虛擬現(xiàn)實(shí)研究的可視化分析

摘要：虛擬現(xiàn)實(shí)是近些年的研究熱點(diǎn)，本文利用VOSviewer可視化工具，對2011-2020來源于中國知網(wǎng)CSCD的期刊中有關(guān)虛擬現(xiàn)實(shí)方面的文獻(xiàn)進(jìn)行篩選整理，并進(jìn)行深入挖掘與分析。通過導(dǎo)入數(shù)據(jù)，獲得可視化圖譜，分析探討虛擬現(xiàn)實(shí)及其相關(guān)研究的熱點(diǎn)主題、作者和脈絡(luò)聯(lián)系，為虛擬現(xiàn)實(shí)方面相關(guān)研究提供參考借鑒。

關(guān)鍵詞：虛擬現(xiàn)實(shí);VOSviewe;共詞;可視化圖譜

中圖分類號：TP391? ? 文獻(xiàn)標(biāo)識碼： A

文章編號：1009-3044（2021）14-0166-03

虛擬現(xiàn)實(shí)技術(shù)是20世紀(jì)發(fā)展起來的一項(xiàng)全新的實(shí)用技術(shù)。虛擬現(xiàn)實(shí)技術(shù)包括計(jì)算機(jī)、電子信息、仿真技術(shù)于一體，是一種可以創(chuàng)建和體驗(yàn)虛擬世界的計(jì)算機(jī)仿真系統(tǒng)，可以模擬虛擬環(huán)境從而給人以環(huán)境沉浸感。目前，虛擬現(xiàn)實(shí)技術(shù)已經(jīng)在系統(tǒng)仿真、三維動畫、科學(xué)可視化等領(lǐng)域被廣泛地應(yīng)用[1]。

1 文獻(xiàn)來源與研究工具

本文的數(shù)據(jù)來源于中國知網(wǎng)的CSCD期刊，通過高級檢索，把2011—2020 年有關(guān)虛擬現(xiàn)實(shí)主題相關(guān)的期刊文獻(xiàn)進(jìn)行篩選，轉(zhuǎn)換格式后將數(shù)據(jù)導(dǎo)入VOSviewer軟件，進(jìn)行可視化分析;其目的在于分析虛擬現(xiàn)實(shí)領(lǐng)域的相關(guān)研究熱點(diǎn)、把握研究方向、分析和探討以后的發(fā)展趨勢，為研究者在該領(lǐng)域的研究提供借鑒。

2010年荷蘭萊頓大學(xué)的CWTS研究中心的研究人員Van Eck和Waltman開發(fā)出了一款文獻(xiàn)分析和知識可視化軟件—VOSviewer，該軟件的原理是通過文獻(xiàn)的共引與共被引來實(shí)現(xiàn)，基于構(gòu)圖與聚類技術(shù)，對分析的有效數(shù)據(jù)構(gòu)建知識圖譜[2]。因此，VOSviewer廣泛地應(yīng)用于知識圖譜分析領(lǐng)域。

VOSviewer軟件對于來源于中國知網(wǎng)里的數(shù)據(jù)，常應(yīng)用于分析關(guān)鍵詞共現(xiàn)、作者共現(xiàn)等，包含三種可視化視圖包括：聚類視圖（Network Visualization）、標(biāo)簽視圖（Overlay Visualization）、密度視圖（Density Visualization）[3]。通過VOSviewer軟件構(gòu)建知識圖譜，有助于科研工作者快速知曉研究領(lǐng)域的熱點(diǎn)主題、理論和技術(shù)，是深入挖掘各領(lǐng)域研究熱點(diǎn)的一種方法。

2 研究方法

本文的數(shù)據(jù)來源于中國知網(wǎng)（CNKI）數(shù)據(jù)庫，選取CNKI數(shù)據(jù)庫中有關(guān)虛擬現(xiàn)實(shí)的中文期刊文獻(xiàn)作為研究數(shù)據(jù)。在CNKI中選擇設(shè)置“高級檢索”，檢索條件為中文期刊檢索，主題=虛擬現(xiàn)實(shí)or VR，期刊來源=CSCD，時(shí)間跨度=2011-2020。共檢索出文件1318篇（檢索時(shí)間為2021年1月25日）。通過人工篩選，排除會議報(bào)道、會議通知、期刊征稿啟事、重復(fù)文獻(xiàn)等非研究型文獻(xiàn)，共獲得有效的期刊文獻(xiàn)1067篇。因此，本文以這1067篇中文期刊文獻(xiàn)作為研究數(shù)據(jù)，從CNKI數(shù)據(jù)庫導(dǎo)出，并進(jìn)行相應(yīng)的格式轉(zhuǎn)換。

3 圖譜分析

在獲得了有效的期刊文獻(xiàn)1067篇的數(shù)據(jù)后，使用VOSviewer軟件導(dǎo)入數(shù)據(jù)，

可以獲得圖譜，然后進(jìn)行圖譜分析。

3.1 研究合作者的圖譜分析

打開VOSviewer軟件，根據(jù)數(shù)據(jù)來源和格式，選擇創(chuàng)建Create a map，將文獻(xiàn)數(shù)據(jù)導(dǎo)入到VOSviewer軟件中，可以對文獻(xiàn)合著者、關(guān)鍵詞共現(xiàn)等進(jìn)行圖譜分析。選擇Co-authorship作者字段，共有作者3435位，調(diào)整作者最小發(fā)文數(shù)量的閾值，本文設(shè)置為3，滿足條件的作者有162位。獲取到每位作者與其他共同作者的總鏈接強(qiáng)度，本文選取了總鏈接強(qiáng)度在前18位的作者（見表1）。

滿足條件的作者有162位，但其中有些合作者的總鏈接強(qiáng)度為0，即沒有相互鏈接，我們?nèi)コ献髡叩目傛溄訌?qiáng)度為0的選項(xiàng)，余下133項(xiàng)有相互鏈接的選項(xiàng)。從繪制成的圖譜中來看，items聚類共有133條20個(gè)聚類。在Analysis中，對參數(shù)進(jìn)行設(shè)置，優(yōu)化項(xiàng)目聚類：Repulsion設(shè)置值為-1，Attraction設(shè)置值為6，Resolution設(shè)置值為0.2，Min.cluster size設(shè)置值為5，得到作者共現(xiàn)聚類視圖（見圖1），由圖1可知，形成了以劉玉慶、王學(xué)文、周敬安、王守森、梁明、肖湘、楊軍、何桃為代表的8個(gè)聚類;另外，還可以得到作者共現(xiàn)密度視圖（見圖2），圖中高亮度部分為合作數(shù)量多、鏈接強(qiáng)度大的作者[4]。

3.2 關(guān)鍵詞分析

文章的研究主旨和重點(diǎn)，通常在關(guān)鍵詞字段上就可以體現(xiàn)出來。通過關(guān)鍵詞聚類分析法，對獲得的1067篇的文獻(xiàn)數(shù)據(jù)進(jìn)行關(guān)鍵詞熱度分析，將這些文獻(xiàn)中全部的關(guān)鍵詞組成為一個(gè)個(gè)的聚類，研究者通過查看可視化的界面，就可以對該領(lǐng)域研究的熱點(diǎn)與重點(diǎn)有直觀的、宏觀的把握[5]。

3.2.1 高頻關(guān)鍵詞分析

將文獻(xiàn)數(shù)據(jù)導(dǎo)入到VOSviewer軟件中，選擇Co-occurrence關(guān)鍵詞字段，共有2854個(gè)關(guān)鍵詞，選擇關(guān)鍵詞最少出現(xiàn)頻次為4，滿足條件的關(guān)鍵詞為118個(gè)，去除虛擬現(xiàn)實(shí)這個(gè)高頻關(guān)鍵詞，獲得出現(xiàn)頻次前10位關(guān)鍵詞見表2。從表2中可以看出“虛擬現(xiàn)實(shí)技術(shù)”“人機(jī)交互”“增強(qiáng)現(xiàn)實(shí)”“仿真”等主題詞是虛擬現(xiàn)實(shí)領(lǐng)域的研究熱點(diǎn)領(lǐng)域;另外，“腦卒中”“康復(fù)”的高頻出現(xiàn)，說明虛擬現(xiàn)實(shí)在醫(yī)學(xué)領(lǐng)域研究的也較多。

3.2.2 關(guān)鍵詞共現(xiàn)分析

在Analysis中，對參數(shù)進(jìn)行調(diào)整，優(yōu)化項(xiàng)目聚類：Attraction值調(diào)整為4，Resolution值調(diào)整為1，Min.cluster size值調(diào)整為6，Repulsion值調(diào)整為0，得到關(guān)鍵詞共現(xiàn)聚類視圖（見圖3），形成了10個(gè)Clusters。從圖可以看到，在圖中有非常多的圓圈，即節(jié)點(diǎn)，在節(jié)點(diǎn)上還有關(guān)鍵詞，他們共同代表一個(gè)元素。若節(jié)點(diǎn)與關(guān)鍵詞字體越大，說明這個(gè)元素越重要，權(quán)重越大，其研究越熱門。元素有不同的顏色，代表不同的類別。若元素與周邊連線越密集，說明與其他元素的關(guān)聯(lián)程度越高;反之，關(guān)聯(lián)程度越低[6]。

由圖3可知，“虛擬現(xiàn)實(shí)技術(shù)”“增強(qiáng)現(xiàn)實(shí)”“人機(jī)交互”“virtools”“腦卒中”“康復(fù)”等關(guān)鍵詞是圖譜中聯(lián)系比較密切的區(qū)域，這些關(guān)鍵詞代表虛擬現(xiàn)實(shí)領(lǐng)域的研究熱點(diǎn)及重點(diǎn)研究領(lǐng)域。從密度視圖中（見圖4），能更清晰地分辨出熱點(diǎn)研究領(lǐng)域。

同樣，可以獲得關(guān)鍵詞共現(xiàn)標(biāo)簽視圖（見圖5），從圖 5可以看到，聚類圖的顏色，隨著時(shí)間的推移，發(fā)生了明顯變化。發(fā)展早期，聚類顯示為紫色;發(fā)展中期，聚類顯示為綠色;發(fā)展后期，聚類顯示為黃色。其中，2011-2014年主要以“仿真”“vrml”“虛擬現(xiàn)實(shí)建模語言”“virtools”“三位可視化”、等關(guān)鍵詞為該領(lǐng)域的熱點(diǎn)研究方向;2014-2016年主要以“腦卒中”“虛擬現(xiàn)實(shí)技術(shù)”“仿真平臺”“人機(jī)交互”“康復(fù)”等關(guān)鍵詞為該領(lǐng)域的熱點(diǎn)研究方向;2016-2020年主要以“康復(fù)訓(xùn)練”“增強(qiáng)現(xiàn)實(shí)”“虛擬仿真”“虛擬地理環(huán)境”等關(guān)鍵詞為該領(lǐng)域的熱點(diǎn)研究方向。

4總結(jié)

本文利用VOSviewer可視化工具，對2011-2020來源于中國知網(wǎng)CSCD的期刊中以虛擬現(xiàn)實(shí)為主題的期刊，使用VOSviewer軟件獲得了相關(guān)的圖譜并進(jìn)行探討分析，直觀地展現(xiàn)了近十年虛擬現(xiàn)實(shí)研究人員及其關(guān)注的領(lǐng)域，為研究人員獲取該領(lǐng)域的熱點(diǎn)研究方向及相關(guān)信息提供參考借鑒。另外，可以將此方法應(yīng)用到更多更廣闊的研究領(lǐng)域之中，挖掘研究領(lǐng)域的熱門主題，提高科研效率。

參考文獻(xiàn)：

[1] 羅超.職業(yè)教育中運(yùn)用VR技術(shù)的SWOT分析[J].電子技術(shù)與軟件工程，2016（20）：175-176.

[2] 高凱.文獻(xiàn)計(jì)量分析軟件VOSviewer的應(yīng)用研究[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2015，25（12）：95-98.

[3] 劉桂鋒，李杰.國外科研數(shù)據(jù)管理研究進(jìn)展基于CiteSpace和VOSviewer的可視化分析[J].圖書情報(bào)研究，2016（4）：9-23.

[4] 吉麗君.基于VOSviewer的2016—2018年國內(nèi)外信息素養(yǎng)熱點(diǎn)分析[J].當(dāng)代圖書館，2019（3）：23-28.

[5] 劉金花，崔金梅.基于VOSviewer的領(lǐng)域性熱門研究主題挖掘[J].情報(bào)探索，2016（2）：13-16.

[6] 吳亞樂，劉希瑞.國內(nèi)語音科學(xué)研究的知識圖譜分析——基于CiteSpace和VOSviewer的綜合應(yīng)用[J].鄭州輕工業(yè)學(xué)院學(xué)報(bào)（社會科學(xué)版），2020，21（5）：93-102.

【通聯(lián)編輯：梁書】