Knowledge Management Forum >

2026 , Vol. 11 >Issue 3: 206 - 215

DOI: https://doi.org/10.13266/j.issn.2095-5472.2026.018

Research on Factors Influencing Users' Willingness to Use Scientific Knowledge Graphs

  • Huang Mei 1 ,
  • Zhou Jun , 2 ,
  • Fu Jiawei 3 ,
  • Fang Xiaoyin 4
Expand
  • 1. School of Information Technology, Guangxi Police College, Nanning 530029
  • 2. Public Security College of Guangxi Police College, Nanning 530029
  • 3. Archives of Hubei Institute of Fine Arts, Wuhan 430060
  • 4. School of Information Management, Central China Normal University, Wuhan 430079
Zhou Jun, Professor, PhD, Master's Supervisor Email:.

Huang Mei Lecturer, Master's Degree

Fu Jiawei Librarian, PhD; Fang Xiaoyin, Doctoral Candidate

Xiaoyin Doctoral Candidate.

Received date: 2025-10-10

  Online published: 2026-05-19

Supported by

National Social Science Fund of China titled "Research on Cross Domain Governance Mechanism of Public Safety Between China and ASEAN"(23XGL009)

2023 Guangxi University Young and Middle Aged Teachers' Research Ability Enhancement titled "Construction of Temporal Common Word Network and Interactive Visualization Research on Traceability"(2023KY0896)

Fold

Abstract

[Purpose/Significance] To explore the influencing factors and mechanisms of users' intention to use mapping knowledge domains, promote the development of mapping knowledge domains, and enhance the ability of mapping knowledge domains to assist scientific research decision-making. [Method/Process] This study used grounded theory to conduct three-level coding analysis on interview texts, extracted the three-level categories of factors influencing the intention to use mapping knowledge domain users, and sorted out the relationships between the main categories, constructing a theoretical model of factors influencing the intention to use mapping knowledge domain users. [Result/Conclusion] Visual presentation, visual content, tool design, technical features, perceived utility, and individual characteristics have a direct impact on usage intention. Visual presentation not only indirectly affects usage intention through visual content, but also indirectly affects usage intention by influencing visual content and subsequently affecting perceived utility. Finally, suggestions for the development and optimization of mapping knowledge domains are proposed.

Key words： mapping knowledge domains; grounded theory; use intention; scientometrics; visualization

Cite this article

Huang Mei , Zhou Jun , Fu Jiawei , Fang Xiaoyin . Research on Factors Influencing Users' Willingness to Use Scientific Knowledge Graphs[J]. Knowledge Management Forum, 2026 , 11(3) : 206 -215 . DOI: 10.13266/j.issn.2095-5472.2026.018

大数据时代，科学知识爆发式增长，在海量的科学知识中评估、总结、预测科技发展趋势越发困难。为了更好地把握科学发展方向，跟踪学科研究热点，学者们致力于从事科学计量分析与研究，试图从关键词词频、关键词共现、作者合著和文献引用等方面通过构建图谱挖掘潜在知识来揭示科学知识结构及其发展规律，科学知识图谱应运而生[1-2]。科学知识图谱也称为知识图谱，科学知识图谱是借助可视化描述知识资源及其载体，用于绘制、挖掘、分析和显现知识资源及其之间的相互联系，创造知识的共享环境以促使科学研究的深入与合作[3]。科学知识图谱的出现为大数据分析提供了支持，降低了科学计量分析的门槛，推动了科学计量分析在科学研究中的大规模应用[4]，也取得了很多优秀的成果。然而，随着科学知识爆炸式增长、学科交叉错综复杂，如何更客观、科学、有效地追踪学科研究的结构和演化趋势成为一个难题。掌握用户对科学知识图谱的使用意愿影响因素，才能更好地推动科学知识图谱的发展，从而提高科学知识图谱进行研究热点追踪、演化趋势预测的能力。因此，笔者通过扎根理论深入剖析访谈文本，探索科学知识图谱用户使用意愿的影响因素及其作用机理，以期为科学知识图谱发展、学科发展预测和研究热点分析提供理论依据。

1 相关研究/Related research

1.1 科学知识图谱

科学知识图谱既属于科学计量学又属于科学学的范畴，是两者发展与创新的产物[5]。近年来，国内外学者开发了众多科学知识图谱，其主要分为3类。①专用工具，如2004年，陈超美开发了CiteSpace科学知识图谱，该图谱具有同被引聚类、时序网络、作者合作网络可视化等功能[1]。2012年，M. J. Cobo等[6]开发了SciMAT科学知识图谱，该图谱借助词的密度、中心度指标分析主题词之间的关联强度和主题词之间的演化，识别展现主题演化路径。除此之外，还有VOSviewer[7]、HistCite[8]等。②通用工具，如SPSS、Ucinet等。不同的工具图谱各有千秋，如CiteSpace、VOSviewer在共词、共引可视化方面具有优势，而HistCite专注引文网络可视化。③编程语言，如Python、D3、R语言等，用于关键词共词网络、引文网络、作者合作网络等科学计量的研究。
运用科学知识图谱追踪学科研究热点、发展趋势已受到众多学者的关注。查阅近年来相关文献，发现学者常用的科学知识图谱主要有CiteSpace、Ucinet、SPSS、VOSviewer等，学者们在使用图谱工具时有两种情形，即只使用一个工具或多个工具结合使用。如周彤等[9]使用CiteSpace追踪我国公共图书馆服务效能研究的热点和发展趋势。马晓飞等[10]借助CiteSpace通过关键词共现、聚类、突显词挖掘高校学生计算思维培养研究热点。王婧美等[11]使用CiteSpace和VOSviewer进行关键词共现和聚类分析，以追踪研究热点和研究趋势。施萧萧等[12]使用SPSS对国外颠覆性创新研究进行多维尺度图谱可视化，结合Ucinet生成共现网络图研究该领域研究现状和发展趋势。
大多数的科学知识图谱是静态的，静态的图谱难以追踪复杂科学知识。刘自强等[2]构建时间分层的共词网络图谱，并结合交互式可视化技术实现时序共词网络的动态可视化，从而有效揭示共词网络的动态演变过程。岳丽欣等[13]提出构建交互式可视化知识图谱方法，先进行LDA主题识别，再用D3工具绘制知识图谱来探测学科研究内容和发展方向。

1.2 信息系统用户使用意愿

用户使用意愿通常是指用户采纳、接受信息系统，信息系统在用户采纳和接受使用时才能发挥作用和价值[14]。使用意愿是衡量信息系统成功的重要指标，持续使用意愿是使用意愿的延伸，使用意愿研究引起了众多学者的关注。在梳理相关研究的过程中，笔者总结出用户使用意愿研究的三大特点[15]。①研究领域和深度发生变化，从数字图书馆用户[16]逐渐向线上教育、电子政务、社交媒体等领域和更深层次扩展[17]。②影响使用意愿的因素存在共性与差异化，不同类型的信息系统用户使用意愿的影响因素存在差异，但是影响因素大体上可以分为用户因素、系统因素、环境因素[18]。③研究方法主要聚焦在定量研究和定性研究以及两者融合上。在定量研究中，主要以成熟的理论或模型如TAM模型[14]、DM模型[19]、ECM-ISC模型[20]等为基础开展研究。近年来，定性研究在用户使用意愿影响因素研究上逐渐受到学者的重视。
信息系统用户使用意愿影响因素日渐丰富。在主客观因素划分方面，客观因素以DM模型提出的系统质量、服务质量、信息质量为主要影响维度。在客观环境得到保障的情况下，用户自身的因素也起到了重要作用，主观因素中以满意度、感知有用性等为主要代表因素影响用户使用意愿。主客观因素受到学者们的积极探索，如郭财强等[21]发现移动图书馆用户的持续使用意愿不仅受到客观因素的系统质量、服务质量、信息质量影响也受到主观因素的感知有用性的影响。刘睿等[22]提出便利条件、社群影响、任务技术配适3个客观因素影响国家公共文化云APP公众持续使用意愿。张敏等[23]研究了影响短视频APP用户使用的信息人因素、信息因素、信息技术因素、信息环境因素。张海等[15]认为社会环境因素、主体因素、技术因素及信息因素是ChatGPT用户使用意愿的主要影响因素。张坤等[24]归纳出有声阅读平台设计、立体化信息内容呈现、阅读体验、身心障碍、使用与转移成本、满意度等因素会影响有声阅读平台用户持续使用行为。
综上所述，科学知识图谱辅助研究学科研究热点并追踪发展趋势，取得了很多优秀成果。随着科学技术的发展，可视化技术不断更新迭代，用户使用意愿影响因素也会随之发生变化。因此，探索科学知识图谱用户使用意愿影响因素，提升科学知识图谱可视化和分析效果，推动提高追踪研究领域热点的科学性具有一定的意义。

2 研究设计/Research design

2.1 研究方法

扎根理论最早由社会学家B. G. Glaser和A. L. Strauss共同提出，是一种根据现有的文献和理论，在研究者的知识和经验基础上对原始资料进行自下而上构建理论的质性研究方法[25]。该方法适用于社会现象较为明显、研究基础薄弱、研究理论体系不成熟的领域，具有较强的解释力，广泛运用于社会科学领域。在信息系统领域，尤其是用户使用信息系统方面，扎根理论具有较好的适用性。科学知识图谱本质上属于信息系统，但是关于可视化方面的研究较少，还未形成系统的理论框架。因此，笔者使用扎根理论质性研究方法探索科学知识图谱使用意愿影响因素及其形成机理，采用Nvivo12工具辅助分析，构建科学知识图谱用户使用意愿影响因素模型。

2.2 访谈提纲

为了获得受访者的真实想法，本文采用半结构化访谈方法来收集原始数据。首先在参考相关研究的基础上设计预访谈大纲，然后采用预访谈的方式调整和完善预访谈大纲。在预访谈中随机选择5名有过访谈经验的受访者对预访谈大纲问题进行提问，并请他们对预访谈大纲设置提出意见和建议。在接受预访谈者的回答和建议后形成本文正式的半结构化访谈大纲，如表1所示。
表1 半结构化访谈大纲

Table 1 Semi structured interview outline

访谈主题 访谈内容
受访者信息 受访者的性别、学历、从事工作等
核心问题 ①您觉得什么是科学知识图谱？
②科学知识图谱提供的功能、可视化等是否符合您的期望？
③科学知识图谱中您最注重的是哪方面？
④您在使用科学知识图谱时有碰到什么困难或阻碍吗？如果有，请您举例
⑤您今后是否会使用科学知识图谱？是什么原因让您今后还会使用？
⑥您希望科学知识图谱未来的发展方向是怎么样的，或者您还有什么想表达的吗？

2.3 数据收集

为了获得有效的原始数据，增强本文研究的可靠性，笔者对受访者进行筛选，筛选的标准如下：①是否使用过科学知识图谱；②是否具有良好的沟通表达能力，能够真实表达自己观点。由于存在一些学科壁垒等问题，使用过科学知识图谱的人员比较有限，因此大部分受访者是图书情报与档案管理学科出身。相关学者的研究经验表明，扎根理论的理论饱和度访谈人数在15—25人较为合适[26]。本文采用线上访谈的方式，最终确认22位受访者，受访者样本统计特征如表2所示。样本统计数据显示，受访对象男女比例同图书情报与档案管理专业的男女比例相一致；硕士及以上学历是科学研究的主力军，受访者的学历以硕士生与博士生为主；受访者包含在读学生以及高校教师、高校档案馆工作人员、高校图书馆工作人员等，职业较为丰富。综上所述，受访者在性别、学历、职业等方面具有良好的代表性。在访谈前，先向受访者介绍本次访谈的相关背景，在征得受访者同意之后对访谈进行全程录音。在访谈过程中对受访者理解不透彻的问题进行相应的解释，并对受访者表述不清的问题进行追问，以确保访谈回答内容的准确性。在访谈结束后，对访谈文本进行转录和人工校对，最终形成22份访谈文本，分别用p1至p22进行编号。
表2 受访者样本统计特征

Table 2 Research sample situation

项目 属性 人数/人
性别 女 16
男 6
学历 硕士研究生 13
博士研究生 9
职业 在读博士 5
高校专任教师 2
高校图书馆工作人员 5
高校档案馆工作人员 2
其他事业单位工作人员 5
企业工作人员 3

3 数据分析/Data analysis

3.1 开放式编码

开放式编码是对收集到的原始资料进行逐句分析、提炼、编码，将其规范成初始概念。在开放编码阶段，笔者在22份访谈文本中随机选择17份并对其进行逐句编码，在这个过程中尽可能使用原始访谈文本中的语句。在开放式编码时得到的初始概念数量比较庞大，同时初始概念存在交叉和相似，经过归类合并后将频次少于2次的初始概念进行删除，得到初始概念72个，由于涉及较多参考点且文章篇幅有限，只能展示部分初始概念（表3）。对初始概念进一步编码，总共得到个性化、呈现丰富度、可解读性等23个基本范畴，最终开放编码结果如表4所示。
表3 部分初始概念编码

Table 3 Partial initial concept coding

原始资料语句 初始概念
p1：我想要把这些数据更加直观地展现出来 数据直观展现
P3：我关注聚类的结果是否合理，因为我聚类了之后，通常跟我预期还是有一定的差距，然后算法是否可靠，需要我进一步探讨 聚类合理性、算法可靠性
P4：科学知识图谱可以帮助我了解这个领域近几年的发展趋势以及学者研究的热点在哪里 了解热点趋势
P6：我觉得科学知识图谱加快了人类的科研进程，是很好的辅助工具，是科研者的一个好帮手 辅助研究
P15：图谱解读对我来说有非常大的难度，CiteSpace生成的图谱能够直观地展示数据之间的关系，但是要准确理解这些关系，需要对所研究领域的知识要有一定的了解 图谱解读
表4 开放编码结果

Table 4 Open coding results

基本范畴 初始概念 基本范畴内涵
安全性 数据风险、数据安全 国外工具处理国内的科研数据是否存在安全和风险隐患
轻简化 网页版、占用安装内存 工具是否有网页版或是安装是否占用过大的内存
稳定性 出现卡顿、安装后报错、安装环境配置、版本更新 工具在安装、使用过程中是否稳定运行
本土化 英文页面阅读障碍、构建国内本土工具 工具是否有国内本土化或是能否展现中文界面
兼容性 数据处理、固定数据格式、多类型数据、数据兼容性、格式转换 工具是否兼容来源不同平台的数据格式
独特性 有擅长功能、更换工具、工具组合成图 工具是否具有独特的优势
个性化 个性化操作、出图后期调整、调整参数 工具是否具有个性化操作
易用性 操作简单、操作便捷、操作导引、学习使用成本低 图谱是否具有操作简单、操作便捷、学习使用成本低的特征
大众化 适宜更多人、感兴趣人群使用、工具免费 工具是否被大众所知、所用
交互性 嵌入AI、缺乏人机互动 工具是否具有交互功能
结果直观性 数据直观展示、阅读清晰、页面清晰 可视化结果阅读是否清晰、直观
呈现丰富度 呈现效果多样化、可视化类型丰富、呈现结果多维度、图形元素多样化 可视化效果是否丰富多样、多维度、图形元素多样化
图谱美观性 美观性、图表精美度、布局合理 可视化呈现结果是否美观、合理
可解读性 解释图表、结果解释说明、解读辅助 可视化结果是否可以挖掘、解读内容
高阶性 高级分析、深度分析 可视化结果是否得到深入、更高级的分析
可信性 聚类合理性、数据量和可信度、结果准确性、算法可靠性 可视化结果是否准确、可靠、合理
辅助科研 辅助研究、促进研究、学科交叉 图谱是否有助于科学研究
了解热点趋势 了解研究热点、追踪发展趋势、发现研究主题 图谱是否有助于了解热点趋势
获取内在知识 获取隐性关系、探索规律、提取有效信息 图谱是否能获取内在关系、规律
用户需求类型 学术需要、工作需要、展示需要 图谱是否符合用户需求
工具使用素养 使用经验积累、使用技能、上手有难度、难获取安装包 用户是否具有工具使用素养
内在动机 挖掘功能、学技术、了解新知识、网络学习 用户是否主动学习、了解使用工具
编程素养 编程知识储备、编程语言有门槛、调试代码 用户具备编程知识是否可以进行科学计量可视化

3.2 主轴式编码

主轴编码是对基本范畴进行深入分析，挖掘各基本范畴之间的联系，对相类似的基本范畴进行归纳、聚类，形成更高维度的主范畴。本文将开放编码中形成的23个基本范畴提炼归纳为技术特征、工具设计、可视化呈现、可视化内容、感知效用、个体特征6个主范畴，这与可视化应用评估维度大致相同[27]，主范畴编码结果如表5所示。
表5 主范畴编码结果

Table 5 Main category encoding results

主范畴 基本范畴 范畴关系内涵
使用意愿 用户在未来有使用科学知识图谱的意愿
技术特征 安全性、轻简化、稳定性、本土化 科学知识图谱具有安全性、轻简化、稳定性、本土化，说明技术好
工具设计 兼容性、独特性、个性化、易用性、大众化、交互性 科学知识图谱具有独特性、个性化、易用性、交互性，符合大众的需要，意味着工具设计具有友好性
可视化呈现 结果直观性、呈现丰富度、图谱美观性 可视化呈现结果具有直观性，呈现丰富，图谱美观，科学知识图谱呈现效果好
可视化内容 可解读性、高阶性、可信性 可视化内容可深入分析，具有可信性、可解读性，意味着科学知识图谱内容好
感知效用 辅助科研、了解热点趋势、获取内在知识 可视化结果能辅助科研、了解学科领域研究热点和发展趋势、获取内在知识，说明科学知识图谱效用好
个体特征 用户需求类型、工具使用经验积累、内在动机、编程素养 用户具有工具使用经验积累、编程素养，自身需求驱动内在动机，意味着科学知识图谱个体特征明显

3.3 选择性编码

选择性编码是在主轴式编码的基础上进一步深入分析主范畴之间的关系，从主范畴中挖掘核心范畴，并梳理出故事线展现主范畴之间的关系，构建理论模型。本文对主范畴进行选择性编码，提炼出主范畴之间的作用关系，并梳理了主范畴之间的故事线，如表6所示。
表6 选择编码结果

Table 6 Select encoding results

逻辑关系 关系内涵 代表性语句
可视化呈现→使用意愿 可视化呈现对科学知识图谱使用意愿产生直接影响，也可通过可视化内容的中介作用对其产生间接影响，还可以通过可视化内容继而影响感知效用对其产生间接影响 P6：在一些可视化的布局上，有时候我觉得很有吸引力，色彩丰富，让我很容易看到一些关键的东西【结果直观性→使用意愿】
可视化呈现→可视化内容→感知效用→使用意愿 P8：我的研究结果通过这种可视化的形式直观展现出来，在阅读的时候更清晰，在我做结果解读的时候有一定参考，使我的论文更加专业化【结果直观性→可解读性→辅助科研→使用意愿】
可视化呈现→感知效用→使用意愿 可视化呈现通过感知效应影响科学知识图谱使用意愿 P10：我比较直观地发现研究热点、核心作者、核心文献的变化，这是当时用这个工具的原因【结果直观性→了解热点趋势→使用意愿】

可视化内容

→使用意愿

 可视化内容对科学知识图谱使用意愿产生直接影响 P4：我没有办法将做出来的图解释得特别明白、特别透彻，这就是我特别苦恼的地方【可解读性→使用意愿】
感知效用→使用意愿 感知效用对科学知识图谱产生直接影响 P3：通过科学知识图谱可以快速掌握一个领域的起源、演进的路径、热点、未来的趋势【了解热点趋势→使用意愿】
工具设计→使用意愿 工具设计对科学知识图谱使用意愿产生直接影响 P1：我希望这些工具的使用能够更加便捷，更加傻瓜式操作【易用性→使用意愿】
技术特征→使用意愿 技术特征对科学知识图谱使用意愿产生直接影响 P9：这些工具基本上是英文界面，使用起来总感觉不是很流畅【本土化→使用意愿】
个体特征→使用意愿 个体特征对科学知识图谱使用意愿产生直接影响 P13：有工作上的任务需求，或者是自己科研，写论文的时候有用过图谱【用户需求类型→使用意愿】

3.4 理论饱和度检验

理论饱和度检验是对开放式编码、主轴式编码、选择性编码这3个编码结果的一致性和可靠性进行检验，即当样本组归纳不出新的概念或范畴时，则认为理论已经达到饱和的状态。本研究对剩下的5份访谈文本进行三级编码，发现分析的概念已被构建的理论模型所覆盖，并未发现新的概念、主范畴和新的关系，因此认为本研究构建的理论模型已达到饱和。

3.5 模型构建

根据三级编码分析可知，可视化呈现、可视化内容、工具设计、技术特征、感知效用、个体特征都对用户使用意愿有直接影响，且可视化呈现通过感知效用间接影响使用意愿，还可通过可视化内容继进而影响感知效用，对使用意愿有间接影响。本文梳理的理论模型如图1所示。
图1 科学知识图谱用户使用意愿影响因素理论模型

Figure 1 Theoretical model of factors influencing user intention to use scientific knowledge graph

4 模型阐释与讨论/Model interpretation and discussion

4.1 技术特征

技术特征通过本土化、轻简化、安全性、稳定性这4个基本范畴对用户使用意愿具有积极的促进作用。大多数科学知识图谱由国外引进，工具的语言环境适用性、安全性以及用户跨语言障碍，影响用户使用意愿。如“希望国内能有更大的突破，能够有一些更成熟的工具，省得我们太依赖于外国的力量”（p2）。工具的轻简化是工具性能的重要指标，对用户的使用意愿有一定影响。如“我希望这些工具所占的内存能够小一点，工具安装占用太多电脑内存”（p1）。稳定性是衡量信息系统质量的重要指标，信息系统质量的高低影响用户的使用体验。如“工具体验不好，比如说很多时候打开SPSS就要好长时间，它很卡”（p11）。

4.2 工具设计

工具设计通过兼容性、独特性、个性化、易用性、大众化、交互性这6个基本范畴影响用户使用意愿。科学知识图谱良好的设计容易触发用户的积极情绪，进而提高用户使用意愿。科学知识图谱若能兼容来源不同平台的数据，无需数据格式转换，可提升其使用意愿。如“它可接受的数据范围最好能够广一点”（p2）。图谱具有独特的可视化功能，更能吸引用户使用。如“它有擅长的或者说有优势的这种功能，再进行拓展丰富就挺好了”（p5）。工具具有个性化操作功能，可刺激用户使用意愿。如“我自己想要的数据就是最好能够给我一些操作空间”（p1）。工具简单易用，从而提高使用效率，更容易激发用户使用意愿。如“工具越简单越傻瓜式，对我来说肯定越好，因为点点马上就出图了，方便”（p8）。工具被大众所接受，促使用户产生使用意愿，如“适宜的人群更多”（p2）。科学知识图谱在交互性方面融入AI技术，迎合人性化设计的需要，这是科学知识图谱发展的一个方向。如“我希望这个可视化的工具能够与现在的人工智能AI相融合，希望它也能够对生产的图谱有一个解读”（p10）。

4.3 可视化呈现

可视化呈现通过结果直观性、呈现丰富度、图谱美观性这3个基本范畴影响用户使用意愿。可视化呈现很大程度上影响科学知识图谱的成败，因此可视化呈现是科学知识图谱的生命线。可视化呈现能够直观展现大量复杂的数据，更容易吸引用户，如“这个可视化工具都会给我一个很好的效果，就是它在结果的呈现方面会比较直观”（p12）。图谱布局合理、形式丰富多样，容易激发用户使用意愿，如“我希望可视化呈现能够更加多元化，有时候它输出的这个图有点重叠，需要后期再进行调整”（p5）。图谱呈现具有美观性，可视化效果新鲜，容易增加用户黏性，如“我希望它呈现的效果更加精美一点，或者让领导觉得比较新鲜一点”（p16）。

4.4 可视化内容

可视化内容通过可解读性、高阶性、可信性这3个基本范畴影响用户使用意愿。使用科学知识图谱的时候需要了解可视化呈现的底层逻辑，这样对可视化呈现结果的解读、解析才能更加充分和可靠，如“我需要学习这些图谱中各种节点、连线，它们之间所代表的含义是什么，如果我没有去详细理解这些连线的含义的话，我就不知道我阐述的这个结果是否正确”（p17）。高阶性是使用算法呈现可视化内容，从而减少主观判断，使可视化内容更加客观、可靠，激发用户使用意愿，如“高级分析的话它支持的比较有限了，比如说因果推断或者预测模型、建模等这些就做得不够好”（p3）。数据是经过一些算法处理之后进行的可视化，可视化使用的算法会影响可视化内容，在可视化过程中要选择合适的算法使可视化内容具有可信性，引发用户使用意愿，如“我比较关注可视化结果的准确性，它采用了这些聚类算法，算法是否可靠”（p3）。

4.5 感知效用

感知效用通过辅助科研、了解热点趋势、获取内在知识这3个基本范畴影响用户使用意愿。感知效用是用户使用科学知识图谱的最终目的，因此也是影响用户使用意愿的重要因素。科学知识图谱能够在海量的、复杂的文献数据中以一种清晰可见的可视化形式将隐性现象反映出来，对科学研究起到一个辅助、促进的作用，如“把这些工具作为一种初步的、辅助性的研究工具”（p15）。科学知识快速增长，科学知识图谱能快速获取学科领域的研究动态，激发用户使用意愿，如“我想要了解某个领域研究热点的话，可视化工具展示的结果比较明显，这是当时用这个工具的原因”（p14）。科学技术的发展带动了科学知识的流动，推动了跨学科交叉研究，如“通过这些可视化工具可以发现某人研究方向以及跨学科的交叉，通过共被引网络找到生物学与材料学的结合点”（p3）。可视化呈现、可视化内容通过感知效应的中介作用间接影响使用意愿，可视化呈现的直观程度、结果丰富程度有助于获取内在的知识，如“通过这些数据可视化分析，我们能够获取到单纯表格看不到的东西和一些关系”（p1）。因此，科学知识图谱要保障可视化呈现和可视化内容的质量，才能使其发挥自身效用。

4.6 个体特征

个体特征通过用户需求类型、工具使用素养、内在动机、编程素养这4个基本范畴影响用户使用意愿。用户的需求是驱动使用意愿的重要因素，如“当初学这个图谱的原因，主要是考虑写论文时如何运用”（p4）。用户自身工具使用素养影响了使用意愿，如“使用CiteSpace这些软件，还是需要一定的基础，普通人用起来比较困难”（p3）。用户虽然有需求，但存在工具使用素养不足，这会激发用户的内在动机，即使碰到困难也能克服，如“刚开始学习可视化图谱的时候，在使用过程中会碰到一些困难，如有时候操作不当等，是通过一些课程或者一些视频资料的学习来解决的”（p7）。由于编程实现可视化的自由性更高，但是随之使用门槛也相对较高，若用户缺乏编程基础，使用编程进行可视化则存在很大的阻碍，如“用代码的方式来完成可视化比较自由，但会碰上代码调试的问题，且用代码的方式来完成比较耗时，可能会影响工作或者科研的进度”（p13）。

5 研究结论/Research conclusion

本研究通过扎根理论对访谈文本资料进行扎根分析编码，形成了6个影响科学计量可视化工具用户使用意愿的主范畴因素，并探讨了因素之间的作用关系，构建了科学计量可视化工具使用意愿影响因素的理论模型。研究表明，技术特征、工具设计、可视化呈现、可视化内容、感知效用、个体特征对科学知识图谱用户使用意愿有直接影响，同时可视化呈现通过感知效用间接影响使用意愿，可视化呈现还通过可视化内容影响感知效用，进而间接影响用户使用意愿，个体特征通过感知效用间接影响用户使用意愿。通过提炼出的影响因素及作用关系得出以下研究启示。
（1）构建本土化的科学知识图谱。科学知识图谱大多数都是从国外引进到国内，其中文语言环境兼容性较差，且大部分国内学者使用科学知识图谱时会面临语言障碍。因此，积极引进国外的科学知识图谱的先进技术和理念，同时也要注意水土不服等问题，结合中国的语言环境、文化等特点构建具有中国特色且安全、稳定的网页版或轻简化的科学知识图谱软件，提升用户使用体验，从而促进用户使用。
（2）拓展科学知识图谱的功能。科学知识图谱需要兼容多元化的数据格式，不论用户使用哪种数据格式，都可以通过人工智能的交互功能根据用户需求自动生成图谱，从而简化操作过程。发展科学知识图谱的独特性，在共现分析、聚类分析、主题分析等基础上综合考虑时间和排序构建图谱的独特性。完善个性化操作，如用户可以调整参数和图形的形状、位置、颜色等。在科学研究中加强知识图谱的宣传，使其被大众群体所接受，提升用户使用意愿。
（3）丰富科学知识图谱呈现方式。近年来，有学者积极探索情报产品的可视化模式，如力导向布局图、气泡图、动态图、多维尺度等进行可视化研究[28]，或是分时间段的研究主题知识图谱的展示，但是也难以应对日益复杂的科学知识。因此，应创新科学知识图谱的可视化呈现方式，在使用科学算法统计词频外还需要根据词频的变化将变化情况直观呈现，如增加三维图谱、动态时间轴等。科学知识图谱处于科学学发展的第三阶段[29]，科学学现如今进入计算科学学以数据驱动的新发展阶段[30]，陈锐等[31]提出科学计量学中跨学科研究范式的演进要关注多元数据基础，所以，科学知识图谱应融入多元化数据，如科研项目等，使其可视化呈现更加丰富。建议采用科学的算法使图谱的布局更加合理，选用的图形、图形大小更符合大众的思维逻辑，结合艺术配色方法来增加图谱的美观性。
（4）提高科学知识图谱可视化内容的科学性。若解读者不了解科学知识图谱使用的算法，其解读结果可能与实际情况存在偏差。因此，科学知识图谱算法透明化，如科学知识图谱附带算法说明文档、视频或者添加注释、解释功能等，让解读者能更简单、深刻地理解其可视化背后的思想逻辑，从而提高解读的合理性、科学性。解读图谱因人而异，专家解读图谱能提高解读的科学性，但是随着学科交叉、融合、发展，新兴研究不断出现，专家未必对科学的局部或全局有十分准确的把握[32]，在一定程度上，人工智能解读科学知识图谱可弥补专家对学科认识的不足，提高解读的可信性。科学知识图谱结合统计学、计算机科学等学科来追踪领域的研究热点与趋势，可加强理论基础和算法研究，促进可视化内容的更深层分析。
（5）优化科学知识图谱的效用。学科交叉研究不断加强，科学知识的范围不断扩展，科学知识图谱应深化基础理论研究（如信息觅食等），优化算法（如突变算法），探索学科交叉研究点，使其更好发挥辅助科研的作用。科学知识图谱现阶段主要以科技文献来追踪某个领域的研究热点和发展趋势，然而科技文献存在时间上的滞后性，应融入项目基金、学术社区、社交媒体等的数据，发现更多、更关键的隐性知识、关系、规律，使其发挥知识发现的优势，进一步提升信息资源管理学科的社会影响力。
（6）激发用户的求知欲。科学知识图谱只有更加科学地追踪研究热点、获取隐性知识，才能更好地激发用户的使用需求。用户使用需求促使用户主动学习科学知识图谱的功能、逻辑、算法以及编程代码等，以服务于图谱可视化。科学知识图谱类型众多，不同的科学知识图谱功能存在差异，需要用户具备工具使用素养。因此，科学知识图谱应配备相应的操作文档、操作案例、视频来提升用户使用工具的能力。
本文不仅丰富了用户使用意愿的相关研究，也为科学知识图谱的发展及支撑科研决策提供理论依据，同时对提高信息资源管理学科影响力有一定推动作用。但是本研究也存在一些局限，如访谈人员的相关学科背景集中在图书情报与档案管理领域，其他学科人员对科学知识图谱是否有其他看法还有待探索；科学知识图谱的各影响因素对使用意愿的作用程度和影响关系还有待探究。未来可以采用实证研究更细粒度地探索影响因素的作用程度和作用关系等，提升理论模型的普适性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
CHEN C. Searching for intellectual turning points: progressive knowledge domain visualization[J]. Proceedings of the National Academy of Sciences, 2004, 101(S1): 5303-5310.

[2]
刘自强, 岳丽欣, 许海云, 等. 时序共词网络构建及其动态可视化研究 [J]. 情报学报, 2020, 39(2): 186-198.

LIU Z Q, YUE L X, XU H Y, et al. Construction of a temporal co-word network and its dynamic visualization[J]. Journal of the China Society for Scientific and Technical Information, 2020, 39(2): 186-198.

[3]
陈悦, 刘则渊. 悄然兴起的科学知识图谱 [J]. 科学学研究, 2005(2): 149-154.

CHEN Y, LIU Z Y. The rise of mapping knowledge domain[J]. Studies in science of science, 2005(2): 149-154.

[4]
曹雪婷, 余厚强. 科学计量工具冗余了吗?——基于常规分析路径的比较研究 [J]. 图书情报知识, 2021, 38(4): 93-101, 92.

CAO X T, YU H Q. Are scientometric analysis tools redundant: a comparative study based on conventional analysis approach[J]. Document, informaiton knowledge, 2021, 38(4): 93-101, 92.

[5]
陈悦, 刘则渊, 陈劲, 等. 科学知识图谱的发展历程 [J]. 科学学研究, 2008(3): 449-460.

CHEN Y, LIU Z Y, CHEN J, et al. History and theory of mapping knowledge domains[J]. Studies in science of science, 2008(3): 449-460.

[6]
COBO M J, LOPEZ-HERRERA A G, HERRERA-VIEDMA E, et al. An approach for detecting, quantifying, and visualizing the evolution of a research field: a practical application to the fuzzy sets theory field[J]. Journal of informetrics, 2011, 5(1): 146-166.

[7]
VAN ECK N, WALTMAN L. Software survey: VOSviewer, a computer program for bibliometric map[J]. Scientometrics, 2010, 84(2): 523-538.

[8]
GARFIELD E. Historiographic map of knowledge domains literature[J]. Journal of information science, 2004, 30(2): 119-145.

[9]
周彤, 曹旻, 邹序明. 公共图书馆服务效能研究现状、热点与展望——基于CiteSpace的可视化分析[J]. 图书馆, 2025(5): 15-24.

ZHOU T, CAO M, ZOU X M. Research status, hotspots, and prospects of public library service efficiency: a visual analysis based on CiteSpace[J]. Library, 2025(5): 15-24.

[10]
马晓飞, 张尔赫. “数字中国”建设背景下高校学生计算思维培养研究：热点、趋势与建议 [J]. 图书情报工作, 2023, 67(13): 142-151.

MA X F, ZHANG E H. Research on the cultivation of computational thinking among college students under the background of "Digital China" construction: hot spots, trends, and suggestions[J]. Library and information service, 2023, 67(13): 142-151.

[11]
王婧美, 吴心羽. 国内图书馆知识管理研究热点与前沿分析 [J]. 图书馆学研究, 2024(8): 2-9.

WANG J M, WU X Y. Analysis of hotspots and frontiers in domestic library knowledge management research[J]. Research on library science, 2024(8): 2-9.

[12]
施萧萧, 张庆普. 基于共词分析的国外颠覆性创新研究现状及发展趋势 [J]. 情报学报, 2017, 36(7): 748-759.

SHI X X, ZHANG Q P. Study of status and development direction of international disruptive innovation: based on co-word analysis[J]. Journal of the China Society for Scientific and Technical Information, 2017, 36 (7): 748-759.

[13]
岳丽欣, 刘自强, 许海云. 基于交互式可视化的领域知识图谱构建研究[J].情报科学, 2020, 38(6):145-150.

YUE L X, LIU Z Q, XU H Y. Domain knowledge mapping construction based on interactive visualization[J]. Information science, 2020, 38(6):145-150.

[14]
DAVIS F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. MIS quarterly, 1989, 13(3): 319-340.

[15]
张海, 刘畅, 王东波, 等. ChatGPT用户使用意愿影响因素研究[J]. 情报理论与实践, 2023, 46(4): 15-22.

ZHANG H, LIU C, WANG D B, et al. Research on the influencing factors of ChatGPT users' intention[J]. Information studies: theory application, 2023, 46(4): 15-22.

[16]
曹高辉, 徐元. 数字图书馆使用意愿影响因素研究综述 [J]. 图书情报工作, 2019, 63(4): 142-150.

CAO G H, XU Y. Review on the factors of using intention in digital library[J]. Library and information service, 2019, 63(4): 142-150.

[17]
张熠, 徐艺玲, 程慧平, 等. UTAUT模型在国内IT/IS采纳实证研究中的应用现状分析 [J]. 现代情报, 2018, 38(11): 123-129.

ZHANG Y, XU Y L, CHENG H P, et al. Analysis on the current status of empirical study on the adoption of IT/IS by applying UTAUT model in China[J]. Journal of modern information, 2018, 38(11): 123-129.

[18]
欧阳博, 刘坤锋, 杨海娟. 国外信息系统持续使用模型应用研究综述 [J]. 现代情报, 2017, 37(8): 171-177.

OU Y B, LIU K F, YANG H J. Review on application research of expectation confirmation model of IS continuance abroad[J]. Journal of modern information, 2017, 37(8): 171-177.

[19]
DELONE W H, MCLEAN E R. Information systems success: the quest for the dependent variable[J]. Information systems research, 1992, 3(1): 60-95.

[20]
BHATTACHERJEE A. Understanding information systems continuance: an expectation-confirmation model[J]. MIS quarterly, 2001, 25(3): 351-370.

[21]
郭财强, 明均仁. 移动图书馆用户持续使用意愿整合模型及其实证研究[J]. 现代情报, 2020, 40(9): 79-89.

GUO C Q, MING J R. Integrated model and empirical study on users' continuous usage willingness of mobile library [J]. Journal of modern information, 2020, 40(9): 79-89.

[22]
刘睿, 韦景竹. 国家公共文化云APP公众持续使用意愿研究 [J]. 情报资料工作, 2020, 41(4): 39-48.

LIU R, WEI J Z. Research on public willingness to use the national public culture cloud APP[J]. Information and documentation services, 2020, 41(4): 39-48.

[23]
张敏, 龙贝妮, 刘盈, 等. 短视频APP用户持续使用之影响因素探究及其对该领域公共治理之启示 [J]. 现代情报, 2020, 40(3): 65-73.

ZHANG M, LONG B N, LIU Yet al. Analysis on the influencing factors of short video users' continuance intention and its enlightenment for public administration [J]. Journal of modern information, 2020, 40(3): 65-73.

[24]
张坤, 吕淑仪, 王建亚, 等. 有声阅读平台用户持续使用行为的影响机理研究 [J]. 图书情报工作, 2024, 68(22): 115-125.

ZHANG K, LV S Y, WANG J Y, et al. Research on the mechanism influencing continuous usage behavior of audiobook platform users[J]. Library and information service, 2024, 68(22): 115-125.

[25]
GLASER B G, STRAUSS A L, STRUTZEL E. The discovery of grounded theory; strategies for qualitative research[J]. Nursing research, 1968, 17(4): 364-365.

[26]
靳代平, 王新新, 姚鹏. 品牌粉丝因何而狂热?——基于内部人视角的扎根研究 [J]. 管理世界, 2016(9): 102-119.

JIN D P, WANG X X, YAO P. Why are brand fans so passionate? rooted research based on the perspective of insiders[J]. Management world, 2016(9): 102-119.

[27]
刘合翔. 可视化应用的评估方法研究综述 [J]. 现代情报, 2020, 40(4): 148-158.

LIU H X. Research review on evaluation methods of visualization application[J]. Journal of modern information, 2020, 40(4): 148-158.

[28]
张迪, 赵亚娟, 赵慧敏, 等. 情报产品可视化展示模式和方法研究 [J]. 情报理论与实践, 2020, 43(2): 66-71.

ZHANG D, ZHAO Y J, ZHAO H M, et al. Research on visualization model and method of information products[J]. Information studies: theory application, 2020, 43(2): 66-71.

[29]
梁帅, 韩军徽, 李正风. 科学学的理想、演进与走向 [J]. 科学学与科学技术管理, 2022, 43(11): 78-87.

LIANG S, HAN J H, LI Z F. The ideal, evolution and trend of "science of science"[J]. science of science and management of S. T., 2022, 43(11): 78-87.

[30]
侯剑华. 计算科学学：数智驱动的科学学新发展 [J]. 科学学研究, 2025, 43(7): 1395-1402.

HOU J H. Computational science of science: new developments in science of science driven by digital and intelligent technologies[J]. Studies in science of science, 2025, 43(7): 1395-1402.

[31]
陈悦, 谢俊杰, 王智琦. 科学计量学的跨学科研究范式演变和发展进路 [J]. 科学学研究, 2025, 43(2): 291-299.

CHEN Y, XIE J J, WANG Z Q. Evolution of interdisciplinary research paradigms and development approach in scientometrics[J]. Studies in science of science, 2025, 43(2): 291-299.

[32]
陈悦, 陈超美, 刘则渊, 等. CiteSpace知识图谱的方法论功能 [J]. 科学学研究, 2015, 33(2): 242-253.

CHEN Y, CHEN C M, LIU Z Y, et al. The methodology function of CiteSpace mapping knowledge domains[J]. Studies in science of science, 2015, 33(2): 242-253.

Options
Outlines

/

〈 〉