陳素芳

摘? 要： 為了研究自復位結構的發(fā)展現(xiàn)狀和趨勢，從Web of Science數(shù)據(jù)庫核心合集中檢索出自復位結構相關的文獻，利用文獻計量在線分析平臺，采用共詞分析法和計量分析法對相關文獻進行分析。研究了大數(shù)據(jù)視域下自復位結構的起源和發(fā)展，對我國學者在該領域的研究存在的問題提出建議，并對自復位結構領域未來的發(fā)展趨勢做出預測。

關鍵詞： 大數(shù)據(jù); 共詞分析法; 計量分析法; 自復位結構; 趨勢

中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2020）10-15-04

Abstract： To study the present development and tendency， literatures related to self-centering structure are retrieved from the core collection of Web of Science database， and the literatures are analyzed by using the online analysis platform of literature as well as the word segmentation method and quantitative analysis. The origin and development of the research field of self-centering structure in the view of big data are studied， suggestions on the problems in the researches of domestic scholars in this field are put forward， and the future tendency of this field is predicted.

Key words： big data; word segmentation method; quantitative analysis; self-centering structure; tendency

0 引言

移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、社交網(wǎng)絡、數(shù)字家庭、電子商務等是新一代信息技術的應用形態(tài)，這些應用不斷產(chǎn)生大數(shù)據(jù)。有人把數(shù)據(jù)比喻為蘊藏能量的煤礦，但釋放這種能量，需要嚴謹?shù)臄?shù)據(jù)治理、富有洞見的數(shù)據(jù)分析和激發(fā)管理創(chuàng)新的環(huán)境。

在大數(shù)據(jù)時代，可通過實時監(jiān)測、跟蹤研究對象在互聯(lián)網(wǎng)上產(chǎn)生的海量行為數(shù)據(jù)，進行挖掘分析，揭示出規(guī)律性的東西，提出研究結論和對策。在科研領域也不例外，國內外學者的研究成果正呈現(xiàn)指數(shù)級增長，篩選有益科研成果，掌握科研領域的前沿動態(tài)，了解科研領域的熱點問題，是非常必要的[1]。

在建筑工程中，自復位結構[2]具有超強的自復位能力，在震后可以快速恢復結構功能，且耗能元件可以耗散能量并保護主體結構免受塑性損傷，因此，該結構具有卓越的抗震性能，越來越受到國內外學者的關注。為了闡述自復位結構近年來的研究進展和應用情況，以及未來發(fā)展趨勢，本文利用文獻計量學[3]的方法，借助相關數(shù)據(jù)處理平臺，對從1960年到目前（2020年5月31日）止，近60年來發(fā)表各類文獻的文獻總量、合作關系、文獻和作者影響力、研究熱點、引用關系等情況進行統(tǒng)計分析，對自復位結構的研究現(xiàn)狀進行梳理、回顧，以期全面展示這一學術研究領域的現(xiàn)狀和趨勢。

1 研究方法

1.1 數(shù)據(jù)源

Web of Science是全球最大和最負盛名的引文數(shù)據(jù)庫之一，涵蓋自然科學，社會科學，藝術和人文科學領域等六個引文索引，并且總共包含跨越250多個學科的十億多個可檢索引文。其獨特之處在于，它對每個研究輸出中的所有元數(shù)據(jù)進行索引，包括每個被引用和引用的參考文獻，從而在被索引的研究與更廣泛的學術文獻之間建立了聯(lián)系。因此，本文以Web of Science數(shù)據(jù)庫核心合集作為選樣來源，時間段選擇在1960～2020年，檢索詞為“self-centering”（自復位），初步檢索得到1778篇文獻;然后，進一步限定檢索領域為“Engineering Civil”、“Construction Building Technology”和“Engineering Geological”，得到有效文獻626篇。

1.2 研究方法

本研究主要采用共詞分析法和計量分析法[4-5]，通過對某一領域研究主題或研究方向的關鍵詞共同出現(xiàn)在一篇文獻的某一部位的現(xiàn)象進行分析，判斷學科領域關鍵詞之間的關系，從而，展現(xiàn)該領域的研究結構。本研究主要基于文獻計量在線分析平臺[6]，輔助以EXCEL軟件。首先從Web of Science數(shù)據(jù)庫核心合集中將已檢索到的626篇文獻的全紀錄和引用的參考文獻導出為文本文件。然后從在線分析平臺上傳引文數(shù)據(jù)，對數(shù)據(jù)進行在線分析處理，即可獲得可視化的分析結果。

2 研究結果

2.1 文獻總量分析

通常情況下，發(fā)表文獻數(shù)量的多少，能夠較為直接地反映出相關領域和相關機構的學者對該領域研究的關注度變化情況，因此統(tǒng)計文獻數(shù)量對掌握學科發(fā)展和學術研究提供了參考。對所有文獻按年份統(tǒng)計得到的年度分布趨勢如圖1（a）所示，進一步按國家統(tǒng)計得到的文獻，發(fā)表數(shù)量最多的若干國家如圖1（b）所示。從圖1（a）可以看出，在2000年之前，自復位結構的文獻數(shù)量非常少;在2000年～2010年間，文獻數(shù)量緩慢增加，表明該類結構開始得到越來越多的關注;從2010年至今文獻數(shù)量急劇增加，2020年只統(tǒng)計了前5個月的文獻數(shù)量，但已達2016年全年的文獻數(shù)量，這表明自復位結構的研究和應用正成為熱點，得到了大量學者的重視。從圖1（b）可以看出，中國發(fā)表文獻數(shù)量266篇（比例約42%），美國發(fā)表文獻數(shù)量204篇（比例約33%），遠遠多于其他國家。另外，美國、加拿大、新西蘭、日本和意大利地震多發(fā)，是傳統(tǒng)抗震大國，關于自復位結構的相關研究較為穩(wěn)定發(fā)展，文獻數(shù)量在不同時間段的分布較為均勻。由此可以明顯地看出，我國的文獻數(shù)量在2005年之前幾乎為0，在2006年～2010年之間開始顯著增加，特別是2015年之后的文獻增長數(shù)量更是一舉超越美國，成為文獻數(shù)量最多的國家，分析原因，一方面是由于我國2008年的汶川地震造成人民生命和財產(chǎn)的巨大損失，使我國抗震技術發(fā)展特別是自復位結構得到了足夠重視，另一方面是我國近些年的綜合國力得到大副提升，抗震水平也得到大幅提升。

2.2 合作關系分析

對所有文獻中的作者所屬國家進行分析，按不同國家作者共同和單獨發(fā)表文獻數(shù)量匯總，得到文獻數(shù)量較多的主要國家合作關系，如圖2所示，條帶寬度越大，表示合作文獻數(shù)量越多。從圖2可以看出，中國和美國作為發(fā)表文獻數(shù)量最多的兩個國家，共同發(fā)表文獻數(shù)量非常多，表明合作關系非常緊密;除了美國之外，中國與日本、澳大利亞和加拿大也有一定的合作關系;美國與其他國家的合作非常多，歐洲國家的相互合作關系也非常緊密。綜合來看，我國與其他國家的合作研究占據(jù)著非常高的比例，這對促進我國和世界的自復位結構發(fā)展具有非常積極的意義。

2.3 影響力分析

文獻引用頻次是衡量一個機構、期刊或作者的科研文獻被其他機構、期刊或作者認可程度的標志。表1匯總了總被引次數(shù)最多的十個機構?？梢钥闯觯砗４髮W的文獻總被引次數(shù)最高，且平均被引次數(shù)達31.67次，該機構的文獻數(shù)量和質量都很高;普林斯頓大學文獻總數(shù)僅5篇，但其平均被引次數(shù)高達43.4次，說明其文獻質量非常高;我國大陸地區(qū)的同濟大學文獻數(shù)量多達83篇，但平均被引次數(shù)僅為3.29次，東南大學文獻數(shù)量多達64篇，但平均被引次數(shù)僅為3.31次，這表明我國大陸地區(qū)對于自復位結構的研究已經(jīng)足夠重視且發(fā)表了非?？捎^數(shù)量的文獻，但文獻數(shù)量和質量嚴重不成比例，因此，我國的學者今后應該更加注重文獻的質量，以切實提高我國抗震技術特別是自復位結構的水平，使其達到國際領先水平。

表2匯總了總被引次數(shù)最多的十個期刊。其中，Journal of structural engineering-ASCE的文獻總被引次數(shù)和平均被引次數(shù)都最高，平均被引次數(shù)達53.79次，遠遠高于其他期刊，而該期刊的文獻數(shù)量僅為14篇，這表明該期刊非常注重文獻質量;從我國大陸地區(qū)的期刊被引次數(shù)排名看，與文獻產(chǎn)出數(shù)量很不成比例。

2.4 關鍵詞分析

為了掌握自復位結構研究領域的發(fā)展趨勢，對所有文獻中出現(xiàn)的主要關鍵詞進行了分析，并匯總出了關鍵詞頻數(shù)，如圖3所示?？梢钥吹剑?004年之前，關鍵詞頻數(shù)很低，在2005～2013年，主要關鍵詞頻數(shù)開始穩(wěn)步增加，其中關鍵詞“self-centering”每年出現(xiàn)的次數(shù)最多;在2014～2019年，主要關鍵詞頻數(shù)開始急劇增加，其中關鍵詞“self-centering”每年出現(xiàn)的次數(shù)最多，其次為關鍵詞“energy dissipation”（耗能），說明學者們開始更加重視自復位結構的耗能能力，特別是在2017～2019年，關鍵詞“shape memory alloy”（形狀記憶合金）也出現(xiàn)較高的頻數(shù)，查閱“形狀記憶合金”的相關文獻可知，這是由于形狀記憶合金的偽彈性性能和動阻尼特性，可被用于被動控制結構的地震響應，具有優(yōu)良的耗能性能，因此越來越受到重視。2020年只統(tǒng)計了前6個月的文獻，但是關鍵詞頻數(shù)分布接近于2015年全年，這表明近年來自復位結構的相關研究越來越多。

2.5 引用關系分析

為了全面掌握自復位結構領域相關研究的起源、發(fā)展現(xiàn)狀和未來趨勢，對所有文獻中的參考文獻引用關系進行分析，得到時序圖如圖4所示?？梢钥吹剑詮臀唤Y構研究的源頭主要是由作者El-Sheikh， MT（1999年）、Filiatrault， A（2000年）、Kurama， YC（2000年）和Ricles， JM（2001年）發(fā)表的四篇文獻，這四篇文獻分別對不同類型的自復位結構（鋼框架結構、混凝土框架結構和混凝土剪力墻結構）進行了抗震性能研究，重點是受力機理上的探索。而后學者對這幾種結構進行了深入研究，分別創(chuàng)新了不同形式的搖擺自復位結構（如Khoo， HH（2012年））和耗能連接單元（如Roh， H（2010年）），并提出各種設計方法（如Garlock， MM（2007年））。近年，開始研究自復位結構的抗倒塌性能（如Lu， XZ（2019年）和Wu， H（2019年））和應用于實際工程的抗震設計方法（如Hashemi， A（2020年）和Dong， HH（2020年））。這表明，經(jīng)過近二十年對自復位結構的相關研究，技術已日漸成熟，目前學者更加注重其工程應用方面的研究。

3 結論

本文采用共詞分析法和計量分析法，分析文獻大數(shù)據(jù)，找到自復位結構研究領域的起源、發(fā)展和今后趨勢。主要結論如下。

⑴ 自復位結構得到越來越多的學者關注，從2010年至今文獻數(shù)量急劇增加。我國和其他國家和地區(qū)關于自復位結構研究領域的合作關系非常緊密，這對促進我國和世界的自復位結構發(fā)展具有非常積極的意義。

⑵ 理海大學關于自復位結構的文獻數(shù)量和質量都較高，我國大陸地區(qū)對于自復位結構的研究已經(jīng)足夠重視，且發(fā)表了非常可觀數(shù)量的文獻，但我國的科技工作者應該更加注重文獻的質量;中國應該更加重視打造中國國內的高水平期刊，激勵廣大科技工作者把論文寫在祖國的大地上，把科技成果應用在實現(xiàn)現(xiàn)代化的偉大事業(yè)中。

⑶ 近年來學者更加重視自復位結構的耗能能力，自復位結構的相關研究已日漸成熟，今后學者會更加注重其在實際工程應用方面的研究。

參考文獻（References）：

[1] 孟雪井，沈淑，趙新泉.大數(shù)據(jù)文獻研究的可視化比較與分析[J].統(tǒng)計與決策，2017.474（6）：80-83

[2] Xu Gang， Li Aiqun. Seismic performance and design approach of unbonded post-tensioned precast sandwich wall structures with friction devices[J].Engineering Structures，2020.204（1）：1-14

[3] 錢心緣.國內外大數(shù)據(jù)研究進展——從文獻計量學角度分析[J].中國科技信息，2013.100（19）：85-87

[4] 崔曉鸞，趙可云.大數(shù)據(jù)在教育領域的研究熱點及發(fā)展趨勢——基于共詞分析的可視化研究[J]. 現(xiàn)代遠距離教育，2016.166（4）：79-85

[5] 儲節(jié)旺，郭春俠.共詞分析法的基本原理及EXCEL實現(xiàn)[J].情報科學，2011.29（6）：931-934

[6] 文獻計量在線分析平臺[EB/OL].https：//bibliometric.com，2013.