APP下载

县级融媒体中心发展状况及趋势分析

2022-10-10李宇婷张晓燕

中国地市报人 2022年9期
关键词:图谱聚类可视化

李宇婷 张晓燕

在2018年全国宣传思想工作会议上,习近平总书记提出“要扎实抓好县级融媒体中心建设,更好引导群众、服务群众。”[1]到今年已经走过了5年。为深入了解我国县级融媒体中心研究发展的现状、热点和趋势,并揭示其发展规律,本次研究基于CiteSpace软件对2018年—2022年CSSCI期刊论文进行可视化分析,为今后县级融媒体中心领域研究提供更明确的研究方向和脉络参考。

一、研究基础

(一)数据来源

本文研究数据来源于中国知网,在“高级检索”中,以“县级融媒体中心”为主题词,时间范围限定在2018年—2022年,来源类别限定CSSCI,检索出学术期刊共348篇。然后,删除不相关主题论文,最终共得到230篇CSSCI期刊论文,以EndNote格式将论文导出。后通过EndNoteX9 软件去重,最终得到检索记录共为230条,以Refworks格式将230条检索记录导出。

(二)数据处理

将230 条Refworks格式的数据通过CiteSpace转化为Wos格式,检索记录导出后以download_01命名保存,再导入CiteSpace。在CiteSpace软件中,时间跨度设置为2018—2022年;时间切片设置为1年;其余为默认选项;选择作者、机构、关键词进行图谱可视化分析。

(三)研究工具

CiteSpace是基于Java编程语言编写的文献可视化计算机软件,根据文献共被引分析等理论,对某具体学科领域的大量文献进行分析计量,寻找该学科领域演化的趋势路径,并通过可视化图谱分析和预测学科演化的潜在动力机制和发展前沿。[2]论文研究中使用软件CiteSpace5.8.R3作为研究工具进行数据可视化分析。CiteSpace是陈超美博士及其研究团队研发的可视化分析软件,可以系统分析出“县级融媒体中心”研究领域的机构合作网络、作者合作网络、关键词共现网络、关键词聚类以及关键词突现,以探究该领域的研究现状、研究热点并预测未来研究趋势,更好地判断该领域学术研究的研究前景与研究方向。

二、研究结果分析

图1 2 017—2022年“县级融媒体中心”主题相关期刊文献发表量

(一)发文总体趋势分析

根据图1发文数量及发文时间可知,2017年开始出现以“县级融媒体中心”为主题的CSSCI期刊论文,但总体发文量较少且缓慢增加,正处于蛰伏期;2018—2019年,其发文数量明显增多,到达第一个小高峰阶段;而2020—2021年,该领域的发文数量正在逐渐减少;2021—2022年,该领域发文趋势又显著增多,但从目前的研究无法推测是否会达到研究高峰期。

(二)研究机构和作者分析

通过CiteSpace软件进行研究机构、作者的可视化呈现,可以分析出该领域研究成果较为突出的研究机构和作者,以反映他们之间的合作情况。

1.研究机构分析

对230 篇文献检索记录进行可视化分析,具体操作如下:在CiteSpace软件中,时间跨度(Time Slicing)设置为2018—2022年,时间单位(Years Per Slice)设置为1年。节点类型(Node Types)选择“机构”(Institution),其余选项为系统默认,得到的研究机构网络图谱,如图2所示。

图2 研究机构分布网络图谱

从图2看,CiteSpace软件运行后得到节点数量为91,连线数量为0,密度值为0的可视化图谱,节点代表机构,连线代表机构间合作,可以说明在“县级融媒体中心”研究领域的研究机构尚未建立合作网络。

从图2分析,在县级融媒体中心领域具有代表性的核心机构仅有北京大学新媒体研究院、暨南大学新闻与传播学院。因此,在该研究领域,整体的研究机构合作网络并未形成,在今后研究中需要各个机构相互合作、共同进步以形成紧密的合作网络。

2.作者分析

图3 作者分布网络图谱

通过CiteSpace软件分析,节点类型选择为author(作者),运行后得到的节点为108个,连线29条,密度为0.005的作者可视化图谱,每个节点代表一位作者,连线表示作者间合作,字体越大则代表发文量越多,连线越粗则合作越密切。从图3看,黄楚新学者发文数量最多,为9篇;其次是陈国权、朱天、张诚、刘峰、卢剑锋等学者,分别为4篇;谢新洲、徐敬宏、田龙过学者分别为3篇;其余学者为2篇及1篇,其中1篇最多。因此,在“县级融媒体中心”研究主题下作者之间合作强度不高且较为分散,尚未形成强势的大型合作网络。

(三)研究热点和研究趋势分析

1.关键词共现分析

关键词作为论文提炼的要点,可以直接反映该研究领域的研究热点。通过CiteSpace对230条检测记录关键词进行共现可视化分析,可以直观展示出该领域的关键词聚类,呈现总体研究热点。在CiteSpace软件中,节点类型(Node Types)选择“关键词”(Keyword),运行后得到关键词聚类图,如图4所示。

图4 关键词聚类图

在CiteSpace中,节点面积越大则表示关键词被提及的次数越多,密度越大则表示结点间关系越密切。从图 4看,共有146个关键词节点,173条连线,密度为0.0163。通过230条记录进行的关键词聚类共得到9个聚类类别,表示在“县级融媒体中心”研究领域下,同一聚类中词频值最大的共有9个,包括:媒体融合、社会治理、云平台、核心功能、基层治理、县级媒体、媒介融合、媒体平台、脱贫攻坚。且该聚类Q值为0.681(>0.3),平均轮廓S为0.9216(>0.7),聚类值和平均轮廓值是判断聚类图谱的重要标准,其中聚类模块值是衡量模块化程度,临界值为0.3;平均轮廓值是衡量网络同质性,临界值是为0.7,若这两个值分别大于临界值时,则表明聚类结果是高效且令人信服的。[3]因此在“县级融媒体中心”聚类图谱中的结果是合理的且聚类是高效的、令人信服的,可以对其进行进一步分析。

频次表示该关键词在所有样本关键词列表中出现的次数,中心性则表示该节点位置重要性,若值大于0.1则代表该节点为关键节点。县级融媒体中心研究领域下,关键词频次值在10及以上的和中心性值如下表,从表1看可以看出,2018—2022年期刊的研究热点,其中“媒体融合”“社会治理”“基层治理”的中心性值大于0.1,说明这些节点为关键节点。

表1 频数值10及以上的关键词、中心性

2.关键词时区图分析

通过CiteSpace运行得到关键词共现时区图,从图中可以看出该领域的动态研究过程,关键词频数、关键词出现时间以及关键词节点之间的关联。节点位置代表关键词首次出现时间,节点大小则代表数值的大小。例如从图5看,“公共服务”节点出现在2020年区域里,表明该关键词在2020年首次出现。对关键词进行共现生成的时区图为图5。

图5 关键词共现时区图

从图5看,关键词出现经历四个阶段。第一阶段(2018—2019年)出现的关键词主要有“媒体融合”“社会治理”“县级媒体”“国家治理”“传播力”等,且这些关键词在图中节点面积较大,这一阶段是学术概念、研究模式形成阶段。第二阶段(2019—2020年)出现的关键词为“基层治理”“传统媒体”“新兴媒体”“主流媒体”“5G”等细分研究方向研究开始出现。第三阶段(2020—2021年)出现的关键词有“融媒体”“公共服务”“脱贫攻坚”等,表明这一阶段该领域研究更加细节化。第四阶段(2021—2022年)出现的关键词有“深度融合”“乡村振兴”“融合传播”“创新实践”等,这一阶段实证研究更加丰富,相关衍生领域研究也逐渐出现。

3.关键词突现分析

关键词突现指在一定统计区间下,关键词频数出现较高的几个,其能够反映该领域的研究热点趋势。在CiteSpace软件中,将Top N设置为10,以便得到更详细突现词,Minimum Duration设置为1,y=0.1,最终得到突现词有10个。如图 6所示。

关键词突现基本原理是某个关键词的词频在短时间内激增,研究热度在短时间内迅速上升,被探测形成突现热点。从突现词图谱中可以了解到某个关键词某个时间段成为热点,且由于突现词具有时间延续性,可以用于辅助预判未来一段时间内的研究热点趋势。图谱中Begin表示关键词突现起始年份,End为突现结束年份,Strength表示突现强度,深色区块长度代表突现时间段的持续时长。[4]从图6看,“媒介融合”“乡村振兴”“基层治理”研究时长和热度最长,说明这三个词是其主要研究热点,也是其未来研究核心目标。在以上10个突现词中,县级媒体突现强度为3.08,突现强度较强。

图6 关键词突现图

三、结论

此次研究中使用CiteSpace5.8.R3 对2018—2022 年中国知网上CSSCI期刊来源,以“县级融媒体中心”为主题的230篇论文进行可视化,通过作者、机构、关键词聚类、时区图和突现词进行分析,得到以下结论。

在研究机构方面,代表性的核心机构有北京大学新媒体研究院、暨南大学新闻与传播学院;作者方面,形成了黄楚新为代表的发文数量最多的学者,以及张诚、齐向楠和田龙过、徐敬宏和侯彤童等学者之间的小型合作网络;最后,通过突现词分析发现,未来研究热点表现在“媒介融合”“乡村振兴”“基层治理”这三个方向。从以上分析可以看出,我国“县级融媒体中心”研究目前处于稳定发展阶段且研究趋势清晰,可以预见未来会有较多“县级融媒体中心”主题相关论文发表。但在研究机构和作者方面,未来仍需要加大合作力度以形成紧密的合作网络。

猜你喜欢

图谱聚类可视化
一种傅里叶域海量数据高速谱聚类方法
基于图对比注意力网络的知识图谱补全
“植物界大熊猫”完整基因组图谱首次发布
数据可视化设计在美妆类APP中的应用
思维可视化
基于数据降维与聚类的车联网数据分析应用
基于模糊聚类和支持向量回归的成绩预测
复变函数级数展开的可视化实验教学
复变函数级数展开的可视化实验教学
复变函数共形映射的可视化实验教学