可视化技术在近10年国内水利水电类英语期刊论文中的研究与发现

张梅（浙江杭州萧山高教园区，浙江同济科技职业学院基础部，浙江 萧山 310000）

可视化技术在近10年国内水利水电类英语期刊论文中的研究与发现

张梅
（浙江杭州萧山高教园区，浙江同济科技职业学院基础部，浙江 萧山 310000）

大数据时代，可视化技术让我们快速有效地从数据中观察到人类社会的复杂行为模式，如何获取、分析并应用数据来解决社会和商业问题，已成为学术界和实业界面临的新机遇与挑战。本文试图通过大数据可视化技术，力图清楚呈现近10年国内水利水电类英语特别是农业英语研究的现状、热点和发展趋势，这些发现对指导今后水利水电类英语学术研究方向具有重要借鉴意义和启示。

可视化技术；国内；水利水电英语；期刊论文；近10年

1　引言

随着国际农业科技交流和互联网技术的快速发展，水利水电类英语的教学与研究日益重要，熟练地掌握及应用水利水电英语已经成为当前水利水电院校学生必备的专业素质。然而，国内有关水利水电英语的研究或者停留在宏观层的课程体系管理及教学改革，或者注重水利水电英语的语言特点及翻译策略，利用大数据可视化技术对水利水电英语进行分析研究的却不多。大数据时代，数据科学让我们越来越多地从数据中观察到人类社会的复杂行为模式，针对信息时代的社会化媒体发展和变革，如何获取、分析并应用数据来解决社会和商业问题，已成为学术界和实业界面临的新机遇与挑战。本文以近10年国内期刊的水利水电英语类论文为语料，特别是农业英语方面，采用标签云等可视化技术，力图清楚呈现国内农业英语研究的现状、热点和发展趋势，对指导我国水利水电类英语学术研究具有重要借鉴意义和启示。

2　可视化技术定义及特点

可视化（Visualization）又称为“可视思考、视觉化思考”，本意是使得某物图像化、图形化，从而能清晰、直观地呈现［1］。作为学科术语，“可视化”出现于20世纪80年代，事实上，将任何抽象的事物、过程转化为可视的图形或文字的展现方法都可以称为可视化。随着大数据的剧增，由于对数据缺乏直观的印象，人们无法快速了解各个学科甚至同一学科的主要研究领域和主要研究人员以及他们之间的相互关系，更不能快速发现有价值、权威性的文章。因此有必要利用可视化技术对科技文献开展进一步的分析挖掘，以便更清楚有效地把握科学的发展规律。一幅图胜过千言万语，人类从外界获得的信息约有80％以上来自于视觉系统，当大数据以直观的可视化的图形形式展示在分析者面前时，分析者往往能够一眼洞悉数据背后隐藏的信息并转化知识以及智慧［7］。通过对相关领域的调研发现，数据挖掘、知识发现和信息可视化技术等信息前沿技术可以有效辅助学术论文的管理，尤其是可视化技术可以使海量数据的展示变得简洁化、条理化、多维化，可以从不同层面、细节、角度表达传递信息，通过对比和比较，快速有效地揭示数据之间的联系和深层数据的规律，因此将可视化技术与科技论文管理的结合是一种有效的手段。

3　可视化技术的分类和特点

随着计算机技术的发展，可视化技术也随之有了突飞猛进的发展，不仅仅只有科学计算可视化，还包括了数据可视化（data visualization）、信息可视化（information visualization）、知识可视化（knowledge visualization）等一系列的分支。同时新型的数据可视化工具必须满足互联网爆发的大数据需求，必须快速的收集、筛选、分析、归纳、展现决策者所需要的信息，并进行实时更新。互联网+时代，大数据领域已经吸引了计算机图形学、人工智能、信息检索、数字图书馆、教育、艺术等多个学科科研人员的关注并取得了一些研究成果，如分析文献的可视化工具HistCite和CiteSpace［2］；分析文本内容间语义关联的可视化工具NLPWin［3］；发现阅读线索的可视化工具TextArc［4］等均是具有广泛应用的信息可视化工具。通过文献分析不难看出，可视化技术实质上是针对不同领域和不同类型的文本信息，实现最大程度的抽象和概括。它不仅仅是图形图表的简单呈现，更大的意义在于帮助使用者发现文本信息间潜在的结构性关联。目前可视化工具较多，但有些专业性太强，对于一线教师来说，Wordle、Word clouds、Tagxedo等可视化工具比较简单易操作，且具有友好的用户交互界面、强大的文字处理能力和绚丽多样的呈现效果。本文采用了标签云（Word Clouds）技术，这是一种基于词频的可视化形式。借助文字云图生成工具能快速分析一段文本中词语的出现频率并以颇具美感的图形化方式呈现给用户，使用户可以不用通读全文，就能迅速了解文本概貌和不同文本间关联程度。

4　可视化技术在国内期刊学术论文中的研究与应用

本文重点关注近10年来国内水利水电英语特别是农业英语研究发展的总体趋势、热点领域、重要理论及研究方法。论文数据来自于中国知网数据库中的期刊数据，通过对主题词进行检索，检索年限范围是2005至2015年，共获得农业英语33篇，有效地处理筛选数据后，共获得农业英语30篇，来源文献包括作者、标题、来源出版物、摘要和参考文献等。

统计结果显示，近10年来农业英语领域的研究总体呈逐年阶梯式上升趋势，尤其是2014年论文发表数量剧增（见图1），研究势头的增长或许与2014年中央政府提出的转变水利水电发展方式，利用互联网+时代科技技术推动水利水电现代化，大力支持水利水电发展政策有密切关系。在对期刊的分类统计中发现，国内水利水电英语研究论文主要发表在大学校报里比较多，如《西安外国语学院学报》、《北京第二外国语学院学报》、《华中水利水电大学学报》、《湖北科技学院学报》等等，其次是水利水电类期刊，如《湖南水利水电科学》、《安徽农业科学》、《湖南农机》、《农业网络信息》等，最后是其他类别期刊，如《今日科苑》、《中国科教创新导刊》、《科技视界》等。

图1　10年来国内水利水电英语研究的发展趋势（2005-2015）

图2　农业英语学术论文研究领域分布

从图2中可以看出，近10年来以“农业英语”为关键词进行研究探讨的期刊论文相对集中在水利水电英语语言特点及翻译方面，比如“浅谈农业专业术语的翻译”、“农业英语的语言特点与翻译方法”、“浅析农业专业英语的特征和翻译技巧”等等，不同的学者围绕农业英语语言特点进行了不同层次和角度的研究论述，不约而同发现了农业英语不同于基础英语或者其他专业英语的特点，即专业性强、合成词和派生词多等。同时基于语料库的水利水电英语研究领域也引起了同样高的关注度，2014年就有5位学者从不同角度研究了语料库在水利农业英语中的应用，如“FAO水利英语被动语态的语料库研究”、“基于语料库的农业英语高频动词的语义韵研究”、“基于语料库的FAO农业英语中的动词名词化分析”等等，说明语料库研究对农业英语语言现象研究有着很大的辅助和促进作用；其次是农业英语教学模式方面的研究，也有少数学者专注于对农业词汇记忆策略的研究和农业英语论文文献分析。

标签云的可视化分析清楚明显地展示了以“农业英语”为关键词研究的重点领域多数集中在农业语言特点分析与翻译，以及基于语料库的语言研究方面。标签云或文字云是关键词的视觉化描述，用于汇总用户生成的标签或一个网站的文字内容（见图3）。标签一般是独立的词汇，常常按字母顺序排列，其重要程度又能通过改变字体大小或颜色来表现，所以标签云可以灵活地依照字序或热门程度来检索一个标签。大多数标签本身就是超级链接，直接指向与标签相联的一系列条目［4］。基于标签云的词云技术有利于图形化展示文献的统计信息，挖掘文献研究的主题概貌，是一种新型有效的文献综述展示工具。

图3　基于标签云Words Cloud软件的农业英语期刊论文研究可视化结果

5　结论

纵观2005至2015近10年国内水利水电英语的研究热点和研究进展，通过可视化技术的应用与分析展现，呈现出以下几大特点：（1）理论研究数量占绝对比例，实证研究数量非常少。在近30篇期刊论文中大部分是个人观点陈述，还有部分文献评述，教学模式探索、人才培养方式改革以及水利水电课程设置可行性分析，这与国外ESP专业英语研究方法的主流趋势不太相符。（2）同一主题的研究较多，且研究内容和发现具有很大类似性，比如在对水利水电英语词汇特点的研究上，2014年杨健的研究结论是专业性强、派生法、合成法、缩略词，这与汪庆伟（2009）总结的三大特点“专业性强、合成词多和派生词多”非常类似，无独有偶，彭俊（2016）在研究水利水电英语词汇特点的时候也提到“缀合法、复合法、缩合法、首字母缩略法”等；同样在对翻译策略方面的阐述时也出现内容极其惊人的类似，说明不同时期不同学者的观察发现总结具有相似性，但也缺少了点创新性和独创性。（3）国内水利水电英语领域的研究总体呈上升趋势，尤其是2013、2014年出现了井喷现象，2013年有7篇论文，而2014年则达到了12篇论文发表，这种高关注度或许与中央政府对水利水电发展的重视度以及相关新政策的发布推动有关。在2014年的12篇中有5篇是基于语料库的研究，说明计算机科学的飞速发展以及计算机技术在语言研究领域中的迅速普及和应用，国内语料库建设越来越呈现出普遍性的特点。

综上所述，将可视化技术作为科学研究分析一个重要部分，通过标签云tag cloud、知识图谱分析、Piktochart、Tagxedo、Word Clouds等可视化技术可以清楚有效得出学科研究热点领域和研究趋势等结论，这些将对今后研究主体决策活动有很高参考价值。作为定性分析的辅助和补充手段，可视化技术可以为科技文献的分析和整理做好支持协助作用。但是可视化技术作为一种前沿的信息技术，在应用过程中也遇到许多困难和问题，比如技术的普及化程度有待大力推广，许多非技术出生的文科类教师在应用该技术的同时会遇到很多的头疼问题。另外可视化技术的部分应用和算法以及可视化分析过程中与人的交互性研究都需要深入探讨。

［1］可视化定义［EB/OL］.http：//baike.baidu.com/link？url =BQDlHNlmEM9Fa2Huj3AtCJBVAVkKQXUF5YZ_XWyye 2TjGXUA6MGSCiApOg8ApmRZoWJ__rBMkycQeE4m 5ywY0K.

［2］CHAOMEI CHEN.CiteSpace II：Detecting and visualizing emerging trends and transient patterns in scientific literature［J］. Journal of the American Society for Information Science and Technology，2006，57（3）：359-377.

［3］JURELWSKOVES，M.G.，NATASAMILIC-FRAYLING. Learning Sub-structures of Document Semantic Graphs for Document Summarization［C］.LinkKDD，2004.

［4］PALEY WB.TextArc：Showing Word Frequency and Distribution in Text［R］.IEEE Symposium on Information Visualization，2002.

［5］标签云定义［EB/OL］.http：//www.uisdc.com/onlinewordcloud-generators.

［6］彭 俊.农业英语的特征与翻译［J］.教育在线，2016：86-87.

［7］任 磊，杜 一，马 帅，等.大数据可视分析综述［J］.软件学报，2014，25（9）：1909-1936.

［8］汪庆伟.农业英语的语言特点与翻译方法［J］.华中农业大学学报（社会科学版），2009（4）：124-128.

［9］杨 健.农业英语的语言特点与翻译策略［J］.吉林广播电视大学学报，2014（5）：136-137.

［10］赵 琦，孙 坦.文本可视化及其主要技术方法研究［J］.现代图书情报技术，2008，24（8）：24-30.

TP391.41

A

1672-5387（2016）05-0070-03

10.13599/j.cnki.11-5130.2016.05.025

2016-03-30

张梅（1977-），女，讲师，硕士，研究方向：英语教学法和二语习得。