寻求信息偶遇研究的突破基于近年来国内外信息(3)
图4 国外信息偶遇主题学术论文关键词共现网络
对于国内学术论文数据集,首先进行关键词预处理,包括将繁体中文关键词转换为简体中文关键词(如将“资讯”转换为“信息”)、将“综述”“现状”等类型关键词删除等。然后,以数据集中词频≥2的关键词为对象,绘制国内信息偶遇研究关键词共现网络如图5所示。结果显示,该网络是一个以信息偶遇为核心的大型网络,而信息行为和影响因素则为该网络的次要核心,且信息行为与信息偶遇形成非常紧密的联系,说明信息偶遇作为信息行为研究的趋向性非常明显。因而,与国外主题共现网络相比,国内研究更注重信息行为理论框架内的研究及信息偶遇影响因素的研究,而国外则更关注对信息偶遇与信息查寻关系、信息偶遇应用探索等主题。
图5 国内信息偶遇主题学术论文关键词共现网络
3.2.2 主题的变迁
通过学术论文数据集的关键词绘制时区图,可展示关键节点知识的演化轨迹及其相互关系。其中,不同时区节点之间连线的多少反映研究传承性的强弱,关键词所在的时区是该节点主题首次出现的时间,可以显示研究主题的时间分布和变迁。
通过国外学术论文数据集中关键词首次出现的时间绘制时区图如图6所示。从图6可知,近20年来国外信息偶遇研究主题演变历程可概括为:用户生活信息交流-偶遇-信息查寻与信息偶遇-信息查寻与理论模型-推荐系统。中心性最高的Serendipity从2001年起,在之后的时区中几乎都有出现,表明其研究持续性较好。
通过国内学术论文数据集绘制关键词时区图如图7所示。从图7可知,近15年来国内信息偶遇研究主题的演变历程可概括为:信息行为-信息搜寻-信息偶遇-影响因素。中心性最高的信息行为从2007年起,在之后的时区中几乎都有出现,表明国内信息偶遇研究在信息行为理论框架内保持较好的持续性。
3.3 领域聚类与创新分析
3.3.1 国外研究的领域聚类与创新分析
1)国外学术论文的聚类分析
对信息偶遇领域同被引文献进行聚类分析,不仅有助于明晰该领域的知识结构和子领域研究内容,还可以进一步分析出各子领域的研究活跃期、相应的中心文献和领域内具有里程碑意义的创新文献,帮助我们更深入理解子领域知识的发展历史、面貌与演进路径,从而寻找可能推动信息偶遇领域整体发展的因素。
在基于国外来源论文引文数据集的聚类分析中,本研究以CiteSpace为工具,将Time Slice设置为按年分析,筛选标准为TOP10,即选取每年被引频次前10的数据。本研究选择LLR算法进行聚类,采用Pathfinder算法对图谱进行修剪,得到按照信息偶遇文献同被引文献聚类的知识图谱如图8所示,及各个聚类的统计信息,如表4所示。所生成的图谱模块值Q=0.5071,平均轮廓值S=0.5291,两值均大于0.5,说明该知识图谱的聚类结构清晰且合理。
如图8所示,图中每个节点表示一篇被引文献,环的厚度与相应年份的引文数成正比。圆圈外包围紫色环代表中心性较大的文献,环的厚度和中心性成比例。不同颜色的区域表示这些区域中的首次引文链接首次出现的时间。从图中可以看出,信息偶遇领域研究被分为6类,其聚类标签分别为:#0偶遇(Serendipity)、#1信息搜寻(Information Seeking)、#2偶遇问题(Serendipity Problem)、#3信息行为(Information Behaviour)、#4个性化(Personalization)、#5偶遇问题(Serendipity Problem)。其中,#2类和#5类的标签名称相同,而从表4可知两个集合的平均引用年份分别为2006年和2012年。查看两个聚类中施引文献与相关引文的研究内容可以发现,#2集合代表以学术信息偶遇与知识创新研究为基础,探索推荐系统中的偶遇问题的研究方向,#5集合代表以各种情景下信息偶遇研究为基础,探索促进日常生活信息偶遇发生的要素与机制的研究方向。
图8 国外信息偶遇主题学术论文同被引知识网络
表4 国外信息偶遇主题同被引论文聚类表聚类ID参考文献(Size)轮廓值平均值(引用年份)标签(LLR) Problem
按照表4中各聚类的平均引用年份,国外信息偶遇研究经历了“学术信息偶遇与推荐系统研究-偶遇与信息行为研究-日常生活信息偶遇研究-偶遇与个性化研究”的发展历程。从图8和表4可知,同被引论文聚类所形成最大的3个类分别是#0偶遇、#1信息搜寻和#2偶然性问题,其研究内容详细情况如下:
#0 偶遇类学术论文主要以偶遇理论与模型为基础开展应用研究。所探索的主题除了偶遇外,还包含了偶遇问题(Serendipity Problem)、创新性(Novelty)、信息推荐(Recommendation)、情感反馈(Affective Feedback)、多样性(Diversity)、超精确度(Beyond-accuracy)、长尾(Long-tail)、面部表情(Facial Expressions)、推荐系统(Recommender Systems)、知识表达(Knowledge Representation)、扩展激活(Spreading Activation)等。该类的中心性文献为Zhang Y C等将偶然性引入音乐推荐中的研究[13]。
文章来源:《国外文学》 网址: http://www.gwwxzz.cn/qikandaodu/2021/0408/467.html
上一篇:公众参与档案工作研究国外实践特点与启示
下一篇:国外冰蓄冷空调技术的发展动向