我國信息產業政策研究熱點分析論文

　　本研究針對我國信息產業發展狀況，采用內容分析法對國內信息產業領域研究文獻進行深度分析，從而發現我國信息產業研究熱點和發展趨勢。[方法/過程]采用共詞分析法和概念網絡分析法對中國知網中信息產業研究相關的文獻進行關鍵詞和主題分析，總結出我國信息產業政策領域研究熱點集中在信息技術產業化發展、信息化與信息安全、信息資源開發與規劃、政府信息服務、信息政策、區域一體化中的信息產業規劃這6個方面。[結果/結論]在國家信息政策和信息資源戰略規劃的導向下，信息技術的發展逐步推動信息產業業態的轉變和升級。不同地區之間的資源差異促使區域一體化中的信息產業發展逐步重視利益協調和政策聯動等問題。

1 研究介紹

　　信息產業作為新興產業部門，已經成為國家經濟的重要增長點，極大地帶動了相關產業的發展及經濟結構的調整。本研究采用共詞分析法和概念網絡分析法，在以往研究的基礎上對國內信息產業領域研究文獻進行深度分析，更加完整、客觀地反映國內該產業的研究熱點情況。共詞分析屬于內容分析方法的一種，其原理是對一組詞兩兩統計它們在同一篇文獻中出現的次數，以此為基礎對這些關鍵詞進行聚類分析，從而反映出關鍵詞之間的親疏關系，進而分析其所代表的學科和主題結構的變化[1]。概念網絡分析法則借鑒了社會網絡分析法中的K-核分析、主成分分析和邊強度分析等技術，將共詞網絡中的概念映射為社會網絡中的個體節點，通過可視化的方式定性地展現概念之間的關系[2]。以上兩種分析方法均是通過統計文獻的關鍵詞來判斷某一學科或者主題的主要知識結構和研究熱點。前者側重于分類，即劃分出若干研究重點，后者則側重于關系分析，可用于判斷這些研究重點之間的關系。本研究將二者結合起來使用，能夠更加系統全面地描繪出信息產業各研究熱點之間的結構特征和關聯關系，進而對我國信息產業的重點問題進行分析。

2 數據準備和分析方法

　　本研究選定中國知網(CNKI)中的期刊與

　　學位論文

　　相關信息

　　試論情感語言節目主持人萬峰、鐘曉的語言特點基于園本課程開發背景下研究教師教育理念的形新生兒高膽紅素血癥護理相關因素分析及對策試析價值多元化背景下學生價值觀的引導試論高等職業院校高等數學課程改革爭議試論中職《外科護理學》的情境式教學試析高校教師職業道德建設問題研究經濟學和經濟法基礎課程融通教學小針刀治療頸椎病療效觀察手術側臥位適宜度的研究

　　作為數據來源。以“信息產業政策” “信息資源政策” “信息政策” “信息產業規劃” “信息資源規劃”為檢索詞進行篇名組合檢索(時間范圍為1994年1月-2015年12月)，結合信息產業研究的高頻關鍵詞及其聚類情況，選取高被引核心期刊論文和學位論文作為這一階段的研究重點，最終獲得1 644條記錄作為本文的研究對象。對所采集的數據進行基本整理后，采用共詞分析法和概念網絡分析法，分以下3個階段進行分析。

　　第一階段：統計高頻詞和構建共詞矩陣。具體步驟如下：①導出文獻記錄。通過CNKI期刊全文數據庫檢索得到1 644條記錄并以RefWork格式導出。②數據清洗。將導出結果導入Excel軟件，篩選出標題、作者、關鍵詞字段完整。符合分析要求的記錄。③數據整理。使用Excel軟件統計所有記錄中各個關鍵詞的出現頻次，并選擇頻次高于3的75個關鍵詞作為代表該研究領域主要研究方向的高頻詞，并兩兩統計這些高頻詞在同一條文獻記錄中同時出現的次數，形成共詞矩陣。

　　第二階段：基于共詞矩陣進行概念網絡分析。具體步驟如下：①利用UCINET軟件進行概念網絡分析。即將上一階段得到的矩陣導入UCINET軟件，使用NetDraw功能繪制概念網絡圖。②K-核(K-cores)分析。K-cores是滿足如下條件的一個子圖——該子圖中的每個節點都至少與該子圖中的其他K個節點相鄰(即有邊相連)，而在該子圖中加入任何一個其他點之后，該性質即不存在[3]。K-cores分析將產生一系列子網，能夠逐步揭示原始網絡的中心區域架構。越大的K值產生的子網中的節點度越大，同時也更趨向于網絡結構的中心位置[4]。在NetDraw界面下，選擇K-cores功能，可根據出度和入度的不同，使概念網絡中的節點呈現不同的顏色，并繼續利用Centrality Analysis按degree對節點進行分類，然后展開K-cores進行分析。這里一個出度或者入度表明概念A與概念B存在共現關系。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，即各概念依據出度或入度的大小，從右至左依次分散排列[5]。使所有節點按照與上一層級入度的多少依級排列，后一節點的語義組合構成對前一個概念的解釋。④邊強度分析。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關系的弱點，因此需要引入邊強度來展現共現次數以進行補充分析。即在NetDraw中將共詞矩陣導出為.net格式，導入到UCINET中的Pajek工具之中，通過Draw-Draw功能得到新的概念網絡圖并顯示出邊強度。

　　第三階段：基于共詞矩陣進行聚類分析。采用UCINET軟件實現共詞聚類，具體步驟包括：①將共詞矩陣導入UCINET并保存為dataset格式。②在UCINET中選擇Cluster Analysis-Hierarchical Clustering進行分層聚類。③導出分層聚類圖，根據文獻的具體內容對這些分析結果展開進一步的闡釋說明。

3 高頻關鍵詞統計及共詞矩陣構建

　　通過對文獻記錄的數據清洗和整理，共得到1 278個關鍵詞。其中，頻次為1的關鍵詞有1 064個，占83.2%;頻次為2的關鍵詞有139個，占10.9%;而頻次在3以上的關鍵詞有75個，占5.9%。表1列出了頻次在3以上的75個關鍵詞。可以看到，“信息產業”本身即為出現最頻繁的關鍵詞。

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