情报学领域的研究热点及演进的趋势分析.docVIP

情报学领域的研究热点及演进的趋势分析 　　[摘 要] 情报学是一门新兴的综合性学科，在信息化发展的社会中其发挥的作用日益突出。以CNKI为数据源，以2010-2014年发表的情报学领域的文献为研究对象，以共词分析法为理论依据，以SPSS19.0为分析工具，研究了近5年来情报学领域的研究热点及演进趋势。经研究分析归纳出情报学领域的四大研究热点：基础理论研究、社会网络分析法研究、共词分析法研究、文献计量学研究。并预测情报学未来的研究方向是以理论研究为主、图书馆学研究和定量的分析法。 　　[关键词] 情报学；研究热点；演进趋势；分析 　　[中图分类号] F79 [文献标识码] B 　　一、引言 　　随着信息化社会的到来，情报学已经渗透到我们的生活中，其社会重要性日益增强。情报学的研究热点随社会的不断发展而变化，因此对其研究热点及演进趋势的分析，有利于我们了解情报学领域的关注重点及其未来的发展方向。词频分析法能够利用文献关键词或者主题词在某一研究领域文献中出现的频次高低来确定该领域的研究热点及发展方向。本论文即采用共词分析法来探析近五年来情报学领域的研究热点及其演进趋势，为科研人员选择研究课题提供借鉴方向。 　　二、数据收集和整理 　　（一）原始文献的选定 　　本研究的文献源于CNKI数据库，检索主题为“情报学”，年限为“2010.1-2014.12”，期刊为“《情报学报》、《情报科学》、《情报杂志》、《情报理论与实践》、《情报资料工作》”。结果得到397篇文献，去除如无著者的，主要包括征稿启事?p来稿须知等，经整理之后共得到文献数321篇。将其按作者、题名、文献来源、年份、关键词顺序导出到excle表格中。 　　（二）高频关键词的选定 　　一篇论文的关键词能够大致反映出该论文的研究内容及其研究方法，是整篇文章的缩影。同样一个研究领域文献的高频关键词在一定程度上能够折射出本领域的研究热点及发展趋势。基于此本研究将原始文献表中的关键词列复制到一张新表中，对其进行处理：一是对其进行分列处理，将所有列的关键词合并为一列，即A列，共得到有效关键词1406个，删除一些与本研究无关的非实质性的关键词，如创新?p分析?p内涵等。处理后共得到关键词1329个；二是将A列复制到B列，并对B列的关键词删除重复项，共得到612个单一关键词。用COUNTIF函数计算B列关键词在A列中出现的次数，即C列。将C列的词频按照降序排列，选取频次大于10的关键词，一共是14个，绘制高频关键词表。 　　三、情报学领域研究热点分析 　　（一）构造高频关键词矩阵 　　高频关键词表中“情报学”出现的频次最高，但是其与本研究的内容完全重合，故舍弃；图书情报学与图书馆学情报学的意义相同，故将它们合并为图书情报学。在此基础上共计得到12个高频词作为共词分析的原始数据。 　　将这12个高频关键词进行两两组合，统计出它们同时出现在一篇文献中的次数，形成共词矩阵。该矩阵为对角矩阵，对角线上的数字代表任一关键词自身出现的频次，非对角线上的数字代表两个关键词同时出现的次数。为了更清晰地表示关键词之间的关系，我们将用Ochiia系数计算关键词相似矩阵，“Ochiia系数等于AB两词共同出现的频次除以AB各频次乘积的开方[1]。”“此相关矩阵中0值太多，以后做统计分析时容易造成较大误差，因此为了方便统计，将相似矩阵转化为相异矩阵，即用1与相似矩阵中所有值相减[1]。” 　　（二）因子分析 　　因子分析简单地说就是用少数几个因子来描述原始多个变量因子之间的联系，能反映原始资料的大部分信息。“因子分析有以下5个特点：提取的因子个数小于原有变量数；因子可代替原有变量参与数据建模，减少了计算量；因子能够反映原有变量的大部分信息；因子之间的线性关系不显著；因子具有命名解释性[2]。” 　　本研究用SPSS19.0对共词矩阵进行因子分析，具体操作步骤为：将高频关键词的相异矩阵导入到SPSS19.0中，选择分析――降维――因子分析，在出现的对话框中把左边的所有要分析的变量选入右边变量处，依次按照提示设置分析内容及方法，即描述统计?p抽取（本次采用主成分抽取法并且特征值大于1）、旋转（最大方差法）、得分、选项。最后点击确定即可生成因子分析的各类图表。 　　相关系数矩阵图中多数高频关键词的相关系数较高，并且每个变量都具有较强的线性关系，因此我们能够从中提取公共因子，进行因子分析。 　　1.提取公因子 　　本研究采用的是主成分分析法提取公因子，并要求选取的因子特征根大于1。 　　公因子方差表中多数因子的方差都比较高，说明这些因子能够反映原始变量的大部分信息，如引文分析的因子方差为86.9%，说明提取的公因子对关键词引文分析的方差作出了86.9%的贡献，表明原有矩阵转化为公