基于文本大数据的学科知识可视化教学探索与实践

摘 要：[目的/意义]适应数据智能时代的教育教学改革需求，发挥大数据等新兴信息技术融入知识可视化的优势，基于文本大数据进行学科知识可视化教学探索与实践。[方法/过程]以知识可视化理论为基础，构建是什么（know-what）、为什么（know-why）、怎么样（know-how）、会怎样（know-will-be）的学科知识可视化教学模式，选择科学知识图谱作为可视化教学路径。以情报学为例，运用Citespace针对情报概念、情报流程、情报系统/体系、突发事件情报等教学内容，开展学科知识可视化教学实践。[结果/结论]实践结果表明，基于文本大数据的知识可视化能够促进学生对于知识的了解、识记、思考和创新，有效提升学科教学中知识传播的表达力和知识创新的穿透力。

关键词：文本大数据;知识图谱;知识可视化;教学模式;情报学

DOI：10.3969/j.issn.1008-0821.2022.02.010

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2022）02-0104-13

Exploration and Practice of Visual Teaching of

Subject Knowledge Based on Text Big Data

——Take Informatics as an Example

Xia Yixue

（China People's Police University，Langfang 065000，China）

Abstract：[Purpose/Significance]Meet the needs of education and teaching reform in the era of data intelligence，give full play to the advantages of integrating emerging information technologies such as big data into knowledge visualization，explore and practice visual teaching of subject knowledge based on text big data.[Method/Process]Based on the knowledge visualization theory，subject knowledge visual teaching model of what，why，how and know will be was built，and the Mapping Knowledge Domain was selected as the visual teaching path.Taking informatics as an example，CiteSpace was used to carry out visual teaching practice of subject knowledge for teaching contents such as information concept，information process，information system and emergency information.[Results/Conclusion]The practice results show that knowledge visualization based on text big data can promote students' understanding，memorization，thinking and innovation of knowledge，and effectively improve the expression of knowledge dissemination and the depth of knowledge innovation in subject teaching.

Key words：text big data;mapping knowledge domain;knowledge visualization;teaching model

大數据时代的发展，为知识可视化提供了可供聚合关联和深度挖掘的海量资源，也极大丰富了知识可视化的技术和方法，让人们得以从广阔的全局视角来俯瞰知识发展历程，从多维度切入来探索知识的结构和关系、涌现和创新。大数据的核心是预测，在全面推进知识传播的同时，大数据对于知识可视化的价值更体现在预测趋势、发现未来，并成为知识创新的重要途径。

我国知识可视化相关研究起始于2005年，其研究主题包括：①知识可视化的基本手段，如视觉表征;②知识可视化的基础，如信息可视化等;③知识可视化的方法，如知识地图、知识图谱、思维导图、概念图等;④特定知识类型的可视化，如学科知识、隐性知识等;⑤知识可视化在教学中的应用等（我国知识可视化研究关键词聚类图谱如图1所示）。通过梳理发现，现有研究在知识可视化的理论、方法、应用等方面进行了重点研究，但是随着网络、信息、媒体等新兴技术的快速更迭，知识可视化领域亟需深化理论研究、融入新兴技术，才能满足与时俱进的教育教学改革需求，并引领数据智能时代的教育教学改革潮流。

知识可视化自21世纪初提出以来，伴随教育信息技术的发展，有力推动了教学模式转变和教学质量提升。但是，知识可视化在教育领域的应用，仍然存在理念滞后、方法局限等问题。重塑数据智能时代的知识可视化理念，探索更具表达力和创新性的知识可视化路径，是当前教育教学改革中极具理论价值和实践意义的研究课题。本文以“预测知识发现、探索知识创新”为理念，运用大数据与人工智能领域的重要方法——知识图谱，以情报学为例，基于科学文献所形成的文本大数据，对学科知识的主题分布、范式更迭、演进过程和前沿趋势进行可视化呈现，进行“是什么—为什么—怎么样—会怎样”的全周期学科知识可视化教学实践，探索学科知识可视化教学的新模式。

1 基于大数据的知识可视化及其教学应用

1.1 知识可视化理论

知识可视化（Knowledge Visualization）是在科学计算可视化、数据可视化、信息可视化基础上发展起来的新兴研究领域，应用视觉表征手段，促进群体知识的传播和创新[1]。其理论基础是双重编码理论，即将知识以图解的方式表示出来，同时以视觉形式和语言形式进行知识传播，能够增强记忆和理解。

知识可视化的重要价值在于改变看世界的方式，根据科学哲学家卡尔·波普尔关于3个世界的宏观哲学理论[2]，一般科学研究看世界的方式是世界2通过人的视觉等体视化方式直观认识世界1，而知识可视化是世界2通过“视觉顿悟”“视觉思维”等方式，通过分析世界3的抽象知识，绘制知识图谱来认识世界1，从而“改变看世界的方式”[3]，如图2所示。这种融合抽象化知识和形象化图像的知识可视化方式，有助于从更多维、更全局的视角对世界1进行更深入、更具预见性的认识和研究。

1.2 知识可视化的教学应用

伴随信息技术、网络技术等发展，知识可视化的技术和方法日益丰富，如概念图、思维导图、认知地图、语义网络、知识图谱等二维知识可视化，以及利用虚拟现实、增强现实、全息投影等技术进行的三维、沉浸、全景的知识可视化。在大数据时代，知识资源的海量扩充与技术方法的快速更新，为知识可视化提供了新的发展契机，其教学应用也愈加丰富、深刻。

1）知识可视化丰富学科知识教学方法。在传统的教材讲授、文献研读基础上，提出一种通过学科知识图谱进行知识传授的教学方法。从学科历史、学科概念、学科方法到学科趋势，在以学科知识传授为主的课程中，可以大量使用知识可视化的教学方法。一是在时间维度上，知识可视化能够刻画知识产生、演进、更迭的历时性过程，从而呈现知识发展模式等科学规律。科学哲学家托马斯·塞缪尔·库恩提出科学发展模式理论，指出科学发展经历的历史过程：前科学→常规科学→反常/危机→科学革命→新的常规科学……[4]，在科学知识图谱中由一个知识领域引文聚类的形成、积累、扩散、转换来揭示知识领域研究主题的突现与演变进程，是对这一理论的形象阐释。二是在空间维度上，知识可视化能够多维刻画学科知识全貌，基于大数据的多模态知识可视化建构了立体图景，目前知识图谱链接的实体形态日益多样化，包括文本语料、图形图像、声音语音、视频动画等，知识可视化由平面可视化向立体可视化发展。

2）知识可视化深化学科教学中知识创新的教学目标。在传播知识的基础上，学科教学应当更加注重知识创新，知识可视化为实现这一教学目标提供了模型和方法。预测是大数据的核心价值，基于大数据的知识可视化技术，以生成新知识、预测知识发展趋势为显著特征。例如知识图谱中运用OWL本体语言、Datalog语言等，基于Tableaux、Hypertableau、RETE、Path Ranking等算法进行本体推理、逻辑推理等知识推理，能够根据已有的知识推理出新的知识[5]。又如科学知识图谱中基于知识单元的特定知识领域所构成的复杂自组织知识系统，能够展示知识的基础、中介和前沿，知识的结构、演化和重组，知识的涌现、断层和变革[3]，并且对知识网络中关键节点及关键位置的发现技术，如高被引、高突现性论文的发现，能够预测知识转折点。

2 基于文本大数据的学科知识可视化教学探索

基于大数据的知识可视化能够有效探索知识发展规律并预测未来发展趋势，为教学方法改革提供了新思路。特别是针对某一学科，其知识领域由若干科学文献构建而成，伴随近年来科学文献的海量增长和数字化，已经形成了文本大数据资源，基于科学文献的文本大数据，进行学科知识可视化的教学探索，推进学科知识的创新性讲授，将有助于增强知识理解的程度，提升知识传播的效果。

2.1 学科知识可视化教学模式

知识可视化研究的重要开拓者马丁·爱普提出，设计可视化教学方法时应该关注的问题，例如怎样传播是什么（know-what）的知识，讲述为什么（know-why）的知识，呈现怎么样（know-how）的知识等[6]。基于大数据的知识可视化教学探索，其核心是预测，由此，本文融入预测会怎样（know-will-be）的知识，建构全周期的学科知识可视化教学模式，如圖3所示。

其中，是什么的知识，侧重于知识的基本单位——概念，包括概念的内涵（属性）和外延（范围），以及某一概念在知识体系中的位置。为什么的知识，包括知识生产、传播和应用的内在规律、知识发展的演进模式，以及影响这一过程的外在环境。怎么样的知识，包括知识的具体内容，以及内容生成、组合、创新的方法。会怎样的知识，包括知识的热点和前沿，可能产生新知识的知识点或领域，以及知识发展的未来趋势。

依照这一模式所建构的学科知识体系，首先能够有效传播知识，让学生对知识体系有全景式认识，并了解其生成机理和演进模式，从而促进知识的理解和内化;其次，能够有效推进知识创新，这一模式为知识创新提供了全面支持，包括创新的基础（是什么）、创新的内在规律和外在影响（为什么）、创新的方法（怎么样）、创新的方向（会怎样）等，从而激发知识创新过程、提高知识创新效率。

2.2 基于科学知识图谱的可视化教学路径

海量科学文献形成的文本大数据为知识可视化教学提供了基础资源，目前针对知识领域文本大数据的可视化方法主要是知识图谱，因此选取科学知识图谱的可视化方法，在展示知识全貌和历史进程的同时，标识当前热点，以实现学科前沿探测和趋势预测的目的。科学知识图谱是以知识域为对象，显示科学知识的发展进程与结构关系的一种图像。具有“图”和“谱”的双重性质与特征：既是可视化的知识图形，又是序列化的知识谱系[3]。

1）科学知识图谱是一个复杂关联的知识体系，通过对知识单元或知识群之间网络结构及相互关系的可视化呈现，能够精准定位知识点，包括某一知识点在知识体系中所处的位置，并且通过度中心性、中介中心性、接近中心性、特征向量中心性、PageRank、突发性等指标的计算，呈现知识网络中哪些是中心点、转折点、前沿点等。

2）科学知识图谱通过关键路径、分时连线等可视化方法呈现知识发展中新主题的生成路径、研究主题的迁移路径、知识网络随时间的历时演进过程等，从而揭示知识领域的生成机理和演进模式。

3）科学知识图谱通过学科领域共现、期刊叠加分析、地理可视化等方法呈现知识领域的学科分布和重心漂移、跨学科融合和地理分布等宏观图景。

4）科学知识图谱通过文本挖掘、主题挖掘、潜在语义分析等方法挖掘深层知识，通过数据挖掘进行网络结构分析，进而深入探索知识涌现和创新的规律。

目前，绘制科学知识图谱的软件工具主要有BibExcel、Citespace、CitNetExplorer、HistCite、SCI of SCI、VOSviewer等，其中Citespace是应用Java语言开发的科学知识图谱软件，基于共引分析理论和寻径网络算法等，对特定学科领域文献进行可视化分析，探寻学科领域演化的关键路径及其知识拐点，探测学科演化潜在动力机制和学科发展前沿[3]。Citespace科学知识图谱能够展示知识领域的过去、现在和未来。通过作者、机构、国家的合作图谱，主题、关键词、学科分类的共现图谱等展示“是什么”的知识;通过突发性探测、关键路径、分时连线，文献、作者和期刊的共被引图谱以及共同资助图谱等展示“为什么”的知识;通过主题和关键词的聚类视图、时区视图和时间线视图，节点、连线、聚类的详细信息列表等展示“怎么样”的知识;通过标识作为知识基础的引文节点文献，以及文献耦合、共引聚类所表征的研究前沿等展示“会怎样”的知识。因此，具体教学路径是依照学科知识可视化教学模式，使用Citespace进行学科知识可视化教学，创新学科知识教学方法，促进探究式、自主式学习，提升学科知识教学效果。

3 基于文本大数据的学科知识可视化教学实践

按照学科知识可视化教学模式和路径，以情报学为例，运用Citespace科学知识图谱进行学科知识可视化教学实践。首先，构建情报学知识体系;其次，针对不同教学内容，选择适合的可视化图谱，讲授是什么、为什么、怎么样和会怎样的知识。

3.1 基于情报学知识体系的可视化教学方法

按照学科知识可视化教学模式，构建情报学知识体系，如图4所示。其中，以情报概念为例，运用共现图谱的可视化教学方法进行理论性知识点的讲解实践;以情报流程为例，运用时区图谱和突现图谱进行规律性知识点的讲解实践;以情报系统/体系为例，运用聚类图谱和时间线图谱进行知识点细节的讲解实践;以专项情报为例，运用分时连线图谱进行知识创新的讲解实践。

3.2 情报概念知识可视化教学实践

在情报概念这一教学内容的讲授过程中，存在概念讲解易于抽象晦涩、不同定义难以分辨梳理等问题，特别是学术界对于情报概念存在多种认识，经历过多次争论。因此，针对这一教学内容，主要采用展示知识点全貌的可视化教学方法，帮助学生掌握情报学领域中是什么（know-what）的知识。

在中国知网，采用如下检索条件：（（题名=‘情报’） AND （题名=‘定义’）） OR （（题名=‘情报’） AND （题名=‘概念’）），选择“精确匹配”，选择学术期刊数据库，共获取260篇文献，文献时间范围为1980—2020年。运用Citespace绘制关键词共现图谱，如图5所示。其中，节点大小代表关键词出现频次大小，节点和连线的不同颜色代表不同的关键词聚类。

情报概念关键词共现图谱能够展示自1980年以来，情报概念研究的知识点全貌和每个知识点的分布情况，结合图谱可以为学生讲授某一区域中不同关键词如何从不同角度阐释情报概念，形象化展示情报概念中的关键要素。

在展示全貌的基础上，为清晰梳理出情报概念的若干角度，对共现图谱进行聚类分析。设定关键词出现频次的阈值≥7，得到图6。根据聚类结果，可以提炼出情报概念知识点的6个方面，分别是1区，信息视角下的情报概念，着重从信息、知识及其与情报之间的关系视角，阐释情报概念。2区，科技情报视角下的情报概念，着重基于期刊、文献，从科技情报视角阐释情报概念。3区，竞争情报视角下的情报概念，着重从面向企业竞争的情报产品生产等方面阐释情报概念。4区，军事、公安情报视角下的情报概念，着重从战争、对抗视角阐释情报概念。5区，数学视角下的情报概念，着重运用数学模型进行情报量化，阐释情报概念。6区，国家情报视角下的情报概念，着重从国家安全、国际竞争等国家层面阐释情报概念。通过聚类分析，从客观数据出发，帮助学生从更多元视角理解情报概念。

运用可视化方法将情报概念主题的相关知识点进行全面梳理，对于理解“情报是什么”这类是什么（know-what）的知识，提供了更广阔视野，有助于形成知识领域的整体认识，为后续知识点学习打下基础。

3.3 情报流程知识可视化教学实践

在情报流程这一教学内容的讲授过程中，需要解析不同时期情报流程的组成要素，加深学生对于各个组成要素在整体流程中作用的认识。因此，采用时区图谱和突现图谱的可视化方法，细致讲授情报学领域中為什么（know-why）的知识。

在中国知网，采用如下检索条件：（（题名=‘情报’） AND （题名=‘流程’）） OR （（题名=‘情报’） AND （题名=‘过程’）），选择“精确匹配”，选择学术期刊数据库，共获取237篇文献，文献时间范围为1980—2020年。运用Citespace绘制关键词共现时区图谱，如图7所示。同时基于关键词共现图谱进行突发性检测，得到关键词突现图谱，如图8所示。其中，时区图能够展示情报流程主题自1980年以来关键词的历时演进过程，其中，节点大小代表关键词的共现频次大小，连线代表关键词之间的共现关系。突现图能够展示在历时发展过程中哪些关键词在共现频次上存在突增，这些存在突增的关键词是相应时区的研究前沿，并在一段时区内成为研究热点。

结合图7和图8，讲授情报流程主题的3个发展阶段，以及每个阶段中情报流程的基本要素和突现关键词。通过突现关键词分析，启发学生寻找情报流程主题演进的关键知识点，思考该知识领域发展的内在规律和演进模式。

一是1980—2000年，突现关键词的突现起始年份集中于1980—1990年，结束年份集中于2000年之前，其中突现强度较大的关键词如情报信息（Strength=3.6416）、情报研究方法论（Strength=2.5701）、情报用户（Strength=2.1431）等，表明情报流程主题在这一阶段，其聚焦点由情报系统、情报流向情报信息、情报研究方法和情报用户迁移，展示出这一知识领域由一般的情报系统、情报工作、情报流等，向更深入的情报本体（信息）、获取情报方法（研究方法论）、情报服务（用户、产品）等演进。

二是2001—2015年，突现关键词的突现起始年份集中于2001—2010年，结束年份集中于2010—2015年，其中突现强度较大的关键词如竞争情报（Strength=11.3425）、企业（Strength=3.1605）、技术竞争情报（Strength=2.2194）、情报失察（Strength=1.7532）等，表明情报流程主题在这一阶段，出现了一个清晰的主题演进，即竞争情报主题的突现，表明这一知识领域经由第一阶段从一般性情报要素向特定情报要素的深入演进之后，又向具体情报应用领域演进。

三是2016—2020年，突现关键词是大数据（Strength=3.1944），表明情报流程领域经历从理论到应用这一相对完整的知识建构过程后，主要通过融合技术创新的方式实现知识创新，开启新一轮知识主题的演进。同时，最新的突现关键词还标识着这一知识领域的研究前沿并预示其未来发展方向。

通过时区图谱，帮助学生了解情报流程及其基本要素的发展历程。通过突现图谱，引导学生自主探索推进知识演进的关键节点，掌握知识领域的演进模式，对于理解“情报为什么发展”这类为什么（know-why）的知识，提供了探寻规律的可行方法，有助于学生加深理解并启发更深入思考。

3.4 情报系统/体系知识可视化教学实践

在情报系统/体系这一教学内容的讲授过程中，针对不同领域情报具有不同系统/体系的问题，需要为学生全局展示不同情报系统/体系的组成和特点，同时清晰刻画某一情报系统/体系的知识点细节，因此，采用聚类图谱和时间线图谱的可视化方法，详尽讲授情报学领域中怎么样（know-how）的知识。

在中国知网，采用如下检索条件：（（题名=‘情报’） AND （题名=‘系统’）） OR （（题名=‘情报’） AND （题名=‘体系’）），选择“精确匹配”，选择CSSCI期刊数据库，共获取655篇文献，文献时间范围为1998—2020年。运用Citespace绘制关键词聚类图谱，如图9所示。聚类图谱中不同颜色代表了不同的关键词聚类，并根据索引词生成聚类标签，展示了情报系统/体系这一知识领域中不同主题的分布和规模。为了更详细分析不同聚类的具体信息，基于聚类图谱绘制关键词时间线图谱，如图10所示。时间线图谱按照聚类规模从上至下排列，聚类规模即每个聚类中关键词数量，数量越多，规模越大。该图谱历时性描绘了每一个聚类的关键词分布，聚类中节点大小代表关键词频次大小，连线代表关键词之间存在共现，节点在时间轴上的位置代表其首次出现时间。

结合图9，运用聚类标签和类间距离，剖析不同领域情报系统/体系的相互关系，使学生掌握情报系统/体系的核心领域以及不同情报系统/体系的特点。具体而言，最大的聚类区域是#0竞争情报系统、#1竞争情报、#5企业竞争情报系统、#7中小企业、#15竞争情报体系等共同组成的竞争情报子网络，这几个关键词聚类都围绕竞争情报，因而在整体网络中形成聚集。其次，规模较大的聚类区域分别是#2情报体系、#3情报系统、#4国家情报等，这几个关键词聚类在网络中相对独立。最后是一些在网络中比较疏离的关键词聚类，例如#6情报分析、#8反恐情报、#9反竞争情报等。由此，竞争情报子网络在图谱中位于中心位置，竞争情报是情报系统/体系的核心领域。#4国家情报更接近#2情报体系，#8反恐情报更接近#3情报系统，说明国家情报更关注宏观层面的体系建设，而反恐情报更注重微观层面的系统建设。

结合图10，加深对于不同领域情报系统/体系的认识，并据此详尽阐释某一领域的知识点细节，解析其形成时间、演进过程以及研究前沿。以#4国家情报为例，可以看到这一聚类起始于2001年，科技情报系统、对策研究是国家情报领域的关注点。2005年仍然关注科技情报，但出现两个新趋势，一是对IBM等企业的案例分析、对照美国的比较研究等表明这一阶段实证研究的特征;二是开始进行国家情报体系建设的研究。到2008年，在前期基础上，向技术竞争情报等更具体的领域深入，同时在国际竞争中由借鉴他方向自主创新演进。2015年是这一聚类研究主题的转折点，代表性关键词是国家安全，表明国家情报研究重心由科技领域向安全领域的转变，同时现代情报体系、认知对抗理论等关键词表明理論研究的加强。2017—2019年，研究重心仍然是国家安全情报，并且展示出这一聚类的研究前沿，包括国家安全情报（“防卫政策”）、新信息技术应用（“人工智能”）、基于建模的规律研究（“模型构建”）、系统性研究（“情报一体化”）等。

通过时间线图谱的剖析，为学生展示了知识点生成、组合、创新的过程，例如国家情报领域研究重心由科技竞争向安全保障、由发展向安全的转移，由对策→体系→能力的主题变迁所体现出的分散→系统→一体化的研究趋势，研究方法上由对策研究→比较研究→理论研究→量化研究的演进等。通过聚类图谱和时间线图谱的可视化方法，丰富了“情报怎么样发展”这类怎么样（know-how）的知识呈现和讲授方式，有助于提升知识主题的提炼和把握能力，促进具体知识内容的理解和识记。

3.5 专项情报知识可视化教学实践

在专项情报这一教学内容的讲授过程中，在前期知识讲授基础上，重点突出知识创新的教学目标，主要采用分时连线图谱的可视化方法，标识研究前沿，启发学生探寻未来发展趋势，为情报学领域中会怎样（know-will-be）的知识提供一种全新的教学方法。

以专项情报中突发事件情报为例，在中国知网，采用如下检索条件：（（题名=‘情报’） AND （题名=‘突发事件’）） OR （（题名=‘情报’） AND （题名=‘应急’）），选择“精确匹配”，选择学术期刊数据库，共获取161篇文献，文献时间范围为2003—2020年。运用Citespace绘制关键词共现图谱，为把握未来研究方向，选取2018年、2019年、2020年绘制分时连线图，如图11～13所示。分时连线图通过时间切片和突出显示的方式，按年显示关键词共现图谱，能够展示图谱的演进过程和趋势，从而标识该主题的热点、前沿和趋势。

具体讲授过程分为3个部分：一是通过分时连线图谱标识研究主题的演进过程，建立学生对研究主题及其发展的整体认识;二是引导学生自主发现研究前沿并进行趋势预测;三是构建学科支撑，凝练未来研究方向和主题。

1）基于分时连线图谱建立整体认识

观察图11可知，2018年的关键词共现有两个子主题，一是应急响应、情报感知、大数据、物联网、智慧城市、复杂工程等组成的子主题1;二是应急决策、群体性突发事件、公共突发事件、预警机制、风险防控、态势感知、对策等组成的子主题2。

观察图12可知，2019年延续2018年子主题的是：子主题1中情报感知向情景分析、相似度延伸;子主题2中应急决策、预警机制、风险防控向暴力冲突、体育情报延伸。2019年的新主题是：突发事件、情报体系、应急情报分析、案例解析等组成的子主题3;突发事件、应急管理、情报介入、知识图谱、可视化等组成的子主题4;突发事件应急管理、生命周期理论组成的子主题5。

观察图13可知，2020年延续2019年子主题的是：子主题1中情报感知向社交媒体、情感特征提取延伸，并通过情报主导与子主题4形成连接;子主题1中大数据向情报收集、情报整合延伸;子主题2和子主题1形成连接，并向情报支撑、重大突发事件、情报智慧、智能决策、图书馆、机制延伸;子主题3和子主题4通过案例研究、情景切分、运行机理等形成连接，并向情报系统、情报体系建设、应急决策情报能力、互联网延伸。2020年的新主题是：情报甄别、内外部数据一致性组成的子主题6。

2）发现研究前沿并进行趋势预测

指导学生按照研究新兴点→研究热点→研究前沿点→研究趋势点的演进逻辑，分析不同子主题在图谱中所处的位置并进行预测。综合上述3个分时连线图谱分析发现：以情报感知为中心的子主题1不断发展，并与子主题2、4形成连接，是这一领域的研究前沿，其中社交媒体是研究趋势点。以应急决策为中心的子主题2也在不断发展，其中重大突发事件、智能决策是研究趋势点。以案例分析为中心的子主题3和以知识图谱可视化为中心的子主题4形成连接，是研究热点，并呈现不断深入的發展趋势，将形成未来的研究前沿。以生命周期理论为中心的子主题5是研究热点，可能形成未来的研究前沿点。以情报甄别为中心的子主题6是研究新兴点，可能成为未来的研究热点。

3）凝练研究方向和主题

为实现知识创新的教学目标，在趋势预测基础上，指导学生自主凝练突发事件情报的未来研究方向和主题。首先，构建突发事件情报研究的学科支撑“鱼骨”，如图14所示，启发学生从不同学科视角进行思考;其次，从突发事件的内在机理和外在环境两个方向，启发学生进行研究方向和主题的梳理，内在方向的研究主题围绕突发事件自身展开，例如事件分类、事件分期、事件分级、事件链等，外在方向的研究主题围绕突发事件所处的人文社会环境、科学技术环境展开，例如网络社会、信息社会、智能社会等，如图15所示。

由此，通过分时发展分析与未来趋势预测，结合研究方向和主题的梳理，能够较好刻画“情报发展趋势”这类会怎样（know-will-be）的知识，为知识创新提供重要指引，在创新点探索和发现的可视化过程中，促进学生创新思维的培养和创新实践能力的提升。

4 结 语

本文以知识可视化理论为基础，发挥大数据等新兴信息技术融入知识可视化的优势，基于文本大数据进行学科知识可视化教学探索，构建“是什么—为什么—怎么样—会怎样”的全周期学科知识可视化教学模式，选择科学知识图谱作为可视化教学路径。进而利用Citespace科学知识图谱，以情报学为例，开展学科知识可视化教学实践。通过可视化教学实践，发现基于文本大数据的知识可视化能够促进学生对于知识的了解、识记、思考和创新，有效提升学科教学中知识传播的表达力和知识创新的穿透力，助推教学效果实现质的飞跃。

参考文献

[1]赵国庆，黄荣怀，陆志坚.知识可视化的理论与方法[J].开放教育研究，2005，（1）：23-27.

[2]卡尔·波普尔.客观知识——一个进化论的研究[M].上海：上海译文出版社，1987.

[3]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.

[4]托马斯·塞缪尔·库恩.科学革命的结构[M].金吾伦，胡新和，译.北京：北京大学出版社，2004.

[5]官赛萍，靳小龙，贾岩涛，等.面向知识图谱的知识推理研究进展[J].软件学报，2018，29（10）：2966-2994.

[6]赵慧臣，王淑艳.知识可视化应用于学科教学的新观点——访瑞士知识可视化研究开拓者马丁·爱普教授[J].开放教育研究，2014，20（2）：4-10.

（责任编辑：郭沫含）

收稿日期：2021-08-03

基金项目：河北省高等教育教学改革研究与实践项目“公安情报可视化教学系统构建研究与实践”（项目编号：2018GJJG445）。

作者简介：夏一雪（1983-），女，副教授，博士，硕士生导师，研究方向：文本大数据。