نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه علم اطلاعات و دانش شناسی، دانشگاه علامه طباطبائی، تهران، ایران

2 کارشناس ارشد علم اطلاعات و دانش شناسی، دانشگاه علامه طباطبائی، تهران، ایران

3 استادیار، گروه علم اطلاعات و دانش شناسی، دانشگاه شاهد، تهران، ایران

چکیده

روان‌شناسی از علومی است گستردگی و زیرشاخه‌های زیادی دارد و بررسی ارتباط این بخش‌ها و نیز ابعاد و ساختار هریک از زیرشاخه‌های آن می‌تواند به درک ساختار این دانش کمک کند. به همین دلیل، این پژوهش با هدف کشف ساختار درونی مطالعات روان‌شناسی مثبت صورت گرفته است. تحقیق حاضر ازنظر هدف کاربردی است و در آن از فنون علم‌سنجی و به‌طور خاص از روش هم رخدادی واژگان و به روش متن‌کاوی، برای کشف ساختار درونی و روابط موضوعی مطالعات روان‌شناسی مثبت استفاده شده است. جامعه این پژوهش، مقالات حوزه روان‌شناسی مثبت نمایه شده در پایگاه اسکوپوس بوده است. تعداد کل این مقالات در بازه زمانی 2000 تا 2012 برابر 1086 مقاله بوده است. با استخراج واژه‌های مرتبط موضوعی از عنوان، چکیده و کلیدواژه‌های مقالات و اعمال روش‌های متن‌کاوی و ریشه‌یابی، یک ماتریس هم رخدادی با ابعاد 43 × 43 ایجاد شد. نتایج این پژوهش نشان داد که از بین 7 خوشه بهینه تولیدشده، خوشه 2 با 10 واژه و خوشه 4 با 9 واژه، به‌عنوان خوشه‌های اصلی شناخته می‌شوند. خوشه 5 بیشترین تعداد موضوع‌های اصلی از بین مفاهیم منتخب را داراست و خوشه‌های 2 و 1 کمترین فاصله را دارند که نشان می‌دهد ارتباط بین موضوع‌های اصلی و جزئی در این خوشه‌ها بیشتر است. در مقابل خوشه 7، بیشترین فاصله را از اغلب خوشه‌ها دارد که نشان‌دهنده حداقل شباهت موضوع‌های خوشه با موضوعات دیگر خوشه‌ها است. بر همین مبنا بیشترین ارتباط در ساختار درونی روان‌شناسی مثبت بین مفاهیم adult، construct، individu، positivepsycholog و strength در خوشه 1 با مفاهیم affect، chang، develop، educ، emot، model، optim، posit، role و support در خوشه 2 برقرار است. در همین خصوص پیش‌بینی می‌شود که خوشه 7 با مفاهیم قرار گرفته در آن، در آینده تبدیل به یک حوزه مطالعاتی مستقل گردد.

کلیدواژه‌ها

عنوان مقاله [English]

Exploring the Intellectual Structure of Positive Psychology Study Using Text Mining

نویسندگان [English]

  • Esmat Momeni 1
  • Sirvan Baba Aghaii 2
  • Saeid Asadihsjh 3

1 Assistant Professor, Knowledge and Information Science Department,, Allameh Tabataba'i University, Tehran, Iran

2 M.A. of Knowledge and Information Science, Allameh Tabataba'i University, Tehran, Iran

3 Assistant Professor, Knowledge and Information Science Department, Shahed University, Tehran, Iran

چکیده [English]

Psychology of theology has a great deal of scope and subcategories, and the study of the relationship between these sections as well as the dimensions and structure of each of its subclasses can help to understand the structure of this knowledge. for this reason, this study has been done to explore the Intellectual Structure of the Positive Psychology studies. The present research is applied in a practical way. It uses scientometric techniques and, in particular, the both occurrences of vocabulary method and text mining, to explore the internal structure and subject relations of positive psychological studies. The community of this research is the articles of the positive psychology field indexed at the Scopus base. The total number of articles in the period from 2000 to 2012 was 1086 articles. By extracting related terms from the title, abstract and keywords of the articles and applying the methods of text and rooting, a coincidence matrix with 43 × 43 dimensions was created. Results: The results of this study showed that among the 7 optimized clusters, the cluster 2 with 10 words and the cluster 4 with 9 words, are recognized as the main clusters. The cluster 5 has the largest number of main subjects among the selected concepts, and clusters 2 and 1 have the least distances, which indicates that the connection between the main and minor issues in these clusters is greater. In contrast to cluster 7, it has the greatest distance from most clusters, indicating at least the similarity of cluster threads with other cluster themes. Conclusion: Based on this, the most correlation was found between the internal structure of positive psychology between the concepts of adult, construct, individu, positive psychology and strength in cluster 1 with the concepts effects, chang, develop, educ, emot, model, optim, posit, role and support in cluster 2 is established. In this regard, it is anticipated that cluster 7 with its concepts will become an independent study area in the future.
 
 

کلیدواژه‌ها [English]

  • Intellectual Structure of Science
  • Positive Psychology
  • Text Mining
  • Clustering
  • Salton Index
تیموری، بابک، سپهری، محمدمهدی و پزشک، لیلا. (1388). روشی نوین برای دسته­بندی هوشمند متون علمی (مطالعه موردی مقالات فناوری نانو متخصصان ایران). فصلنامه سیاست علم و فناوری. 2(2)، 1-13.
پشوتنی­زاده میترا و عصاره فریده. (1388). تحلیل استنادی و ترسیم نقشه تاریخ نگاشتی تولیدات علمی کشاورزی در نمایه استنادی علوم در سال‌های 2000 تا 2008.‎ پردازش و مدیریت اطلاعات، 25 (1)، 23-52.
جبرئیل­زاده، حمیده. (1391). نگاشت نقشه علمی کتابداری بر اساس پایان‌نامه‌های رشته کتابداری ایران. پایان‌نامه کارشناسی ارشد، دانشگاه علامه طباطبائی.
چاوشی نجف­آبادی، زهرا و شعبانی، احمد. (1388). بررسی مفاهیم، تعاریف و کارکردهای تحلیل استنادی در حوزه­ی علم­سنجی. فصلنامه دانش شناسی، 2(4)، 15-24.
حمیدی، علی، اصنافی، امیررضا و عصاره، فریده. (1387). بررسی تحلیلی و ترسیم ساختار انتشارات علمی تولیدشده در حوزه­های کتاب­سنجی، علم­سنجی، اطلاع­سنجی و وب‌سنجی در پایگاه Web of Science طی سال‌های 1990 تا 2005. فصلنامه کتابداری و اطلاع‌رسانی، 42 (2)، 161-182.
صدیقی، مهری. (1393). بررسی کاربرد روش تحلیل هم رخدادی واژگان در ترسیم ساختار حوزه­های علمی (مطالعه موردی: حوزه اطلاع‌سنجی). پژوهشنامه پردازش و مدیریت اطلاعات، 30 (2)، 373-396.
عابدی جعفری، حسن، ابویی اردکانی، محمد و آقازاده ده­ده، فتاح. (1389). مدل فرایندی ترسیم نقشه‌های علم. رهیافت، 46، 45-52.
قاسمی، نظام‌الدین و قریشیان، مرضیه. (1388). روان‌شناسی مثبت رویکرد نوین روان‌شناسی به طبیعت انسان. تازه‌های روان‌درمانی، 15(51 و 52)، 98-114.
قدسی­فر، نرگس. (1395). نگاشت علم حوزه هنرهای نمایشی ایران با تأکید بر تئاتر با استفاده از روش تحلیل هم­واژگانی. پایان­نامه کارشناسی ارشد، دانشگاه شاهد.
محمدی، ا. (1387). ترسیم نقشه‌ی علمی نانوتکنولوژی. پایان‌نامه‌ی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران.
موسوی، سپیده­سادات. (1394). ترسیم نقشه علم در حوزه مطالعاتی کتابخانه­های عمومی با تأکید بر تولیدات علمی پژوهشگران ایرانی. پایان­نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران.
مؤمنی، عصمت، عبدی نسب، علی‌رضا، طاهری، سید مهدی. (1397). طراحی الگوی سیستم نرم‌افزاری اعتباریابی کتاب‌های دانشگاهی مبتنی بر متن‌کاوی. پژوهش و نگارش کتب دانشگاهی، 22(42), 38-77.
ناصری جزء، محمود، طباطبائیان، سید حبیب الله و فاتح زاده، مهدی. (1391). ترسیم نقشه دانش مدیریت فناوری در ایران با هدف کمک به سیاست‌گذاری دانش در این حوزه. سیاست علم و فناوری، 1(3)، 45-72
References
Börner, K., Chen, C., & Boyack, K. W. (2003). Visualizing knowledge domains. Annual review of information science and technology37(1), 179-255.‏
Gordon, J. L. (2000) Creating Knowledge maps by exploiting dependent relationships. Knowledge-Based Systems. 13 (3-2), 71-79.
Hood, W., & Wilson, C. (2001). The literature of bibliometrics, scientometrics, and informetrics. Scientometrics52(2), 291-314.‏
Jamali, H. R., Azadi-Ahmadabadi, G. & Asadi, S. (2018). Interdisciplinary relations of converging technologies: Nano–Bio–Info–Cogno (NBIC). Scientometrics, 16 (2), 1055–1073.
Kanya, N., & Geetha, S. (2007). Information extraction: A text mining approach. ICTES, 20(22), 11-18.
Kostoff, R. N., & DeMarco, R. A. (2001). Science and Technology Text Mining: Analytical Chemistry. OFFICE OF NAVAL RESEARCH ARLINGTON VA.‏
Kim, H., & Lee, J. Y. (2008). Exploring the emerging intellectual structure of archival studies using text mining: 2001-2004. Journal of Information Science, 34(3), 356-369.
Liddy, E. D. (2000). Text mining. Bulletin of the American Society for Information Science, 27(1), 13-14.
Porter, A. L., & Cunningham, S. W. (2005). Tech Mining: Exploiting New Technologies for Competitive advantage. New Jeresy, john Wiley & Sons.
Waltman, L., & Van Eck, N. J. (2013). A smart local moving algorithm for large-scale modularity-based community detection. The European Physical Journal B86(11), 471.‏