頻度演化視角下國內外數字人文研究可視化分析

葉 穎

（中南財經政法大學圖書館 湖北武漢 430073）

1 引言

新技術的發展在為人文研究帶來機遇的同時也對人文研究的科學性提出了新要求[1]，當代人文研究已經擴展到了前所未有的廣度，而數字人文便是描述這類研究的重要術語[2]。數字人文發展的開端源于二十世紀四十年代對中世紀時期哲學以及神學作品的數字化處理[3]，而隨著學科交叉融合越來越受到科研人員的重視，如今的數字人文正將先進的數字化計算工具應用到更大范圍的學科研究中[4]，通過數字技術與人文價值的互動，推動人文研究進入到新的領域。

國外學者對于數字人文研究的標志性事件是21世紀初“數字人文”這一名詞的提出[5]，起初該名詞只是為了區分數字技術應用于人文學科的研究與人文資料的簡單數字化。然而隨著互聯網技術的發展，數字技術在人文領域的思維、寫作與教學過程中顯示出的技術優勢與引導作用越來越大[6]，互聯網、語義網、尤其是Web2.0的發展，使得數字技術的交互性、網絡化和定制能力不斷提高[7]，數字人文項目從數字化和文本分析逐漸擴展到了可視化、空間地理標示和網絡分析[8]。數字人文逐漸成為了一個范圍廣泛、核心含義與邊界都無固定模式的學科[9]。

國內有關數字人文的研究開始于數字化進程與人文精神關系的討論[10]。而后數字人文的相關研究逐漸被國內研究者們重視，從對國外數字人文前沿案例的分析[11]發展到以數據為驅動的人文學科研究模式轉型[12]，國內數字人文的相關研究在2016年后形成了“井噴式”發展[13]，數字人文思想被越來越多的研究者所接受。

然而“數字人文”研究的發展正在隨技術的更新而不斷變化，從“人文計算”的以計算機技術對文本進行數字化處理[14]，到人文學科研究對象數據的存儲和索引以及語料庫的建立[15]，再到計算工具在所有文化產品交叉領域中的應用[16]。數字技術作為人文學科的研究工具已然成為了人文學科的中心[6]被應用到人文領域的寫作、思維、教學中，因此研究數字人文學科領域的發展情況和學科知識結構對人文學科研究內容的廣度和深度的擴展有著至關重要的作用。

2 數據來源與研究方法

2.1 數據來源

文章以Web of Science核心全集（1986—2019）數據庫作為國外研究數據來源，選取“digital humanities”為主題進行檢索，中國學術期刊（網絡版）全文數據庫（1915—2019）為國內研究數據來源，選取“數字人文”為主題進行檢索。考慮到2019年度數據尚不完整，僅檢索2018年及以前的數據，Web of Science選取文獻類型為“Article”“Proceedings Paper”“Review”，并在機構中篩除國內科研機構,得到檢索結果1 275條。中國學術期刊（網絡版）全文數據庫選取來源類別為“CSSCI”的文獻，得到檢索結果232條，經去除通知、啟示等后得到檢索結果220條。

2.2 研究方法

共詞網絡分析方法是探究學科熱點的常見方法，最為普遍的是利用文獻中關鍵詞的共現關系構建共詞網絡，使用網絡分析方法對學科發展脈絡進行梳理、對熱點進行分析。詞頻分析通過統計不同時期關鍵詞出現次數對學科研究熱點的發現進行挖掘，以此探究研究領域熱點的變化、知識結構的變遷。通常的共詞網絡分析通過選擇高頻關鍵詞來達到減少無關詞干擾的目的，然而由于某些研究熱點在初期快速增長時詞頻計數可能無法達到高頻閾值，而獲取這些正在增長的熱點又恰恰是科研人員最需要的，因此文章結合詞頻分析與共詞分析法，在按時序統計關鍵詞的情況下，引入關鍵詞頻度演化變量At，對指定時間段t的關鍵詞頻Ft進行分析，即。若At在t時間段內持續大于1，則表明該關鍵詞持續增長，有可能成為研究熱點，小于1則說明頻率減少，表明此類關鍵詞熱點呈下降趨勢，等于0意味著關鍵詞在當前統計時間段已沒有出現，表明該關鍵詞已經不再被科研人員所關注。因此At的大小表示關鍵詞在某一時段中頻度的演化情況，能夠從數量上衡量關鍵詞及關鍵詞所代表研究領域的發展變化情況。同時文章基于可視化圖模型G=（V,E），V∈（k1×kn），提出基于時序的圖模型Ti來描述關鍵詞頻度演化過程中的共詞網絡，即Ti=（Vk(At)，Ek）。其中表示指定時間段內關鍵詞k的頻度的演化情況，ak是關鍵詞節點在可視化時的控制系數，取值為關鍵詞在開始時間段頻率的值，用來表示關鍵詞節點的初始大小，m表示關鍵詞的種類個數，Vk(At)是在時間段內詞頻持續增長關鍵詞的集合。Ek={Vk(At)×Vl(At)}，由于詞頻隨時間段不同而變化，Ek表示關鍵詞k與其在同一篇文獻中出現的關鍵詞的關聯關系，是這些關鍵詞頻度演化過程中的共現關系矩陣。

Ti的網絡規模可以根據關鍵詞詞頻At閾值的設定而變化，在提取研究熱點時At值越大表明篩選出的關鍵詞增長率越高，發展情況也越迅速。At閾值的選取對研究結果有著重要影響，閾值偏低會造成可視化結果的節點和連線數過多，影響數據挖掘效果，閾值偏高會過濾掉大量信息，使新興研究熱點的出現時間延長，影響數據挖掘效率。文章根據詞頻與時間的比例設定閾值，以一種關鍵詞在單位時間段內最少出現1次為依據，利用這樣的關鍵詞在所有關鍵詞中的比例決定閾值，即

3 數據處理與分析

文章共提取外文文獻的關鍵詞2 622個和中文文獻的英文關鍵詞325個，經去重及合并單復數等篩選過程后得到關鍵詞2 867個，時間跨度為2004—2018年。

3.1 研究熱度對比分析

研究主題能夠反映學科領域內的主要研究內容，對研究熱度的變化進行動態分析有利于及時把握學科領域的研究重點和熱點[17]。文章選取文獻數、學科分布的宏觀維度和關鍵詞頻度變化的微觀維度對“數字人文”主題的國內外研究文獻進行分析。

如表1的文獻分布表所示，國外針對數字人文研究領域的研究文獻數量逐年增加，這些文獻所涉及的學科類別也同步增加，而且研究文獻的增長勢頭在近5年內更是突飛猛進。相比較而言，國內學者對于數字人文研究領域的關注在近5年內才開始，雖然研究文獻數量低于國外，但近2年的增加幅度較為明顯，可以推斷出國內學者越來越重視數字人文研究領域。由于國內數據庫與國外數據庫學科類別分類上具有明顯差異，無法直接將兩種類別數據進行比較。國內數字人文相關研究主要集中在圖書情報領域，而國外的相關研究在信息科學與圖書館、人文綜合、文學、語言學、歷史、計算機等學科均有涉及，這說明國外數字人文相關研究已經廣泛開展，國內外研究在參與學科上具有顯著差異。

表1 數字人文研究主題文獻分布表

關鍵詞是研究文獻主題的濃縮與概括，研究關鍵詞頻度的變化能夠判斷學科領域研究的集中度情況。如圖1的關鍵詞數量變化表所示，2014年以前國內外研究文獻關鍵詞的個數與關鍵詞的種類數基本相同，研究文獻的研究主題基本沒有重復，學科的研究重點還在探究之中。國外研究文獻自2014年，國內自2015年開始關鍵詞的個數與種數之間差距開始顯現，這說明學科研究熱點逐步形成，具備探尋學科知識結構的條件。到最近的2018年，國外文獻關鍵詞種數與個數的比值為0.73，國內文獻關鍵詞種數與個數的比值為0.61,相較于國外，國內數字人文研究的集中度更高，學科研究熱點更為密集，但2018年國內外相關研究在關鍵詞個數與種數上存在明顯不同的增長趨勢，國內的相關研究的范圍正在逐步擴大，研究熱度在不斷上升。

圖1 關鍵詞數量變化圖

3.2 研究熱點對比分析

關鍵詞代表了文獻的研究主題、內容和方法，同一篇文獻中關鍵詞擁有一定的關聯關系，而通過關鍵詞共現關系的耦合能夠將不同文獻聯系在一起，便于探尋學科知識結構。同時，通過時間序列構建關鍵詞共現網絡能夠挖掘學科研究主題的發展狀況與成熟度。

文章將外文文獻的關鍵詞與中文文獻的英文關鍵詞分別進行提取，而后構建2004—2018年數字人文研究領域共詞網絡，共提取出2 867個關鍵詞、4 529條關鍵詞共現關系，關鍵詞構成了共詞網絡的節點，共現關系形成了連接關鍵詞的邊。由于節點和邊的數量較多，對分析存在一定的干擾，文章根據前文中閾值計算方法，統計時間段內關鍵詞頻數超過統計時間段t的關鍵詞約為2%，故閾值Threshold(Ft)=2，于是將同一年度時間內共現頻次小于2，即無法在關鍵詞耦合中發揮作用的詞視為無效關鍵詞，得到國內外數字人文研究文獻共詞網絡。通過對共詞網絡的分析，發現關鍵詞出現重復的最早時間為2010年，這說明自2010年以后，數字人文研究領域的學者開始出現研究內容上的重疊。通過節點數和弧線密度的對比可以發現，國外面向數字人文領域的研究在內容數量及范圍廣度上均超過國內，如人文和文學的相關關鍵詞形成研究熱點的時間甚至早于數字人文，但國內在近兩年的研究中也取得了極大的發展，研究主題的密集程度較國外更為集中。文章根據關鍵詞的分布情況分別選取2009年—2012年、2013年—2015年、2016年—2018年這三個時間段共現頻率大于2的關鍵詞共現網絡進行聚類和學科知識結構分析。如表2所示。

表2 共詞網絡高頻關鍵詞聚類結果

由表2的經高頻詞篩選后的可視化聚類結果可以發現，國外數字人文相關研究文獻早期的研究關注點有文學、數字和人文、數字圖書館。而后隨著數字人文研究的發展，文學逐漸向文化的方向發展，最近更是出現了后人文主義的相關研究。數字和人文逐漸擴展到數字歷史和開放存取以及數據可視化。數字人文在數字圖書館中著重的研究則是文本挖掘和文檔存儲。同時地理信息系統、關聯數據、本體則是國外數字人文近年來新出現的發展主題。

相比較而言，國內數字人文的相關研究范圍要小于國外，起步時間也晚于國外。研究內容與國外部分研究方向一致且更偏向應用研究，如圖書館服務和科研支持等。2018年高校圖書館、文本分析、莎士比亞、關聯數據等相關研究開始出現，在研究范圍上逐步與國外研究一致，同時也有諸如馬克思主義等富有中國特色的數字人文研究。

3.3 研究主題發展情況分析

數字人文是一個隨數字技術不斷發展的研究領域，數字技術的革新對數字人文研究方向的發展有著重要的指引作用，因此了解數字人文研究主題的發展情況對科研人員進行下一步研究工作至關重要。

研究主題變化的一個重要特征就是文獻關鍵詞詞頻的增加與減少，文章通過計算文獻關鍵詞頻度演化與共現關系間的變化關系，從而挖掘數字人文研究領域不同主題自身研究熱度和關聯關系的變化情況。

通過統計及分析發現國外數字人文的相關研究最早在2006年由數字圖書館主題開始，隨后增加到開放存取、新媒體、教育學等。國內數字人文2016年左右才開始形成一定的類團，從關鍵詞關聯關系來看，數字人文開始階段的研究主題是針對美國高校圖書館數字人文案例的分析，隨后擴展到數字人文思想在圖書館資源管理與服務創新工作中的應用，如圖書館參與數字人文的實踐與推廣和圖書館推進人文知識的數字化與交流等，而在2018年出現了通過數字人文研究方法進行有關莎士比亞作品的可視化相關研究。

如表3所示，關鍵詞后的括號表示該關鍵詞增長峰值出現的時間，通過聚類和時間標引后的關鍵詞類團可以發現：國外數字人文相關研究早期集中在人文領域研究的數字化工作中，研究學科對象有教育學、歷史學等。而后，隨著數字化應用以及數字化開發工作的深入，數字人文逐漸形成了自己獨立的理論體系，如數字策展、數字歷史等，這些理論的提出為數字化工具應用于人文研究提供了指引。近幾年，國外學者的研究已經開始將大量的數字化、社會網絡相關概念和計算方法融合進人文學科的相關研究中，如文獻計量、社會網絡分析、機器學習、空間地理可視化等，數字人文工具在人文學科研究中的作用已經進入到了廣泛的實踐階段。

表3 研究主題類團發展情況表

國內數字人文相關研究則主要集中在圖書情報領域，開始階段主要集中在對國外，尤其是美國大學圖書館數字人文案例的分析與研究。而后數字人文、人文計算相關思想被應用于國內高校圖書館的轉型和科研支持工作中，在圖書情報領域取得了不小的突破。但在其他學科，數字人文的思想還沒有在國內全面展開，應用學科范圍和研究深度還不及國外人文學科相關研究。

4 結語

文章通過提取數字人文領域研究文獻關鍵詞共現關系和頻度變化數據，對Web of Science核心全集（1986—2018）數據庫和中國學術期刊（網絡版）全文數據庫（1915—2018）中數字人文的國內外研究文獻，從關鍵詞頻度演化角度對研究熱度、熱點和學科主題發展情況進行了分析。共挖掘出5個國外數字人文研究持續十年以上的主題類團，分析了研究不同發展階段的發展路線，展示了學科知識結構和主題的變化情況。同時通過國內外對比研究，探究了國內數字人文研究的發展特點與不足，為科研人員研究方向的選擇提供了客觀的參考。