物流工程与管理专业硕士培养可视化分析——以北京信息科技大学为例

□ 刘 博，徐晓敏

(北京信息科技大学 信息管理学院，北京 100192)

近年来，我国物流行业得到快速发展，为满足物流行业高速发展带来的人才需求，高素质、应用型物流人才培养越来越成为高等教育关注的热点[1]。在此背景下，2004年我国46所高校开始正式招收物流工程专业硕士，2020年由工学位调整为工程管理专业学位，并更名为物流工程与管理[2]。截止至2021年，全国共91所院校设立该专业硕士学位点，2021年全国招生人数超过2400人。

物流工程与管理专业硕士培养主要以物流系统为研究对象，是管理与技术的交叉学科，与交通运输工程、管理科学与工程、工业工程、计算机等领域密切相关[3]。在培养过程中，各学校结合自身特点凸显物流工程与管理专业硕士的培养特色，而北京信息科技大学是一所顺应信息时代发展趋势、具有鲜明信息技术特色的北京市属高等学校，于2010年在信息管理学院申请设立物流工程专业硕士学位点，于2011年开始招生，截止到2021年7月，毕业生人数为115人，在读学生63人。

2020年招考政策改变，该专业考试科目减少、考试难度降低，报考人数大大增加，所招收的学生由以工科专业背景为主转变为以管理学专业背景为主。面对外部环境的变化，物流工程与管理专业硕士培养现状如何？今后应该如何应对？鉴于此，本文从北京信息科技大学物流工程与管理专业硕士学位论文入手，通过文本分析与挖掘可视化方法从多角度了解人才培养的现状、热点和趋势，并将分析结果与人才培养方案进行比较，进一步凝练方向特色，发现问题，寻找调整改进的方向，进而提高物流工程与管理专业硕士研究生教育的质量和水平。

1 数据来源与研究方法

1.1 数据来源及整体情况

学位论文是硕士研究生培养的一个重要环节，能够反映出学生的研究方向、热点和趋势，是研究生培养质量的综合体现。为此，以北京信息科技大学物流工程与管理(物流工程)专业硕士人才培养为例，收集该专业2014-2021年全部研究生硕士学位论文共 115篇。学位论文年度数量分布情况如图1所示。

图1 学位论文年度数量分布情况

从图1中可以看出，从2014年到2017年，学位论文数量基本稳定，这意味着2011年到2013年入学的研究生数量规模比较稳定，与当时物流行业处于发展初期阶段的实际相吻合；接下来的几年，论文数量开始呈现整体上升趋势，与物流业快速发展对物流人才需求增加带来的物流工程专业硕士扩大招生规模的实际相吻合。

1.2 研究方法

研究主要采用文献计量分析方法，借助于KH Coder可视化分析工具进行。

文献计量分析方法是集数学、统计学、文献学为一体、注重量化的综合性知识体系[4]。在此以学位论文中题目、关键词和摘要信息作为数据来源，借助KH Coder软件从多角度进行可视化分析。

KH Coder是一款基于词典的非结构化文本分析软件，该软件具有除相似度计算以外的词频统计、检索、预测、可视化等多种功能；与目前常用的其它文本可视化分析软件相比，KH Coder能够对其系统支持语言下的所有类型文本信息进行分析[5]。在此主要使用词汇网络、交叉汇总、主题编码功能进行可视化分析，得出比较全面的分析结果。

2 论文文献可视化分析

2.1 高频词及共现网络分析

高频词是指在文本中出现次数多、使用较频繁的词，能够体现文本内容的中心主题。为进行研究，本文通过从学位论文的题目和关键词中提取的高频词汇来提炼该专业学生论文研究中关注的热点问题。为保证文本数据分析的合理性，在提取高频词前，首先剔除“研究”“分析”“发现”等这类属于论文题目常见词但并不能反映文章核心内容的词汇[6]，然后将一些物流领域专有名词设定为强制提取词汇，以达到相对理想的高频词提取效果。其中出现次数前20的高频词及词频如表1所示。

表1 前20位高频词及词频

从表1中可以看出：从研究内容看，以供应链、电子商务、物联网、冷链物流为研究对象的论文较多，是该校学生在该领域论文研究选择的主要主题；从研究方法看，“神经网络”“遗传算法”的大量出现说明这两种方法是学生比较常用的解决物流问题的算法。

高频词共现网络是从高频词间共现关系的角度建立图谱网络的，从中揭示信息内容的关联，发现延展的主题信息，分析学科主题结构的演化过程[7]。通过共现网络的功能进行共现结果如图2所示，其中气泡大小表明该词出现频率的高低，同一颜色气泡表明同一节点群，连线粗细表明这两个主题词之间关系的紧密程度。

图2 高频词共现网络

根据词汇共现网络图可以看出共包含九个节点群，每一节点的核心词及关联词如表2所示。

表2 共现网络核心词及关联词

每一节点群所显示的高频词组合形成比较完整的研究内容和研究路径。如：

节点群1：围绕风险管理主题，主要研究供应商选择和信息泄露相关风险、物联网的应用带来的不确定性以及质量安全问题，通常采用综合评价、信任评估的方法。

节点群2：围绕物流文本挖掘主题，主要研究针对微博在线评论、商品评论等文本内容进行挖掘，分析其情感倾向用于商品销售订单的预测。

节点群3：围绕路径优化主题，所研究的内容主要是配送路径、运输线路的优化，找到在满足用户需求的前提下以成本最小或者时间最短等为目标的路径方案。

节点群4：围绕应急物流主题，主要研究针对各种突发事件出现时应如何对物资需求进行紧急保障。

节点群5：围绕信用评价主题，主要研究通过构建指标体系对合作伙伴进行评价，为企业选择战略合作伙伴提供量化依据。

节点群6：围绕电子商务中隐私保护主题，主要研究如何运用信息技术对物流信息系统进行优化，提高安全性。

节点群7：围绕冷链物流主题，主要研究基于电子商务的生鲜产品配送问题。

节点群8：围绕大宗商品交易物流主题，主要研究各类大宗商品物流系统的优化以及与大宗商品交易相关的供应链金融问题。

节点群9：围绕库存与需求预测主题，主要研究采用机器学习算法对商品市场需求和库存水平进行预测。

2.2 研究热点主题及演化分析

研究热点主题是指在一定时期范围内研究内容中数量较多且存在一定关联或相似度的文献所研究的主题，通过研究热点主题分析能够发现该领域的研究动向。基于题目和关键词对学位论文中的研究热点主题进行挖掘，可以显示北京信息科技大学人才培养的优势与特色，为此，利用KH Coder的编码分析功能进行汇总得到每个主题对应的论文数量。研究热点主题分布情况如表3所示。

表3 学位论文研究热点主题分布情况

从表3中可以看出，其中对路径与流程优化问题、库存控制以及需求预测、风险管理三个方向的研究较多，其占比均超过10%，其他的研究主题包括冷链物流、物流领域的文本分析、物流隐私保护、大宗商品交易，分别为9%、8%、6%、3%。三大研究热点主题从一定程度上体现了北京信息科技大学物流工程与管理专业硕士人才培养的方向和特色。

研究热点主题的演化表示在相对较长的一个时间段内研究主题发展变化的趋势，有助于了解研究主题发展过程和变化特点。为获取研究热点主题的演化趋势，借助KH Coder共现网络中词汇与外部变量和标题共现功能，对论文题目和关键词中的高频词与论文完成年份进行相关性分析，选取出现次数大于等于6、论文数大于等于3的59个高频词，结果如图3所示。

图3 高频词-年份共现网络

通过分析图3发现，其研究热点主题的演变过程从整体上可分为两个阶段：

第一阶段为2014-2017年。学位论文主要的研究内容集中在传统物流管理的研究领域。具体地，2014年主要聚焦于应急物流及物流追溯系统两大热点方向；2015年开始关注物流领域中的质量安全问题；2016年物流预测、冷链物流和电商物流成为主要研究热点；2017年未反映出新的明显变化。

第二阶段为2018-2021年。学位论文研究的热点更加侧重于利用信息技术分析解决物流领域问题。具体地，2018年隐私保护、信任等开始出现，物流信息隐私保护成为新的研究主题；2019年与跨境电商有关的物流问题研究开始成为新的研究热点；而在近两年，基于在线评论的情感分析、风险评估、大宗商品交易等成为热点研究方向。

结合上述研究主题演变历程，物联网技术、电子商务以及“一带一路”政策的快速发展以及北京信息科技大学信息特色可以预测未来几年跨境电商物流、智慧物流以及物流系统集成优化配置研究等将会成为学位论文研究的热门选题。

2.3 算法与模型使用情况分析

算法与模型主要是指在论文研究中所采用的研究方法与工具，是通过计算机与信息技术相结合的方式实现科学定量分析与优化的有效途径。通过对摘要中算法与模型相关信息进行挖掘可以看出北京信息科技大学物流工程与管理专业硕士培养中应用计算机及信息技术手段分析解决物流领域问题的能力和水平。通过KH Coder软件交叉汇总功能，首先对高频词中出现的算法以及模型进行汇总，对其建立编码规则文件并导入到KH Coder中，然后以段落为编码单元与毕业年份进行交叉汇总，得到历年各算法使用数量分布情况，如表4所示。

表4 历年学位论文算法使用情况

从表4中可以发现，随着时间的推移，各种算法的使用频数总体呈上升趋势。神经网络与遗传算法在多个年份存在并占有较大比例，是比较常用的两种算法；2018-2021年逻辑回归算法开始使用；2020-2021年算法使用数量有显著增加，达到20以上，说明近两年机器学习、智能算法已经得到足够重视，并逐渐成为物流工程管理专业硕士人才培养的一个特色。

通过相同方式可得历年学位论文模型使用情况，如表5所示。

表5 历年学位论文模型使用情况

从表5可以发现，在2014-2021年中，除2020年模型使用数量大于20外，其余年份基本维持在10个左右，模型使用情况基本稳定，说明模型已经成为论文研究的一种常用工具。具体分析：预测模型在历年学位论文模型使用总量中占有较大比例，是一种常用的研究模型，这一特点也与前述研究主题分布情况相吻合；信任评估模型在2016年开始被使用；2018-2021年中指标评价模型的使用占比有所增加，由原来的20%左右增加至30%以上，可见运用指标评价模型研究物流服务问题成为近几年的一个热点主题。

3 基于可视化分析的培养方案调整

培养方案是研究生培养的指导计划，社会需求、生源结构的变化及学科的发展决定了人才培养方案的编制实施是一个动态的过程[8]，北京信息科技大学自招生以来根据社会人才需求变化于2011、2016、2020年共修订了三版培养方案。其中在2016版培养方案中，培养目标侧重于运用系统工程的理论和方法进行物流系统的规划和设计，培养方向为物流系统工程、物流系统规划与设计、先进制造与物流管理；而2020版培养方案的培养目标侧重于在信息背景下通过大数据技术、人工智能技术等信息技术手段解决物流系统中存在的问题以及智慧物流体系的构建，培养方向调整为大数据与智慧物流、物流优化与设计、物流信息系统安全。

从上述高频词分析结果可以看到：以供应链、电子商务、物联网、冷链物流为研究对象的论文占有绝对比例，初期实际培养情况与2016培版养方案中的培养目标是相对吻合的，可以说是较好地执行了培养方案。进一步通过高频词共现网络分析结果可以看到：所形成的九个节点群分别围绕着不同研究内容针对物流领域中的特定问题建立算法模型进行研究，注重将信息技术与物流管理与优化相结合，对比而言，近两年所研究的内容与方法与2020版培养计划的培养方向和培养目标更吻合。与此同时，通过可视化分析的结果可以看出培养过程中存在以下问题和特点。

①研究主题比较分散。从研究热点主题分析中可以看出，虽然路径与流程优化、库存控制以及需求预测、风险管理三个主题占比最高，但也只有10%左右，其他主题占比均不足10%。这表明目前物流专业硕士培养虽然紧密结合物流领域选题进行研究，但尚未形成鲜明的研究领域和方向。

②研究主题发生变化。从研究热点主题演化分析可以看出，2018-2021年学位论文主要研究热点开始转变为隐私保护、信用评价、跨境电商、情感分析等。与原有传统研究主题相比，供应链和电子商务领域所关注的现实特征更加明显，领域问题更具综合性和复杂性。

③新方法、新模型被逐步引入物流领域。从算法与模型使用情况分析结果可以明显看出，近年来各种数据分析与挖掘算法的使用频数总体呈上升趋势，已成为论文研究中的主流。同时还可以看出，随着时间的推移，出现由最初使用较多的神经网络与遗传算法开始到多种机器学习算法、深度学习算法以及智能算法的演变。

总的来说，2020版培养方案不仅调整了培养理念和方向定位，同时考虑报考生源以及考试科目的变化，为有效促进培养目标的达成，在课程设置上做出了较大调整：开设了人工智能原理与应用、大数据与数据挖掘、高级信息系统分析与设计等课程，为计算机基础比较薄弱的学生提供掌握信息技术理论及方法应用的机会，为后续完成学位论文奠定良好的基础。

4 结论

通过研究分析可以看出，北京信息科技大学物流工程与管理专业硕士培养紧跟社会发展趋势及信息技术发展前沿，顺应物流行业的发展需求，已经形成了比较鲜明的人才培养特色。此外，比较分析发现，最新修订的 2020版培养方案无论是在培养目标、培养方向还是在课程体系设置上都更加与时俱进，为物流行业的智能化发展提供了“智力”支撑。与此同时，在未来的培养中仍需要注重针对物流产业转型升级的现实需求及物流人才培养面临的问题进行人才培养模式研究[9]。