خوشه ‏بندی مفاهیم و رویدادهای نوپدید سازماندهی دانش

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار. گروه پژوهشی مدیریت اطلاعات. مرکز منطقه ای اطلاع رسانی علوم و فناوری. شیراز. ایران.

2 دانشگاه شهید چمران، اهواز، ایران

10.30481/lis.2020.213568.1666

چکیده

هدف: هدف از انجام این پژوهش، بررسی و مصور سازی ساختار فکری حوزه سازماندهی دانش در وب‏گاه علم در بازه زمانی 1900-2018 و خوشه‏بندی مفاهیم و رویدادهای نوپدید این قلمرو موضوعی است.
روش‏شناسی: پژوهش حاضر از نوع کاربردی است و به روش هم‏واژگانی با رویکرد تحلیلی انجام شده است. به‌منظور انجام تحلیل هم‌واژگانی، از خوشه‌بندی سلسله‌مراتبی و مقیاس چندبُعدی استفاده شده است. جامعه این پژوهش تمامی کلیدواژه‏های (27124 کلیدواژه) مقالات قلمرو موضوعی سازماندهی دانش است که از وب‏گاه علم در بازه زمانی 1975-2018 استخراج شده است. به منظور تحلیل داده‏های گردآوری شده از نرم افزارهای SPSS،UCINET، VOS Viewer و NetDraw استفاده شده است.
یافته‏ها: تحلیل داده‏ها حاکی از آن است که زوج‌های هم‌واژگانی "سیستم اطلاعات جغرافیایی- سیستم اطلاعات جغرافیایی" و "کتابخانه دانشگاهی- سواد اطلاعاتی" بیشترین هم‌رخدادی را به خود اختصاص داده‏اند. خوشه‌بندی موضوعات سازماندهی دانش به روش تحلیل خوشه‏ای حاکی از آن است که در بازه زمانی مورد بررسی در مجموع 27 خوشه وجود دارد که 10 خوشه مربوط به بازه زمانی 1975-1999 و 17 خوشه به بازه زمانی 2000-2018 اختصاص دارد.
نتیجه‏گیری: نتایج نشان داد که در دوره‌های زمانی، خوشه‌ها از نظر همپوشانی موضوعی تا حد زیادی مشابه‌اند. به بیان دیگر، شش خوشه و تعدادی از کلیدواژه‌ها از لحاظ محتوا شباهت دارند. با این وجود در بازه زمانی دوم، خوشه ‏ها به دلیل تعداد و وسعت گسترده‏تر هستند.

کلیدواژه‌ها


عنوان مقاله [English]

Clustering the concepts and emerging events of knowledge organization

نویسندگان [English]

  • Farshid Danesh 1
  • zahra Neamatollahi 2
1 Dept of Information Management. Regional Information Center for Science and Technology (RICeST). Shiraz.Iran
2 Shahid Chamran university, Ahvaz,, Iran
چکیده [English]

Purpose. Knowledge organization is one of the key pillars of Library and Information Science (LIS) studies and is one of the important steps and approaches in the process of knowledge management and accessibility. The purpose of this research is to examine and illustrate the intellectual structure of the knowledge organization in the Web of Science (WoS) from 1975 to 2018 and to cluster emerging concepts and events of this subject area.
Methods. In this paper, researchers applied scientometrics methods. We used a co-occurrence analysis method with an analytical approach. In order to do the research, we utilized hierarchical clustering and multidimensional scaling. The research population consists of all keywords (27124 keywords) of articles in the field of knowledge organization retrieved from the Web of Science (WOS) citation database between 1975 and 2018. SPSS, UCINET, VOS Viewer and‏ NetDraw utilized for preparing and analyzing data and also for visualizing maps.
Results. We selected the most frequent keywords to provide a complete overview of current studies. The data analysis showed that between 1975 and 1999 the keywords “information technology", " information system" and "internet" and between 2000-2018 the keywords " information literacy", " information retrieval" and " information" were most frequent.
Findings also showed that the keywords "geographic information system- geographic information system" and "information literacy- academic library" have the most co-word occurrence. In the first period (1975-1999), 10 clusters including information retrieval, multimedia, Automatic cataloging and indexing, library and education, knowledge management, information system research, strategic planning, information retrieval system, user training, information resource management, and the second period (2000-2018), 17 clusters formed including user training, information literacy training, librarianship, and information research, uncertainly in Health Information Behavior, information behavior, Measurement studies, electronic government, social network, knowledge sharing, knowledge organization, knowledge management, digital divide, information retrieval, classification, and indexing, Computer Cataloging, data mining, and Social Cataloging.
Conclusion. The results showed that despite the relative overlap between clusters of the two periods, the topics in the second period (2000-2018) because of the increasing number and scope of the keywords were of a higher number. Six clusters are similar in content and keywords in the two periods studied. An overview of the results of cluster analysis between 1975 and 2018 showed that the clusters were similar and overlapped. Although the number of clusters in the second period (2000-2018) were more associated. Six clusters were similar in terms of content and the number of keywords in the two periods. This represents about 60% similarities for the 1975–1999 time period and 35% for the time period 2000–2018.

کلیدواژه‌ها [English]

  • Knowledge organization
  • Co-word Analysis
  • Scientometric
  • cluster analyses