我國信息產(chǎn)業(yè)政策研究熱點(diǎn)分析論文

　　本研究針對我國信息產(chǎn)業(yè)發(fā)展?fàn)顩r，采用內(nèi)容分析法對國內(nèi)信息產(chǎn)業(yè)領(lǐng)域研究文獻(xiàn)進(jìn)行深度分析，從而發(fā)現(xiàn)我國信息產(chǎn)業(yè)研究熱點(diǎn)和發(fā)展趨勢。[方法/過程]采用共詞分析法和概念網(wǎng)絡(luò)分析法對中國知網(wǎng)中信息產(chǎn)業(yè)研究相關(guān)的文獻(xiàn)進(jìn)行關(guān)鍵詞和主題分析，總結(jié)出我國信息產(chǎn)業(yè)政策領(lǐng)域研究熱點(diǎn)集中在信息技術(shù)產(chǎn)業(yè)化發(fā)展、信息化與信息安全、信息資源開發(fā)與規(guī)劃、政府信息服務(wù)、信息政策、區(qū)域一體化中的信息產(chǎn)業(yè)規(guī)劃這6個方面。[結(jié)果/結(jié)論]在國家信息政策和信息資源戰(zhàn)略規(guī)劃的導(dǎo)向下，信息技術(shù)的發(fā)展逐步推動信息產(chǎn)業(yè)業(yè)態(tài)的轉(zhuǎn)變和升級。不同地區(qū)之間的資源差異促使區(qū)域一體化中的信息產(chǎn)業(yè)發(fā)展逐步重視利益協(xié)調(diào)和政策聯(lián)動等問題。

1 研究介紹

　　信息產(chǎn)業(yè)作為新興產(chǎn)業(yè)部門，已經(jīng)成為國家經(jīng)濟(jì)的重要增長點(diǎn)，極大地帶動了相關(guān)產(chǎn)業(yè)的發(fā)展及經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整。本研究采用共詞分析法和概念網(wǎng)絡(luò)分析法，在以往研究的基礎(chǔ)上對國內(nèi)信息產(chǎn)業(yè)領(lǐng)域研究文獻(xiàn)進(jìn)行深度分析，更加完整、客觀地反映國內(nèi)該產(chǎn)業(yè)的研究熱點(diǎn)情況。共詞分析屬于內(nèi)容分析方法的一種，其原理是對一組詞兩兩統(tǒng)計它們在同一篇文獻(xiàn)中出現(xiàn)的次數(shù)，以此為基礎(chǔ)對這些關(guān)鍵詞進(jìn)行聚類分析，從而反映出關(guān)鍵詞之間的親疏關(guān)系，進(jìn)而分析其所代表的學(xué)科和主題結(jié)構(gòu)的變化[1]。概念網(wǎng)絡(luò)分析法則借鑒了社會網(wǎng)絡(luò)分析法中的K-核分析、主成分分析和邊強(qiáng)度分析等技術(shù)，將共詞網(wǎng)絡(luò)中的概念映射為社會網(wǎng)絡(luò)中的個體節(jié)點(diǎn)，通過可視化的方式定性地展現(xiàn)概念之間的關(guān)系[2]。以上兩種分析方法均是通過統(tǒng)計文獻(xiàn)的關(guān)鍵詞來判斷某一學(xué)科或者主題的主要知識結(jié)構(gòu)和研究熱點(diǎn)。前者側(cè)重于分類，即劃分出若干研究重點(diǎn)，后者則側(cè)重于關(guān)系分析，可用于判斷這些研究重點(diǎn)之間的關(guān)系。本研究將二者結(jié)合起來使用，能夠更加系統(tǒng)全面地描繪出信息產(chǎn)業(yè)各研究熱點(diǎn)之間的結(jié)構(gòu)特征和關(guān)聯(lián)關(guān)系，進(jìn)而對我國信息產(chǎn)業(yè)的重點(diǎn)問題進(jìn)行分析。

2 數(shù)據(jù)準(zhǔn)備和分析方法

　　本研究選定中國知網(wǎng)(CNKI)中的期刊與

　　學(xué)位論文

　　相關(guān)信息

　　試論情感語言節(jié)目主持人萬峰、鐘曉的語言特點(diǎn)基于園本課程開發(fā)背景下研究教師教育理念的形新生兒高膽紅素血癥護(hù)理相關(guān)因素分析及對策試析價值多元化背景下學(xué)生價值觀的引導(dǎo)試論高等職業(yè)院校高等數(shù)學(xué)課程改革爭議試論中職《外科護(hù)理學(xué)》的情境式教學(xué)試析高校教師職業(yè)道德建設(shè)問題研究經(jīng)濟(jì)學(xué)和經(jīng)濟(jì)法基礎(chǔ)課程融通教學(xué)小針刀治療頸椎病療效觀察手術(shù)側(cè)臥位適宜度的研究

　　作為數(shù)據(jù)來源。以“信息產(chǎn)業(yè)政策” “信息資源政策” “信息政策” “信息產(chǎn)業(yè)規(guī)劃” “信息資源規(guī)劃”為檢索詞進(jìn)行篇名組合檢索(時間范圍為1994年1月-2015年12月)，結(jié)合信息產(chǎn)業(yè)研究的高頻關(guān)鍵詞及其聚類情況，選取高被引核心期刊論文和學(xué)位論文作為這一階段的研究重點(diǎn)，最終獲得1 644條記錄作為本文的研究對象。對所采集的數(shù)據(jù)進(jìn)行基本整理后，采用共詞分析法和概念網(wǎng)絡(luò)分析法，分以下3個階段進(jìn)行分析。

　　第一階段：統(tǒng)計高頻詞和構(gòu)建共詞矩陣。具體步驟如下：①導(dǎo)出文獻(xiàn)記錄。通過CNKI期刊全文數(shù)據(jù)庫檢索得到1 644條記錄并以RefWork格式導(dǎo)出。②數(shù)據(jù)清洗。將導(dǎo)出結(jié)果導(dǎo)入Excel軟件，篩選出標(biāo)題、作者、關(guān)鍵詞字段完整。符合分析要求的記錄。③數(shù)據(jù)整理。使用Excel軟件統(tǒng)計所有記錄中各個關(guān)鍵詞的出現(xiàn)頻次，并選擇頻次高于3的75個關(guān)鍵詞作為代表該研究領(lǐng)域主要研究方向的高頻詞，并兩兩統(tǒng)計這些高頻詞在同一條文獻(xiàn)記錄中同時出現(xiàn)的次數(shù)，形成共詞矩陣。

　　第二階段：基于共詞矩陣進(jìn)行概念網(wǎng)絡(luò)分析。具體步驟如下：①利用UCINET軟件進(jìn)行概念網(wǎng)絡(luò)分析。即將上一階段得到的矩陣導(dǎo)入UCINET軟件，使用NetDraw功能繪制概念網(wǎng)絡(luò)圖。②K-核(K-cores)分析。K-cores是滿足如下條件的一個子圖——該子圖中的每個節(jié)點(diǎn)都至少與該子圖中的其他K個節(jié)點(diǎn)相鄰(即有邊相連)，而在該子圖中加入任何一個其他點(diǎn)之后，該性質(zhì)即不存在[3]。K-cores分析將產(chǎn)生一系列子網(wǎng)，能夠逐步揭示原始網(wǎng)絡(luò)的中心區(qū)域架構(gòu)。越大的K值產(chǎn)生的子網(wǎng)中的節(jié)點(diǎn)度越大，同時也更趨向于網(wǎng)絡(luò)結(jié)構(gòu)的中心位置[4]。在NetDraw界面下，選擇K-cores功能，可根據(jù)出度和入度的不同，使概念網(wǎng)絡(luò)中的節(jié)點(diǎn)呈現(xiàn)不同的顏色，并繼續(xù)利用Centrality Analysis按degree對節(jié)點(diǎn)進(jìn)行分類，然后展開K-cores進(jìn)行分析。這里一個出度或者入度表明概念A(yù)與概念B存在共現(xiàn)關(guān)系。③主成分分析。采用NetDraw的principal components layout(主成分顯示)排列方式，可以將所有概念排列成魚眼圖形狀，即各概念依據(jù)出度或入度的大小，從右至左依次分散排列[5]。使所有節(jié)點(diǎn)按照與上一層級入度的多少依級排列，后一節(jié)點(diǎn)的語義組合構(gòu)成對前一個概念的解釋。④邊強(qiáng)度分析。由于K-cores分析存在一個出度或者入度只能表明概念之間存在共現(xiàn)關(guān)系的弱點(diǎn)，因此需要引入邊強(qiáng)度來展現(xiàn)共現(xiàn)次數(shù)以進(jìn)行補(bǔ)充分析。即在NetDraw中將共詞矩陣導(dǎo)出為.net格式，導(dǎo)入到UCINET中的Pajek工具之中，通過Draw-Draw功能得到新的概念網(wǎng)絡(luò)圖并顯示出邊強(qiáng)度。

　　第三階段：基于共詞矩陣進(jìn)行聚類分析。采用UCINET軟件實(shí)現(xiàn)共詞聚類，具體步驟包括：①將共詞矩陣導(dǎo)入UCINET并保存為dataset格式。②在UCINET中選擇Cluster Analysis-Hierarchical Clustering進(jìn)行分層聚類。③導(dǎo)出分層聚類圖，根據(jù)文獻(xiàn)的具體內(nèi)容對這些分析結(jié)果展開進(jìn)一步的闡釋說明。

3 高頻關(guān)鍵詞統(tǒng)計及共詞矩陣構(gòu)建

　　通過對文獻(xiàn)記錄的數(shù)據(jù)清洗和整理，共得到1 278個關(guān)鍵詞。其中，頻次為1的關(guān)鍵詞有1 064個，占83.2%;頻次為2的關(guān)鍵詞有139個，占10.9%;而頻次在3以上的關(guān)鍵詞有75個，占5.9%。表1列出了頻次在3以上的75個關(guān)鍵詞。可以看到，“信息產(chǎn)業(yè)”本身即為出現(xiàn)最頻繁的關(guān)鍵詞。

　　在獲得高頻關(guān)鍵詞之后，利用Excel軟件建立共詞矩陣。表2即基于上述選定的75個高頻關(guān)鍵詞所構(gòu)建的共詞矩陣(部分)，代表兩兩關(guān)鍵詞在同一篇文獻(xiàn)中出現(xiàn)的次數(shù)。從中可以看出由于“信息產(chǎn)業(yè)”本身的詞頻較高，因此與其他關(guān)鍵詞同時出現(xiàn)在同一篇文獻(xiàn)中的情況也是最多的。