Drawing the Structure of Scientific Domains Using Co-word Method: A Case Study of Kermanshah Province Agricultural Studies

Document Type : Research Paper

Authors

1 Masters in Scientometrics, Yazd University, Yazd, Iran

2 PhD, Assistant Professor, Department of Information science and Knowledge Studies, Yazd University, Yazd, Iran

3 Associate Professor, Department of Information Science and Knowledge Studies, Payame Noor University, Tehran, Iran

Abstract

Purpose: This research aims to study co-word relation of Persian articles on agriculture in Kermanshah province indexed in Islamic Science Citation (ISC) database during 2009-2014.
Methodology: The persent research is a scientometrics study that uses co-word network analysis method. It also employs guidelines of the network analysis method such as centrality rank, betweenness centrality, closeness centrality and density index. UC-net, Netdrive were used for drawing the scientific maps of subjects and collaborations. Ravar Matrix and SPSS software were also used for clustering subjects.
Findings: Data analysis showed a rising trend of scientific researches from 2009 to 2014 respectively. In the map of the main topics in agricultural articles, subjects such as wheat, peas, barley, agriculture, water, canola, drouthness, genetics and other matters that are visible on the network, have the highest closeness centrality. In the maps of the main subjects of Kermanshah province agriculture, subjects such as analysis, cultivation, wheat, soil, variety, and statistical methods have been identified. Results of clustering analysis also showed that the core research topics include genetics, wheat, irrigation, seeds and analysis respectively. Among agricultural research works subjects such as floods, agricultural education high school, efficacy, indigenous knowledge and drought tension were identified as emerging issues and new researches in the domain.
Conclusion: Results showed that article subjects of the co-word network are dense relatively. Data analysis indicated that documents of agriculture field have been classified in 176 main topics. The mentioned topics have been categorized in 44 subclusters and one main cluster.

Keywords

References

احمدی، حمید و کوکبی، مرتضی (1394). همایندی واژگان‌: مطالعه‌ای پیرامون پیوند و مرز میان مدیریت اطلاعات و مدیریت دانش بر اساس انتشارات داخلی نویسندگان ایرانی. پردازش و مدیریت اطلاعات، 30 (3): 647ـ676.
توکلی‌زاده راوری، محمد، حاضری، مریم، نجابتیان، مریم و سهیلی، فرامرز (1394). تحلیل محتوای مقالات فارسی نشریات علمی ایران در زمینۀ ازدواج و طلاق با روش خوشه‌بندی سلسله‌مراتبی. فصلنامۀ فرهنگی تربیتی زنان، 32 (10): 7ـ28.
سالمی، نجمه و کوشا، کیوان (1392)‌. مقایسۀ تحلیل هم‌استنادی و تحلیل هم‌واژگانی در ترسیم نقشۀ کتاب‌شناختی؛ مطالعۀ موردی: دانشگاه تهران. پردازش و مدیریت اطلاعات،‌1 ‌(29)‌: 253ـ266.
صدیقی، مهری (1393). بررسی کاربرد روش تحلیل هم‌رخدادی واژگان در ترسیم ساختار حوزه‌های علمی؛ مطالعۀ موردی: حوزۀ اطلاع‌سنجی‌. پردازش و مدیریت اطلاعات، 2 ‌(30)‌: 373ـ396.
گرایی، احسان و بصیریان جهرمی، رضا (1392). ترسیم شبکۀ هم‌تألیفی پژوهشگران حوزۀ علم اطلاعات و دانش‌شناسی با استفاده از شاخص‌های تحلیل شبکه‌های اجتماعی؛ مطالعۀ موردی: فصلنامۀ کتابداری و اطلاع‌رسانی. کتابداری و اطلاع‌رسانی، 16 ‌(3): 104ـ125‌.
محمدی، احسان. (1388). حوزه‌های تشکیل‌دهندۀ فناوری و علم نانو در ایران. پنجمین همایش دانشجویی فناوری نانو. تهران.
مکی‌زاده، فاطمه، توکلی‌زاده راوری، محمد، دانا، مرضیه و سهیلی، فرامرز (1395). بررسی و شناخت وضعیت حوزۀ علمی پدیدۀ گرمایش جهانی در ایران. رهیافت، 61، 75ـ88.
نجابتیان، مریم و توکلی‌زاده راوری، محمد (1389). خوشه‌بندی مبتنی بر مدرک ـ اصطلاح‌: هم‌جواری موضوعات روان‌شناسی ازدواج در ادبیات زیست‌‌پزشکی در دوره‌های زمانی‌ 1990ـ۱۹۹۹ و 2000ـ2008. مدیریت اطلاعات سلامت. 2 (7): 172ـ186‌.
An, X. Y., & Wu, Q. Q., (2011). Co-word analysis of the trends in stem cells field based on subject heading weighting.‌ Scientometrics,‌ 88(1), 133-144.
Hu, J., & Zhang, Y., (2015). Research patterns and trends of Recommendation System in China using co-word analysis.‌Information Processing & Management,‌ 51(4), 329-339.
Liu, Y., Goncalves, J., Ferreira, D., Xiao, B., Hosio, S., & Kostakos, V., (2014). CHI 1994-2013: Mapping two decades of intellectual progress through co-word analysis. InProceedings of the 32nd annual ACM conference on Human factors in computing systems (pp. 3553-3562). ACM.
Vaughan, L., Yang, R., & Tang, J., (2012). Web co-word analysis for business intelligence in the Chinese environment. InAslib Proceedings (Vol. 64, No. 6, pp. 653-667). Emerald Group Publishing Limited.
Wang, Z., Zhao, H., & Wang, Y., (2015). Social networks in marketing research 2001–2014: a co-word analysis.‌Scientometrics,‌105(1), 65-82.
Wu, C. C., & Leu, H. J., (2014). Examining the trends of technological development in hydrogen energy using patent co-word map analysis.International Journal of Hydrogen Energy, ‌39(33), 19262-19269.
Zhang, W., Zhang, Q., Yu, B., & Zhao, L., (2015). Knowledge map of creativity research based on keywords network and co-word analysis, 1992–2011.‌Quality & Quantity, ‌49(3), 1023-1038.
Zong, Q. J., Shen, H. Z., Yuan, Q. J., Hu, X. W., Hou, Z. P., & Deng, S. G. (2013). Doctoral dissertations of Library and Information Science in China: A co-word analysis. Scientometrics, ‌94(2), 781-799.

Files

Share

How to cite

Statistics