見微知著:利用共詞分析(co-word analysis)繪製氣候變遷與調適的關鍵字地圖I

文:P.Lu

我們生活在一個充滿不確定性且多變的環境。『氣候變遷』與『調適』,隨著對變化的了解與體認,逐漸成為一個廣受關注的話題,其所帶來的連帶性影響,是各個專業近年來在研究上的新興領域。然而,氣候變遷與調適目前的整體學術發展狀況如何?活躍於其中的學術領域有哪些?台灣和全球趨勢的差異在哪裡?還有,空間規劃研究目前在氣候變遷與調適領域上的角色為何?口說無憑,以下就利用文獻計量學中共詞分析(co-word analysis)方法,對近年來學術期刊中的關鍵字進行討論,第一部分說明共詞分析的方法與量化研究結果,第二部分則將歸類(cluster)後的群集繪製成文獻知識地圖(bibliometric map),以視覺化的方式來快速了解當前的知識結構,研究缺口與發展趨勢。

  • 共詞分析:

什麼是共詞分析?簡單來說,是將每一個語彙視為一個節點(nodes),並探討結點間的關係(co-occurrence)的一種計量研究方法。例如,某篇文章中出現兩個關鍵字(如 drought 與 water resource),因為這兩個關鍵字出現在同一篇論文當中,彼此之間就形成一個『關係』。倘若這兩個關鍵字在越多論文中同時出現,發生『關係』的次數越多,就代表他們在科學研究中被連帶考量的程度越高(Lu & Fuhai, 2006)。

作為文獻計量學(Informaterics)的一支,共詞分析多半以科學文獻為研究對象,利用數學,統計等計量方式,來了解研究文獻的分布結構,數量關係與變化規模。共詞分析提供快速且有效率的主題擷取與歸類,其研究成果往往以文獻知識地圖的方式呈現,畫出該領域某段時間內所有累積知識的網絡關係,以了解此領域的發展面貌,知識的發展軌跡,網絡關係,研究重點或缺口等。這樣的分析方法在許多個別的學術領域都已發展的相當成熟,如資訊工程學,社會科學,管理學,生物化學,遺傳學與分子工程學等。

跨領域議題(如氣候變遷)由於其不確定性與複雜性,尤其需要如共詞分析等方法來一窺目前學術發展的樣貌,目前學術研究中尚未就此有特別的討論,縫補這樣的學術缺口因此成為我們的研究目標。

  • 操作與研究成果

第一步:趨勢分析

氣候調適研究的發展有其脈絡可循。若以氣候調適(climate adaptation)為關鍵字在Scopus學術資料庫2進行搜尋,分析結果如圖1。2000至2005年間文獻數量相對較少(n<500),研究主題也較偏向基礎研究與理論探討。2006年起文獻量大幅增加,至2014年已達到3014篇論文,幾乎是2004年的十倍,顯示2000年代後期各類學術資源在氣候調適研究上的投注逐漸成為研究產出。


圖1. Scopus資料庫中氣候調適相關文獻數量趨勢圖 (2000-2015七月)

第二步:資料收集 (data collection)

可信賴的資料是共詞分析工作的關鍵。我們以氣候調適(climate adaptation)為關鍵字,在Scopus學術資料庫中收集2011-2015年七月間有涵蓋這個關鍵字的論文,共計11326篇,排除非英文撰寫期刊文章後為6247篇,共計有16190個關鍵字。由於我們同時關心台灣的學術研究發展趨勢,從其中再過濾出針對台灣(Taiwan)的論文44篇,包含196個關鍵字。

第三步:資料整理(data pre-processing)

關鍵字出現次數的多寡函示了議題關注度與研究資源的分配情形。我們將收集到的16,190個關鍵字依出現次數由高到低排序,如圖2所示,在全部6,247 篇文章中僅出現一次的關鍵字佔全部關鍵字77.6%(n=12,578),出現5次以下的關鍵字佔全部關鍵字95.4%(n=15,460)。


圖2. 利用冪次法則(power law)繪製關鍵字頻率分配圖

我們選擇出現次數前100個關鍵字作為分析對象(約佔全部關鍵字出現頻率的25%)進行前置處理,包含:(1) 合併意義相同或相似的詞語,例如將 adaptation strategy 與 adaptation strategies 合併為 adaptation strategy。 (2) 過濾字義上過於均值,以至於難以判讀其特殊意義的字,如climate, water等。(3) 將關鍵字包含特殊符號 (如:hyphen符號)的部分以空白字元替換,以利後續分析工作。

第四步:資料分析 (data analysis)

基於以上概念,進行下面三項分析:

  • 關鍵字頻率分析 (frequency):
    將16190個關鍵字依出現次數由高到低排序,建立關鍵字頻率表,以找出氣候調適研究中的熱門關鍵字。
  • 程度中心性分析 (degree centrality):
    將關鍵字視為個別節點,計算與之相連的節點數量,若相連結點越多,則代表此節點越重要,以此了解關鍵字在整個網絡中的重要程度,計算公式為:
    其中,d(ni)=與ni連結的節點數量
  • 中介度中心性分析 (betweenness centrality):
    有鑒於程度中心性所可能造成的誤判,如,某節點相連結點數很少,卻是兩個群集(clusters)的必經節點,僅就程度中心性來討論將無法判讀其重要性。中介度中心性計算節點出現在所有最短路徑(geodesic)上的次數,數值越高,代表此節點可能位於串連兩群以上節點的關鍵位置,此節點就越重要,計算公式為:
    其中,gjk = 連結j與k的路徑數目,gjk(ni) = 經過ni的連結j與k之最短路徑

第五步:結果呈現 (assessment result)

表1列出氣候調適領域出現頻率排序最高的三十個關鍵字3,以及程度中心性與中介度中心性分析的分析結果,來說明共詞分析工作結果。就出現頻率而言,由於資料庫搜尋時關鍵字選擇的關係,氣候變遷climate change(n=2407)、氣候變遷調適climate change adaptation (n=1891)分居一、二名,這也是唯二出現頻率超過1500次的關鍵字。除此之外,脆弱度(vulnerability)、乾旱(drought)、韌性(resilience)、全球暖化(global warming)、農業(agriculture)、減緩(mitigation),調適能力 (adaptive capacity),溫度(temperature),地方調適(local adaptation),永續發展(sustainable development),可塑性(phenotypic plasticity),淹水(flooding)與不確定性(uncertainty),都是調適研究領域中常出現(n>100)的關鍵字。

表1. 前30個關鍵字的共詞分析結果

關鍵字 出現頻率 排序 程度中心性 排序變化(與出現頻率相比) 中介度中心性 排序變化(與出現平率相比)
climate change 2407 1 166 0 2774.2 0
climate change adaptation 1891 2 161 0 2418.3 0
vulnerability 266 3 93 0 444.1 -1
drought 187 4 81 0 427.7 -1
resilience 170 5 73 -2 247.6 -2
global warming 154 6 81 1 444.2 3
agriculture 151 7 76 -1 248.5 -1
mitigation 151 8 64 -2 176.1 -3
adaptive capacity 143 9 68 1 198.6 1
temperature 138 10 56 -3 196.6 1
local adaptation 115 11 41 -11 84.5 -7
sustainable development 113 12 59 0 128.1 -1
phenotypic plasticity 103 13 40 -12 80.2 -7
flooding 101 14 68 5 195.4 4
uncertainty 101 15 61 4 166.1 3
phenology 90 16 41 -7 94.4 -1
food security 88 17 51 3 97.0 1
sea level rise 85 18 43 -2 59.1 -9
governance 82 19 49 3 76.6 -3
biodiversity 73 20 45 -1 99.8 5
impact 72 21 47 3 66.3 -4
adaptation strategy 67 22 38 -6 61.9 -4
climate variability 65 23 48 6 81.9 4
Australia 61 24 40 0 79.9 3
perception 61 25 42 4 51.4 -3
ecosystem services 58 26 39 -1 68.0 3
risk 56 27 35 -3 39.4 3
modeling 51 28 50 13 123.3 14
decision making 50 29 39 3 45.9 0
migration 50 30 38 1 67.6 6

在程度中心性方面,氣候變遷(climate change)與氣候變遷調適(climate change adaptation)程度中心性指數仍維持最高,其他關鍵字的排序則有所更動。更動較明顯(+-5)的關鍵字,如:淹水(flooding) +5,模式(modeling) +13,氣候變異(climate variability) +6,地方調適(local adaptation) -11,表面可塑性(phenotypic plasticity) -12,物候學(phenology) -7,調適策略(adaptation strategy) -6。排序上升代表關鍵字與其他關鍵字同時出現的程度高,可能是較複雜,無法僅就單一面向進行探究的議題,或者是可以在各領域間共享的研究方法。排序下降則代表此關鍵字較常以個別的型態出現。

中介度中心性方面,排序上升較顯著(>5)的關鍵字有:生物多樣性(biodiversity) +5,模式(modeling) +14,遷徙(migration) +6,下降較顯著的則為地方調適(local adaptation) -7,表面可塑性(phenotypic plasticity) -7與海平面上升 (sea level rising) -9等。排序上升代表該關鍵字可能是連結兩個以上研究群集的必經節點,排序下降則顯示該關鍵字與其他研究群集的關係較疏離。

  • What did it tell?

這樣的分析結果可以告訴我們什麼呢?從排序前30個關鍵字的共詞分析中,我們首先看到關鍵字間的群集關係,前10的關鍵字,在中心性分析中僅會有排序上的小幅變化,並未發生排序上顯著的上升或下降,我們認為這些關鍵字代表了氣候變遷與調適領域中的核心議題,或與核心議題的討論有高強度的連結關係。這個群集中的關鍵字大致可以分為三類:第一類函示氣候變遷的『具體現象』,如氣候變遷(climate change),乾旱(drought),全球暖化(global warming),溫度(temperature)等。第二類為對應氣候變遷現象的『概念』或『評量』,如氣候變遷調適(climate change adaptation),脆弱度(vulnerability),調適能力(adaptive capacity),韌性(resilience),減緩(mitigation)等。第三類關鍵字則代表了氣候變遷研究中的『特定議題』,如農業(agriculture)。前兩類關鍵字代表了氣候變遷與調適研究的研究重點與發展取徑,第三類則可能代表農業在氣候變遷議題中的重要性,或是在此領域中,已投入較時間的研究能量與資源。

共詞分析中排序變化較顯著的關鍵字可以歸納為兩類:一類關鍵字出現頻率高,但中心性不顯著,如地方調適(local adaptation),表面可塑性(phenotypic plasticity)。代表應用此類關鍵字的論文多半具特殊性,屬於專特的研究,數量偏多,但目前與其他研究領域的連結並不明顯。另一類關鍵字出現頻率較低,但中心性很高,如氣候變化(climate variability),淹水(flooding),模式(modeling)等。這類關鍵字代表氣候變遷與調適研究中較一般性,可以被廣泛應用的情境(scenarios)或工具(tools)。

最後,我們也發現,澳洲(Australia)是唯一一個被設定為關鍵字的國家或地區,且在出現頻率與中心性分析的排序變化中相對穩定,我們認為這代表了澳洲在氣候變遷與調適研究中的特殊性,可能是其受到氣候變遷的影響相對研究,或是氣候變遷議題較早受到重視,連帶強化其研究能量與資源的挹注。

註:

1. 本研究獲得中央大學資訊管理學系許文錦老師及其研究團隊在技術與分析工作上的協助與大力支持,特此致謝。
2. Scopus為全球最大的索引摘要資料庫之一,囊括超過21,000種文獻,收錄期刊範圍廣泛,符合本研究需求。
3. 100個關鍵字的共詞分析,因數量龐大,未避免混淆,僅用於文獻知識地圖繪製,並不就其結果進行文字及表格說明。


沛文照片
P. Lu
台大地理系,成大建築所,Lund University與TUDelft系友,國立彰化師範大學地理系菜鳥老師一枚。擅長氣候變遷,韌性城市發展與國際比較研究。相信有愛有溫度就可以一直走下去。
作者的其他文章


喜歡這篇文章嗎,歡迎灌溉支持作者喔!