摘 要:通過文獻計量學方法,梳理歸納自1998年以來適老化智能可穿戴服裝的研究現(xiàn)狀、熱點和未來趨勢;深入分析WOS和CNKI數(shù)據(jù)庫中的相關(guān)文獻,包括研究走勢、類型、核心作者群等,并結(jié)合關(guān)鍵詞演變、研究熱點和研究空白進行探討。研究發(fā)現(xiàn):適老化智能可穿戴服裝領(lǐng)域研究呈現(xiàn)波動式增長,核心作者群已經(jīng)形成,研究機構(gòu)主要集中在中國、美國和韓國的高校。關(guān)鍵詞分析顯示:當前研究熱點聚焦于健康監(jiān)測功能、電磁續(xù)航和面料傳感技術(shù);前沿熱點則集中在用戶交互設(shè)計和隱私保護技術(shù)等方面。適老化智能可穿戴服裝已初具研究規(guī)模,在即將到來的老齡化趨勢中的應用前景廣闊。學者們應加強區(qū)域間的合作交流,推動適老化智能可穿戴服裝的進一步發(fā)展,并注重研究的深度和創(chuàng)新性,以滿足老年人群的實際需求。
關(guān)鍵詞:文獻計量;適老化智能服裝;智能可穿戴服裝;老年人護理服裝;可視化分析
中圖分類號:TB484
文獻標志碼:A
文章編號:1009-265X(2025)03-0092-10
收稿日期:2024-05-20 網(wǎng)絡出版日期:2024-09-23
基金項目:教育部產(chǎn)學合作協(xié)同育人項目2022年第二批立項項目(220704484143806);上海市哲學社會科學規(guī)劃課題(2020BWY032)
作者簡介:茅丹(1970—),上海松江人,副教授,主要從事服裝、環(huán)境等可持續(xù)藝術(shù)設(shè)計交叉學科方面的研究
通信作者:溫潤,E-mail:rain@dhu.edu.cn
隨著全球老齡化進程的加快[1-2],智能可穿戴服裝在提升老年人生活質(zhì)量、應對健康風險[3]方面展現(xiàn)出重要作用,成為全球健康與老齡化研究中的關(guān)鍵技術(shù)領(lǐng)域[4-5]。在理論設(shè)計層面,許黛芳等[6]提出針織智能安全監(jiān)護服裝設(shè)計框架。徐越等[7]提出失智老人智能服裝的設(shè)計策略。Bravo等[8]綜述了可穿戴設(shè)備在老年人康復中的應用,強調(diào)遠程健康監(jiān)測的重要性,但其研究應用場景僅限于老人術(shù)后康復。Nesenbergs等[9]與Dias等[10]分別對智能紡織系統(tǒng)、可穿戴健康設(shè)備進行了綜述,但缺乏針對適老化場景應用的細分整理。Wang等[11]則粗略地提出了老年人智能可穿戴應用場景框架,未進行場景延伸。實證研究集中在健康監(jiān)測和數(shù)據(jù)傳輸技術(shù)應用層面。于靜靜等[12]綜述了生物傳感器在智能服裝中的應用??垫玫?sup>[13]通過驗證機器學習算法的有效性,設(shè)計了防摔檢測預警功能智能服裝。邵開麗等[14]設(shè)計基于STC89C52單片機的智能服裝,通過藍牙實現(xiàn)健康數(shù)據(jù)實時采集和處理。李楠等[15]介紹了健康監(jiān)測可穿戴設(shè)備在睡眠、血壓、心率監(jiān)測方面的應用。上述研究在不同層面上對適老化智能可穿戴服裝進行了深入探討,但多集中于具體技術(shù)的應用和實現(xiàn),缺乏對該細分領(lǐng)域整體理論框
架全面、系統(tǒng)性的整理。
文獻計量學常與數(shù)學、統(tǒng)計學、文獻學等其他學科結(jié)合,輔助定量研究[16]。CiteSpace和VOSviewer均為文獻計量可視化軟件,二者分別在文獻共被引分析和操作簡便性方面各有優(yōu)勢[17]?;诖?,本文綜合運用以上分析軟件,采取文獻計量學的研究方法,對自1998年起的國內(nèi)外有關(guān)智能可穿戴服裝在適老化領(lǐng)域的研究進展進行深度挖掘,意在揭示現(xiàn)有研究的核心主題和研究趨勢,以補充老年人智能可穿戴應用場景研究框架[11],旨在為未來該領(lǐng)域的研究方向和策略提供參考。
1 數(shù)據(jù)與方法
1.1 中外文獻來源
本文的文獻檢索策略采用了布爾運算符的規(guī)則[18]。中文文獻來源于中國知網(wǎng)(CNKI)數(shù)據(jù)庫。首先通過分類號構(gòu)造檢索式((CNKI=(智能可穿戴服裝OR適老化智能服裝OR老年智能護理服裝OR老人醫(yī)療監(jiān)護服裝OR老年人健康監(jiān)測服裝OR老年人生理監(jiān)測服裝OR老年疾病監(jiān)測服裝OR阿爾茨海默病監(jiān)測服裝OR老年人健康護理服裝OR可穿戴智能監(jiān)測服裝)),檢索號為#1。然后通過關(guān)鍵詞構(gòu)造檢索式((TIABC=(智能OR適老化OR醫(yī)療OR健康OR生理OR疾病OR監(jiān)測))AND(TIABC=(服裝OR可穿戴OR護理OR監(jiān)護OR監(jiān)測)),檢索號為#2。最后將上述檢索結(jié)果求并集,即#1U#2,共提取出324篇文獻。利用CiteSpace的Data Directories功能,針對提取出的文獻進行除重、剔除學生學位論文,共篩選出與適老化智能可穿戴服裝研究相關(guān)的有效文獻273篇,作為本文最終的中文文獻研究樣本。
英文文獻全部來源于Web of Science(WOS)數(shù)據(jù)庫核心合集。首先通過分類號構(gòu)造檢索式(TS=(Smart wearable clothing OR Intelligent nursing clothing for the elderly OR medical care clothing for the elderly OR health monitoring clothing for the elderly OR Physiological monitoring clothing for the elderly OR Alzheimer's disease monitoring clothing OR Geriatric disease monitoring clothing OR Wearable intelligent monitoring clothing)),檢索號為#3。然后通過關(guān)鍵詞構(gòu)造檢索式(TS=(Smart OR Intelligent OR Medical OR Health OR Physiological OR Disease OR Monitoring))AND(TS=(Clothing OR Wearable OR Nursing OR Care OR Monitoring)),檢索號為#4。最后將上述檢索結(jié)果求并集,即#3U#4,索引=SCI、CCR、IC、SSCI、AHCI、ESCI、IC,語言設(shè)置為英文,共檢索到811篇文獻。以純文本格式導出后,將題錄對關(guān)鍵詞進行去重、合并、刪除等清洗處理得到791篇有效文獻。中英文檢索時間范圍均為1998年1月1日起至2024年4月12日。
1.2 數(shù)據(jù)轉(zhuǎn)換與清洗
本文首先將納入分析的中文文獻題錄以Refworks
格式進行導出,隨后借助CiteSpace 6.1.R6的data功能將其轉(zhuǎn)換為該軟件可識別的文獻格式(WOS格式),而從WOS提取的英文文獻則無需修改。而后將以上題錄分別以download_**.txt格式進行儲存。接著針對題錄中的關(guān)鍵詞執(zhí)行了一系列的清洗處理,包括去重、合并和刪除;對于像“智能服裝”“可穿戴”等無實質(zhì)分析意義的關(guān)鍵詞則剔除。
1.3 軟件參數(shù)設(shè)置
在CiteSpace軟件中,對納入的中英文文獻題錄進行分析,具體參數(shù)設(shè)定如下:時間切片為1年,連接強度采用余弦相似度(Cosine Similarity,CS),以衡量節(jié)點間的相關(guān)性。采用G-指數(shù)(G-index)作為篩選標準,中文數(shù)據(jù)的共現(xiàn)數(shù)據(jù)基本設(shè)為軟件默認值:LRF=3.0,L/N=10,LBY=5,e=1.0。因中文數(shù)據(jù)庫樣本量較少調(diào)整了K值(K=10);Top N設(shè)定為50,即提取每個時間切片中頻次最高條目;為充分突顯其頻次最高的結(jié)構(gòu)特征,采用探路者(Pathfinder)算法修剪數(shù)據(jù)網(wǎng)絡。其余參數(shù)保持默認值,以確保分析結(jié)果的穩(wěn)定。以作者、機構(gòu)、和關(guān)鍵詞作為研究節(jié)點,為WOS與CNKI相關(guān)數(shù)據(jù)分別繪制了相應的知識圖譜。
在運用VOS-viewer軟件進行關(guān)鍵詞共現(xiàn)時,將其最小共現(xiàn)閾值設(shè)置為3,在算法選取上,則采用關(guān)聯(lián)強度對關(guān)鍵詞進行共現(xiàn)網(wǎng)絡分析,以進一步探究關(guān)鍵詞之間的相關(guān)性和研究領(lǐng)域的核心主題。
2 年發(fā)文趨勢統(tǒng)計與分析
以年份為橫坐標、年發(fā)文量為左縱坐標,年累計發(fā)文量為右縱坐標,分別分析其發(fā)文情況如圖1—圖2所示。中文文獻庫CNKI中,有關(guān)適老化智能可穿戴服裝的最早研究發(fā)表在2005年。2010年之前發(fā)文量較少,后偶有波動,但自2020年起,發(fā)文量迎來了爆發(fā)式增長,2020年則迎來發(fā)文峰值量,共45篇。后期年發(fā)文量有所回落,至2023年又迎來44篇的發(fā)文高峰,說明該領(lǐng)域的研究已得到學界足夠重視。對CNKI該領(lǐng)域的文獻的年累計發(fā)文量增長數(shù)據(jù)進行線性回歸擬合后得到回歸方程:y=0.165e0.29x,得到擬合優(yōu)度系數(shù)R2=0.917,回歸擬合程度越好??梢?,CNKI有關(guān)適老化智能可穿戴服裝研究的文獻在未來仍將呈線性上升的趨勢。
WOS上關(guān)于適老化智能可穿戴服裝研究的文獻最早出現(xiàn)在1998年,前期發(fā)文量較少,2006年起呈波動上升趨勢,2010—2014年期間進入平臺期。但自2016年起,年發(fā)文量急速上升;2023年達到峰值,年發(fā)文量共計137篇。年累計發(fā)文量指數(shù)趨勢線表明24年相關(guān)發(fā)文量仍將呈井噴趨勢。同樣地,對該領(lǐng)域的年累計英文發(fā)文量增長情況進行線性回歸擬合后,得到方程:y=2.024e0.246x,擬合優(yōu)度系數(shù)R2=0.981,表明WOS在有關(guān)適老化智能可穿戴服裝研究的發(fā)文數(shù)量上,相較于CNKI,具有更大的上升空間,且WOS的高擬合優(yōu)度系數(shù)表明,WOS的年累計發(fā)文量增長情況與線性回歸模型非常吻合,反映出其發(fā)文量增長趨勢的可靠性和顯著性。但總體可見發(fā)文量不論國內(nèi)外均呈上升趨勢。
2.1 作者合作網(wǎng)絡分析
CNKI有418個作者(去除4個機構(gòu)),最高發(fā)文量為沈雷的4篇。WOS有3253個作者,從圖3中觀察到,被引用次數(shù)最多的前11位作者中,Rantanen最高發(fā)文達到了7篇。根據(jù)普賴斯定律[19-20],核心作者發(fā)文門檻為不小于2篇,篩選出126位,發(fā)文297篇,占總量0.392。從圖4中觀察到,領(lǐng)域內(nèi)形成了以Rantanen等人為代表的多個核心作者團體,結(jié)合突現(xiàn)分析[21],可得出團體內(nèi)合作關(guān)系密切。
2.2 科研機構(gòu)合作網(wǎng)絡分析
CNKI相關(guān)研究機構(gòu)如圖5所示共有92家,適老化智能可穿戴服裝以東華大學(24篇)、北京服裝學院(10篇)、江南大學(13篇)等為主要研究機構(gòu)代表的各科研機構(gòu)團體間以校際間的內(nèi)部合作為主,可見大多由大學及其附屬研究所構(gòu)成合作集群,呈現(xiàn)出較強的地域內(nèi)集聚現(xiàn)象,而跨區(qū)域的外部合作連線甚少。
結(jié)合圖6給出的WOS科研機構(gòu)合作網(wǎng)絡圖所示:WOS的相關(guān)研究機構(gòu)共有213家,表1匯總了自1998年以來凸顯強度前10的科研機構(gòu)的發(fā)文信息。從空間上,以東華大學(33篇)、江南大學(16篇)、清華大學(13篇)、Natl Univ Singapore(12篇)、Chang Gung Univ與Huazhong Univ Sci amp; Technol(均11篇)等為主要研究機構(gòu)代表的各團體間,地域內(nèi)集聚的現(xiàn)象有顯著體現(xiàn)。另外,各國之間的研究機構(gòu)合作更多地以內(nèi)部合作為其主導方式,跨國家合作較少,連線不顯著。
3 關(guān)鍵詞共現(xiàn)及聚類分析
3.1 關(guān)鍵詞共現(xiàn)分析
從CNKI文獻中提取504個關(guān)鍵詞,經(jīng)去重并剔除無意義內(nèi)容后,利用VOSviewer繪制出關(guān)鍵詞共現(xiàn)網(wǎng)絡圖如圖7所示。從圖7中觀察到,共得到33個共現(xiàn)頻率大于3的高頻關(guān)鍵詞,包括可穿戴技術(shù)、智能紡織品、傳感器、信息安全、服裝設(shè)計、市場等。該圖反映了學科內(nèi)不同研究方向間的聯(lián)系與權(quán)重關(guān)系。對從CNKI提取的關(guān)鍵詞進行對數(shù)似然率(L0g-likelihood rate,LLR)算法聚類,剔除無關(guān)聚類標簽,如“服裝”“可穿戴服裝”等重復聚類,得到如圖8所示共9個聚類模塊,包括#0可穿戴、#2智能手機、#4人工智能、#5市場需求、#6現(xiàn)狀、#7個性化、#8交互設(shè)計、#10無線傳感器系統(tǒng)、#11舒適性。
可穿戴設(shè)備和技術(shù)廣泛應用于病人、運動員等領(lǐng)域,適老化只是其中之一。根據(jù)Wang等[17]提出的老年人智能服裝可穿戴技術(shù)3大應用場景:定位、活動識別和實時生命體征監(jiān)測,結(jié)合圖7的VOSviewer生成的關(guān)鍵詞共現(xiàn)圖和表2的“老年人智能可穿戴服裝的3大應用場景及技術(shù)細分”,發(fā)現(xiàn)關(guān)鍵詞如“健康監(jiān)測”“傳感技術(shù)”等,與適老化智能可穿戴技術(shù)對應。這些技術(shù)包括定位、導航(如藍牙、WiFi、RFID)、健康監(jiān)測(如傳感器、光纖技術(shù))及數(shù)據(jù)處理、隱私保護等。環(huán)境感知和數(shù)據(jù)安全技術(shù)也是重要內(nèi)容,應用比例高。本文計算“表2技術(shù)詞頻”與“圖7關(guān)鍵詞圖云的原VOSviewer數(shù)據(jù)集”之間的斯皮爾曼相關(guān)系數(shù)和P值,評估二者的相關(guān)性,結(jié)果顯示斯皮爾曼相關(guān)系數(shù)為0.835,P值為0.023(Plt;0.05),呈顯著相關(guān),表明本文指向適老化智能可穿戴服裝的應用領(lǐng)域。
設(shè)備的關(guān)鍵技術(shù)領(lǐng)域具體技術(shù)分類技術(shù)應用描述與文獻支持定位定位與導航技術(shù)電子元件數(shù)據(jù)安全與隱私保護技術(shù)藍牙技術(shù)使用低功耗藍牙技術(shù)實現(xiàn)短途精確定位[22]iFi技術(shù)利用iFi信號強度差異進行位置判斷RFID技術(shù)通過RFID標簽和讀寫器實現(xiàn)室內(nèi)定位[23]低功耗電子元件確保設(shè)備長時間穩(wěn)定運行,減少充電頻率加密傳輸技術(shù)確保定位數(shù)據(jù)的安全傳輸和存儲[24]活動識別健康監(jiān)測技術(shù)傳感器技術(shù)使用加速度計和陀螺儀監(jiān)測老年人活動狀態(tài)[25-26]
用戶交互技術(shù)語音交互通過語音指令實現(xiàn)設(shè)備操作和數(shù)據(jù)反饋[27]電池續(xù)航長續(xù)航電池技術(shù)提供長時間使用,無需頻繁充電[28]光纖技術(shù)柔性光纖傳感器監(jiān)測老年人的姿態(tài)和運動狀態(tài),保證舒適性[29]環(huán)境感知技術(shù)溫濕度傳感技術(shù)監(jiān)測周圍環(huán)境溫度和濕度,提供舒適環(huán)境[30-32]實時生命體征監(jiān)測健康監(jiān)測技術(shù)傳感器技術(shù)高精度傳感器監(jiān)測心率、血壓、血糖等指標[25-26]
光纖技術(shù)柔性光纖傳感器嵌入織物中,用于體溫和生理信號監(jiān)測[29]數(shù)據(jù)處理與分析高級數(shù)據(jù)處理算法實時分析生理數(shù)據(jù),提供健康預警[33-34]電子元件無線通信模塊實現(xiàn)數(shù)據(jù)實時傳輸和遠程健康監(jiān)測[35-36]數(shù)據(jù)安全與隱私保護技術(shù)數(shù)據(jù)加密技術(shù)確保健康數(shù)據(jù)的安全傳輸和存儲[24]
3.2 關(guān)鍵詞聚類分析
在CiteSpace軟件中,Modularity Q值是評估網(wǎng)絡圖譜的結(jié)構(gòu)及其聚類清晰度的關(guān)鍵指標,取值范圍在0到1之間,而Q值超過0.3通常表示明顯的聚類結(jié)構(gòu)。為了評估聚類的合理性,CiteSpace軟件采用了聚類加權(quán)平均輪廓值S值算法[37](Weighted mean silhouette加權(quán)平均輪廓值)。一般來說,Sgt;0.5表示聚類合理,Sgt;0.7表示聚類結(jié)果高度可信。如圖8中所示,CNKI關(guān)鍵詞聚類模塊參數(shù)為Q=0.629、S=0.940,表明聚類具有高度內(nèi)部同質(zhì)性,社團界定清晰。
WOS的相關(guān)文獻共涉及3096個關(guān)鍵詞,利用VOSviewer繪制關(guān)鍵詞共現(xiàn)網(wǎng)絡圖,剔除重復內(nèi)容后得到313個共現(xiàn)頻率大于3的高頻關(guān)鍵詞,如圖9所示,包括smart clothing、wearable technology、performance、graphene、smart textiles、triboelectric nanogenerator等詞在內(nèi)。將這些關(guān)鍵詞進行CiteSpace中的LLR算法聚類,剔除無關(guān)和不顯著聚類后,得到10個聚類模塊關(guān)鍵詞,包括#0 smart textiles、#1 wearable sensors、#2 pressure sensor、#3 wearable electronics、#4 smart clothes、#5 energy harvesting、#7 generator、#8 visually impaired、#9 body temperature、#12 human health,如圖10所示。與圖9的CNKI關(guān)鍵詞圖譜相比,VOS關(guān)鍵詞圖譜內(nèi)容更加側(cè)重科技面料與納米芯片電子元件、大數(shù)據(jù)等軟硬件板塊。從表3中觀察到,本文得到WOS的文獻Q=0.856、S=0.959,不論Q值或S值,均大于CNKI。說明相較于CNKI,WOS在有關(guān)適老化智能可穿戴服裝研究的文獻聚類的同質(zhì)性更高,社團的劃分恰當,圖譜效果更理想。
圖11的時間線圖展現(xiàn)了WOS上自1998年起有關(guān)適老化智能可穿戴服裝研究的關(guān)鍵詞演變。節(jié)點代表關(guān)鍵詞,大小表示出現(xiàn)頻次,呈正相關(guān)。連線體現(xiàn)關(guān)鍵詞間的共現(xiàn)關(guān)系。關(guān)鍵詞突現(xiàn)探測反映了關(guān)鍵詞的流行趨勢和研究熱點的變化,如圖12所示。
結(jié)合時間線圖分析,WOS的相關(guān)研究大致可以分為3個階段:1)1998—2010年:這一階段主要聚焦于智能可穿戴服裝的設(shè)計與初步應用。在這期間,“設(shè)計”與“智能服裝”作為關(guān)鍵詞的出現(xiàn)頻率較為明顯,說明在這段時間,研究者們主要在探討如何設(shè)計和制造這類新型服裝。2)2010—2020年:這段時間的研究更加深入,不僅涉及到了傳感器技術(shù),如“傳感器”“壓力傳感器”和“可穿戴電子設(shè)備”,還涉及到了如何將這些技術(shù)整合到智能服裝中[38]。此外,“能量收集”也成為了這一階段的一個熱點,說明類似于如何讓智能服裝自給自足,不需要頻繁充電或更換電池的相關(guān)便利性研究,已然在研究者們的探索范圍內(nèi)。3)2020年至今:“大數(shù)據(jù)”這一關(guān)鍵詞的出現(xiàn),說明研究者們開始探討如何利用這些新近的技術(shù)來優(yōu)化和提高智能服裝的性能和應用范圍。同時,“視覺受損”“體溫”[39]
和“人類健康”關(guān)鍵詞的出現(xiàn)表明,研究方向從基礎(chǔ)應用拓展到更加細分和廣泛的領(lǐng)域,如醫(yī)療健康和輔助視覺受損人群[40]等。
綜合圖11—圖13可分析得出,目前CNKI相關(guān)研究還停留在以上的第一第二階段,對于第三階段的探索,在中國的相關(guān)領(lǐng)域還有很大的空白,該部分亟待學者們補充
4 結(jié)語
本文通過線性擬合,分析了老年人智能可穿戴服裝1998—2024年的年度發(fā)文量,完善了現(xiàn)有的老年人智能可穿戴應用場景研究框架,并發(fā)現(xiàn)適老化智能可穿戴服裝研究的年度波動增長趨勢。研究結(jié)論如下:
a)適老化智能可穿戴服裝研究已經(jīng)經(jīng)歷了初步發(fā)展階段,進入了成熟階段。這一結(jié)果顯示本領(lǐng)域總體研究數(shù)量在增加,但缺乏新的重大突破和顯著增長,意味著學術(shù)界正在探索和確定新的研究方向和創(chuàng)新點。這種現(xiàn)象可能與市場需求的變化、技術(shù)瓶頸的存在以及學術(shù)資源的重新分配等因素有關(guān)。
b)作者及機構(gòu)共現(xiàn)分析揭示,以Rantanen和Lymberis為代表的國外學者在早期階段形成了強大的研究團體,于2001年左右形成了緊密的集群效應,其凸顯強度高達4.41;而近年來中國學者在國際上的表現(xiàn)日益突出,特別是Wang科研團隊在2020年后的發(fā)文凸顯強度達到2.62,顯示出中國學者在該領(lǐng)域的活躍度和影響力正在顯著提升。
c)從地域分布上看,中國、美國和韓國高校成為研究中心,研究路徑為“理論-實驗-應用-得出結(jié)論-反哺理論”。該路徑呈現(xiàn)出從理論研究到實驗驗證,再到實際應用,最后總結(jié)出結(jié)論并反哺理論的閉環(huán)模式,有助于確保研究的系統(tǒng)性和持續(xù)性,提高研究成果的應用價值。
d)國內(nèi)外研究比較分析表明,中國在智能可穿戴設(shè)備的應用和技術(shù)開發(fā)方面取得了顯著進展,特別是在硬件設(shè)計和傳感器技術(shù)方面,但在理論框架和系統(tǒng)性探討上仍有不足;國外在大數(shù)據(jù)、人工智能和隱私保護技術(shù)整合應用方面更為深入,在大規(guī)模數(shù)據(jù)處理和智能算法應用上具有先進性,尤其是在用戶體驗和數(shù)據(jù)安全方面形成了較為成熟的體系。
參考文獻:
[1]United Nations Organization Official. World population outlook:Revised edition in 2019[R].United Nations, 2020. https://www.un.org/en/academic-impact/97-billion-
earth-2050-growth-rate-slowing-says-new-un-population-report.
[2]羅君, 黃歡歡, 王俊, 等. 近10年康復輔助器具相關(guān)研究的可視化分析[J]. 中國康復理論與實踐, 2022, 28(5):593-601.
LUO Jun, HUANG Huanhuan, WANG Jun, et al. Researches about assistive devices in recent ten years:A visual analysis[J]. Chinese Journal of Rehabilitation Theory and Practice, 2022, 28(5):593-601.
[3]任祥放, 沈雷, 薛哲彬, 等. 老年人智能可穿戴服裝協(xié)同設(shè)計系統(tǒng)構(gòu)籌[J]. 裝飾, 2020(4):112-115.
REN Xiangfang, SHEN Lei, XUE Zhebin, et al. Research on collaborative design system of intelligent wearable garments for the elderly people [J]. Zhuangshi, 2020(4):112-115.
[4]劉耘竹, 洪衛(wèi)軍. 可穿戴電子產(chǎn)品發(fā)展趨勢及標準化研究[J]. 中國標準化, 2019(1):105-111.
LIU Yunzhu, HONG Weijun. Research on development trend and standardization of wearable electronic products[J]. China Standardization, 2019(1):105-111.
[5]中國市場監(jiān)管報. 可穿戴設(shè)備的健康監(jiān)測技術(shù)[R].2021. http://www.cmrnn.com.cn/content/2021-06/08/content_202836.html.
China Market Regulation News. Health monitoring techno-logy of wearable devices [R]. 2021. http://www.cmrnn.com.cn/content/2021-06/08/content_202836.html.
[6]許黛芳, 趙衛(wèi)國. 阿爾茨海默病老人針織智能安全監(jiān)護服裝的設(shè)計[J]. 染整技術(shù), 2020, 42(4):51-56.
XU Daifang, ZHAO Weiguo. Design of knitted intelligent safety monitoring clothing for the elderly with Alzheimer's disease[J]. Textile Dyeing and Finishing Journal, 2020, 42(4):51-56.
[7]徐越, 劉博新. 促進健康的失智老人服裝設(shè)計探析[J]. 毛紡科技, 2022, 50(8):56-62.
XU Yue, LIU Boxin. Analysis of clothing design for the elderly with dementia based on health promotion[J]. Wool Textile Journal, 2022, 50(8):56-62.
[8]BRAVO V P, MU?OZ J A. Wearables and their applications for the rehabilitation of elderly people[J]. Medical amp; Biological Engineering amp; Computing, 2022, 60(5):1239-1252.
[9]NESENBERGS K, SELAVO L. Smart textiles for wearable sensor networks:Review and early lessons[C]//2015 IEEE International Symposium on Medical Measurements and Applications (MeMeA) Proceedings. Turin, Italy. IEEE, 2015:402-406.
[10]DIAS D, PAULO SILVA CUNHA J. Wearable health devices-vital sign monitoring, systems and technologies[J]. Sensors (Basel, Switzerland), 2018, 18(8):2414.
[11]WANG Z, YANG Z, DONG T. A review of wearable technologies for elderly care that can accurately track indoor position, recognize physical activities and monitor vital signs in real time[J]. Sensors (Basel, Switzerland), 2017, 17(2):341.
[12]于靜靜, 鄧詠梅. 基于生理監(jiān)測的可穿戴智能服裝應用與展望[J]. 紡織科技進展, 2021(2):6-9.
YU Jingjing, DENG Yongmei. Application and prospect of wearable smart clothing based on physiological monitoring[J]. Progress in Textile Science amp; Technology, 2021(2):6-9.
[13]康婷, 沈雷, 周帥. 具有防摔檢測預警的老人智能服裝設(shè)計研究[J]. 毛紡科技, 2021, 49(4):70-75.
KANG Ting, SHEN Lei, ZHOU Shuai. Research on intelligent clothing design for the elderly with fall prevention detection and early warning[J]. Wool Textile Journal, 2021, 49(4):70-75.
[14]邵開麗, 付財源, 張振帥, 等. 基于STC89C52單片機的智能服裝系統(tǒng)設(shè)計[J]. 毛紡科技, 2018, 46(9):61-65.
SHAO Kaili, FU Caiyuan, ZHANG Zhenshuai, et al. Design of intelligent clothing system based on STC89C52 microcontroller[J]. Wool Textile Journal, 2018, 46(9):61-65.
[15]李楠, 徐磊, 劉麗妍, 等. 老年人健康監(jiān)測可穿戴設(shè)備的應用研究[J]. 針織工業(yè), 2022(6):60-63.
LI Nan, XU Lei, LIU Liyan, et al. Application of wearable devices for elderly health monitoring[J]. Knitting Industries, 2022(6):60-63.
[16]鄭文暉. 文獻計量法與內(nèi)容分析法的比較研究[J]. 情報雜志, 2006, 25(5):31-33.
ZHENG Wenhui. Comparative research on bibliometrics and content analysis[J]. Journal of Intelligence, 2006, 25(5):31-33.
[17]付健, 丁敬達. Citespace和VOSviewer軟件的可視化原理比較[J]. 農(nóng)業(yè)圖書情報學報, 2019, 31(10):31-37.
FU Jian, DING Jingda. Comparison of visualization principles between citespace and VOSviewer[J]. Journal of Library and Information Science in Agriculture, 2019, 31(10):31-37.
[18]BEASLEY L B, SONG S Z. Linear operators that preserve Boolean rank of Boolean matrices[J]. Czechoslovak Mathematical Journal, 2013, 63(2):435-440.
[19]BARRIOS M, BORREGO A, VILAGINS A, et al. A bibliometric study of psychological research on tourism[J]. Scientometrics, 2008, 77(3):453-467.
[20]楊璐銘,劉欣燁,劉源,等.基于CiteSpace的兒童平衡能力研究在運動科學方向的可視化分析[J].皮革科學與工程,2023,33(6):92-98.
YANG Luming,LIU Xinye,LIU Yuan, et al. Citespace-based visual analysis of children's balance ability research in sports science[J]. Leather Science and Engineering, 2023, 33(6):92-98.
[21]蘇芳芳, 經(jīng)淵, 宋立新, 等. 我國靜電紡絲領(lǐng)域研究現(xiàn)狀及其熱點:基于CNKI數(shù)據(jù)庫的可視化文獻計量分析[J]. 東華大學學報(自然科學版), 2024,50(1):45-54.
SU Fangfang, JING Yuan, SONG Lixin, et al. Present situation and hotspot of electrospinning in China:Visual bibliometric analysis based on CNKI database[J]. Journal of Donghua University (Natural Science), 2024,50(1):45-54.
[22]LIU F, LIU J, YIN Y, et al. Survey on WiFi-based indoor positioning techniques[J]. IET Communications, 2020, 14(9):1372-1383.
[23]LIAO Y T, CHEN T L, CHEN T S, et al. The application of RFID to healthcare management of nursing house[J]. Wireless Personal Communications, 2016, 91(3):1237-1257.
[24]KIM S S. Mutual authentication scheme between biosensor device and data manager in healthcare environment[J]. The Journal of Supercomputing, 2016, 72(1):177-184.
[25]TAHIR S B U D, JALAL A, KIM K. Wearable inertial sensors for daily activity analysis based on Adam optimization and the maximum entropy Markov model[J]. Entropy (Basel, Switzerland), 2020, 22(5):579.
[26]KAVUNCUO?LU E, UZUNHISARC?KL? E, BARSHAN B, et al. Investigating the Performance of Wearable Motion Sensors on recognizing falls and daily activities via machine learning[J]. Digital Signal Processing, 2022, 126:103365.
[27]VALERA ROMáN A, PATO MARTíNEZ D, LOZANO MURCIEGO á, et al. Voice assistant application for avoiding sedentarism in elderly people based on IoT technologies[J]. Electronics, 2021, 10(8):980.
[28]LIN C C, YANG C Y, ZHOU Z, et al. Intelligent health monitoring system based on smart clothing[J]. International Journal of Distributed Sensor Networks, 2018, 14(8):155014771879431.
[29]LIN Y F, CHENG X H, XIA L Q, et al. Flexible integration and wearable application of belt-type human microenvironment visualization monitoring system[J]. Acta Polymerica Sinica, 2024,55(6):718-728.
[30]WU Y, WANG Z, XIAO P, et al. Development of smart heating clothing for the elderly[J]. The Journal of the Textile Institute, 2022, 113(11):2358-2368.
[31]LEE G, CHOI B, AHN C R, et al. Wearable biosensor and hotspot analysis-based framework to detect stress hotspots for advancing elderly's mobility[J]. Journal of Management in Engin-eering, 2020, 36(3):04020010.
[32]AZNAR-GIMENO R, LABATA-LEZAUN G, ADELL-LAMORA A, et al. Deep learning for walking behaviour detection in elderly people using smart footwear[J]. Entropy (Basel, Switzerland), 2021, 23(6):777.
[33]ABIDI M H, UMER U, MIAN S H, et al. Big data-based smart health monitoring system:Using deep ensemble learning[C]//IEEE Access. IEEE, 2023:114880-114903.
[34]SYED L, JABEEN S, MANIMALA S, et al. Smart healthcare framework for ambient assisted living using IoMT and big data analytics techniques[J]. Future Generation Computer Systems, 2019, 101:136-151.
[35]ABANAH SHIRLEY J, SUNDARSINGH E F, SARASWATHI V, et al. Fall detection smart-shoe enabled with wireless IoT device[J]. Circuit World, 2021, 47(4):325-334.
[36]DASIOS A, GAVALAS D, PANTZIOU G, et al. Hands-on experiences in deploying cost-effective ambient-assisted living systems[J]. Sensors, 2015, 15(6):14487-14512.
[37]胡軍, 管春. 基于神經(jīng)網(wǎng)絡的方案加權(quán)平均值計算[J]. 計算機工程與應用, 2003, 39(18):90-91.
HU Jun, GUAN Chun. Model for calculating solution additive weight average based on artificial neural network[J]. Computer Engineering and Applications, 2003, 39(18):90-91.
[38]HA H, SURYAPRABHA T, CHOI C, et al. Recent research trends in textile-based temperature sensors:A mini review[J]. Nanotechnology, 2023, 34(42):422001.
[39]LIU M, WANG S, XIONG Z, et al. Perspiration permeable, textile embeddable microfluidic sweat sensor[J]. Biosensors and Bioelectronics, 2023, 237:115504.
[40]SHARMA P, HUI X, ZHOU J, et al. Wearable radio-frequency sensing of respiratory rate, respiratory volume, and heart rate[J]. NPJ Digital Medicine, 2020,3(1):98.
Visual bibliometric analysis of smart wearable clothing for the elderly
MAO Dan1a, XIA Tian2, XU Huiya2, LI Yiran2, WEN Run1b,3
(1a. College of Fashion and Design; 1b. Shanghai International College of Fashion and Innovation, Donghua University, Shanghai 200050, China; 2.College of Journalism and Communications, Shanghai Jian Qiao University, Shanghai 200135, China; 3.Binzhou Institute of Technology, Weiqiao-UCAS Science and Technology Park, Binzhou 256606, China)
Abstract: This study systematically reviews the literature in the WOS and CNKI databases using bibliometric analysis. The research first cleaned the data to remove duplicate and irrelevant entries, ensuring the accuracy of the dataset. Next, CiteSpace and VOSviewer were used to visualize the data, providing insights into the research landscape, including author collaborations, institutional contributions, and keyword co-occurrence networks. A comprehensive analysis of the development and trends in the field of aging-friendly smart wearable clothing was conducted. With a view to providing a clearer line of research in this area, the study supplemented the existing research framework on intelligent wearable application scenarios for the elderly and performed a Pearson correlation test between the keyword co-occurrence dataset and the extended theoretical framework, which showed a significant positive correlation, indicated that this research is focused on the application field of aging-friendly intelligent wearable clothing.
Bibliometric analysis indicates that the research output on aging-friendly smart wearable clothing has significantly increased, especially in recent years. Core author groups and leading institutions have been identified, mainly located in China, the United States, and South Korea. Keyword analysis reveals that major research focuses on health monitoring functions, electromagnetic endurance, and fabric sensing technologies. Additionally, emerging research areas emphasize user interaction design and privacy protection technologies. These findings highlight the diversity and interdisciplinary nature of the field, encompassing materials science, electronics, healthcare, and data security. This study supplements the existing research framework on intelligent wearable application scenarios for the elderly by identifying key technology areas and their applications. For example, health monitoring technologies include advanced sensors and data analysis for real-time health monitoring. Positioning and navigation technologies utilize Bluetooth, WiFi, and RFID for precise indoor positioning. Integrating flexible fiber optic sensors into fabrics enhances comfort and functionality, while low-power electronic components ensure long-term use of the devices. Data security and privacy protection are crucial for safeguarding sensitive health information, requiring robust encryption methods.
The research on aging-friendly smart wearable clothing is driven by the urgent needs of the aging population and has made significant progress. This field demonstrates tremendous innovative potential in improving the quality of life for the elderly through advanced technology. Future research should focus on strengthening interdisciplinary collaboration, leveraging big data and artificial intelligence to enhance user experience, and meeting the specific needs of the elderly. It is necessary to enhance international cooperation to promote the development of aging-friendly smart wearable solutions, so as to ultimately create a more inclusive and supportive society for the elderly.
Keywords:bibliometrics; aging-friendly smart clothing; smart wearable clothing; elderly care clothing; visual