知識地圖建立程序

確定資料蒐集的來源、分析項目的內容之後，即可進行資料關連分析。本研 究所應用的原始資料，請參考圖5-3，其中的資料欄位包含碩博士論文的系統編 號、研究生中文姓名、英文姓名、學號、論文中文名稱、論文英文名稱、指導教 授姓名、學位類別、院校名稱、系所名稱、畢業年度、論文出版年度、語言類別、

論文頁數、中文關鍵字等等。

圖5-3 研究趨勢原始資料示意圖

本案例分析的內容，請參考圖5-4 欄位 B 代表關鍵字，其中橫軸編號 1（如 doc24、doc25、doc26 等）代表文章編號，橫軸編號 2（公共工程統包採購制度 執行最有利標選商評選項目之研究）代表論文名稱，該圖代表著關鍵字出現在論 文標題內容的次數矩陣。另參考圖5-5 欄位 B 代表關鍵字，橫軸編號 1（如 doc6、

doc7、doc8 等）代表文章編號，橫軸編號 2（建築預鑄等）代表論文摘要，該圖 代表著關鍵字出現在論文摘要內容的詞頻矩陣。

圖5-4 論文標題與關鍵字之詞頻計算統計表

圖5-6 研究趨勢詞頻轉換統計示意圖

經由上述的步驟成果中的矩陣，可以將每一個關鍵字與論文，轉換成一組多 維度的向量，在本案例中，關鍵字是一組177 維度的向量，並由 165 個關鍵字所 組成，然而論文是一組165 維度的向量，由 177 篇論文組成。

經由多維度向量相似度的計算，可以得到論文與關鍵字的關係之後，由於每 一本論文可以對應到一位研究生，因此本研究將論文的名稱對應至論文作者，藉 此分析不同作者與不同關鍵字的關連程度。如圖5-7 所示，欄位 H 中的知識管理，

與編號154 營建知識管理、172 張清祥、184 吳珮綺等具有高度的相關，相關係 數各別是 0.99、0.99、0.89。由此可知，以知識管理這一個辭彙，張清祥與吳珮 綺這兩位作者與知識管理具有高度相關、而其他關鍵字營建知識管理與知識管理 有高度相關。

圖5-7 關鍵字與作者的關連度計算

經過關鍵字與關鍵字之群集分析，發現關鍵字中的知識分享與激勵制度、還 有知識地圖，具有高度的相關，如圖5-9 中，編號 100、263、103 所示。此外，

如圖5-9 中，編號 23、168、201、215，表示工程專案這個關鍵字，與專案管理、

進度預測、資料模型等具有高度的相關。然而，並非所有的關鍵字都有相似的詞 彙，如圖5-10，編號 18、203、82 等，對應的關鍵字包含女性、項目管理、系統 模版等，這些關鍵字並沒有與其他詞彙相似，因此在知識地圖上不會顯示分群的 關聯。

圖5-8 關鍵字與關鍵字之相似度分群 a

圖5-9 關鍵字與關鍵字之相似度分群 b

圖5-10 關鍵字與關鍵字之相似度分群 c

經由3.3 節所提出的分類建立程序，可以得到論文名稱與編號代表著不同作 者的研究成果，為了要分析不同作者的研究主題，本研究將關鍵字與作者進行分 析，如圖 5-11 所示，該圖擷取了其中兩個分群結果，一個是有關知識管理系統 的研究，一個是有關知識地圖、知識分類、電子商務、企業資源規劃等之研究。

除此之外，為了要了解不同時間的研究內容，本研究將論文發表時間與作者 進行分析，如圖5-12 所示，可以由分群的結果了解有關知識管理的領域，從 91 年度至96 年度有五人，有關專家系統的領域，則從 89 年度至 96 年度有六人。

圖5-11 關鍵字與作者之關聯圖

圖5-12 關鍵字與時間作者之關聯圖