基于社會(huì)網(wǎng)絡(luò)分析的國(guó)內(nèi)認(rèn)知科學(xué)研究現(xiàn)狀和熱點(diǎn)探析

摘要：為了解國(guó)內(nèi)認(rèn)知科學(xué)研究現(xiàn)狀及熱點(diǎn)，對(duì)近5年相關(guān)文獻(xiàn)進(jìn)行文獻(xiàn)計(jì)量分析。利用網(wǎng)絡(luò)可視化技術(shù)，深入剖析了作者合著網(wǎng)絡(luò)，識(shí)別出具有影響力的作者和團(tuán)隊(duì)。高頻關(guān)鍵詞共現(xiàn)分析進(jìn)一步揭示了認(rèn)知科學(xué)的研究熱點(diǎn)，包括具身認(rèn)知、人工智能以及跨學(xué)科應(yīng)用等方面。研究結(jié)果表明，當(dāng)前認(rèn)知科學(xué)的研究焦點(diǎn)，也預(yù)示了未來(lái)研究的發(fā)展趨勢(shì)。

關(guān)鍵詞：認(rèn)知科學(xué)社會(huì)網(wǎng)絡(luò)分析研究現(xiàn)狀可視化

ExplorationoftheCurrentStatusandHotspotofCognitiveScienceResearchinChinaBasedonSocialNetworkAnalysis

GUOWenxingWANGMingjunYANGZhiXIEZichaoLIAOJishunCHENDanZHAOCaiyan

CollegeofNationalCultureandCognitiveScience，GuizhouMinzuUniversity，Guiyang，GuizhouProvince，550000China

Abstract：InordertounderstandthecurrentsituationandhotspotsofcognitivescienceresearchinChina，abibliometricanalysiswasconductedonrelevantliteratureinrecent5years.UsingtheNetworkVisualizationtechnology，theauthorco-authorshipnetworkisdeeplydissectedandinfluentialauthorsandteamsareidentified.High-frequencykeywordco-occurrenceanalysisfurtherrevealstheresearchhotspotsofcognitivescience，includingembodiedcognition，artificialintelligenceandinterdisciplinaryapplications.TheresultsshowthatthecurrentresearchfocusofCognitiveSciencealsopredictsthedevelopmenttrendoffutureresearch.

KeyWords：CognitiveScience;Socialnetworkanalysis;Researchstatus;Visualization

認(rèn)知科學(xué)作為探討人類(lèi)心智與認(rèn)知機(jī)制的前沿學(xué)科，自20世紀(jì)60年代興起以來(lái)，已發(fā)展成為涉及語(yǔ)言學(xué)、心理學(xué)、哲學(xué)、人類(lèi)學(xué)、計(jì)算機(jī)科學(xué)和神經(jīng)科學(xué)等多個(gè)學(xué)科的綜合性學(xué)科[1]。在我國(guó)，“腦科學(xué)與認(rèn)知科學(xué)”是國(guó)家重點(diǎn)支持的八大前沿科學(xué)領(lǐng)域之一[2]，隨著科技的飛速發(fā)展和學(xué)科間的交叉融合，認(rèn)知科學(xué)在多個(gè)領(lǐng)域取得了顯著進(jìn)展，逐漸成為國(guó)內(nèi)外科研的熱點(diǎn)之一。本文從數(shù)字人文的視角出發(fā)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法，對(duì)近5年來(lái)國(guó)內(nèi)認(rèn)知科學(xué)的發(fā)展現(xiàn)狀及研究熱點(diǎn)進(jìn)行量化研究。通過(guò)收集學(xué)術(shù)文獻(xiàn)數(shù)據(jù)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析軟件，構(gòu)建作者合作網(wǎng)絡(luò)、關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，深入挖掘國(guó)內(nèi)認(rèn)知科學(xué)的研究現(xiàn)狀、熱點(diǎn)、合作模式。通過(guò)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的深入分析，可以發(fā)現(xiàn)不同研究主題之間的關(guān)聯(lián)與差異，揭示出學(xué)科發(fā)展的內(nèi)在邏輯和規(guī)律。

1研究方法與數(shù)據(jù)獲取

1.1研究方法

社會(huì)網(wǎng)絡(luò)分析是以行動(dòng)者及其相互間的關(guān)系作為研究對(duì)象，分析關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)及其行動(dòng)者和整個(gè)群體的影響[3]，它作為一種相對(duì)獨(dú)立的研究社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的方法，已發(fā)展成為具有專(zhuān)門(mén)的概念體系的研究模式[4]。它通過(guò)建立節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)系來(lái)探討社會(huì)網(wǎng)絡(luò)群體所反映出的特征。網(wǎng)絡(luò)結(jié)構(gòu)圖用節(jié)點(diǎn)表示社會(huì)實(shí)體，節(jié)點(diǎn)之間的連線表示節(jié)點(diǎn)之間的關(guān)系，利用網(wǎng)絡(luò)結(jié)構(gòu)圖可以清晰的展示出該網(wǎng)絡(luò)結(jié)構(gòu)中各個(gè)節(jié)點(diǎn)之間的關(guān)系。

1.2數(shù)據(jù)獲取

本文數(shù)據(jù)來(lái)源于中國(guó)知網(wǎng)（網(wǎng)絡(luò)版），將檢索主題、關(guān)鍵詞設(shè)置為“認(rèn)知科學(xué)”，文獻(xiàn)發(fā)表時(shí)間范圍限制為2019—2023年，檢索日期為2023年12月29日。將檢索出的文獻(xiàn)進(jìn)行篩選后共得到527篇有效文獻(xiàn)。通過(guò)中國(guó)知網(wǎng)文獻(xiàn)導(dǎo)出功能，輔以人工整理，將527篇文獻(xiàn)數(shù)據(jù)導(dǎo)出為NoteFirst格式和Excel格式，然后將文獻(xiàn)數(shù)據(jù)導(dǎo)入Excel、BICOMB2.04、UCINET6.212和Gephi軟件進(jìn)行分析。

2國(guó)內(nèi)認(rèn)知科學(xué)研究現(xiàn)狀分析

2.1核心作者分析

發(fā)表論文的數(shù)量是確定核心作者的一個(gè)重要指標(biāo)[5]，通過(guò)對(duì)學(xué)術(shù)領(lǐng)域中的作者研究，識(shí)別出在該領(lǐng)域中具有重要影響力和地位的核心作者。本研究將數(shù)據(jù)導(dǎo)入BICOMB2.04軟件提取到了文獻(xiàn)第一作者發(fā)文頻次統(tǒng)計(jì)表，從而得到第一作者發(fā)文量的統(tǒng)計(jì)結(jié)果。根據(jù)普賴(lài)斯定律核心作者計(jì)算公式：N（P）=0.749（Max（p））1/2（其中，N（p）核心作者的最低發(fā)文量、Max（p）表示全體作者中發(fā)文量最多的第一作者的累計(jì)發(fā)文量）識(shí)別出核心作者。根據(jù)所得數(shù)據(jù)，共有442位第一作者。根據(jù)核心作者公式，核心作者的發(fā)文量最低為3篇，得到16位核心作者，占全部作者的3.62%；核心作者發(fā)文量為67篇，占總發(fā)文數(shù)的12.71%，并未形成高產(chǎn)群體。并且近5年，發(fā)文量為1篇的第一作者有392人，占88.68%，說(shuō)明絕大多數(shù)作者并未長(zhǎng)期關(guān)注認(rèn)知科學(xué)領(lǐng)域的研究。

核心作者發(fā)文量最多的是陳魏發(fā)表論文10篇，其次是蔡曙山發(fā)表論文8篇、肖鋒發(fā)表論文6篇，他們處于核心作者群體的中心地位，發(fā)文量均大于5篇。發(fā)文量較高的還有殷杰、江怡、魏屹東和林克勤等人，均發(fā)表了4篇論文，他們處于核心作者中的次要中心地位?？傮w來(lái)看，我國(guó)認(rèn)知科學(xué)研究缺乏核心作者，反映了我國(guó)認(rèn)知科學(xué)研究較薄弱的現(xiàn)狀。

2.2作者合著分析

作者合著分析是以發(fā)文作者為節(jié)點(diǎn)、以具有合著關(guān)系為邊構(gòu)成的關(guān)系網(wǎng)絡(luò)[6]，可以通過(guò)分析作者之間的合著情況，來(lái)揭示學(xué)科作者之間的合作模式、影響力分布以及研究領(lǐng)域的發(fā)展趨勢(shì)等內(nèi)容。本文基于527篇有效文獻(xiàn)數(shù)據(jù)，進(jìn)行作者合著分析，能反映出近5年來(lái)，我國(guó)認(rèn)知科學(xué)領(lǐng)域?qū)W術(shù)研究者的合作情況。

2.2.1網(wǎng)絡(luò)可視化分析

將數(shù)據(jù)導(dǎo)入BICOMB2.04中，進(jìn)行數(shù)據(jù)分析，獲得最終統(tǒng)計(jì)結(jié)果。由統(tǒng)計(jì)數(shù)據(jù)可知，發(fā)文作者總計(jì)834人，其中，發(fā)文量大于1篇的作者共有71人。本研究將發(fā)文量大于等于2篇的作者作為研究對(duì)象，構(gòu)建作者合著共現(xiàn)矩陣，并將矩陣導(dǎo)入Gephi軟件進(jìn)行作者合著可視化分析，得到作者合著網(wǎng)絡(luò)圖譜（如圖1所示），圖中節(jié)點(diǎn)越大表示中心性越大，反之中心性越小。節(jié)點(diǎn)之間連線越粗表示節(jié)點(diǎn)之間合作關(guān)系越密切。由可圖1可知，作者之間僅形成了15個(gè)合著團(tuán)體。其中，以殷杰、楊現(xiàn)明、葉浩生和賈春華為中心的合著團(tuán)體最大共有3個(gè)節(jié)點(diǎn)。其余有11個(gè)由兩個(gè)節(jié)點(diǎn)構(gòu)成的合著網(wǎng)絡(luò)?？偟膩?lái)看，在認(rèn)知科學(xué)領(lǐng)域并未形成復(fù)雜的合著網(wǎng)絡(luò)，作者之間的聯(lián)系較為疏遠(yuǎn)。

3國(guó)內(nèi)認(rèn)知科學(xué)研究熱點(diǎn)分析

3.1構(gòu)建關(guān)鍵詞共現(xiàn)矩陣

關(guān)鍵詞作為學(xué)術(shù)論文研究主題的精煉表達(dá)，其在一定程度上可以揭示學(xué)科領(lǐng)域中知識(shí)的內(nèi)在聯(lián)系[7]。高頻關(guān)鍵詞指的是在某一研究主題下頻繁出現(xiàn)在多篇文獻(xiàn)中的關(guān)鍵詞，更好地反映了該研究領(lǐng)域的學(xué)者們主要關(guān)注的研究方向和熱點(diǎn)。高頻關(guān)鍵詞對(duì)于把握該研究領(lǐng)域的發(fā)展趨勢(shì)和重點(diǎn)研究方向具有重要意義。

本研究利用BICOMB2.04軟件進(jìn)行詞頻統(tǒng)計(jì)，輔以人工篩查，獲得最終結(jié)果：在527篇文獻(xiàn)中共有1658個(gè)關(guān)鍵詞，總詞頻2259為次。為了確保關(guān)鍵詞的準(zhǔn)確性，展現(xiàn)研究人員對(duì)特定主題的共識(shí)，以及消除人為因素的干擾，在數(shù)據(jù)處理過(guò)程中不對(duì)檢索到的主題詞進(jìn)行合并，而只對(duì)簡(jiǎn)稱(chēng)、表達(dá)形式不一致或?qū)懛ú煌脑~語(yǔ)進(jìn)行謹(jǐn)慎的預(yù)處理[8]，例如：“具身、具身性合并為具身性，交互、交互性合并為交互性，理性主義、理智主義合并為理性主義”等。

本文基于劉奕杉等人的實(shí)證研究，采用二八定律作為劃分依據(jù)[9]，將關(guān)鍵詞出現(xiàn)頻次大于等于4次的關(guān)鍵詞作為高頻關(guān)鍵詞進(jìn)行研究。共獲得高頻關(guān)鍵詞54個(gè)，累計(jì)頻次510次，占22.21%。利用BICOMB2.04軟件，生成54×54的高頻關(guān)鍵詞共現(xiàn)矩陣。隨后，將矩陣導(dǎo)入U(xiǎn)CINET6.212軟件進(jìn)行關(guān)鍵詞共現(xiàn)分析，并在軟件Gephi中繪制可視化網(wǎng)絡(luò)圖譜（如圖2所示）。在這個(gè)圖譜中，節(jié)點(diǎn)的大小代表其中心性的大小，連線的粗細(xì)代表節(jié)點(diǎn)之間的緊密程度?？梢暬幚砜梢詭椭覀兏庇^地理解關(guān)鍵詞之間的聯(lián)系情況。

3.2中心性分析

在社會(huì)網(wǎng)絡(luò)分析中，個(gè)體網(wǎng)絡(luò)特征主要由中心性即度量節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要性或影響力的指標(biāo)進(jìn)行衡量[10]。在中心性分析中，主要有3個(gè)指標(biāo)：點(diǎn)度中心度、接近中心度和中間中心度。本研究將關(guān)鍵詞共現(xiàn)矩陣導(dǎo)入U(xiǎn)CINET6.212軟件進(jìn)行中心性分析（見(jiàn)圖3，限于篇幅僅展示部分）。

3.2.1點(diǎn)度中心度分析

點(diǎn)度中心度（degreecentrality）是指與該節(jié)點(diǎn)直接相連的邊的數(shù)量，點(diǎn)度中心度值越高，表明該節(jié)點(diǎn)在網(wǎng)絡(luò)中更處于核心地位。根據(jù)分析結(jié)果，關(guān)鍵詞“認(rèn)知科學(xué)”在點(diǎn)度中心度上達(dá)到最高值52.830，這意味著“認(rèn)知科學(xué)”這一關(guān)鍵詞在整個(gè)認(rèn)知科學(xué)研究領(lǐng)域中扮演著核心角色，它連接了認(rèn)知科學(xué)研究的許多其他關(guān)鍵詞，并且與其他關(guān)鍵詞之間的聯(lián)系最為緊密。其次是人工智能、具身認(rèn)知、認(rèn)知、現(xiàn)象學(xué)和他心問(wèn)題5個(gè)關(guān)鍵詞，它們的點(diǎn)度中心度分別為43.396、35.849、33.962、24.528和16.981，均高于平均值11.041。這表明這些關(guān)鍵詞在網(wǎng)絡(luò)中相對(duì)于其他關(guān)鍵詞而言具有更為核心的地位。相較于網(wǎng)絡(luò)中的其他高頻關(guān)鍵詞，這些關(guān)鍵詞可以被視為近5年來(lái)認(rèn)知科學(xué)研究的熱點(diǎn)所在。

3.2.2接近中心度分析

接近中心度（closenesscentrality）是通過(guò)節(jié)點(diǎn)之間的距離來(lái)評(píng)判節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要性，數(shù)值越大表示節(jié)點(diǎn)與其他節(jié)點(diǎn)的距離越短，其中心性也越高。根據(jù)結(jié)果顯示，“認(rèn)知科學(xué)”關(guān)鍵詞具有最高的接近中心度，數(shù)值為63.095，這意味著它與其他關(guān)鍵詞的距離最短，并且對(duì)其他關(guān)鍵詞的依賴(lài)程度最低，中心性最高。其次是人工智能、具身認(rèn)知、認(rèn)知、現(xiàn)象學(xué)和生成認(rèn)知，它們的接近中心度都相對(duì)較高，分別為62.353、58.242、56.989、51.961和50.000，均高于平均值43.956。這表明這些關(guān)鍵詞與其他關(guān)鍵詞的平均距離較短，對(duì)其他關(guān)鍵詞的依賴(lài)程度較低，能夠更主動(dòng)地與其他關(guān)鍵詞進(jìn)行聯(lián)系。

3.2.3中間中心度分析

中間中心度（betweennesscentrality）用于衡量節(jié)點(diǎn)在網(wǎng)絡(luò)中作為媒介的能力，數(shù)值越大表示節(jié)點(diǎn)在連接其他節(jié)點(diǎn)時(shí)起著重要的中介作用。根據(jù)結(jié)果顯示，關(guān)鍵詞“認(rèn)知科學(xué)”具有顯著的中間中心度，達(dá)到32.829，表明它在關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中扮演核心角色，作為連接其他關(guān)鍵詞的重要樞紐。認(rèn)知、人工智能、具身認(rèn)知、腦機(jī)接口、跨學(xué)科和現(xiàn)象學(xué)6個(gè)關(guān)鍵詞的中間中心度相對(duì)較高，分別為20.228、17.865、16.174、5.185、4.398和4.093，均高于平均值2.563。這些數(shù)據(jù)表明，這幾個(gè)關(guān)鍵詞是認(rèn)知科學(xué)研究的核心內(nèi)容，其他關(guān)鍵詞對(duì)它們的依賴(lài)較大。通過(guò)對(duì)高頻關(guān)鍵詞進(jìn)行中心性分析，可以看出認(rèn)知科學(xué)研究的焦點(diǎn)主要集中在人工智能、具身認(rèn)知、認(rèn)知模型、認(rèn)知、現(xiàn)象學(xué)和生成認(rèn)知等領(lǐng)域。未來(lái)的研究可以向那些未被關(guān)注的關(guān)鍵詞靠攏，這樣可以發(fā)掘更多未深入研究的主題，同時(shí)也能夠拓展認(rèn)知科學(xué)在不同研究領(lǐng)域的深度，而不僅局限于研究熱點(diǎn)主題。

4結(jié)論

研究發(fā)現(xiàn)，認(rèn)知科學(xué)領(lǐng)域僅有16位核心作者，且核心作者的發(fā)文量較低，國(guó)內(nèi)認(rèn)知科學(xué)研究缺乏連續(xù)性和深度。作者合著分析揭示了近五年來(lái)國(guó)內(nèi)認(rèn)知科學(xué)領(lǐng)域?qū)W術(shù)研究者的合作模式。盡管有834位發(fā)文作者，但合著團(tuán)體數(shù)量有限，僅形成了15個(gè)合著團(tuán)體，作者之間的合作關(guān)系相對(duì)疏遠(yuǎn)，尚未形成復(fù)雜的合著網(wǎng)絡(luò)。大部分合著網(wǎng)絡(luò)由兩個(gè)節(jié)點(diǎn)構(gòu)成，作者之間的聯(lián)系相對(duì)疏遠(yuǎn)，合作模式尚未形成明確的規(guī)律。

關(guān)鍵詞共現(xiàn)矩陣和中心性分析揭示了國(guó)內(nèi)認(rèn)知科學(xué)研究的熱點(diǎn)和重要領(lǐng)域。研究確定了認(rèn)知科學(xué)領(lǐng)域的主要研究方向有人工智能、具身認(rèn)知、認(rèn)知模型和現(xiàn)象學(xué)等。這些關(guān)鍵詞在網(wǎng)絡(luò)中具有較高的中心性，它們?cè)谠擃I(lǐng)域中扮演核心角色，并且對(duì)其他關(guān)鍵詞的影響較大。

綜上所述，國(guó)內(nèi)認(rèn)知科學(xué)領(lǐng)域在近年取得了一定進(jìn)展，但仍面臨著核心作者匱乏、合作模式不明確和研究深度不足等挑戰(zhàn)。未來(lái)的研究可以重點(diǎn)關(guān)注核心領(lǐng)域，促進(jìn)合作交流，提高研究的連續(xù)性和深度，以推動(dòng)國(guó)內(nèi)認(rèn)知科學(xué)領(lǐng)域的進(jìn)一步發(fā)展。

參考文獻(xiàn)

• 蔡曙山.從認(rèn)知科學(xué)看人工智能的未來(lái)發(fā)展[J].人民論壇·學(xué)術(shù)前沿，2023（14）：13-28.
• 方方，王佐仁，王立平等.我國(guó)認(rèn)知神經(jīng)科學(xué)的研究現(xiàn)狀及發(fā)展建議[J].中國(guó)科學(xué)基金，2017，31（3）：266-274.
• 陳云偉.社會(huì)網(wǎng)絡(luò)分析方法在情報(bào)分析中的應(yīng)用研究[J].情報(bào)學(xué)報(bào)，2019，38（1）：21-28.
• 陳紅琳，魏瑞斌，門(mén)秀萍.社會(huì)網(wǎng)絡(luò)分析方法與研究主題的關(guān)聯(lián)分析[J].情報(bào)科學(xué)，2022，40（9）：38-46.
• 鐘文娟.基于普賴(lài)斯定律與綜合指數(shù)法的核心作者測(cè)評(píng)：以《圖書(shū)館建設(shè)》為例[J].科技管理研究，2012，32（2）：57-60.
• 李綱，李嵐鳳，毛進(jìn)等.作者合著網(wǎng)絡(luò)中研究興趣相似性實(shí)證研究[J].圖書(shū)情報(bào)工作，2015，59（2）：75-81.
• 夏淑潔，楊朝陽(yáng)，林雪娟等.基于文獻(xiàn)計(jì)量分析的數(shù)據(jù)挖掘在中醫(yī)診斷學(xué)領(lǐng)域的應(yīng)用研究[J].天津中醫(yī)藥，2021，38（2）：142-151.
• 張瑞紅.國(guó)內(nèi)甲骨文研究熱點(diǎn)、主題聚類(lèi)及研究狀況分析：基于共詞和社會(huì)網(wǎng)絡(luò)分析視角[J].河南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（6）：31-38.
• 劉奕杉，王玉琳，李明鑫.詞頻分析法中高頻詞閾值界定方法適用性的實(shí)證分析[J].數(shù)字圖書(shū)館論壇，2017（9）：42-49.
• 李子成，王玨，王穩(wěn)妮.中國(guó)省際農(nóng)村勞動(dòng)力流動(dòng)空間格局的演化特征及驅(qū)動(dòng)因素[J/OL].世界地理研究，1-15[2024-03-25].http：//kns.cnki.net/kcms/detail/31.1626.P.20240308.1024.002.html.