科學計量與知識網絡分析
——黨建研究創新的方法與實踐

趙 娜，羅 霜

北京師范大學，北京100875

2017年12月，習近平總書記在主持中共中央政治局第二次集體學習時指出：“大數據是信息化發展的新階段。隨著信息技術和人類生產生活交匯融合，互聯網快速普及，全球數據呈現爆發增長、海量集聚的特點，對經濟發展、社會治理、國家管理、人民生活都產生了重大影響。”[1]大數據改變了人類世界，改變了人類理解世界的方式，也改變了學術研究的思維與視角。結合黨建研究并選取特定的主題，通過選取相應的統計分析軟件進行知識單元統計與網絡分析，對于探析大數據背景下黨建研究方法的運用與創新具有一定意義。

一、大數據與黨建研究

大數據是信息化發展的新階段。從大數據自身維度來看，大數據是特定的數據科學；從大數據支撐維度來看，大數據是一種技術平臺；從大數據工具維度來看，大數據是一種研究方法；從大數據價值維度來看，大數據是一種潛在資源。無論從何種角度出發給出多少種定義，大數據都包括結構化、半結構化和非結構化數據，具有的“大量”“高速”“多樣”“低價值密度”“真實性”等特征已成為共識。與大數據相伴的，是大數據的存儲技術、生產技術、挖掘技術、物聯網技術、云計算技術、人工智能技術等。大數據及其相關技術的發展影響了世界各個領域的深度變革。它在影響人類社會生產與社會生活的同時，促進了人們思考問題方式的轉變，對學術研究亦產生了重要的影響。大數據不僅為學術研究帶來海量的信息化、數據化資源，還為學術研究提供了新方法、新視角。這些增大的數據與新興的方法為學術研究帶來了新知識和新思維。然而，知識爆炸的同時也帶來了一系列的問題，如獲取精準知識難度的增加、對數據挖掘和數據分析能力的更高要求等。即便是在學術研究中獲得了相關領域或主題的文獻數據，但其規模之大也使得科研人員難以駕馭。因此，對學術研究者而言，數據分析技術成為一種必備技能。掌握分析原理、分析方法和分析工具，對于提升科研工作者宏觀駕馭問題的能力，尤其是科學發現新的研究領域、學科交叉生長點等，具有重要的價值和意義。面對海量的專業文獻，研究人員只有科學地獲取文獻，在掌握數據的基礎上通過大數據研究方法（如可視化分析、機器學習、深度學習、云計算等）合理并高效地挖掘其中隱藏的價值信息，讓數據具有“說話”的能力，才能真正做到大數據時代下學術研究的胸中有“數”。

對數據的重視與運用是黨史黨建研究的一個重要方法。在早期研究中，有不少文章通過對數據統計和相關表格來呈現黨的建設中的現象與規律。如陳公博的《共產主義運動在中國》（1924年）、蔡和森的《中國共產黨史的發展》（1925年）、瞿秋白的《中國共產黨歷史概論》（1929—1930年）等。毛澤東提出將重視數量關系的研究行為上升到指導工作的方法論層面，黨建研究也在數據運用層面上升到理論和方法論層面。尤其是20世紀80年代交叉學科計量史學傳入后，黨史黨建研究者把計算機科學、信息理論、數學應用等引入黨史黨建學科領域，為研究者提供了一種新的觀察、分析問題的視角，黨建研究亦相應不斷發展。然而，隨著信息大爆炸的新一輪發展，無論是傳統的數據運用還是計量史學的引入，都難以應對當今大數據對黨史黨建研究所提出的要求與挑戰，之前運用和處理的數據，也成為了名副其實的“小數據”[2]。黨的建設作為一門學科，目前的研究方法主要有歷史演進研究法、宏觀—微觀研究法、比較研究分析法、實證主義研究法、案例分析法等。這些方法傳承了傳統研究方法，是伴隨著黨的事業發展的需要在長時期的研究實踐中形成、成熟和發展起來的，是黨建研究的基本方法和根本手段。同時，黨建研究不斷吸收其他學科的研究方法，注重從跨學科角度借鑒政治學、社會學、經濟學、組織學等學科的研究方法進行交叉研究，這也是多年來黨建傳統研究方法發展和推進的重要體現。當前，在大數據時代海量文獻的背景下，黨建研究人員在傳承傳統研究方法的基礎上，如何獲取海量文獻信息進行分析管理，并為黨建研究提供新的學術視角與增長點愈加重要。

近年來，不少學者尤其是政治學、社會學等相關領域的學者開始關注大數據背景下學科研究的發展問題，如佟德志的《計算機輔助大數據政治話語分析》[3]、漆海霞的《大數據與國際關系研究創新》[4]、孟天廣的《政治科學視角下的大數據方法與因果推論》[5]等，從不同角度對大數據為學術研究提供的挑戰與機遇進行了研究。在黨建學科，一些學者開始關注大數據背景下如何開展黨建工作和提高黨建科學化等問題，如趙淑梅的《“大數據”與提高黨的建設科學化水平》[6]、鄭吉峰的《機遇、挑戰與路徑：大數據與黨建科學化》[7]、米華全和申小蓉的《運用大數據創新高校黨建工作的思考》[8]等。另外，部分學者從大數據與黨史、改革開放史等角度進行了研究，如王冠中的《大數據時代的中共黨史研究：挑戰與變革》[2]、潘娜的《改革開放史研究應對大數據時代的挑戰》[9]。從學術界對大數據與黨建研究的整體狀況來看，學者們或關注大數據在黨建工作中的實踐和應用問題，或著重探討大數據帶來的挑戰與機遇并提出相應的研究原則，但從方法論上尤其是結合學科特點進行具體操作分析的研究較少。因此，以黨建研究的某一主題為切入點，一方面進行黨建研究的知識單元統計分析，即通過對某主題進行一個或者多個知識單元的頻次和統計分布研究，以把握該主題的時間分布、空間分布和熱點分布等；另一方面進行黨建研究的知識單元網絡分析，即通過對各知識單元間關聯關系進行深層次量化研究，以梳理該主題的發展歷程與研究著重點、分析該主題的研究基礎和發展展望等，對于深入理解大數據與黨建研究相結合，尤其是相關分析方法的具體探討和實際操作具有一定的意義。

二、知識單元統計分析

描述性統計分析是科學計量分析中的最基本方法。它通過抽取一個或者多個知識單元字段后，對知識單元的頻次和統計分布進行研究。以中國知網數據庫為例，其中收錄文獻的知識單元組成要素主要有作者、發表時間、載文期刊、基金項目、被引量、下載量、關鍵詞、摘要、參考文獻等（如圖1）。對數據庫收錄文獻的知識單元組成要素進行分析，如分析文獻的類型、時間分布、作者分布、期刊分布、關鍵詞詞頻分布、基金分布等，有助于研究者從宏觀上把握某一研究主題的整體概況。在黨建研究中，以黨內法規研究為例，通過下載各數據庫（中國知網、維普、萬方等）所收錄的以“黨內法規”為主題的文獻，對這些文獻信息進行類型（如專著、期刊、博碩論文等）、時間、作者、期刊、關鍵詞、基金項目、摘要內容、正文內容、參考文獻等信息的頻次進行計算并統計其分布情況，有助于從整體上把握黨內法規研究的發展概況。

圖1 文獻知識單元組成要素

（一）研究文獻的時間分布

研究文獻的時間分布，主要是通過數據的發布時間來統計分析文獻的增長情況與規律。按照文獻增長的邏輯曲線，文獻在初始階段呈指數增長規律，當文獻量增至一定量時，其增長率開始變小，最后進入緩慢增長階段。對文獻時間分布的研究，一方面可以了解某領域的總體增長狀況和不同階段增長狀況；另一方面也可以總結規律并分析該領域今后的發展趨勢。例如，從中國知網數據庫和維普中文期刊服務平臺所收錄的CSSCI和核心期刊文獻中下載關于黨內法規主題的論文847條，通過統計論文的年發文量（圖2），一方面可以看出黨內法規領域的研究經歷了初步發展、緩慢發展和快速發展的三個階段；另一方面可以對黨內法規今后發展趨勢進行分析，在今后黨內法規的發展趨勢上，由于2018年的統計數據僅包含了1-6月的黨內法規研究發文數據，根據期刊的發文周期及數據庫更新速度，該數據僅占2018年發文量的三分之一，由此可以看出黨內法規發文量仍將繼續增長，黨內法規研究的熱潮仍將繼續。

圖2 中國共產黨黨內法規發文量年度分布圖

（二）研究文獻的作者分布

研究文獻的作者分布，主要通過計算作者的科學生產率及作者H指數、G指數等來發掘某一領域內學術產出量較多和學術影響力較大的學者。H指數和G指數是用來衡量學術研究者學術影響力的重要指標。其中，H指數指該作者發表的Np篇論文中有h篇每篇至少被引h次，而其余Np-h篇論文每篇被引均小于或等于h次；G指數是為修正H指數對高引論文增量不敏感的缺陷，將引論文增量計算在內，論文按被引次數降序排列，找出g值，使得前g篇論文被引次數的總和大于或者等于g2，而前g+1篇論文的被引次數小于（g+1）2。一方面，通過計算作者的科學生產量和科學生產率來探究科研工作者在該領域的活躍程度及貢獻；另一方面，通過計算作者H指數和G指數來找出在某研究領域提供了較高的學術產出并形成了一定學術影響力的作者。研究黨建領域作者分布問題，可對一位作者的科學生產率進行分析計算，也可對黨建領域中某一研究主題的所有發文作者的科學生產率進行分析計算。例如，對黨史黨建專家張靜如教授進行作者發文量及H指數統計，可以檢索到其公開發表的期刊論文共295篇，總引用量為1256次，作者H指數為16；以黨內法規研究領域為例進行該領域發文作者的發文量及H指數計算，發現在該領域較為活躍且學術影響力較大的前十位學者分別為操申斌、肖金明、潘澤林、韓強、姜明安、張曉燕、何克祥、鄒慶國、秦前紅、鞠成偉（表1）。

表1 黨內法規研究發文作者H指數

（三）研究文獻的載文期刊分布

研究文獻的載文期刊分布，通過統計期刊對某一主題論文的刊載，對期刊的總被引次數、影響因子、去除自引的影響因子、5年影響因子、論文影響分值等，統計在某領域的具有高影響力的期刊。以張靜如教授發文期刊為例，其公開發表論文共刊載于72個期刊，通過對載文期刊的發文量與H指數統計來看（表2），張靜如教授的發文量與學術影響力基本上呈現于《中共黨史研究》《黨史研究與教學》和《北京黨史》等期刊。同樣對黨內法規為主題的論文進行載文期刊統計，在研究樣本中共出現163個期刊對黨內法規主題的論文進行了刊載，通過分析期刊的總被引次數得出期刊H指數（表3），《探索》《人民論壇》《中共中央黨校學報》《理論學刊》《理論與改革》等期刊載文量和期刊H指數基本成正比，具有較大的影響力。

表2 張靜如教授論文載文期刊H指數

表3 黨內法規載文期刊的H指數

（四）文本詞頻分析

文本詞頻分析，通過對組成文獻文本內容的詞或短語在文本中出現頻次的統計和分析，來挖掘該領域的熱點詞與關鍵詞。對文本詞頻的分析，一方面可以通過對文獻本身所列出的關鍵詞進行統計，通過計算其中的高頻詞來分析該領域的研究熱點，例如對黨內法規研究文獻中的關鍵詞進行詞頻統計，可以尋找在黨內法規研究中學者們關注的研究點有“黨內法規”“全面從嚴治黨”“依法治國”“黨的建設”“依規治黨”“黨內監督”等（表4）；另一方面，由于文獻本身所列出的關鍵詞是作者的提煉歸納，具有一定的主觀性，因此可以通過專業的分詞軟件對文本內容（如摘要或者正文內容）進行分詞，并統計其具有權重的關鍵詞（此時的關鍵詞是從文本中計算而來，因此具有權重）詞頻，以此來分析某一領域的研究熱點。同時，對詞頻分布的分析也可以“新詞發現”為切入點，尋找不同階段的研究熱點，如對黨內法規研究文獻中的摘要部分進行分詞和關鍵詞統計（表5），可以發現在不同發展階段黨內法規研究的熱點和重點有所不同，黨內法規研究的領域和關注點不斷拓展，其研究視角從微觀的黨務管理（如黨員行為規范、黨內專門機構等），逐漸拓展和深化到宏觀治國方略（國家治理現代化等）等深度。

表4 黨內法規研究關鍵詞詞頻

表5 黨內法規熱點詞權重與頻次統計表

三、知識單元共現分析

知識單元共現分析是文獻計量分析中最核心的分析方法。它通過一定的關聯關系，構建同質的知識單元（如合作網絡、共詞網絡、引文網絡）或異質知識單元之間（如主題—文獻網絡、關鍵詞—作者網絡、作者—機構網絡）的關系，并進行深層次量化分析。一般而言，實現知識單元共現分析的方法有網絡分析方法、多元統計分析以及數據可視化。這里的網絡，指的是由點和連接點之間的線組成的集合（圖3）。點被稱作節點，網絡節點可通過計算其節點的度中心性、接近中心性、中介中心性、特征向量中心性等進行分析。邊是各個節點之間的聯系并具有一定的數值，節點之間聯系次數越多，邊的數值越大，在網絡圖中則越粗。在黨建研究中，可通過分析作者（機構、學科等）之間的合作網絡，進而分析黨建研究中所形成的學術團體及學科交叉問題；可通過分析關鍵詞之間的共詞網絡，進而分析黨建研究某領域中的研究主題及其發展歷程；可通過分析參考文獻之間的引文網絡，進而分析黨建研究的學術基礎及論文的相似性與差異性等問題。

圖3 網絡的基本組成

（一）合作網絡

隨著科研工作的發展，科研合作成為越來越重要的研究方式。在科學計量學研究中，合作網絡的分析主要是分析作者（機構、學科等）在科研成果上共同署名的情況。通過統計這些作者（機構、學科等）共同出現在一篇論文的署名字段的頻次來構建作者（機構、學科等）的合作矩陣和合作網絡。合作網絡可研究單個作者（機構、學科等）的合作情況，如在研究張靜如教授發表的論文中構建起以“張靜如”為核心的作者合作網絡圖（圖4），可以看出與張靜如教授合作署名發表科研成果的其他作者，并通過相關信息分析可以得出張靜如教授的合作關系中主要以師生合作為主。合作網絡也可分析某一領域內所有作者的合作發文情況，如在研究黨內法規發文作者的合作情況（圖5），可以看出在作者合作發文中偶有單個作者與多個作者分別進行合作的情況（如以劉先春等學者為核心的研究團體）和有多位作者交叉合作情況（如張紀、翁淮南等學者的研究團體），但在作者合作中多以固定的二人合作發文為主（兩個節點單向聯系的作者合作情況占90%），且往往以同機構合作、師生合作等為主。當然，以此為思路可以進行這種方法多種使用，如研究不同機構的合作情況、不同學科合作情況來具體分析某一研究主題的跨學科問題，研究隨著時間變化作者合作或者學科合作的演化等，進而研究該學科的學術隊伍和學科建設問題等等。

（二）共詞網絡

共詞網絡分析是運用統計方法計算詞在同一篇論文中共同出現的頻次，得到共現矩陣，并將共詞矩陣轉換成共詞網絡的分析方法。其原理是以文獻的知識單元為模塊，兩個詞同時出現在同一個知識單元，則表明存在共現關系。通過全篇計算詞對在所有文獻的相同知識單元中的共現頻次，得到最終的共現次數，進而形成眾多詞對組成的共詞關系網絡。共詞網絡在具體的學術研究中可以應用到學科熱點及結構內容的研究中。在實際分析中可從文獻中提取信息的來源主要有文章標題、摘要、關鍵詞、全文等。例如，對張靜如教授發表論文的關鍵詞進行共詞網絡分析（圖6），可以大致總結出張靜如教授的學術思想主要集中于李大釗研究、中共歷史及黨史黨建學科建設研究、中國共產黨思想史研究、馬克思主義中國化研究等方面。對黨內法規文獻題錄中的關鍵詞單元進行共詞網絡分析（圖7），可以發掘黨內法規研究的四大主題——“黨內法規”“依法治國”“黨的建設”和“全面從嚴治黨”。

圖4 張靜如教授合作網絡圖

圖5 黨內法規作者合作網絡圖

圖6 張靜如學術思想網絡分析圖

圖7 黨內法規研究關鍵詞共現分析圖

（三）引文網絡

引文網絡。文獻由于先后之間的引證而形成了引文網絡，其中主要有文獻共被引網絡和文獻耦合網絡。文獻共被引以研究文獻兩兩共被引的頻次，來測度文獻之間的相似性。兩篇論文的共被引次數越大，則兩篇論文在研究內容上越相近。由于隨著時間變化論文的共被引次數會發生變化，因此文獻共被引次數具有可變性。文獻的耦合以研究文獻兩兩所具有的相同參考文獻的頻次，來測度文獻的相似性。如果兩篇論文所包含的相同參考文獻的數量越多，那么這兩篇文獻的相似性就越大。由于參考文獻是論文的一部分，因而已發表的兩篇論文的耦合強度，不會隨時間的變化而變化。研究某一領域的文獻耦合網絡，一方面可以看出該領域的基礎文獻內容及類型，另一方面可以反映該領域研究的相似性與差異性問題。例如，以《中共黨史研究》期刊為例，對該期刊從1998年至2017年二十年內的文章參考文獻進行文獻耦合網絡構建和分析，可以發現參考文獻基本上分布于黨的領導人的著作文集、選集和黨的重要文件選集等三類。第一，以毛澤東的選集、文集為核心的文獻耦合，形成了以《毛澤東選集》（人民出版社）、《毛澤東文集》（人民出版社）、《建國以來毛澤東文稿》（中央文獻出版社）為主要內容，以《毛澤東在七大的報告和講話集》（中央文獻出版社）、《毛澤東書信選集》（人民出版社）、《毛澤東外交文選》（中央文獻出版社）和《胡喬木回憶毛澤東》（人民出版社）等為輔助內容的第一大聚類。第二，以鄧小平的文選、年譜為核心的文獻耦合，形成了以《鄧小平文選》（人民出版社）、《鄧小平年譜》（中央文獻出版社）為主要內容，以《劉少奇選集》（人民出版社）、《陳云文選》（人民出版社）、《周恩來選集》（人民出版社）、《周恩來年譜》（中央文獻出版社）和《若干重大決策與事件的回顧》（中共中央黨校出版社）等為輔助內容的第二大聚類。第三，以黨的重要文件、選集為核心的文獻耦合，形成了以《中共中央文件選集》（中共中央黨校出版社）、《建國以來重要文獻選編》（中央文獻出版社）和《共產國際、聯共（布）與中國革命檔案資料叢書》（北京圖書館出版社）等為內容的第三大聚類。通過對參考文獻耦合網絡的分析，一方面可以分析在研究某一主題時較為權威和重要的參考文獻有哪些，另一方面也可以從參考文獻類型及內容的角度上分析該學科研究的不足與發展方向。

四、BibExcel+Pajek工具實操

目前，有大量能夠實現文獻科學計量與知識網絡分析的工具，如BibExcel，Sci2科學研究與實踐工具、Loet科學計量工具包、SATI文獻題錄信息統計分析工具、Bicomb書目共現分析系統等。另外，可通過導出相應的數據結果在VOSviewer、Pajek等可視化工具中實現可視化網絡圖的制作和展示。其中，以BibExcel和Pajek分析工具為例，其實現文獻科學計量和網絡分析可視化的基本分析思路為原始數據處理、數據分析和可視化表達。

（一）獲取適合BibExcel分析的文獻

BibExcel是瑞典科學計量學家歐萊·皮爾遜開發的文獻計量工具。其最大特色是利用BibExcel處理得到的文件可以快捷導入Excel中進行進一步分析，對進行文獻科學計量和網絡分析具有很好的幫助。該軟件是基于英文數據庫所收錄的文獻而進行分析的軟件，因此對中文文獻而言，首先需要將收錄的中文文獻轉換成適合BibExcel可分析的相應格式。將中國知網數據庫中某主題的相關文獻題錄以NoteExpress格式導出。通過NoteExpress文獻管理工具將導入的文獻以Excel格式導出題錄，并將該Excel文件以“文本文件（制表符分隔）”格式儲存為txt文本。這樣就得到適合BibExcel分析的原始數據。如在中國知網數據庫中以“社會科學I輯”為限定領域，搜索以“深化改革”為主題的論文共6323篇，除去與主題無關的論文剩余5906篇。將這些論文題錄以NoteExpress格式導出，并通過NoteExpress軟件將5906篇論文以Excel格式導出題錄。通過對該Excel進行適當刪減（刪除其中的空白列等）后，以“文本文件（制表符分隔）”格式儲存為txt文本。

（二）BibExcel環境下對相應內容的分析操作

將生成的“深化改革.txt”文本點擊Edit doc file—replaceline feed with carriage return（確定/是），生成“深化改革.tx2”文件，點擊Misc—Convert to dialog format—Convert from WOStabbed format，自動生成“深化改革.doc”文件。通過在Old Tag中對不同字段（如年份、作者、作者機構、基金項目、載文期刊、關鍵詞、參考文獻等）進行Prep，可提取出所有文獻的相應字段，亦可對此字段在Frequency distribution區域進行排序（如Sort descending），將生成的“深化改革.cit”頻次文件用excel打開，即呈現出數據的頻次結果。另外，可通過發文量與被引量算出作者（期刊、機構等）的H指數。首先提取作者（期刊、機構等）單元，在此基礎上將被引量的單元Add field to units，生成包含作者（期刊、機構等）信息和引用量的jn1文件，提取分析列后在The Box輸入2/3，在Edit out file-select columns中生成col文件，最后通過analyze—h-index（確定/是），生成hdx文件，并用excel打開即可統計生成作者（期刊、機構等）的H指數。

（三）可視化分析

可視化是利用計算機圖形學和圖像處理技術，將數據轉換成圖形或圖像在屏幕上顯示出來，并進行交互處理的一種方法和技術。可視化分析是基于知識單元網絡分析及其解讀來展示結構關系的一種圖形，亦稱為科學知識圖譜方法。可視化分析一般可分析關系的可視化、文獻共被引的可視化、主題共現的可視化。例如，在可視化分析軟件Pajek中，將BibExcel中生成的“深化改革.net”和“深化改革.vec”文件導入，繼而生成相應的矩陣圖和網絡圖。以作者合作網絡可視化為例，第一步在BibExcel中生成“深化改革.out”文件，統計作者頻次生成“深化改革.cit”文件，在此基礎上形成共現頻次列表“深化改革.coc”文件（analyze—co-occurrence—makepairsvialistbox，生成“深化改革.coc”文件），通過mapping—creat net—file for pajek……生成“深化改革.net”文件；第二步將獲得的矢量文件“深化改革.vec”文件，點頻次文件“深化改革.cit”，mapping—creat vec-file即可獲得；第三步將這兩個文件導入Pajek中，通過生成聚類（layout—energy—KK—Free），最終得出關于作者合作網絡關系圖。

時代的革新要求理論研究的革新。大數據為黨建研究的發展尤其是黨建研究方法創新提供了機遇，適應并革新黨建研究方法為深化黨建研究提供了新的生長點。黨建研究一方面需要通過多學科領域的“大數據”來推動其拓展化、信息化，另一方面需要引入大數據研究方法，結合量化研究和高級統計方法等，實現黨建研究的科學性、現代化。當然，不斷擴充的數據文獻、不斷增加的海量信息和不斷更新的技術軟件，始終都是研究的輔助工具。對黨建研究者來說，不僅要掌握數據信息，更要提高對數據的“加工”能力。黨建研究者應在黨建理論的指導下，根據自身的研究數據，不斷加強統計方法原理理解與黨建研究問題意識，不斷提升理論功底和綜合能力，才能結合數據文本對統計結果作出更為細致、深入的解釋分析，進而不斷深化黨建研究。