国际创业教育研究的知识图谱与前沿动态分析.docxVIP

国际创业教育研究的知识图谱与前沿动态分析 打开文本图片集 摘要：把握国际创业教育研究的现状与前沿动态对于推进创业教育研究并指导创业教育实践具有重要意义。基于Web of Science数据库，利用知识图谱分析软件，可视化分析了国际创业教育研究的代表人物、机构、期刊和演进路径，并将文献共被引聚类分析结果与近6年创业教育研究最新文献的内容分析相结合，全面梳理了国际上创业教育研究的前沿领域，可为快速和系统地把握创业教育研究现状与前沿动态提供参考与借鉴。 关键词：创业教育；知识图谱分析；前沿动态 一、引言 伴随着全球创业经济的兴起，创业教育研究日益成为学术界关注的热点。把握国际创业教育研究的现状与前沿动态对于推进创业教育研究、指导创业教育实践具有重要意义。知识图谱分析是将传统的文献计量方法与现代的文本挖掘、复杂网络、数学、统计学、计算机科学方法，以及可视化技术等有机整合的一种综合分析科学发展的知识发现方法。[1]自提出以来，它已经在经济管理、教育以及具体学科应用等领域得到了广泛应用。[2][3][4]利用知识图谱工具分析各专业领域的研究前沿是知识发现的重要内容，但当前研究往往将研究热点与研究前沿等同，利用关键词共现网络进行分析[5]，或者利用膨胀词探测法来识别研究前沿[6]。利用关键词共现仅能反映出某一主题研究文献的多少，而不能很好地体现研究前沿的动态特性；而膨胀词探测法主要将频次变化率高的词探测出来，并不能完全表征最新的研究动态。针对上述分析研究前沿方法的不足，根据知识图谱理论，某一研究领域的知识基础所确定的施引文献的聚类可以认定为该领域的研究前沿。[7]故可将施引文献聚类与国际创业教育研究近期文献的内容分析相结合，来辨识国际创业教育研究前沿领域。这样既考虑了知识的发展轨迹，又将前沿锁定在正在兴起的领域，同时结合了该领域的最新研究进展，可使辨识出来的研究前沿更具动态性及科学性。 本文基于Web of Science数据库（包含Science Citation Index （SCI）数据库、Social Sciences Citation Index（SSCI）数据库、Conference Proceedings Citation Index（CPCI）数据库，以及Book Citation Index（BKCI）数据库），借助图谱分析软件CiteSpace3.8.R1，对国际上创业教育研究的代表人物、研究机构、学术期刊、演进路径进行可视化分析，并利用文献共被引分析，根据聚类施引文献的主题，结合创业教育最新文献的内容分析，系统梳理创业教育研究前沿领域，以期为快速跟踪和锁定创业教育研究的前沿动态提供科学方法和参考借鉴。 二、创业教育研究的知识图谱分析原理与方法 （一）创业教育知识图谱分析的原理与算法 创业教育研究知识图谱分析是通过对该领域在特定时间段内发表的学术论文或者专著的作者、题名、关键词等信息，进行共引分析，并对结果应用主成分分析、聚类分析等多元分析手段，得出创业教育领域在特定时期内形成的以作者、文献等为节点的图谱。其基本原理是分析单位（创业教育相关文献、创业教育研究学者、创业教育研究的关键词等）的相似性分析及测度，主要包括共现分析和共被引分析。其中，共现分析是将各种信息载体中的共现信息定量化，以揭示信息的内容关联和特征项所隐含的寓意。[8]共被引分析（共引分析）是指当两篇创业教育的文献同时被第三篇文献引用时，这两篇文献就存在共被引关系。除了文献共被引分析，共被引分析还包括期刊共被引分析、作者共被引分析、学科共被引分析等。 绘制科学知识图谱的主要软件有Ucinet、Pajek、Histcite、VOSviewer、CiteSpace等，其中CiteSpace是基于共现分析和共被引分析的共词网络和引文网络的可视化软件，由于其开放性和可视化的特点，已经成为近年来在信息分析中最具特色和影响力的可视化信息软件。[9]创业教育知识图谱分析主要利用路径搜索（Pathfinder）算法，简化与辨识科学学科知识领域关键演化有关的复杂性；利用最小生成树（Minimum Spanning Trees）算法，对共被引与共词的分时演化网络与整体融合网络的路径进行分析和处理，并以聚类视角与时区视角对共被引网络及共词网络进行可视化展示；利用最大期望值聚类算法（Expectation Maximization）的极大似然估计，进行统计分析，确定聚类的标准[10]，从而确定创业教育的前沿知识领域。 （二）创业教育研究的知识图谱分析流程 ·比较教育·国际创业教育研究的知识图谱与前沿动态分析 本文利用CiteSpace3.8.R1软件，可视化呈现创业教育研究的知