[论文解读] Revealing the research landscape of Master's degrees via bibliometric analyses

Nathalia Chaparro, Sergio Rojas–Galeano|arXiv (Cornell University)|Mar 17, 2021

scientometrics and bibliometrics research参考文献 55被引用 5

一句话总结

本文提出了一种文献计量工作流程，通过论文元数据分析理学硕士课程的研究格局，利用文本挖掘与可视化技术揭示研究产出动态、合作网络及主题结构。该方法使项目负责人能够评估优势、识别新兴主题，并指导战略决策，如在两个工程类理学硕士项目中的应用所示，提供了可复现、数据驱动的洞察。

ABSTRACT

The evolution of a Master's programme, like many other human institutions, can be viewed as a self-organising system whose underlying structures and dynamics arise primarily from the interaction of its faculty and students. Identifying these hidden properties may not be a trivial task, due to the complex behaviour implicit in such evolution. Nonetheless, we argue that the programme's body of research production (represented mainly by dissertations) can serve this purpose. Bibliometric analyses of such data can reveal insights about production growth, collaborative networks, and visual mapping of established, niche, and emerging research topics, among other facets. Thus, we propose a bibliometric workflow aimed at discovering the production dynamics, as well as the conceptual, social and intellectual structures developed by the Master's degree, in the interest of guiding decision-makers to better assess the strengths of the programme and to prioritise strategic goals. In addition, we report two case studies to illustrate the realisation of the proposed workflow. We conclude with considerations on the possible application of the approach to other academic research units.

研究动机与目标

• 开发一种系统化、可复现的工作流程，利用文献计量技术分析理学硕士课程的研究产出。
• 揭示学术产出中隐藏的结构与动态模式，例如合作网络、主题演变及知识影响力。
• 通过数据驱动的洞察，支持项目负责人与评估者识别优势、劣势及战略重点。
• 通过工程与信息科学领域的实际案例研究，展示该工作流程在不同学术单位中的适用性。
• 提供开放获取的工具与数据集，使其他学术机构能够复现并采用该方法。

提出的方法

• 工作流程整合了包括共现分析、词频提取与主题建模在内的文献计量技术，应用于理学硕士论文的元数据。
• 对标题、摘要、关键词及一元词关键词等字段进行文本预处理，以标准化并增强数据以供分析。
• 通过共现网络与层次聚类（树状图）生成主题映射，以可视化概念结构。
• 通过年度论文数量与引文指标的时间序列分析评估研究产出动态。
• 使用 R 与 Shiny 构建交互式可视化，提供公开仪表板与代码仓库以确保可复现性。
• 分别分析多个数据字段（如关键词、摘要、标题），以评估结果的稳健性与一致性。

实验结果

研究问题

• RQ1 从数量与引用影响力来看，理学硕士课程的研究产出随时间如何演变？
• RQ2 该课程论文文集中的主导主题与新兴主题是什么？
• RQ3 学生与导师之间的合作网络如何演变？机构内或机构间的合作程度如何？
• RQ4 支撑该课程研究产出的知识与概念结构是什么？它们如何随时间演变？
• RQ5 文献计量分析在多大程度上可支持学术项目发展的战略决策？

主要发现

• 理学硕士在信息科学（MIS）课程于 2012 至 2020 年间共产出 170 篇论文，年均 18.9 篇，合作指数为 1.43，表明合作程度中等。
• 理学硕士在工程（MIE）课程的年度论文产出稳步增长，年均 18.9 篇，每篇论文平均有 2.09 名合作者。
• 主题分析显示，自 2011 年起，人工智能、软件工程与测绘学成为 MIS 课程中的关键研究领域，与课程改革相一致。
• 基于关键词与摘要的共现网络与词云图一致识别出‘机器学习’、‘数据挖掘’与‘信息系统’为两个案例研究中的核心主题。
• 该工作流程成功通过树状图与主题图映射了知识结构，清晰显示出 MIS 数据集中‘电信’与‘人工智能’等主题的聚类。
• 本研究证明，对论文的文献计量分析可揭示概念与社会动态，包括教师参与度与主题演变，且通过公开的 R 脚本与网络仪表板实现了可复现的结果。