直观展现研究主题的演进趋势，揭示学科领域的发展历程，有助于科学家和政策制定者快速识别和判断学科领域的发展阶段和重点。首先对某个研究领域进行关键词共现分析，结合可视化软件VOSviewer聚类分析的结果以识别出主要的研究主题。然后基于Logistic生长曲线模型，根据每个主题的时序信息计算模型参数和主题成熟度，利用S曲线拟合研究主题的生长曲线，可实现对研究主题演进阶段和趋势的把握和预测。

关键词: Logistic曲线, 聚类分析, 主题识别, 主题演进, 科学知识图谱

Abstract: Visualization research on the evolution trend of research topic can contribute to the identification of the research evolution stage and core content, also can intuitively show the evolution pattern of the discipline field. Firstly, the research topic is analyzed by keyword co-occurrence network, and the clustering results obtained by VOSviewer can be used to identify the research topic. Secondly, based on Logistic model and temporal information, regression analysis and the value of topic maturity are calculated from the clustering results of theme co-occurrence. Using S curve to fit the growth curve of research theme can realize the grasp and prediction of research topic evolution.

Key words: Logistic curve, Cluster analysis, Topic identification, Theme evolution, Mapping knowledge domain

中图分类号:

G353.1

张琬笛　胡志刚　郭佳程　杜　鹏. 基于S曲线的研究主题演进分析与可视化技术[J]. 信息资源管理学报, 2020, 10(3): 70-77.

Zhang Wandi　Hu Zhigang　Guo Jiacheng　Du Peng. Analysis and Visualization of Research Topic Evolution Based on S-curve[J]. Journal of Information Resources Management, 2020, 10(3): 70-77.

[1]	孙冉　安璐. 突发事件情境下社交媒体用户的言语行为分类研究[J]. 信息资源管理学报, 2023, 13(6): 99-109,124.
[2]	周海晨　章成志　胡志刚　徐硕　杨思洛　李恺. 全文计量分析的实践与展望：理论、方法与应用——2022全文本文献计量分析学术沙龙综述[J]. 信息资源管理学报, 2023, 13(2): 135-142.
[3]	黄萃　黄施旗　付慧真. 学科交叉视角下人工智能治理领域知识流动与研究主题的国际比较研究[J]. 信息资源管理学报, 2022, 12(6): 98-110.
[4]	闫晓慧　邓三鸿　张艺炜　张琪　胡昊天　马博闻. 基于BJRC模型的学术论文创新度测量研究[J]. 信息资源管理学报, 2022, 12(4): 46-55.
[5]	刘政昊　曾曦　张志剑. 面向应急管理的金融突发事件事理知识图谱构建与分析研究[J]. 信息资源管理学报, 2022, 12(3): 137-151.
[6]	翟运开　郭柳妍　赵栋祥　路薇. 基于PMC指数模型的远程医疗政策评价[J]. 信息资源管理学报, 2022, 12(2): 112-122,137.
[7]	余厚强　曹雪婷. Mendeley阅读指标视角下的中美国际论文影响力比较研究[J]. 信息资源管理学报, 2021, 11(3): 77-87.
[8]	顾　海　奉子岚　吴　迪　杨妮超. 我国远程医疗研究现状及趋势——基于CiteSpace的文献量化分析[J]. 信息资源管理学报, 2020, 10(4): 119-129.
[9]	冯亚飞严淳胡昌平. 近20年来国内隐私领域研究的结构特征与热点透视[J]. 信息资源管理学报, 2020, 10(1): 65-.
[10]	彭秋茹　阎素兰　黄水清. 基于全文本分析的引文指标研究——以F1000推荐论文为例[J]. 信息资源管理学报, 2019, 9(4): 82-88.
[11]	赵又霖　葛梦真　刘黎明. 图书情报领域“实证研究”应用特征及热点探析[J]. 信息资源管理学报, 2019, 9(4): 132-141.
[12]	高英莲　李秀霞　刘金星. 被引数量、被引质量和被引离散度结合的学术期刊影响力评价研究[J]. 信息资源管理学报, 2019, 9(4): 19-23.
[13]	孙永强. 基于构型视角的信息行为研究：研究主题、理论构建与分析方法 [J]. 信息资源管理学报, 2019, 9(3): 4-17.
[14]	陆泉　田敏　陈静. 图书情报领域认知负荷测量研究综述[J]. 信息资源管理学报, 2018, 8(4): 98-105.
[15]	丁凤一　刘婷　陈静. 医疗健康大数据研究进展剖析[J]. 信息资源管理学报, 2017, 7(4): 5-16.

基于S曲线的研究主题演进分析与可视化技术

Analysis and Visualization of Research Topic Evolution Based on S-curve

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价