基于社会网络分析的国内认知科学研究现状和热点探析

摘要：为了解国内认知科学研究现状及热点，对近5年相关文献进行文献计量分析。利用网络可视化技术，深入剖析了作者合著网络，识别出具有影响力的作者和团队。高频关键词共现分析进一步揭示了认知科学的研究热点，包括具身认知、人工智能以及跨学科应用等方面。研究结果表明，当前认知科学的研究焦点，也预示了未来研究的发展趋势。

关键词：认知科学社会网络分析研究现状可视化

ExplorationoftheCurrentStatusandHotspotofCognitiveScienceResearchinChinaBasedonSocialNetworkAnalysis

GUOWenxingWANGMingjunYANGZhiXIEZichaoLIAOJishunCHENDanZHAOCaiyan

CollegeofNationalCultureandCognitiveScience，GuizhouMinzuUniversity，Guiyang，GuizhouProvince，550000China

Abstract：InordertounderstandthecurrentsituationandhotspotsofcognitivescienceresearchinChina，abibliometricanalysiswasconductedonrelevantliteratureinrecent5years.UsingtheNetworkVisualizationtechnology，theauthorco-authorshipnetworkisdeeplydissectedandinfluentialauthorsandteamsareidentified.High-frequencykeywordco-occurrenceanalysisfurtherrevealstheresearchhotspotsofcognitivescience，includingembodiedcognition，artificialintelligenceandinterdisciplinaryapplications.TheresultsshowthatthecurrentresearchfocusofCognitiveSciencealsopredictsthedevelopmenttrendoffutureresearch.

KeyWords：CognitiveScience;Socialnetworkanalysis;Researchstatus;Visualization

认知科学作为探讨人类心智与认知机制的前沿学科，自20世纪60年代兴起以来，已发展成为涉及语言学、心理学、哲学、人类学、计算机科学和神经科学等多个学科的综合性学科[1]。在我国，“脑科学与认知科学”是国家重点支持的八大前沿科学领域之一[2]，随着科技的飞速发展和学科间的交叉融合，认知科学在多个领域取得了显著进展，逐渐成为国内外科研的热点之一。本文从数字人文的视角出发，运用社会网络分析方法，对近5年来国内认知科学的发展现状及研究热点进行量化研究。通过收集学术文献数据，运用社会网络分析软件，构建作者合作网络、关键词共现网络，深入挖掘国内认知科学的研究现状、热点、合作模式。通过对网络结构的深入分析，可以发现不同研究主题之间的关联与差异，揭示出学科发展的内在逻辑和规律。

1研究方法与数据获取

1.1研究方法

社会网络分析是以行动者及其相互间的关系作为研究对象，分析关系网络的结构及其行动者和整个群体的影响[3]，它作为一种相对独立的研究社会网络结构的方法，已发展成为具有专门的概念体系的研究模式[4]。它通过建立节点与节点之间的关系来探讨社会网络群体所反映出的特征。网络结构图用节点表示社会实体，节点之间的连线表示节点之间的关系，利用网络结构图可以清晰的展示出该网络结构中各个节点之间的关系。

1.2数据获取

本文数据来源于中国知网（网络版），将检索主题、关键词设置为“认知科学”，文献发表时间范围限制为2019—2023年，检索日期为2023年12月29日。将检索出的文献进行筛选后共得到527篇有效文献。通过中国知网文献导出功能，辅以人工整理，将527篇文献数据导出为NoteFirst格式和Excel格式，然后将文献数据导入Excel、BICOMB2.04、UCINET6.212和Gephi软件进行分析。

2国内认知科学研究现状分析

2.1核心作者分析

发表论文的数量是确定核心作者的一个重要指标[5]，通过对学术领域中的作者研究，识别出在该领域中具有重要影响力和地位的核心作者。本研究将数据导入BICOMB2.04软件提取到了文献第一作者发文频次统计表，从而得到第一作者发文量的统计结果。根据普赖斯定律核心作者计算公式：N（P）=0.749（Max（p））1/2（其中，N（p）核心作者的最低发文量、Max（p）表示全体作者中发文量最多的第一作者的累计发文量）识别出核心作者。根据所得数据，共有442位第一作者。根据核心作者公式，核心作者的发文量最低为3篇，得到16位核心作者，占全部作者的3.62%；核心作者发文量为67篇，占总发文数的12.71%，并未形成高产群体。并且近5年，发文量为1篇的第一作者有392人，占88.68%，说明绝大多数作者并未长期关注认知科学领域的研究。

核心作者发文量最多的是陈魏发表论文10篇，其次是蔡曙山发表论文8篇、肖锋发表论文6篇，他们处于核心作者群体的中心地位，发文量均大于5篇。发文量较高的还有殷杰、江怡、魏屹东和林克勤等人，均发表了4篇论文，他们处于核心作者中的次要中心地位。总体来看，我国认知科学研究缺乏核心作者，反映了我国认知科学研究较薄弱的现状。

2.2作者合著分析

作者合著分析是以发文作者为节点、以具有合著关系为边构成的关系网络[6]，可以通过分析作者之间的合著情况，来揭示学科作者之间的合作模式、影响力分布以及研究领域的发展趋势等内容。本文基于527篇有效文献数据，进行作者合著分析，能反映出近5年来，我国认知科学领域学术研究者的合作情况。

2.2.1网络可视化分析

将数据导入BICOMB2.04中，进行数据分析，获得最终统计结果。由统计数据可知，发文作者总计834人，其中，发文量大于1篇的作者共有71人。本研究将发文量大于等于2篇的作者作为研究对象，构建作者合著共现矩阵，并将矩阵导入Gephi软件进行作者合著可视化分析，得到作者合著网络图谱（如图1所示），图中节点越大表示中心性越大，反之中心性越小。节点之间连线越粗表示节点之间合作关系越密切。由可图1可知，作者之间仅形成了15个合著团体。其中，以殷杰、杨现明、叶浩生和贾春华为中心的合著团体最大共有3个节点。其余有11个由两个节点构成的合著网络。总的来看，在认知科学领域并未形成复杂的合著网络，作者之间的联系较为疏远。

3国内认知科学研究热点分析

3.1构建关键词共现矩阵

关键词作为学术论文研究主题的精炼表达，其在一定程度上可以揭示学科领域中知识的内在联系[7]。高频关键词指的是在某一研究主题下频繁出现在多篇文献中的关键词，更好地反映了该研究领域的学者们主要关注的研究方向和热点。高频关键词对于把握该研究领域的发展趋势和重点研究方向具有重要意义。

本研究利用BICOMB2.04软件进行词频统计，辅以人工筛查，获得最终结果：在527篇文献中共有1658个关键词，总词频2259为次。为了确保关键词的准确性，展现研究人员对特定主题的共识，以及消除人为因素的干扰，在数据处理过程中不对检索到的主题词进行合并，而只对简称、表达形式不一致或写法不同的词语进行谨慎的预处理[8]，例如：“具身、具身性合并为具身性，交互、交互性合并为交互性，理性主义、理智主义合并为理性主义”等。

本文基于刘奕杉等人的实证研究，采用二八定律作为划分依据[9]，将关键词出现频次大于等于4次的关键词作为高频关键词进行研究。共获得高频关键词54个，累计频次510次，占22.21%。利用BICOMB2.04软件，生成54×54的高频关键词共现矩阵。随后，将矩阵导入UCINET6.212软件进行关键词共现分析，并在软件Gephi中绘制可视化网络图谱（如图2所示）。在这个图谱中，节点的大小代表其中心性的大小，连线的粗细代表节点之间的紧密程度。可视化处理可以帮助我们更直观地理解关键词之间的联系情况。

3.2中心性分析

在社会网络分析中，个体网络特征主要由中心性即度量节点在网络中的重要性或影响力的指标进行衡量[10]。在中心性分析中，主要有3个指标：点度中心度、接近中心度和中间中心度。本研究将关键词共现矩阵导入UCINET6.212软件进行中心性分析（见图3，限于篇幅仅展示部分）。

3.2.1点度中心度分析

点度中心度（degreecentrality）是指与该节点直接相连的边的数量，点度中心度值越高，表明该节点在网络中更处于核心地位。根据分析结果，关键词“认知科学”在点度中心度上达到最高值52.830，这意味着“认知科学”这一关键词在整个认知科学研究领域中扮演着核心角色，它连接了认知科学研究的许多其他关键词，并且与其他关键词之间的联系最为紧密。其次是人工智能、具身认知、认知、现象学和他心问题5个关键词，它们的点度中心度分别为43.396、35.849、33.962、24.528和16.981，均高于平均值11.041。这表明这些关键词在网络中相对于其他关键词而言具有更为核心的地位。相较于网络中的其他高频关键词，这些关键词可以被视为近5年来认知科学研究的热点所在。

3.2.2接近中心度分析

接近中心度（closenesscentrality）是通过节点之间的距离来评判节点在网络中的重要性，数值越大表示节点与其他节点的距离越短，其中心性也越高。根据结果显示，“认知科学”关键词具有最高的接近中心度，数值为63.095，这意味着它与其他关键词的距离最短，并且对其他关键词的依赖程度最低，中心性最高。其次是人工智能、具身认知、认知、现象学和生成认知，它们的接近中心度都相对较高，分别为62.353、58.242、56.989、51.961和50.000，均高于平均值43.956。这表明这些关键词与其他关键词的平均距离较短，对其他关键词的依赖程度较低，能够更主动地与其他关键词进行联系。

3.2.3中间中心度分析

中间中心度（betweennesscentrality）用于衡量节点在网络中作为媒介的能力，数值越大表示节点在连接其他节点时起着重要的中介作用。根据结果显示，关键词“认知科学”具有显著的中间中心度，达到32.829，表明它在关键词共现网络中扮演核心角色，作为连接其他关键词的重要枢纽。认知、人工智能、具身认知、脑机接口、跨学科和现象学6个关键词的中间中心度相对较高，分别为20.228、17.865、16.174、5.185、4.398和4.093，均高于平均值2.563。这些数据表明，这几个关键词是认知科学研究的核心内容，其他关键词对它们的依赖较大。通过对高频关键词进行中心性分析，可以看出认知科学研究的焦点主要集中在人工智能、具身认知、认知模型、认知、现象学和生成认知等领域。未来的研究可以向那些未被关注的关键词靠拢，这样可以发掘更多未深入研究的主题，同时也能够拓展认知科学在不同研究领域的深度，而不仅局限于研究热点主题。

4结论

研究发现，认知科学领域仅有16位核心作者，且核心作者的发文量较低，国内认知科学研究缺乏连续性和深度。作者合著分析揭示了近五年来国内认知科学领域学术研究者的合作模式。尽管有834位发文作者，但合著团体数量有限，仅形成了15个合著团体，作者之间的合作关系相对疏远，尚未形成复杂的合著网络。大部分合著网络由两个节点构成，作者之间的联系相对疏远，合作模式尚未形成明确的规律。

关键词共现矩阵和中心性分析揭示了国内认知科学研究的热点和重要领域。研究确定了认知科学领域的主要研究方向有人工智能、具身认知、认知模型和现象学等。这些关键词在网络中具有较高的中心性，它们在该领域中扮演核心角色，并且对其他关键词的影响较大。

综上所述，国内认知科学领域在近年取得了一定进展，但仍面临着核心作者匮乏、合作模式不明确和研究深度不足等挑战。未来的研究可以重点关注核心领域，促进合作交流，提高研究的连续性和深度，以推动国内认知科学领域的进一步发展。

参考文献

• 蔡曙山.从认知科学看人工智能的未来发展[J].人民论坛·学术前沿，2023（14）：13-28.
• 方方，王佐仁，王立平等.我国认知神经科学的研究现状及发展建议[J].中国科学基金，2017，31（3）：266-274.
• 陈云伟.社会网络分析方法在情报分析中的应用研究[J].情报学报，2019，38（1）：21-28.
• 陈红琳，魏瑞斌，门秀萍.社会网络分析方法与研究主题的关联分析[J].情报科学，2022，40（9）：38-46.
• 钟文娟.基于普赖斯定律与综合指数法的核心作者测评：以《图书馆建设》为例[J].科技管理研究，2012，32（2）：57-60.
• 李纲，李岚凤，毛进等.作者合著网络中研究兴趣相似性实证研究[J].图书情报工作，2015，59（2）：75-81.
• 夏淑洁，杨朝阳，林雪娟等.基于文献计量分析的数据挖掘在中医诊断学领域的应用研究[J].天津中医药，2021，38（2）：142-151.
• 张瑞红.国内甲骨文研究热点、主题聚类及研究状况分析：基于共词和社会网络分析视角[J].河南师范大学学报（自然科学版），2020，48（6）：31-38.
• 刘奕杉，王玉琳，李明鑫.词频分析法中高频词阈值界定方法适用性的实证分析[J].数字图书馆论坛，2017（9）：42-49.
• 李子成，王珏，王稳妮.中国省际农村劳动力流动空间格局的演化特征及驱动因素[J/OL].世界地理研究，1-15[2024-03-25].http：//kns.cnki.net/kcms/detail/31.1626.P.20240308.1024.002.html.