基于CITESPACE的人機交互研究熱點分析

宋嘉文 吳群

關(guān)鍵詞：人機交互 知識圖譜 可視化 CiteSpace 前沿趨勢

引言

人機交互（“HCI”）是多個學科交叉的研究領(lǐng)域，包括計算機科學、設(shè)計學、行為學等其他學科。其由約瑟夫·利克萊德（J. C.Licklider）于1960年在“人機共生”（Man-Computer Symbiosis）文章[1]中首次提出，在工業(yè)設(shè)計領(lǐng)域被稱為“人因工程學（HumanFactor Engineering）”[2]。近年來，隨著自然人機交互（NUI）概念的提出，其相關(guān)文獻的出版速度迅猛增長，但對于人機交互發(fā)展的階段、學科研究方向、研究主題、趨勢等熱點問題總結(jié)得不夠全面。因此，文章在廣泛征引人機交互相關(guān)研究的基礎(chǔ)上，利用可視化分析軟件，對人機交互的前沿發(fā)展與熱點問題進行研究與分析。

一、數(shù)據(jù)來源與研究方法

本文選用的數(shù)據(jù)來源于科學核心數(shù)據(jù)庫——Web of Science核心合集數(shù)據(jù)庫。以“Human–Computer Interaction”為關(guān)鍵詞進行主題檢索，檢索年份為2015-2020年，檢索時間為2020年5月7日，共得到原始樣本數(shù)據(jù)文獻4727篇。

本文利用CiteSpaceV軟件。通過研究數(shù)據(jù)庫的文獻相關(guān)信息：作者單位、關(guān)鍵詞共現(xiàn)、合作網(wǎng)絡(luò)、共被引等內(nèi)容，以了解現(xiàn)有研究現(xiàn)狀與知識結(jié)構(gòu)，從而幫助研究人員找到該領(lǐng)域內(nèi)的關(guān)鍵文獻和主要研究學者團隊，清晰地展示出該領(lǐng)域的研究前沿和發(fā)展趨勢[3]。

二、人機交互研究時空特征分析

（一）時間分布特征

時序的變化在一定程度上反映了該研究領(lǐng)域的發(fā)展速度與發(fā)展的階段性變化，同時也預(yù)測了未來發(fā)展的趨勢與研究領(lǐng)域動態(tài)[4]。通過觀察近五年內(nèi)論文發(fā)表數(shù)量的變化趨勢，可以直觀且明顯地發(fā)現(xiàn)近五年人機交互研究領(lǐng)域的整體發(fā)展狀況及熱度。其趨勢圖如圖表1所示。

從表1可以看出，自2015始，發(fā)文數(shù)量整體呈現(xiàn)逐漸遞增的趨勢，說明該領(lǐng)域研究的態(tài)勢一直比較良好，熱度不減。近年來隨著計算機運算能力持續(xù)提升，多維度、多類型、多環(huán)境的數(shù)據(jù)的產(chǎn)生，及大型互聯(lián)網(wǎng)公司的開源研究成果增多，使得人工智能熱潮的興起，也進一步促進了人機交互領(lǐng)域的研究。

（二）空間分布特征

1. 國家/地區(qū)分布

表2顯示了2015-2020人機交互領(lǐng)域發(fā)文數(shù)量前10的國家，其中發(fā)文量前3的國家分別為美國、中國、英國，均超過了400篇，一共有五個國家的中介中間性超過0.1，分別為美國、英國、加拿大、西班牙、澳大利亞，這說明美國、英國、加拿大與其他歐洲的一些國家之間合作較為密切，關(guān)聯(lián)性較強。中國雖然在人機交互領(lǐng)域內(nèi)近五年來發(fā)文數(shù)量排名第二，但其中介中間性（0.05）較低，排名第8，這從一定程度上反映了中國在人機交互領(lǐng)域研究熱度較高，學者研究積極性較強，但從整體的合作關(guān)系來看，中國與國際其他各國之間的合作研究與交流不算緊密，還有待加強。

2. 機構(gòu)分布

在CiteSpace軟件中，將網(wǎng)絡(luò)節(jié)點選擇為“institution”[5]，設(shè)置TOP-N%=10%。各個節(jié)點代表不同的機構(gòu)，不同節(jié)點的直線連線表示機構(gòu)之間的合作，圖1顯示出國內(nèi)外知名高校在人機交互領(lǐng)域研究的合作較為集中，尤其是國際間高校合作交流多，中國高校發(fā)文量總數(shù)較多且研究開始時間較早。

表3列出了近五年發(fā)文量排名前10名的機構(gòu)，其中中國科學院（Chinese Acad Sci）、清華大學（Tsinghua Univ）、美國卡耐基梅隆大學（Carnegie Mellon Univ）排在前3，其中中國科學院發(fā)文量最多，總計60篇，其中美國與中國的機構(gòu)在人機交互領(lǐng)域占據(jù)主導(dǎo)地位，共占據(jù)7所。

從研究機構(gòu)性質(zhì)來看，當前進行人機交互研究的機構(gòu)主要以各大院校為主，如表3所示的卡耐基梅隆大學、英國倫敦大學學院（University College London），簡稱UCL、清華大學、浙江大學（Zhejiang Univ）等。導(dǎo)致這種現(xiàn)狀的原因大致可以分為兩點：一是人機交互在于研究人與計算機之間的交互行為，其中技術(shù)是基礎(chǔ)性因素，高校對計算機學科的研究與重視，是技術(shù)進步的重要保證，也是人機交互不斷深入發(fā)展的助推器;二是隨著人機交互對用戶信息接受的心理、生理研究，對界面視覺感知的體悟等多方面因素的要求，涉及到多種學科知識交叉與融合，高校提供了多種學科背景共同協(xié)同交流的平臺，因此，國內(nèi)外各大名校成為了人機交互領(lǐng)域研究的中堅力量。在中介中間性方面，英國倫敦大學學院最高，緊接著是美國卡內(nèi)基梅隆大學，說明這兩所高校積極充當了學術(shù)交流的橋梁作用，為人機交互領(lǐng)域的信息交流、意見溝通、行動協(xié)調(diào)做出較大貢獻。此外，我國浙江大學、中國科學院和清華大學分別排在并列第6位和第8位。國內(nèi)雖中國科學院發(fā)文數(shù)量較為可觀，但中介中間性較低，合作交流僅局限于校內(nèi)學者或其他固定機構(gòu)，未成為有影響力的引領(lǐng)機構(gòu)來帶動整個領(lǐng)域的學術(shù)研討與溝通，因此國內(nèi)各機構(gòu)有關(guān)人機交互的探索合作還有待深入。

3. 作者合作共現(xiàn)圖譜如圖所示，共得出383個節(jié)點，295 條連線，網(wǎng)絡(luò)密度為 0.004，這個密度也說明，人機交互領(lǐng)域內(nèi)相關(guān)作者之間雖有合作，但合作的程度較低，形成“散狀式”分布。目前形成的研究群體有：INGOSIEGERT-ANDREAS WENDEMUTH、HAOYI ZHAO-GUOZHANGJIANG-SONGFA LI-DISI CHEN、HIDENOBU SUMIOKA-HIROSHIISHIGURO-RYUJI YAMAZAKI-SOHEIL KESHMIRI。研究發(fā)現(xiàn)：大多形成合作團體的成員都來自同一機構(gòu)，如INGO SIEGERT與ANDREAS WENDEMUTH同屬馬格德堡大學，HIDENOBU SUMIOKA與HIROSHI ISHIGURO同屬大阪大學，學緣關(guān)系密切。由此可見，該領(lǐng)域跨機構(gòu)間的作者之間的互動較少，未形成一定規(guī)模與著名的合作團體，這不利于人機交互總體性、系統(tǒng)性、全面性地發(fā)展。

三、人機交互研究內(nèi)容圖譜及其分析

（一）學科研究方向分析

人機交互領(lǐng)域發(fā)文數(shù)量排名前10的集中那個于計算機科學學科、工程科學學科、人因工程學科、心理學學科，他們都是該類研究的主要學科。其中涉及到計算機類的學科2015-2020發(fā)文量總數(shù)超過3890篇。由此可見，人機交互領(lǐng)域研究參與學科種類多樣，是一門綜合性交叉學科。

（二）關(guān)鍵詞共現(xiàn)分析

在文獻計量學中，關(guān)鍵詞是對文獻中核心的詞匯進行高度概括[3]，對關(guān)鍵詞的分析可以得出各個時期的研究熱點。

本文使用CiteSpace對2015-2020年Web of Science核心合集數(shù)據(jù)庫中關(guān)鍵詞進行分析，將節(jié)點類型選擇為“Keyword”，一個時間切片為一年，其他屬性不變，運行CiteSpace獲得圖2的人機交互關(guān)鍵詞共現(xiàn)知識圖譜。圖譜其中最大的關(guān)鍵節(jié)點是“Human–ComputerInteraction（人機交互）”“information（信息）”“recognition（認知）”“system（系統(tǒng)）”“mode（l 模型）”等關(guān)鍵詞節(jié)點較大，從圖譜的各關(guān)鍵詞的關(guān)聯(lián)網(wǎng)絡(luò)來看，呈現(xiàn)以“Human–ComputerInteraction（人機交互）” 、“system（系統(tǒng)）”主要關(guān)鍵詞為中心，相互交叉的狀況。各主要關(guān)鍵詞與其他關(guān)鍵詞的關(guān)聯(lián)性較大，如“information（信息）”和“decision making（決策）”“experience（體驗）”、 “automation（自動化）”有一定聯(lián)系。

突變詞（bursts）可以了解到該時期內(nèi)某一個主題詞、關(guān)鍵詞的衰落或興起的情況，可以更好地預(yù)測該領(lǐng)域未來的發(fā)展熱點與趨勢。將Burstnes中γ值設(shè)置為2，得出表4。表4呈現(xiàn)了2015-2020年人機交互領(lǐng)域引文爆發(fā)強度前20的關(guān)鍵詞，其中突現(xiàn)強度的最大值為8.82 ，最小值為4.05，分別為“deep learning（深度學習）”“braincomputerinterface（腦機接口）”，“convolutional neural network（卷積神經(jīng)網(wǎng)絡(luò)）”成為僅次于“deep learning（深度學習）”的突現(xiàn)詞，從圖中發(fā)現(xiàn)研究熱度居于一二位的關(guān)鍵詞都是和人工智能技術(shù)相關(guān)，開始時間在2019年左右，可以推斷近年來在人機交互領(lǐng)域，關(guān)于智能技術(shù)的研究與人機交融模式的探索是一大熱點，且推測其在未來兩年也將一直是熱點。其他新的研究方向雖然數(shù)量較多，但持續(xù)時間不久，都還未達到一定強度。

（三）關(guān)鍵詞聚類分析

對高頻關(guān)鍵詞進行聚類分析，得到了人機交互領(lǐng)域文獻高頻關(guān)鍵詞聚類圖譜。如圖3所示，顯示了人機交互領(lǐng)域研究關(guān)鍵詞最大的7個聚類，分別是：#0 virtual reality（虛擬現(xiàn)實）、#1 human-computerinteraction（人機交互）、#2 user experience（用戶體驗）、#3 trust（信任）、#4 emotional recognition（情感識別）、#5 computervision（計算機視覺）、#6 gesture recognition（姿態(tài)識別）。得出Modularity Q=0.7978，Silhouette=0.9454，說明聚類結(jié)構(gòu)顯著且聚類結(jié)果是令人信服的。

借助關(guān)鍵詞共現(xiàn)圖譜節(jié)點的查詢功能，梳理相關(guān)文獻，得到如下3個主要的研究主題：

1.有關(guān)人機交互與文化關(guān)系的理論研究熱點關(guān)鍵詞主要包括“ c u l t u r e ”（ 文化）“ i n d i v i d u a ld i f f e r e n c e ”（個體差異）“ a c c e s s i b i l i t y ”（ 可用性）“crowdsourcing”（眾包）等。Honold[6]等人闡述了在跨文化人機交互設(shè)計中需考慮根植于文化之中人們不同心態(tài)、思維模式和解決問題的策略等因素。Bidwell[7]等人提出設(shè)計師必須根據(jù)自己的所處文化情境需要調(diào)整通用的設(shè)計方法。多元文化環(huán)境中的交流已成為一種需要，因此在人機交互領(lǐng)域研究人機交互設(shè)計的文化維度和變量之間的關(guān)系成為一大熱點。

2.有關(guān)人機交互與智能技術(shù)與系統(tǒng)關(guān)系的理論研究熱點關(guān)鍵詞主要包括“multimodal interaction”（多模態(tài)交互）“recognition（認知）”“deep learning”（深度學習）“machinel ear ni ng”（機器學習）“eeg”（腦電信號）“r obot ”（機器人）等。在信息交互方面，H.Wu[8]等人提出了一種方法，可以使得用戶自定義手勢，同時解決了在實際場景中，用戶不同手勢習慣和表示偏差導(dǎo)致的機器認知問題。在認知交互方面，更多學著傾向用生理信號數(shù)據(jù)來改善人機交互。M. Hamaya[9]等人提出一種模型強化學習的框架，這個框架間接地賦予了外骨骼理解人類行為和進行反饋操作的能力。研究者從認知人機交互的多通道感知、人機系統(tǒng)與優(yōu)化等方面進行了探討，旨在優(yōu)化流程與體驗。

3.有關(guān)人機交互與混合現(xiàn)實的研究熱點關(guān)鍵詞主要包括“ v i r t u a l r e a l i t y ”（ 虛擬現(xiàn)實）“augmented reality”（增強現(xiàn)實）等。Pavel[10]等人提出了應(yīng)用手勢識別技術(shù)發(fā)明的一種新穎的解決方案——TeleAdvisor，旨在將它應(yīng)用于許多實際場景中支持遠程協(xié)助任務(wù)。多年來，混合現(xiàn)實中的人機交互研究領(lǐng)域已經(jīng)構(gòu)建出較為完整的設(shè)計原則和可用性評估及設(shè)計方法，但很多尚不具備通用性，因此如何建立通用性的設(shè)計原則及解決方案是該研究方向亟待考慮的事。

（四）人機交互知識基礎(chǔ)的參考文獻分析論文是否具有一定的學術(shù)與參考價值可以從其引用頻次上來衡量。研究者通過文獻引用軌跡的可視化呈現(xiàn)，繼而判斷出研究領(lǐng)域的基礎(chǔ)理論參考來源。節(jié)點類型設(shè)置為“Reference”，時間切片設(shè)置為一年，設(shè)置“TOPN ”為50，生成2015-2020年人機交互研究文獻共被引知識圖譜。如圖4所示，從圖譜左上角數(shù)據(jù)可以看出，其節(jié)點個數(shù)為283個，連接線個數(shù)為424條，密度為0.0106。本文選取人機交互領(lǐng)域被引頻次超過30次的8篇引文獻進行分析，如表5所示。

圖中的節(jié)點越大，代表引用頻率越高，表明文獻價值越高。研究發(fā)現(xiàn)：被引頻次最高的文獻來自學者CHANG[11]。CHANG[11]等人提出LIBSVM作為支持向量機（SVM）的庫，在機器學習和許多其他領(lǐng)域中已獲得廣泛普及文中討論了諸如解決SVM優(yōu)化問題，理論收斂性，多分類概率估計和參數(shù)選擇等問題。HE[12]等人針對深層神經(jīng)網(wǎng)絡(luò)訓(xùn)練困難的問題，提出了一種殘差的學習框架。計算機領(lǐng)域機器學習技術(shù)極大地提高了語音識別、目標檢測以及視覺識別任務(wù)甚至是藥物檢測等許多領(lǐng)域的研究水平，再次說明在人機交互領(lǐng)域?qū)χ悄芗夹g(shù)的研究處于研究熱點。

中間中介性較高的文章來自Zeng、Koelstra等人，他們對自然交互方式進行了探索。Zeng[13]等人研究解決人類情感行為的機器理解問題的可行方法，并討論了訓(xùn)練和測試數(shù)據(jù)的收集和可用性，概述了推進人類情感感知技術(shù)所面臨的一些科學和工程挑戰(zhàn)。Koelstra[14]等人提出了一種用于分析人類情感狀態(tài)的多模態(tài)數(shù)據(jù)集，其使用腦電，周圍生理信號和多媒體內(nèi)容分析的方法對不同模式的分類結(jié)果進行決策融合。Rautaray[15]等人旨在將人機交互融入一種自然的制度中。其分析了不同關(guān)鍵參數(shù)下的人機交互手勢識別系統(tǒng)。

（五）研究演進與前沿發(fā)展趨勢分析時區(qū)視圖如圖5所示，其反映了人機交互研究領(lǐng)域文獻關(guān)鍵詞演進，通過前沿時區(qū)圖可以梳理2015-2020近5年以來的人機交互領(lǐng)域發(fā)展趨勢，將其分為3個階段。

第一，2015年人機交互領(lǐng)域研究處于高速發(fā)展階段，研究主題較為多樣，包括對于信息、體驗、技術(shù)等主題的關(guān)注，也符合當時互聯(lián)網(wǎng)快速發(fā)展、信息技術(shù)的顯著進步的研究背景;第二，2016-2018年，研究進入了一個相對平穩(wěn)發(fā)展的階段，這一時期“emotion recognition（情緒識別）”“neural network（神經(jīng)網(wǎng)絡(luò)）”“support vectormachine（支持向量機）”等關(guān)鍵詞的出現(xiàn)，說明該階段研究熱點聚焦在如何運用先進的算法技術(shù)、結(jié)合心理學認知工具等創(chuàng)造出更好的人機交互體驗，與此同時，隨著虛擬現(xiàn)實、增強現(xiàn)實技術(shù)的出現(xiàn)與發(fā)展，對這兩個主題的關(guān)注也在增加;第三，2019-2020年為人機交互研究的最新階段。文獻研究熱點為“facial expression recognition（面部表情識別）”“cnn（卷積神經(jīng)網(wǎng)絡(luò)）”，有些主題仍與2015-2016年的研究熱點息息相關(guān)，此時的熱點較為集中于對計算機的機器學習技術(shù)的研究及對于人機之間信任感及其他情感方面的探索。

結(jié)語

本文基于Web of Science核心合集數(shù)據(jù)庫中2015-2020年間收錄的4727篇人機交互的相關(guān)文獻，采用CiteSpace對文獻進行了可視化分析。了解到人機交互領(lǐng)域相關(guān)研究的熱點和未來發(fā)展趨勢，同時對今后的研究趨勢進行預(yù)測。

研究發(fā)現(xiàn)：（一）時間分布研究顯示年度發(fā)文量趨于穩(wěn)定，具有階段性特征，總體呈上升趨勢。（二）空間分布研究顯示研究成果較多集中于國內(nèi)外各大名校與相同機構(gòu)之間，機構(gòu)之間、地區(qū)之間持續(xù)穩(wěn)定的交流不足，發(fā)展不均衡，需要該領(lǐng)域的學者進行廣泛且深入的研究交流，持續(xù)高質(zhì)量成果。（三）從文獻學科分布情況看，有70%以上的文獻所屬為計算機技術(shù)學科，工程科技和心理學科占20%，由此可見，計算機技術(shù)學科研究熱度較高，同時還囊括文化、社會學、心理學等多方面的知識背景。（四）從研究熱點與趨勢上來看，隨著計算機運算能力的增強，豐富數(shù)據(jù)的產(chǎn)生及人工智能熱潮的掀起，使得關(guān)于智能技術(shù)的研究與人機交融模式的探索成為這領(lǐng)域研究的一大熱點，并在當下及未來的發(fā)展中更為注重結(jié)合人的內(nèi)在情緒、文化語境、用戶體驗等人文、心理因素。

本文對人機交互研究領(lǐng)域的未來研究趨勢預(yù)判具有一定意義，但仍然存在如下不足：第一，由于選擇時間段較短，本文所選4727篇文獻得出的分析結(jié)果未涵蓋本領(lǐng)域2015年之前的研究成果。第二，本文研究使用的方法尚不能完全全面、客觀地展現(xiàn)該領(lǐng)域研究的全貌，今后需結(jié)合其他計量方法與可視化工具，在實踐的基礎(chǔ)上，更加綜合地分析領(lǐng)域研究發(fā)展態(tài)勢。