ACA[作者共被引分析]

Author Co-citation AnalysisACA方法的基本假設是:當兩個作者的文獻同時被第三個作者的文獻引用,則稱這兩個作者存在共引關係;如果這兩位作者共被引頻次越高,則說明他們的學術關係越密切,“距離”越近。通過聚類分析、多維尺度分析和因子分析等統計方法,可以按照這種“距離”將學科領域內的核心作者進行分類,並通過圖形表示,以可視地鑑別分析學科領域內的科學共同體。

Author Co-citation AnalysisACA方法的基本假設是:當兩個作者的文獻同時被第三個作者的文獻引用,則稱這兩個作者存在共引關係;如果這兩位作者共被引頻次越高,則說明他們的學術關係越密切,“距離”越近。通過聚類分析、多維尺度分析和因子分析等統計方法,可以按照這種“距離”將學科領域內的核心作者進行分類,並通過圖形表示,以可視地鑑別分析學科領域內的科學共同體。

ACA方法的基本步驟如下:[3]①核心作者選擇,即通過一些方法選擇學科領域內的核心作者;②在共被

引頻次統計的基礎上,構建核心作者共被引矩陣;③將共被引矩陣通過皮爾遜相關係數法(Pearson’s Cor-relation Coefficient)轉化為相關係數矩陣;④對相關係數矩陣進行聚類分析(Cluster Analysis)和多維尺度分析(Multidimensional Scaling)。下面我們將按照這種方法對我國大陸地區教育技術學科領域的科學共同體進行分析。

熱門詞條

聯絡我們