特藏資源知識挖掘方法及實證研究

張美琦　龍世彤　田曉迪　趙星　楊春燕

摘 要：深度挖掘特藏資源的價值是提高特藏資源利用率的重要途徑之一。當前，特藏資源的宣傳推廣材料多為大段文字和文獻的照片，鮮有可視化的圖片。為解決這一局限性，將知識圖譜工具VOSviewer引入特藏資源建設領域，通過可視化分析充分展示特藏資源的亮點、重點和全景，以促進讀者使用特藏資源。首先，利用Excel數(shù)據(jù)整理功能，將特藏資源數(shù)據(jù)文件改寫為與WOS純文本數(shù)據(jù)文件主要字段一致的過渡性文件；其次，通過自編Python程序，將過渡性文件轉換為VOSviewer支持的WOS純文本數(shù)據(jù)文件，從而實現(xiàn)對特藏資源數(shù)據(jù)的作者分布、出版社分布、出版地合作和術語共現(xiàn)分析。通過實證分析可知，該方法效果良好，可以為特藏資源的深度挖掘提供新的思路，具有一定的現(xiàn)實意義。

關鍵詞：特藏資源；知識挖掘；可視化分析；蒙學讀本；VOSviewer

中圖分類號：G353.1 文獻標識碼：A

特藏資源具有獨特性、珍貴性和歷史性等特點，具有核心競爭力。當前，特藏資源建設在重點揭示、亮點突出、全貌展示等方面還有提升的空間。一般情況下，特藏資源的宣傳推廣材料多為大段的文字和文獻的照片，鮮有可視化的圖片，讀者難以在短時間內了解該資源的全貌，不能感受到強烈的視覺沖擊，難以被激發(fā)出強烈的閱讀興趣。雖然文字是傳遞信息最常用的載體，但是，在當前信息爆炸的時代，人們接收信息的速度已經(jīng)小于信息產(chǎn)生的速度，尤其是文本信息。當大段的文字擺在面前，已經(jīng)很少有人耐心認真地把它讀完，經(jīng)常是先找文中的圖片來看。一方面，說明人們對圖形的接受程度比枯燥的文字要高很多；另一方面，說明人們急需更高效的信息接收方式，“一圖勝千言”我們深有體會，教材里的解釋圖、筆記里總結的知識結構圖，一直到現(xiàn)在經(jīng)常用的思維導圖等，其實都是簡單、實用的文本可視化。在特藏資源建設領域，知識圖譜工具正是解決這種需求的一種工具與技術，其突出特征在于把一個知識領域里浩如煙海的文獻數(shù)據(jù)，以一種多元、分時、動態(tài)的可視化語言，通過巧妙的空間布局，將該領域的演進歷程集中展現(xiàn)在一幅幅網(wǎng)絡的知識圖譜上。知識圖譜工具的特點可以概括為“一圖展春秋，一覽無余；一圖勝萬言，一目了然”。

VOSviewer作為一款知識圖譜工具，采用可視化手段呈現(xiàn)知識單元之間的結構和演化關系圖譜，對于直觀認識知識結構有重要價值。由于該軟件處理文獻信息的功能比較強大，而且開發(fā)者不斷更新升級，一直以來都是免費使用，越來越受到專家學者的青睞。目前，在文獻計量領域，絕大多數(shù)論文都是用VOSviewer分析期刊論文數(shù)據(jù)或學位論文數(shù)據(jù)，鮮有用來分析特藏資源數(shù)據(jù)的研究。而在特藏資源建設領域，利用流行知識圖譜工具實現(xiàn)可視化的研究并不多見，只有利用Gephi對梅蘭芳的民國報紙資源開展知識圖譜構建的文獻，但該研究僅從主題一個維度實現(xiàn)可視化分析。本研究把VOSviewer引入特藏資源建設領域，從主題、作者、出版地以及出版社實現(xiàn)多維度可視化呈現(xiàn)，為特藏資源的知識挖掘提供新的思路。

一、研究設計

1.理論假設

VOSviewer可以分析文獻中的作者、機構、國家、期刊、關鍵詞和術語等知識單元，可以構建合作網(wǎng)絡、共詞網(wǎng)絡、文獻引證網(wǎng)絡、文獻共被引網(wǎng)絡和術語共現(xiàn)網(wǎng)絡等知識網(wǎng)絡類型。該軟件的分析原理是：分析某個知識單元，軟件會自動讀取該知識單元的數(shù)據(jù)，之后匯聚分析。例如，如果要展開“作者”的分析，軟件會自動讀取“作者”字段的數(shù)據(jù)；如果要做“機構”的分析，則自動讀取“機構”字段的數(shù)據(jù)；要構建術語共現(xiàn)網(wǎng)絡，則自動讀取“題名”或“摘要”字段的數(shù)據(jù)等。以此類推，不論數(shù)據(jù)來源是什么，只要轉換成VOSviewer支持的數(shù)據(jù)格式，就可以分析數(shù)據(jù)，繪制成知識圖譜。

VOSviewer支持以下三類數(shù)據(jù)的分析：（1）從文獻數(shù)據(jù)庫導出的數(shù)據(jù)，如Web of Science、Scopus、Dimensions、Lens、PubMed；（2）從參考文獻管理軟件導出的數(shù)據(jù)，如RIS、EndNote、RefWorks；（3）通過API獲得的數(shù)據(jù)，如Crossref、OpenAlex、Europe PMC、Semantic Scholar、OCC、COCI、Wikidata。除此之外，非上述三類數(shù)據(jù)，如果可以轉換成上述三類數(shù)據(jù)中的任意一種，就可以間接利用VOSviewer展開分析。由于Web of Science數(shù)據(jù)庫（以下簡稱WOS）的普及度和接受度相對較廣，因此，將從WOS導出的純文本數(shù)據(jù)文件作為目標數(shù)據(jù)文件，擬將特藏資源數(shù)據(jù)文件轉換為目標數(shù)據(jù)文件，然后利用VOSviewer的分析功能展開分析和挖掘。

2.實現(xiàn)流程

上述轉換過程具體分為以下三步：第一，從特藏資源數(shù)據(jù)文件中選取需要的字段，獲得原始.xlsx數(shù)據(jù)文件。只需挑選正題名、副題名、交替題名、叢書題名、主題詞、全部作者、出版社、出版地以及出版日期9個字段；第二，將原始.xlsx數(shù)據(jù)文件的字段重組并重新命名，獲得與WOS純文本數(shù)據(jù)字段一致的過渡.xlsx數(shù)據(jù)文件；第三，通過Python自編程序將過渡.xlsx數(shù)據(jù)文件轉換為文本格式.txt數(shù)據(jù)文件，獲WOS純文本數(shù)據(jù)文件，將WOS純文本數(shù)據(jù)文件導入VOSviewer，利用分析功能展開知識挖掘。

二、特藏資源知識挖掘方法實證

1.數(shù)據(jù)和方法

“美國殖民到現(xiàn)代的蒙學讀本”特藏資源是由美國教育家理查德·威內斯基牽頭，從美國十余家圖書館特藏中甄選出來的兒童早期閱讀課本，共包括842冊圖書。這些讀本的時間跨度較大，從美洲殖民時代的1711年一直延續(xù)到現(xiàn)代的1943年。這些讀本對于研究美國閱讀教育的源頭，并由此思考其對我國閱讀教育的啟示等具有重要的學術價值。對“美國殖民到現(xiàn)代的蒙學讀本”特藏資源展開知識挖掘很有必要，可以促進人文學者對美國閱讀教育源頭文獻的分析和研究。

2.時間特征挖掘

讀本出版的歷史性變化趨勢，可從一個側面反映讀本的發(fā)展狀況。“美國殖民到現(xiàn)代的蒙學讀本”整體跨度為233年，大致可以分為以下5個時期。

（1）起步期：1711年～1782年，共9冊讀本。美洲殖民地的教育并非從零開始，而是以英國和歐洲教育演進的最優(yōu)成果為起點繼續(xù)前進的。從源頭上講，英國教育是美國教育的主要源泉，因為當時居民80%來自英國，其閱讀教育更多從宗主國移植而來。在這樣的背景下，美國閱讀課本逐漸起步。

（2）蓬勃發(fā)展期：1783年～1837年，共155冊讀本。美國獨立戰(zhàn)爭期間，與英國的貿(mào)易交往被中斷，導致美國國內的閱讀課本非常短缺。美國正式成立后，美國的教育方向發(fā)生了時代性的轉變，從殖民時期以培養(yǎng)效忠英王為目標改為以培養(yǎng)優(yōu)秀的公民和增強國家凝聚力為職責。教育方向的轉變也導致了閱讀教學的根本性轉變，從以往以宗教教育為主轉向以道德教育為主。

（3）停滯期：1838年～1865年，共111冊讀本。隨著19世紀三四十年代普通學校運動的蔓延，讀本的出版成為一項重要的獨立業(yè)務，配有專門的出版社和銷售隊伍。該階段的前期，閱讀課本仍保持上升的勢頭，但后期由于1861至1865美國南北戰(zhàn)爭的爆發(fā)，閱讀課本的數(shù)量發(fā)生了斷崖式下降。

（4）快速發(fā)展期：1866年～1920年，共446冊讀本。美國南北戰(zhàn)爭后教育的巨大浪潮創(chuàng)造了對讀本的創(chuàng)紀錄需求，閱讀課本進入一個快速發(fā)展的時期。該時期叢書讀本的發(fā)展初具規(guī)模，與現(xiàn)在的分級讀本相似，一般包括初級讀本和5～6本分級讀本，還有的包括一本拼寫書。

（5）穩(wěn)定發(fā)展期：1921年～1943年，共121冊讀本。20世紀初期，由于教育心理學從普通心理學中分離出來，對閱讀教育產(chǎn)生了強烈影響，因此，標準化的閱讀測試對閱讀教材也產(chǎn)生了較大影響。

3.空間特征挖掘

對于讀本出版空間的研究有助于探尋讀本出版中心的變遷規(guī)律?！懊绹趁竦浆F(xiàn)代的蒙學讀本”的出版地絕大多數(shù)在美國，也有少數(shù)在英國或加拿大。縱觀讀本出版地的地理空間變化，不難發(fā)現(xiàn)美國是從東北部大西洋沿岸城市逐漸向北部、南部、西部擴展的軌跡。在殖民時期和建國初期，費城、紐約、波士頓、伍斯特和巴爾的摩等地出版的讀本比較多。美國南北戰(zhàn)爭前期，美國西部圖書貿(mào)易的資本已經(jīng)轉移到辛辛那提。到了現(xiàn)代，讀本出版比較活躍的城市除了紐約、芝加哥、波士頓之外，又增加了亞特蘭大，達拉斯、舊金山等城市。

4.主題特征挖掘

“美國殖民到現(xiàn)代的蒙學讀本”的主題聚類圖可以劃分為7個聚類，如圖1所示，受篇幅所限，選取規(guī)模最大的4個聚類如下。

第一，以美國建國初期諾亞·韋伯斯特的《美國拼寫書（The Americanspelling book）》讀本為主。1783年美國獨立革命的成功，開啟了美國本土閱讀課本大量涌現(xiàn)的時期，這時期的讀本充滿了強烈的民族主義精神，課文中的宗教內容越來越少。第一本由美國人自己編寫和出版的拼寫書是韋伯斯特的《美國拼寫書（The American spelling book）》。

第二，以美國內戰(zhàn)前期的《麥克古菲讀本（McGuffey Readers）》為主。韋伯斯特的《美國拼寫書》要求兒童背誦很多標注音節(jié)的單詞，這種死記硬背使兒童對閱讀產(chǎn)生抵觸和厭惡情緒，于是《邁克古菲讀本》應運而生，逐漸取代了《美國拼寫書》的市場。

第三，以美洲殖民地時期最暢銷的《新英格蘭初級讀本（New England Primer）》為主。殖民地時期，學校缺乏課本，讓學生從家里自帶書籍，當時很多家庭唯一的書籍就是《圣經(jīng)》。當時的書籍大部分都是從英國進口的，少數(shù)在殖民地印制的讀本也是模仿英國讀本而寫的。殖民地時期普及度最廣的讀本就是《新英格蘭初級讀本（The New England Primer）》。

第四，主要以美國現(xiàn)代的暢銷書《迪克和簡（Dick and Jane）》為主。1930年，新一代的基礎分級讀本《迪克和簡》逐漸取代了《邁克古菲讀本》。這系列讀本講述一個典型的美國中產(chǎn)家庭的故事，其中的主人公有爸爸、媽媽、哥哥Dick、姐姐Jane、妹妹Sally 。

5.作者的學術群分布

美洲殖民時期，由于條件所限，因此，大部分讀本來自宗主國英國進口，大多是英國作者。美國建國初期，讀本的主要作者大多來自新英格蘭，他們受過高等教育，大部分是新教徒，以古典閱讀教育為導向。當時，絕大部分作者不是作者，而是編者。未經(jīng)許可也未聯(lián)合署名就大段摘抄的現(xiàn)象并不少見，而且美國國內外讀本的重印均無須支付費用，直至19世紀末美國實施國際版權法，這些現(xiàn)象才停止。

6.出版社的演化

“美國殖民到現(xiàn)代的蒙學讀本”出版社的發(fā)展，經(jīng)歷了印刷與出版一體化、印刷與出版分離、出版業(yè)蓬勃壯大三個階段。殖民地時期，印刷業(yè)都是手工作坊，當時印刷和出版不分家。到了19世紀30年代，手工印刷業(yè)開始向工業(yè)化轉型，再也不需要熟練工人和那么多的學徒工。到了美國內戰(zhàn)前期，由于印刷廠的啟動成本很高，絕大多數(shù)工廠選擇印刷與出版分離，專門做印刷才能盈利。于是，出版商接管了宣傳商、編輯、營銷人員的角色，只把圖書生產(chǎn)的工作留給了印刷商。

三、總結

當前，特藏資源的宣傳推廣環(huán)節(jié)鮮有文本可視化技術的應用，在特藏資源建設領域引入知識圖譜工具VOSviewer，為特藏資源實施學術畫像，用一幅幅知識圖譜展示重點、亮點和全景。本研究創(chuàng)新性地通過改寫和轉換特藏資源數(shù)據(jù)來實現(xiàn)可視化分析，針對數(shù)據(jù)獲取和文獻清理的復雜性工作，采用Python代碼實現(xiàn)數(shù)據(jù)的快速批量轉換，極大地提高了研究效率，為特藏資源的知識挖掘提供了新思路。

需要說明的是，該方法不僅適用于圖書類特藏資源，還適用于報紙類、期刊類、文書類等其他特藏資源。只要特藏資源的元數(shù)據(jù)具備4個W要素，即What（對象）、Where（地點）、When（時間）、Who（人員）等，就可以通過上述步驟利用VOSviewer實現(xiàn)可視化分析。該方法的不足之處在于，數(shù)據(jù)清理的工作量會較大。例如，由于特色資源中的責任者，其責任方式可能有著、編、審、校、譯等多種，所以，數(shù)據(jù)清理時需要較大的耐心和細心。另外，特色資源的主題詞/關鍵詞字段，需要細粒度的揭示，生成的知識圖譜會更有解讀性。

參考文獻：

[1]李 杰，陳超美. CiteSpace科技文本挖掘及可視化（第一版）[M].首都經(jīng)濟貿(mào)易大學出版社，2016.

[2]劉則淵.視覺思維、數(shù)學思維和哲學思維的集成之作——陳超美著《科學前沿圖譜》中譯本推介[J].科學與管理，2014，34（03）：25-26.

[3]李 杰.中國新冠安全、風險、災害與危機的研究態(tài)勢[J].科學觀察，2022，17（03），15-22.

[4]沈 旺，陳玖瑜，潘夢雅.數(shù)字人文視域下民國報紙知識圖譜構建研究[J].圖書館雜志，2022，41（09）：105-112.

[5]李 杰，魏瑞斌.VOSviewer應用現(xiàn)狀及其知識基礎研究 [J].農(nóng)業(yè)圖書情報學報，2022，34（06）：61-71.

[6]滕大春著.美國教育史（第二版）[M].北京人民教育出版社，2001.

[7]練小川.美國兒童閱讀課本簡史（三）[J].出版參考，2021（09）：29-33.

（作者單位：北京師范大學圖書館）

基金項目：本文系北京高校圖書館研究基金項目“面向數(shù)字人文的縮微文獻文本挖掘與知識可視化研究”（項目編號：BGT2021047）的研究成果之一。

通訊作者：張美琦（1974—），女，漢族，山西大同人，碩士，副研究館員，研究方向：特藏資源建設。