Knowledge Management Forum >

2013 , Vol. 2013 >Issue 4: 27 - 32

DOI: https://doi.org/10.7536/j.issn.2095-5472.2013.04.004

Analysis of the Research Hotspots of Domestic Interpersonal Intelligence Network Based on Co-word Analysis

  • Man Xin
Expand

Received date: 2012-10-08

  Online published: 2025-04-28

Fold

Cite this article

Man Xin . Analysis of the Research Hotspots of Domestic Interpersonal Intelligence Network Based on Co-word Analysis[J]. Knowledge Management Forum, 2013 , 2013(4) : 27 -32 . DOI: 10.7536/j.issn.2095-5472.2013.04.004

1 引言

人际情报网络是应情报活动的需要构建的一种网络，是情报从业者获取、分析和传播非公开信息和隐形知识的重要平台[1]。20世纪90年代，发源于社会学的人际网络理论开始系统地被引入我国情报界。1998年11月，包昌火研究员首次提出把人际网络作为与组织网络和信息网络并列的企业竞争情报系统三大网络的基本构想[1]。近几年来,作为一个跨学科的研究领域，人际情报网络不仅在情报学界而且在许多学科中开始受到广泛的关注,成为研究热点之一。因此，本文旨采用共词分析的方法，对国内的人际情报网络研究热点进行探索。

2 研究方法——共词分析

共词分析作为一种内容分析方法，通过分析同一个文本主体中的款目对（单词或名词短语对）共同出现的形式，确认文本所代表的学科领域中主题间的关系，进而探索科学的发展脉络[2]。共词分析法利用文献集中词汇对或名词短语共同出现的情况，来确定该文献集所代表学科中各主题之间的关系。词汇在同一篇文献中出现的次数越多，则代表两个主题的关系越密切。因此，统计一组文献的主题词两两之间在同一篇文献中出现的频率，便可形成一个由这些词对关联所形成的共词网络，网络内节点间的远近便可反映主题内容的亲疏关系[3]。

3 国内人际情报网络研究分析

3.1 数据源选择

为了对国内人际情报网络的研究热点进行分析，本文选取CNKI数据库中的论文作为数据源。检索时，选择的主题词为“人际情报网络”、“人际网络and竞争情报”、“社会网络and竞争情报”。通过人工检查，去除不相关的论文，最后获得到107篇论文。

3.2 数据的预处理

提取107篇论文的所有关键词，共得到402个关键词，为了突出主题，将其中的同义词、近义词等进行合并，选取出现频次大于2的26个关键词作为高频词，进行统计分析（见表1）。这些高频词在一定程度上代表了该领域的研究热点。对选出的高频词进行预处理，形成26×26的共词矩阵（见表2），进行多元统计分析。
表1 高频词词频统计
关键词 词频 关键词 词频 关键词 词频
竞争情报 59 结构洞 5 竞争情报团队 2
人际网络 51 企业竞争情报 5 聚类分析 2
人际情报网络 42 Web2.0 3 可视化 2
竞争情报系统 15 情报人员 3 理论分析 2
知识管理 10 社会网络理论 3 嵌入性理论 2
社会网络分析 9 社会资本 3 情报收集 2
企业 8 文献计量 3 小世界 2
人际竞争情报 7 影响因素 3 主题图 2
构建 5 灰色信息 2
表2 高频词共词矩阵（部分）

 竞争情报 人际网络 人际情报网络 竞争情报系统 知识管理 社会网络分析 企业 人际竞争情报 构建 结构洞
竞争情报 59 30 14 5 6 5 5 0 3 3
人际网络 30 51 17 6 7 1 1 1 2 1
人际情报网络 14 17 42 4 4 3 4 9 4 2
竞争情报系统 5 6 4 15 0 1 1 0 0 0
知识管理 6 7 4 0 10 1 0 0 1 0
社会网络分析 5 1 3 1 1 9 3 1 0 0
企业 5 1 4 1 0 3 8 1 0 1
人际竞争情报 0 1 0 0 0 1 0 7 0 0
构建 3 2 4 0 1 0 0 0 5 0
结构洞 3 1 2 0 0 0 1 0 0 5
企业竞争情报 0 2 0 2 0 0 0 0 0 0
Web 2.0 2 1 1 0 0 0 0 1 0 0
情报人员 2 0 0 0 0 0 2 0 0 0
社会网络理论 1 0 3 1 0 0 1 0 0 1
社会资本 1 1 2 0 0 0 0 1 0 1
文献计量 1 2 1 0 0 0 0 0 0 0
影响因素 3 1 2 0 1 0 0 0 0 0
灰色信息 2 2 0 0 0 0 0 0 0 0
竞争情报团队 0 0 0 0 0 0 0 0 0 0
聚类分析 2 1 1 0 0 1 0 0 0 0
可视化 1 1 1 0 0 0 0 0 0 0
理论分析 1 1 0 0 0 0 0 1 1 0
嵌入性理论 2 1 1 0 0 0 0 0 0 0
情报收集 2 1 0 0 0 0 0 0 0 0
小世界 0 0 1 0 0 0 0 0 0 0
主题图 0 0 2 0 0 0 0 0 0 0
在共词分析中，比较常见的多维统计分析为聚类分析和多维尺度分析。由于各种分析方法对数据结构的要求不同，而且，共词矩阵中出现0的频次较多，进行统计时容易产生误差，因此笔者将共词矩阵转换成相异矩阵进行分析。首先用Ochiia系数将共词矩阵转化为相关矩阵。具体是用两个关键词共同出现的频次除以这两个关键词词频开方的乘积，从而得到相关矩阵。相关矩阵中的数字为相似数据，数值越大表示两个关键词的距离越近，相似度越好；相反，数值越小表示两个关键词距离越远，相似度越差。经过如此计算得出的相关矩阵中0值仍然过多，为了进一步减小误差，用1与相关矩阵的数值相减，便得到相异矩阵（见表3）。相异矩阵中的数据为不相似数据，数值越大表示两个关键词距离越远，相似度越差；反之，数值越小表示两关键词距离越近，相似度越好[4]。
表3 高频词相异矩阵（部分）
竞争情报 人际网络 人际情报网络 竞争情报系统 知识管理 社会网络分析 企业 人际竞争情报 构建 结构洞
竞争情报 0.000 0.453 0.719 0.832 0.753 0.783 0.770 1.000 0.825 0.825
人际网络 0.453 0.000 0.633 0.783 0.779 0.953 0.951 0.947 0.875 0.938
人际情报网络 0.719 0.633 0.000 0.840 0.805 0.846 0.782 1.000 0.724 0.862
竞争情报系统 0.832 0.783 0.840 0.000 1.000 0.914 0.909 1.000 1.000 1.000
知识管理 0.753 0.779 0.805 1.000 0.000 0.895 1.000 1.000 0.859 1.000
社会网络分析 0.783 0.953 0.846 0.914 0.895 0.000 0.646 0.874 1.000 1.000
企业 0.770 0.951 0.782 0.909 1.000 0.646 0.000 0.866 1.000 0.842
人际竞争情报 1.000 0.947 1.000 1.000 1.000 0.874 0.866 0.000 1.000 1.000
构建 0.825 0.875 0.724 1.000 0.859 1.000 1.000 1.000 0.000 1.000
结构洞 0.825 0.938 0.862 1.000 1.000 1.000 0.842 1.000 1.000 0.000
企业竞争情报 1.000 0.875 1.000 0.885 1.000 1.000 1.000 1.000 1.000 1.000
Web 2.0 0.850 0.919 0.911 1.000 1.000 1.000 1.000 0.782 1.000 1.000
情报人员 0.850 1.000 1.000 1.000 1.000 1.000 0.592 1.000 1.000 1.000
社会网络理论 0.248 1.000 0.733 0.851 1.000 1.000 0.796 1.000 1.000 0.742
社会资本 0.248 0.919 0.822 1.000 1.000 1.000 1.000 0.782 1.000 0.742
文献计量 0.248 0.838 0.911 1.000 1.000 1.000 1.000 1.000 1.000 1.000
影响因素 0.775 0.919 0.822 1.000 0.817 1.000 1.000 1.000 1.000 1.000
灰色信息 0.816 0.900 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
竞争情报团队 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
聚类分析 0.816 0.900 0.891 1.000 1.000 0.764 1.000 1.000 1.000 1.000
可视化 0.079 0.900 0.891 1.000 1.000 1.000 1.000 1.000 1.000 1.000
理论分析 0.079 0.900 1.000 1.000 1.000 1.000 1.000 0.733 0.684 1.000
嵌入性理论 0.816 0.900 0.891 1.000 1.000 1.000 1.000 1.000 1.000 1.000
情报收集 0.816 0.900 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
小世界 1.000 1.000 0.891 1.000 1.000 1.000 1.000 1.000 1.000 1.000
主题图 1.000 1.000 0.782 1.000 1.000 1.000 1.000 1.000 1.000 1.000

4 数据分析

4.1 聚类分析

聚类分析是根据事物本身的特性对研究个体进行分类，其原理是同一类中的个体具有较大的相似性，而不同类的个体之间差异却很大。根据“物以类聚”的原理，认为研究个体之间具有程度不同的相似性，根据一批研究个体的多个变量指标，找出能够测度这些变量指标之间相似程度的统计量，以这些统计量为划分依据，把一些相似程度较大的变量聚合为一类，关系密切的类或个体聚到小的类团中，关系疏远的类或个体聚到大类团中，直到把所有个体都聚合完毕，形成一个由小到大的分类系统[5]。
本文采用SPSS 17.0提供的系统聚类法，对相异矩阵进行聚类，聚类结果见图1。从图1可以看出，聚类后得到5个类团：
·类团1的主要关键词有“影响因素”、“嵌入性理论”、“情报收集”等。由此可以揭示出人际情报网络的一个研究热点为“情报收集”,主要研究如何利用人际情报网络进行情报收集、情报收集时的影响因素，并借助嵌入性理论对影响因素进行分析。
·类团2的主要关键词有“人际网络”、“人际情报网络”、“知识管理”、“构建”、“灰色信息”、“理论分析”等。由此可以看出人际情报网络的一个研究热点为人际情报网络的构建，主要研究人际情报网络的理论问题及本质问题，包括如何利用人际网络的原理来研究人际情报网络、如何将知识管理的思想运用到人际情报网络中以及人际情报网络中的灰色信息等问题。
·类团3的主要关键词有“情报人员”、“竞争情报团队”、“企业竞争情报”、“竞争情报系统”、“人际竞争情报”、“Web 2.0”、“社会网络分析”、“企业”等。该类团中涉及的关键词较多，因此也可以看出该研究主题为人际情报网络最主要的研究热点，为企业人际情报网络，主要将人际情报网络作为竞争情报系统的一部分，研究人际情报网络在企业竞争情报系统中的作用、何利用社会网络分析进行企业人际情报网络分析以及如何引入Web 2.0技术进行人际情报网络分析。
·类团4的关键词有“聚类分析”、“文献计量”、“小世界”、“结构洞”、“社会网络理论”等。由该类团可以看出人际情报网络的一个研究热点为人际情报网络自身的问题，主要研究如何利用社会网络理论（如小世界理论、结构洞理论等）来研究人际情报网络以及运用文献计量的方法（如聚类分析）来研究人际情报网络的研究现状。
·类团5的关键词有“社会资本”、“可视化”、“主题图”等。由该类团可以看出，“将人际情报网络作为一种社会资本”也是人际情报网络的一个主要研究热点，主要研究如何运用主题图软件将人际情报网络内部的关系可视化，以便能更清晰地认识人际网络之间的关系。

4.2 多维尺度分析

多维尺度分析是通过测定或观测研究个体之间的距离来发现数据结构的，其目的是用二维或者三维的空间距离反映研究个体之间的距离，从而客观地反映研究个体之间的相似性关系。在多维尺度分析结果中，被分析的个体以点状分布，具有高度相似性的个体聚集在一起，形成一类，越在中间的个体越核心[6]。进一步将人际情报网络的高频关键词进行多维尺度分析，结果见图2。
图1 聚类分析树状图
由图2可以看出：
图2 多维尺度分析
·类团1、类团4和类团5均处于多维尺度图的下半部分，并且较为明显地集中在中心线的左右，说明这三个类团的关系比较密切。主要研究人际情报网络的结构及内外部联系等问题，具体研究方面包括：如何利用社会网络理论（小世界理论、嵌入性理论、结构洞理论等）对人际情报网络进行分析以及情报的收集，如何利用主题图方法将人际情报网络的结构及联系可视化。这些研究均属于人际情报网络的基础理论研究。
·类团2和类团3大致分布在多维尺度分析图的两侧，两个类团之间也有相互交叉的部分，主要是人际情报网络本质研究及企业人际情报网络研究。具体方面包括：将社会网络研究方法引入到人际情报网络
本质以及企业人际情报网络的研究中，如何将竞争情报系统与人际情报网络联系起来，如何将知识管理的思想以及Web 2.0技术运用于人际情报网络的分析与构建中。类团2和类团3的关键词相对较为集中，也说明这两个主题的研究较为成熟。
·类团2和类团4也存在部分距离较近的关键词。主要研究如何利用社会网络理论来构建人际情报网络，是将理论与实践结合起来的一部分研究。

5 结语

本文利用共词分析的方法，结合聚类分析和多维尺度分析对人际情报网络的研究热点进行了分析。该研究方法也有一定的局限性：①检索出的文献不能够覆盖所有关于人际情报网络的研究；②分析对象选取的是文章作者自己提取的关键词，因选取的标准不同，科学性不能得到很好的保证。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
包昌火.人际情报网络[J].情报理论与实践,2006(2):129-141.

[2]
崔雷,郑华川.关于从MEDLINE数据库中进行知识抽取和挖掘的研究进展[J].情报科学,2003(4):425-433.

[3]
钟伟金,李佳.共词分析法研究（一）——共词分析的过程与方式[J].情报杂志,2008(5):70-72.

[4]
李纲,吴瑞.国内近十年竞争情报领域研究热点分析——基于共词分析[J].情报科学,2011(9)：1289-1293.

[5]
张勤,徐绪松.定性定量结合的分析方法——共词分析法[J].技术经济,2010(6):20-24.

[6]
张凌,周春雷,寇广增.基于共词分析的国内知识服务研究[J].图书情报工作,2009,53(12):64-68.

Options
Outlines

/

〈 〉