我国学前融合教育研究共词网络的可视化分析

《我国学前融合教育研究共词网络的可视化分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、我国学前融合教育研究共词网络的可视化分析【摘要】为分析我国学前融合教育研究的主题分布和关注热点，本文运用共词网络分析、聚类分析和多维尺度分析等方法，对相关研究文献进行了关键词词频统计、网络分析和知识图谱绘制。结果显示：（1）学前融合教育研究核心关键词较多，但中心度较低，高频关键词互动程度不足，研究网络有待完善。（2）学前融合教育质量评估研究处于边缘地位，亟需补充过程性、结构性和个别化评估等研究。（3）教师专业素养及利益相关者观念（态度）是当前研究的核心议题，是学前融合教育工作能够有效开展的前提条件。（4）课程设置及物理环境是学前融合教育支持系统的重要基础，但有关这方面的研究

2、相对孤立，边缘化明显。因此，我国学前融合教育亟需加强跨领域多学科之间的合作，以推动学前融合教育研究的全面与深入开展；同时，要加快境外经验的本土化研究，拓展基于实证和循证的实践探讨；此外，还要关注融合教育现场的过程性指导问题，完善保教策略与支持系统研究，以促进学前融合教育的健康发展。本文采集自网络，本站发布的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息，如果需要分享，请保留本段说明。　【关键词】学前融合教育；共词可视化；研究热点；知识图谱；网络分析　　【中图分类号】G610【文献标识码】

3、A【文章编号】1004-4604（2017）04-0049-07　　学前融合教育是指让有特殊教育需要的0～6岁儿童能真正地和其他正常发展的同伴一起接受早期教育机构的保育和教育。〔1〕近年来，学前融合教育研究日益受到关注，相关的理论研究成果颇为丰富。为分析我国学前融合教育研究的主题分布和关注热点，本文运用共词网络分析、聚类分析和多维尺度分析等方法，对相关研究文献进行了关键词词频统计、网络分析和知识图谱绘制。　　一、研究设计　　（一）数据来源　　研究者在中国知网（CNKI）中，以“学前融合”“学前全纳”“幼儿融合”“幼儿园随班就读”等为关键词进行检索，检索时间截点为2016年3

4、月15日，共检索到267篇文献。同时选择《北京大学中文核心期刊要目总览》收录过的核心学术期刊刊载文献，排除人物报道、报纸及会议论文等非学术性文献，结果得到有效文献66篇。　　（二）研究工具　　本研究使用的工具有BICOMB2.0、UCINET6.0、Netdraw和SPSS21.0等程序软件。　　（三）研究维度　　1.领域核心关键词　　一个领域研究成果的关键词集合，可以揭示该研究领域的总体特征、内在结构和发展脉络及方向等。词频分析是通过统计关键词出现的频次，推断该研究领域被关注最多的点。在由关键词组成的网络中，词间关系复杂，仅从词频角度判断关键词的地位可能会出现误差，因此，

5、还需结合网络中心性分析判断出核心关键词，即从“关系”的角度对关键词进行定量研究，以揭示关键词在网络结构中的地位及其特征。　　2.关键词互动程度　　关键词之间的联系紧密度、互动程度较为隐性，需要通过网络密度分析和距离分析进行判断。网络密度是指网络节点之间彼此的联系程度，可据此判断关键词之间的知识流通和互动程度，网络节点的高密度可在一定程度上表明学科发展较为系统。距离指两个点之间存在的一个最优途径的长度。〔2〕网络距离分析可借由关键词之间的距离层次、各层次的联系度以及关键词之间平均距离等指标，把握研究领域的总体特征。　　3.主题类别　　主题类别是对关键词进行的聚类分析。它是一个

6、将数据集划分为若干组或若干类的过程，并使得同一个组（类）内的数据对象具有较高的相似度，而不同组（类）中的数据对象是不相似的。对关键词之间相似或不相似的描述需基于它们在同一篇文章中出现的频率来确定，即以各对象间的距离来表示，关键词越相似则距离越近。　　4.主题内外部结构　　在聚类分析中类团划分具有排斥性，一??词只能聚入一个类团，这可能会影响到其他类团成员的个数，甚至不能形成类团，造成领域划分与实际情况的不符。聚类分析中并不能看出类内与类间的相互影响，看不出所有词与各类别的关系。〔3，4〕因此，为更好地解读出主题内容，梳理出类内与类间的联系，研究者需对各聚类种类进行个体网分析

7、。　　5.主题的成熟―中心性地位　　聚类分析可以得到领域的主题结构，却无法明确各主题在研究中所处的位置，即主题的成熟―中心性，因此需要通过多维尺度分析和预测，研究发展趋势。为可视化呈现主题类内与类间的关系及各主题的成熟―中心性，相关研究大多会将共词网络与聚类及多维尺度分析加以结合。　　（四）研究过程　　首先，对文献中的关键词进行规范化处理，合并含义相同的关键词，以确保关键词语义的一致性，同时，使用BICOMB2.0提取并统计关键词，得到高频关键词统计结果。其次，生成关键词共现矩阵。将矩阵导入UCINET6.0进行格