文摘

计算社会科学,作为一个新兴的跨学科的学科,是一个领域迎来了由传统社会科学的长期发展。它致力于提供数据思考、资源和分析来研究人类社会行为和社会运行法律准确地把握和判断该学科的发展道路,具有重要意义,促进社会科学的创新和发展。本研究从文献的角度进行系统的定量分析,旨在提供一个参考学者探索路径和变化规律。我们用科学的相关文献在网络数据集。消除电话和无关紧要的文学杂志后,R语言和SciMAT工具用于可视化和分析文章的数量,关键词聚类,关键词网络共存,进化和主题,总结和整理计算社会科学研究的路径。研究发现,每年的出版物已经逐渐增加,可能会在未来几年保持活跃与高生产力。主题主题在不同时期多样化,以及发现复杂的进化关系。除此之外,作为一个交叉学科,科学知识从不同领域相互交叉碰撞和夫妻在大数据环境中,改变了传统的计算社会科学的概念和形成新的发展道路。最近,“大数据+”的出现促进了新学科的兴起,使新学科的发展现实。

1。介绍

近年来,计算机、互联网,和大规模数据集的连续出现关于人类行为大大改善人们收集和分析信息的能力和提升计算社会科学的兴起1]。一旦介绍了纪律,这是由学术界迅速接受并广泛传播,越来越成为一个热门话题在人文和社会科学领域的研究。计算社会科学是一个产品的渗透、集成,和创新的现代科学和新兴技术工具,如自然科学、计算机科学、大数据、社会科学(2),纪律是深刻地影响了许多学科领域的发展和相关研究范式的转变。因此,计算社会科学的出现不仅是发展社会科学研究本身的必然选择,也是现代科学技术的发展提供了有利的工具支持,是社会科学研究的迫切需求,人类社会的发展。正是因为上述原因,感兴趣的学科得到了广泛的学术社区的介绍和发展。因此,作为一个新兴的跨学科领域,它有利于促进进一步的研究在这个学科通过整理和分析其发展道路,前景,与相关学科的关系。

1.1。计算社会科学研究的文献综述

雷泽15 2009年,大卫•其他学者计算社会科学(CSS)发表在《科学》杂志提供深入阐述计算社会科学,成为建立计算社会科学的象征(3),引发一波又一波的研究热潮。计算社会科学算法和计算工具适用于复杂的数据和研究社会现象在多尺度建模和计算4]。其中,社会基于主体建模(ABM)模拟,特别是,面临的挑战是建模和分析复杂的自适应社会系统(5]。此外,计算社会科学促进更多的系统测试的理论和研究复制的可能性增加。这两个因素促进社会科学领域达到一个更高的科学地位。2013年,Laubichler et al。6)简要回顾了计算研究系统科学的历史,讨论其影响研究,教育,等等,及其与类似的转变自然科学和社会科学强调大数据。Laubichler等人认为,计算方法有助于重新科学与单个学科的历史。2014年,孙7)开发了一种rational-choice-theory-driven框架计算社会科学计算社会科学的战略基础,不断关注社会互动在互联网上。但在2017年,布拉沃和Farjam创办的前景和挑战进行了分析计算社会科学(8]。2018年,h .瓦拉赫认为计算社会科学并不是一个简单的计算机科学和社会数据和机器学习在社会科学应该被不同于机器学习在其他领域(9]。2019年,彭等人认为,计算社会科学导致了社会科学研究的范式转变,特别是在沟通研究[10]。2020年,道等人认为,在线社交媒体是一个重要的信息来源计算社会科学和网络智能研究和计算社会科学可能转化成一个连续的学习过程,当社会现象被认为是和转换成数据分析(11]。雷泽等人在2020年定义计算社会科学的发展和应用计算方法复杂的大规模人类(有时模拟)行为数据分析其机遇和挑战(9]。2020年,张等人分析了差异和连接,涉及领域,社会科学和应用方法,计算社会科学和计算机科学(12]。2021年,Tornberg和Uitermark [13)批评了复杂性计算社会科学的视野,提倡非传统的计算社会科学的基础上批判现实主义的元理论。

1.1.1。科学计量研究的文献综述

科学计量分析使用定量方法探讨学科发展的内在规律的帮助下计量经济学分析工具,来描述开发过程,文学的内在联系,预测趋势,科学评价系统,并通过可视化促进科技进步。2017年,梁等人应用多个文献计量分析方法(引文,cocitation、关键字和coword分析)来探索理论基础和主题酒店的进化,进化理论基础和专题研究领域的旅游和社会媒体14]。2018年,邹等人使用文学cocitation关键词共存,和破裂检测分析视觉探索知识库,主题分布、道路安全研究前沿和趋势研究(15]。2020年,品牌依靠SSCI数据库作者分析和引文分析和关注公共服务动机之间的相互关系和领导对公共管理的所有文章发表在2018年1月(16]。2021年,Ching-Jie温家宝和任国子监cocitation使用,coword,聚类分析研究的进展和趋势BIM [17]。2021年,Abad-Segura等人用科学计量方法分析1130篇论文的斯高帕斯数据库总结区块链研究的当前状态在过去五年和未来的研究方向为学者和投资者在研究项目18]。

1.1.2。研究问题

计算社会科学大数据环境正经历着急速的变化,和研究热点是不断发展的。不幸的是,很少有研究在学术社区,从文献的角度进行了系统的定量分析,例如,计算社会科学领域的研究热点,自21世纪。因此,本文将利用R语言Biblioshiny SciMAT和其他文献计量工具,全面量化计算社会科学领域的研究系统,可视化并讨论其发展趋势。帮助相关人员了解学科途径,本文主要研究需要解决的问题如下:(1)是科学知识生产的动态演化计算社会科学领域的自成立以来的研究领域?(2)该领域的主要研究方向是如何改变了在此期间?(3)是什么学科的研究方向在未来几年?

2。数据来源和研究方法

2.1。数据源

网络科学(我们)数据库包括三个著名的引文索引数据库(SCI、SSCI A&HCI),收集各学科权威和影响力的期刊。由于其严格的杂志选择标准和引文索引机制,我们已成为最重要的一个基本的评价工具在文献计量学和科学计量学,以及文献检索工具。

因此,我们使用科学的网络核心数据库作为数据源在报纸上;通过搜索“计算社会科学”、“计算经济学”,“计算社会学”“科学计量学”“书目计量学,”和“大社会分析的数据,”7665篇文章被选中。确保文献的时效性,间隔从2001年到2020年。排除日报》电话、会议公告、新闻、和相关文献,共有5856篇文章被纳入本研究的数据。

2.2。研究方法

标准文献计量分析包括五个步骤:研究设计、数据收集、数据分析、数据可视化和分析结果(如图1)。Biblioshiny文献软件包可用于多级文献计量分析和可视化显示,包括数据集,资源,作者、概念结构、知识结构、社会结构;SciMAT,作为一个知识映射分析工具,用于探索主题领域的绘画主题的演变覆盖率地图,进化路径地图,和战略坐标图。在本文中,我们使用Biblioshiny SciMAT可视化和网络,分析文献,研究了知识集成和计算社会科学的发展道路。

3所示。演化动力学分析

3.1。计算社会科学文献的统计描述

3.1.1。分析文章的数量

本节将给第一个问题的答案:什么是科学知识生产的动态演化计算社会科学领域的自成立以来的研究领域?发展演变的分析可分为一年一年地或阶段性时间序列分析。文献计量学认为年度出版物的数量在一个研究领域是一个重要的指标来评估领域的发展现状,同时分阶段时间序列分析显示了通过描述不同发展阶段总体趋势特征。本文结合了两种方法在一起。

从2001年到2020年,有一个整体的文章数量增加的趋势,尽管轻微波动(如图2和表1)。在这项研究中,收集到的文献跨越很大时间和早期文章的数量很小,所以文献分为四个阶段,即。,2001 - 2005,2006 - 2010,2011 - 2015,和2016 - 2020年,通过结合文章的数量和一个固定的时间窗口。2001 - 2005的低当量的探索时期,计算社会科学的概念尚未介绍,及相关文献增长缓慢,没有吸引学者的关注;2006 - 2010年发展的萌芽阶段,和论文的数量逐渐增加;2009年,计算社会科学的概念被正式提出,这引起了相关学者的研究热潮;2011 - 2015年进入了快速发展阶段,尤其是在2014 - 2015的论文数量迅速增长;2016 - 2020年达到高产活跃时期,文学的数量继续增加,直到在2020年达到顶峰。从回归的趋势,它是可预测的,文学的数量计算社会科学领域的研究将继续增长在未来的时期。

3.1.2。年度引文分析的趋势

图3显示的平均数量引用的论文在2012年左右达到高峰,和缓慢增长的总体趋势已观察到从2014年到现在。同时,文章的年平均引文率计算社会科学不保持同样的增长率,但经历了一些波动,但引用的数量总体上仍均呈增长趋势,其中最高的是在2012年,当论文质量的平均数量达到7.8。那一年,14个欧洲和美国学者,包括r .孔蒂从意大利国家科学研究委员会19),发表在欧洲物理杂志》上。特刊1号发表了一篇“计算社会科学的宣言”,讨论了社会科学的发展现状和未来前景在五个方面:机会的时代,科技的发展,方法上的创新,挑战,和预期的影响。文章的平均引用率从2008增加到2014,和大多数的研究集中在社会科学领域的集成和发展和算法模型。因此,结合发表论文的数量的分析,本文认为,虽然科学进步,特别是当某一技术使突破性的进展,研究在这一领域仍将显示一个高速增长的趋势。

3.1.3。最高的引用的文章

图4表明,在5856篇文章中,集群的快速搜索和发现密度峰值,与2180引用,提出了一种基于集群的概念分析方法,可以有效地消除异常值(20.]。接下来,私人特征和属性是可预测的数字记录的人类行为,与942年引用。辛斯et al。21]发现数字行为记录像“Facebook喜欢”可以用来预测一系列高度敏感的个人属性,包括性取向,种族,宗教和政治观点,和性格特征,从而提出人口模型,该模型可以预测个体心理学从偏好。如上所述,计算社会科学是一个新兴的跨学科的学科,是长期的知识积累的结果,在传统的社会科学,是一个多学科和解决问题为导向的研究。

3.1.4。最相关的作者的分析

在作者参与计算社会科学领域,护城河等人h指数,G-index,和引用的频率10日13日和444年,分别为(表2)。与此同时,许多作者协作子网是作者协作图(图中生成5),6个子网集中在护城河,雷泽形成价格,一个相对复杂的关系。结果表明,在计算社会科学,网络是网络节点之间的关系,新子网之间的网络结构形成不同的节点可能形成子网,子网的存在增加的复杂性网络结构在某种程度上。护城河等人使用社交媒体行为数据来模拟人类移动模式(22)和大数据量化的人群大小(23]。雷泽等人在2009年发表了一篇题为“计算社会科学,这标志着出生的十字路口;2020年,他们在计算社会科学出版的机遇和挑战,而本文计算社会科学机遇和挑战在2020年出版的反映在的发展和当前状态计算社会科学领域的研究。雷泽等人虽然不是排名高的出版物的数量,他们作出了不可磨灭的贡献计算社会科学的产生和发展。

因为实际上非常广泛分布和高度跨学科领域,使用的知识和思维来自于许多其他领域。在前线的学者在这一领域,有巴拉巴斯从物理背景,Duncan Watts从工程背景,尼古拉斯·克里斯塔基斯从医学背景,约书亚Blumenstock从计算机背景,斯楠咸海从信息系统的背景,和迈克尔·梅西从社会学背景(大卫·雷泽政治学)。可以看出,在学习的过程中计算社会科学、数学、统计力学、复杂性科学、网络科学、自然语言处理、人工智能、社会科学理论都可能被应用的知识。

3.1.5。时间的分析作者的出版物

在这项研究中,排名前20的学者在这一领域反映最多的出版物的数量每年探索研究学者(图的输出模式6)。可以看出,在2009年首次出版后,Abramo g .保持每年至少4出版物,以及多达15 2011年,包括作者姓名消歧的启发式方法在文献计量学数据库的大规模的研究评估(图6)[24),吸引了广泛的关注和被引用128次提出一个启发式方法作者姓名消歧大规模研究在文献计量学数据库评估。我们可以看到在图6,许多的学者开始关注这一领域的发展只有在2009年正式推出“计算社会科学”。然而,作为一个跨学科,越来越多高质量的作者,和相关的出版物的数量一直在上升。

3.2。关键词分析

本节旨在回答第二个问题:该领域的主要研究方向是如何改变了计算社会科学的出现?关键词,是文学的核心和精髓,是高度浓缩和概括。在5856个科学文档分析,本文确定了337个高频关键词词云可视化分析和同现矩阵。

3.2.1之上。分析高频关键词的应用

这个词云在图7显示最常出现的单词在计算社会科学论文,显示不同大小根据他们的出现频率,其中最常见的关键词包括科学、大数据、模型和文献计量学。

计算社会科学属于社会科学领域,集成来自不同学科的理论,并为人类是一个理论和方法论的系统深入了解社会,改变我们的社会,并解决复杂的社会问题领域的政治,经济,文化等。25]。数据是人类文明的基石和数据模型模拟和真实世界的抽象,这方便我们了解现象背后的本质;例如,一些新兴资源充足的行政数据研究模型,既能保护隐私和分析微级数据(26]。

大数据的时代挑战传统学科界限和研究范式。在大数据时代,数据量激增,收集的数据通常是结构化的。传统社会科学逐渐出现症状的弱点在解释和解决这些社会问题,越来越多的问题需要研究使用数据驱动的方法。计算社会科学能使算法和计算工具的应用复杂的数据甚至非结构化数据,为我们提供模型和执行高性能计算的方法来解决实际问题。

3.2.2。关键词同现网络分析

高频词汇在不同的时间跨度选择构建关键词同现矩阵,和同现的Biblioshiny网络用于可视化和分析不同时间序列的同现矩阵发现词汇和主题之间的相关性揭示关键字的演变过程中提供支持,在这一领域的相关研究(27]。摘要关键字同现网络构建基于四种不同的文献发表时间跨度:低当量的探索时期(2001 - 2005),萌芽发展时期(2006 - 2010),快速发展时期(2011 - 2015),和高收益活动期间(2016 - 2020)。共存的分析的基础上进行的时间形式共存的映射如图8- - - - - -11。视图中的节点和字体的大小是由点的密度。较大的节点和字体意味着节点的密度更高,表明共存的关键字有更高频率与其他关键字;即。,researchers in the field are paying more attention to it and it is a hot topic, and vice versa. The line between a node and another represents the appearance of two nodes in the same literature, and the color of the line indicates the frequency of the two nodes in the same article.

从2001年到2005年,计算社会科学还没有明确提出和研究主要是文献,科学,和面向影响力。每个关键字引用很少,甚至一些关键词单独出现。在此期间,研究集中在社会科学研究和测量,奠定了坚实的理论和技术基础的计算社会科学的基本理论、专业知识和技术方法。

雷泽等人在2009年引入了“计算社会科学”的概念第一次标记计算社会科学的诞生,同时,大数据计算被纳入系统。从那时起,计算社会科学的研究从学术界受到了人们的广泛关注,产生了大量的相关研究。可预见的是,未来的计算模型将成为重要的社会基础设施;智能互联的信息技术将描述现实世界的一切丰富的方式;社会学等领域的专家、学者将有一个更好的理解人类生活的社会制度。

计算社会科学的影响是越来越普遍在2011 - 2015年,和它提供的新方法适用于基于大数据的研究。通过大数据分析,仿真研究进行改善管理,提高政策的科学决策和评价,从而推动经济增长。可以说,计算社会科学是一种社会科学知识的发展的产物,经济和社会发展,数据收集和分析、网络和计算基础设施,和算法模型。

从2016年到2020年,大数据和影响越来越频繁地出现,和相关研究成为计算社会科学领域的一个中心主题。在这种背景下,计算社会科学似乎更“大数据+”的形式,逐步扩大研究领域的新方向和视野的选择,信息采集,数据整理,分析与先前的调查或实验方法相比,导致前沿交叉学科等领域大数据社会学和政治学大数据。各种学科的集成和协同发展形成一个错综复杂的网络结构,进一步使新兴学科的发展现实。

有三个子网的关键词同现矩阵,其中,科学计量学密切相关文献分析,被认为是在文献中搜索。在这个网络(图共存12)、“社会科学”无疑占据着核心地位,除了仿真模型,社会影响,社会现象,研究性能和网络数据,通常有高指数的中间性,亲密,网页排名。为解决问题,因此,如何提取信息如何组织有效地知识,以及如何进行有效的融合计算大量数据的网络大数据环境是当前计算社会科学研究的热门话题。例如,学者如Fahimnia et al。28)进行了系统回顾和分析模型的供应链风险管理和使用文献和网络分析工具,找到可持续的风险分析作为一种新兴和快速发展的研究课题;•et al。29日),估计隔离的社会学现象进行建模,提出了新的以社区为基础的模型中过滤方法在计算社会科学已被证明有用。计算社会科学,数据驱动隔离水平估计从嘈杂的数据是必需的。

3.2.3。基于时间序列的主题演化分析

本节将提供第三个问题的答案:什么是研究学科的方向在未来几年?在文献回顾和高频关键词分析,初步确定学科的新兴研究方向。为了进一步确定研究方向的发展,本文又分析了文学的主题和关键字基于时间序列如下所示。

在文献计量学是基于聚类分析的频率同时发生的两个关键词,并使用统计方法来减少复杂的关键词网络关系为几个相对较小的类。在本文中,我们使用层次聚类方法,首先考虑每个集群关键字作为一个类,最高的两个集群相似结合形成一个新的大型集群,合并集群相似度最高的,然后重复合并,直到所有的人结合,最后形成一个树形图显示整个系统的关闭或遥远的关键字之间的关系计算社会科学领域的,如图13。

多重对应分析(MCA)是一种常见的方法,与多个变量压缩大型数据到一个低维空间形成一个直观的二维图,利用平面距离反映了关键词之间的相似性。关键字接近中心表明近年来研究的焦点,如图14。

主题演化分析研究变化规律、进化关系、演化路径,和进化趋势主题,强度,和结构随着时间的推移,它发挥了重要作用在展示领域的发展把握的方向发展的趋势和预测领域。本文借助SciMAT,知识图可视化工具话题演化分析,我们可以直观地观察到的热门话题和话题之间的关系计算社会科学领域的在不同的时间,以便理解主题词汇演变的过程,为后续的研究提供理论支持。

3.2.4。关键词聚类和多个对应分析

根据关键字分层聚类分析,高频关键词分为三个集群的分界线的身高1,如表所示3。

首先,集群1是由“社交媒体”和“大数据”为核心的关键词。我们发现,社会媒体平台的出现,近年来引起了爆炸的社会数据,从而吸引了学术界的不断增长的欲望和需求研究领域的社交媒体和社交数据分析。然而,这种规模的研究需要高水平的专业知识在科学计算和数据域,限制了研究人员可以进行社交媒体数据驱动的研究与计算专业技术或那些接触这些专家的研究(团队)的一部分的人30.]。但社会媒体等科学方法宏观(多发性骨髓瘤)提供计算社会科学的解决方案,旨在消除这种限制,使社交媒体数据,分析和可视化工具研究人员和学生的专业水平。

其次,集群2形成“书目计量学”等关键词。计算机系统功能的不断增加和文献信息的不断扩散,文献研究越来越依赖电脑,和计算机定量分析工具研究起着举足轻重的作用。计算机辅助信息测量分析研究已成为一个重要的内容和发展的一种新趋势信息测量研究[31日]。

集群3是形成“模型”和“网络”为核心的关键词。计算社会科学以来,研究人员从未停止过创新和优化各种模型,可以解决社会问题。今年,引入复杂网络理论注入了新的活力计算社会科学,已经迅速成为一个领域的研究方向。

同时在多个关键词分析,集群1(红色)是最大的集群,表明计算社会科学研究作为一个整体是偏向社会科学,关注社会媒体等领域,大数据,网络科学和人类行为分析,同时强调研究方法的实际应用,如建模、社会网络分析、主题建模、文本挖掘和模拟。除了产生有意义的结果在学术社区,problem-solving-centered学科研究也有助于更可复制,累积,而连贯的科学(32]。例如,社会科学在机器学习领域中起着重要的作用,这与机器学习其他领域一样,不仅需要运用机器学习的方法,也与社会科学家合作进行误差分析和展示方面9]。杰克逊(33)提出了一个方法在社会科学构建框架的软件,包括软件框架为解决社会科学计算问题,并验证模型。此外,一些学者已经讨论了社会系统仿真应如何发展有更大的影响在社会科学领域的进步记录社会系统的几个关键方法建模,包括博弈论、统计数据和计算机模拟(34]。Bosnjak et al。35)利用计算机和网络技术来提高识别的准确性罕见的现象。定量方法与定性相比,原油,该技术可以应用于其他的研究主题,并很好地说明了适当的计算方法的实现可以有效地识别罕见的事件和桥之间的差距演绎和归纳的科学探究方法。事实上,新一轮技术革命的结果,如大数据、云计算和人工智能,继续被引入社会科学领域的研究,自然科学和思维科学将实现高度的集成和创新与社会科学大跨度和更深层次2]。

3.2.5。主题演化路径分析

基于2001 - 2020年的有关计算社会科学文学领域,一个视觉主题演化分析,执行和结果有助于分析不同主题的流动条件,阐明等信息流动方向和过渡关系。每个节点在图15代表了一个话题,节点的大小正比于主题中包含的关键字的数量,节点之间的流动代表的进化方向的话题,和主题在相邻的研究中时区连接来表示它们之间的连续性。的视觉特征线宽度和颜色。宽度是用来表示数量的共享关键词:厚线,相关性越高,有助于区分不同的主题和颜色。

从进化路径图(图15)和每个时期的进化状态,很明显,研究计算社会科学领域的发展阶段,尚未成熟。研究主题在不同时期不同,复杂的进化关系和不稳定的过程;同时,分化、集成、传输和主题是明显的再生。自发展以来,形成了三个进化路径:(1)行为- >管理、模型、行为- >大数据,科学(2)文献- >文献- >科学(3)- > - >科学的影响。

社会是一个复杂的系统,它结合了新兴学科的发展和特点,可以建模或重建的数字数据(13]。社会科学可以帮助理解社会现象,算法可以帮助决策,前者需要打开黑盒子的数据挖掘算法36)以“意义重大”。在大数据时代,越来越多的人类活动将存在于不同的数据库,生成人类行为和提供大规模数据可能获得的人类行为模式和社会过程。在某种程度上,计算机通信科学、社会媒体,和大数据正在重塑社会影响。即基于人际关系的规模数据,学者们不得不重新审视现有假设连接,曝光,和社会影响37]。计算社会科学已经导致了一种范式转移,传统的社会科学,尤其是通信研究[10),通过缩小社会科学更窄的领域,依靠计算统计的知识来解决问题(38]。然而,计算社会科学的发展有一些缺点,和许多机构结构还处于幼年期。因此应加强合作,新数据基础设施应该改进,应该集中和伦理法律和社会影响,和科研机构应该重组(12]。

3.2.6。主题演化状态分析

在本文中,我们分析的进化状态聚类主题的使用战略坐标图的程度的相关性和可展需求主题方面(数据16- - - - - -19)。在图中,节点代表聚类主题,和大小的节点文献量成正比,即,文献量越多,越高程度的关注和热研究。密度指数作为垂直坐标和中心地位指数的水平坐标图。密度表示的强度基本知识单元的连接在一个主题,主题和中心代表的力量关系和其他话题。直角坐标系统分为四个象限根据密度和中心值,第一象限是运动的主题,这是高度成熟的核心主题;第二象限是发达国家和孤立的主题,这是高度成熟的孤立的主题。第三象限是新兴或消失的主题,这是新的或消失的主题;第四象限是基本和横向主题,成熟度较低的基本主题和最有可能成为未来的研究热点和趋势。

本节还划分根据四个不同时期的发卷,来观察主题方面的进化地位。低当量的探索阶段,因为计算社会科学的概念尚未提出,有相关研究较少,没有形成系统,与单一主题的关注等方面的建设和优化模型算法,旨在提供客观基础条件计算社会科学的技术方法。在萌芽阶段,计算社会科学的概念被正式提出,吸引了大量的注意力在相关领域的学者。过程中建设和优化模型算法,基于subject模型被引入和广泛应用在社会网络和经济学等领域。虽然不成熟,系统模拟仿真基于文献计量学和科学计量学和社会高度连接,成为强大的工具来促进计算社会科学。2010年之后,计算社会科学发展的影响和研究主题正在迅速增加,所以社会网络和社会领域的模拟在数字网络环境中得到了许多学者的关注。科学知识、理论方法和组织模型从不同领域相互交叉碰撞和夫妻在解决社会问题的过程中,和它们之间的知识融合改变了传统计算社会科学的概念,逐渐形成新的发展道路。

在2016 - 2020年、人机交互、风险分析、和社区开始受到学者的关注,但大多数的话题是不与其他话题。提出了系统模型后,它仍然是目前的重点研究经过近20年的发展。此外,社会媒体和政府治理等领域的大数据已逐渐成为研究热点。Folgado tweet和Sanz收集数据的领导人在推特上和使用各种数据科学工具来执行神经网络计算的准确性tweet的政治倾向能够达到90%35]。从主题的演变的四个时期的数据16- - - - - -19很明显,计算社会科学,作为一个跨学科的学科,已经开始多样化研究主题和彼此交互越来越频繁,促进相关学科知识的整合。

见图19,社交网络和网络向心度极高的1.0和0.9,分别表示频繁的社交网络和其他领域之间的联系,但低密度0.3和0.2,分别从两个节点的大小判断,表明,关于这个主题的文献已经高的体积但尚未成熟。推断,这一领域有很大的发展前景,是未来最有可能的一个研究重点计算社会科学的发展。

4所示。结论和展望

本文收集5856篇论文在相关研究领域计算社会科学和使用描述性分析,关键词聚类分析,和主题演化分析文献计量分析和知识图可视化的帮助下进行全面分析和总结计算社会科学的研究视角的年度出版物,关键词共存,进化研究趋势和主题。这基本上定义了当前和未来的研究方向在未来几年。

研究表明,在计算社会科学的论文数量逐渐增加在过去的20年,随着时间的推移可以分为四个阶段,即低生产探索时期,萌芽发展时期,快速发展时期,高产活跃的时期。年度出版物的数量增加的趋势证实了该领域的学术兴趣,导致文学生产的判断计算社会科学领域的可能仍在一个活跃的时期的高生产在未来几年。

问世以来的学科,主要研究方向包括大数据,模型算法,和科学计量学。计算社会科学是一个典型的跨学科的学科,它出现在计算技术的快速进步和深入研究社会科学。在大量收集和分析数据以前所未有的广度,深度,规模和实现计算建模方法预测社会技术系统,如人机交互的行为。这是一个纪律由联合社会科学知识的发展,经济和社会的需求,数据收集和分析、网络和计算基础设施,算法模型和科学研究范式的演变的产物从实验和理论计算和探索科学的科学。因此,计算社会科学融合不同的学科范式,促进了相关领域的研究以前被忽视的由一个纪律,增加了交流和跨学科整合,形成许多新兴前沿学科。以“解决问题”的研究为重点,计算社会科学已经改变了传统的社会科学概念,逐渐形成一个新的学科的发展道路,并将粗暴的促进许多重要的实际问题的解决方案。

同时,大数据,建模算法,和社交网络领域的高频关键词计算社会科学近年来,和他们也计算社会科学的主要研究方向在未来几年由于其巨大的研究潜力。由于计算社会科学研究的范式转变和科学技术近年来,学科出现了更多的“大数据+”的形式,促进大数据的出现,社会学,政治科学和其它学科的大数据,并使新学科的发展。此外,有许多主题在不同的时间计算社会科学领域的复杂演化的关系。关键词分析的热点,主要是近年来关注大数据,科学,社会影响等领域。从主题的演变的分析,社会计算科学将在bibliometry领域开展研究,社会行为,影响,等等。

这项研究有一些局限性,主要包括以下几方面:(1)检索到的文章的主题词汇是不同的,导致差异与其他文学评论。(2)数据来自我们的数据库,从数据库和文献如我们或不包括谷歌学术搜索。(3)本文主要应用R语言和SciMAT Biblioshiny包中进行研究,和不同的工具可能已经确定了不同的集群和线条的研究。在未来,随着数据库的发展,文献计量软件,和其他科学技术一样,学者可以进行更全面和系统的定量计算社会科学的研究。

计算社会科学,作为一个新兴的跨学科的研究领域,具有广泛影响的社会学、经济学、政治科学、管理、心理学等社会科学。然而,在这一领域的研究已经出现在一个相对短的时间内,及其在社会科学研究中的应用仍处于初期阶段,与分散等因素理论,极端缺乏全面的具有多学科背景的人才,知识原始学科框架的约束,许多在未来的不确定性。在后来的研究中,学者们应该利用科学范式的成就在计算社会科学领域,继续研究“大数据+”,模型模拟、社会网络分析等方向,促进学科的整合和发展,致力于解决社会的实际问题。因此,计算社会科学的发展仍然需要更多志趣相投的人的共同努力。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

作者玉溪刘和欣峰同样这项工作。

确认

作者承认金融支持中国的国家自然科学基金(11905042号,11875005);河北省自然科学基金(大不。G2021203011);和河北省社会科学发展协会(大No.20210501003)。