ديداري‌سازي خوشه‌ها و پويايي قلمروي موضوعيHPV

Visualizing the Clusters and Dynamics of HPV Research Area

زمينه و هدف: تحليل هم‌واژگاني، براساس هم‌رخدادي واژگان، به‌عنوان يكي از تكنيك‌هاي مهم علم‌سنجي و كتابسنجي، امكان تحليل محتواي مدارك علمي قلمروهاي مشخص پژوهشي را فراهم مي‌آورد. هدف از پژوهش حاضر ديداري‌سازي خوشه‌ها و پويايي قلمروي موضوعي HPV است. روش بررسي: پژوهش حاضر از نوع كاربردي است كه با روش تحليل هم‌رخدادي واژگان كه از روش‌هاي علم‌سنجي است با رويكرد تحليلي انجام‌ شده است. كليدواژههاي مقالات نمايه‌شده در وبگاه علم در قلمروي موضوعي HPV بين سالهاي 1392 تا 1396، جامعه مقاله حاضر هستند. تحليلهاي آماري و هم‌رخدادي واژگان روي 17278 كليدواژه 13249 مقاله انجام گرديد. پس از انجام فرآيند يكدستسازي واژگان، نقطه برش مشخص و براي تحليل و آماده‌سازي داده¬ها و نيز ترسيم نقشه‌ها، از نرم‌افزارهاي يو.سي.آي.نت(UCINET)، VOSviewer (نسخه 1.6.11) و SPSS نسخۀ 16 استفاده شد. يافته‌ها: كليدواژۀ «CERVICAL CANCER» داراي بيشترين فراواني و با CERVICAL INTRAEPITHELIAL NEOPLASIA زوج هم‌واژگاني است. بيشتر مطالعات HPV در ناحيه 3 نمودار راهبردي يعني موضوعات نوپديد و يا روبه‌زوال قرار دارد. نتيجه‌گيري: تحليل هم‌رخدادي واژگان، ابزار مناسب و قدرتمندي است كه در كشف و ديداري‌سازي علم و دانش، رديابي علوم، سير پويايي مفهومي و تعيين و تحليل نواحي مورد پژوهش در قلمرو‌هاي موضوعي كمك بسياري به برنامه‌ريزان و سياست‌گذاران پژوهشي مي‌كند.

Background and Aims: Co-word analysis, based on Co-occurrence, as one of the important techniques of Scientometrics and bibliometrics, enables the analysis of the content of scientific documents of the specific Research Area. The purpose of the present study is visualize HPV clusters relationships and thematic trends in the world. Materials and Methods: The research type is an applied one with analytical approach and it has been done using co-word analysis. The population of this study consists of articles’ keywords indexed during 2014-2018 in the Web of Science (WoS) in HPV subject area. The total numbers of the retrieved and analyzed keywords in this study were 13249. Some software like SPSS, UCINET and VOSViewer were used for data integration and analysis. Results: The findings showed that the keyword “CERVICAL CANCER” have had the highest frequency and with “CERVICAL INTRAEPITHELIAL NEOPLASIA” and they were co-word couples. The results of the strategic diagram showed that the most clusters in HPV placed in third area of strategic diagram, it means these subjects (clusters) were emerging or declining. Conclusion: Co-word analysis is suitable method for discover and visualize different sciences and their prominent patterns, hidden relationships and thematic trends research’ subject areas. The results of these analysis and findings of such researches will help research policy makers