第三章 研究方法
第一節 研究架構
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究方法
本研究旨在藉由 CATAR 自動化文獻內容探勘技術，探索數位學習領域期刊 文獻之研究主題，並邀請領域專家學者進行訪談，以確認歸納研究主題之正確性、
合理性。最後歸納出數位學習領域之主題分析架構，作為研究者了解主題領域知 識之參考。本章共分為五個部分：第一節說明本研究的研究架構；第二節闡述本 研究之研究方法；第三節說明研究工具；第四節說明資料蒐集與分析方法；第五 節說明研究實施步驟與流程。
第一節 研究架構
本研究以 WoS (Web of Science)資料庫收錄之數位學習領域 SSCI 期刊文獻 為研究對象，利用 CATAR 文獻內容探勘工具以共現字及書目對歸類分析結果，
進行數位學習領域主題分析，並參照 C&E 專家知識主題分類架構，再邀請數位 學習領域學者專家進行訪談後確認，以瞭解數位學習領域主題分析架構之正確性、
合理性。最後並進一步分析討論所歸納研究主題，在不同國家與作者之論文發表 狀況。本研究之研究架構如圖 3-1 所示。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3- 1 研究架構 第二節 研究方法
本研究進行整體數位學習領域主題歸類分析，對於數位學習又是跨學科領域 其主題分析目前尚無一致認定之分類架構。參酌前述文獻分析故本研究所討論之 數位學習主題分析之分類架構，主要參考 C&E 專家知識對數位學習領域的分類 加以調整，並以自動化文獻探勘工具 CATAR 剖析所有蒐集期刊文獻之共現字與 書目對歸類分析，根據領域專家知識分類與資料驅動由下而上並行模式，以期刊 文獻篇名、摘要與引用書目作為領域知識分類基礎，並邀請學者專家協助將數位 學習領域研究主題整理歸納出全面性的主題分析架構。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本節以資訊計量學的共現字與書目對概念為主題分析之基礎，利用 CATAR 針對蒐集之期刊文獻進行群集分析。以下就本研究所採用之文獻主題析法、自動 化文獻探勘之群集分析技術進行說明，分述如下：
一、文獻主題分析法
本研究之主題分析係針對 Web of Science 之數位學習 SSCI 期刊所下載之文 獻，採取兩種模式並進的方法，一方面由下而上地以資料驅動的模式進行共現字 與書目對之主題歸類分析。另一方面則由上而下地以既定的 C&E 專家知識分類 架構為基礎，再由領域學者專家協助調整歸納分析結果中之主題或類別，方能建 立全面、完整的主題分類架構。共現字分析的文件集資料來源以檢索 Web of Science 資料庫所得之文件篇名(TI)與摘要(AB)欄位為主；書目對分析則針對 Web of Science 資料庫下載之引用書目(CR)進行剖析。本研究使用的文件關聯計 算方法，說明如下：
(一)書目對（Bibliographic coupling）及共現字（Co-word）
1.書目對（Bibliographic coupling）文件關聯計算
書目對是指兩篇文章（如圖 3-2 之 Paper A 與 B）若引用到共同的書目資料
（如 Ref. 2），則此兩篇文章產生了耦合關係（Coupling）。同樣的，共同的書 目資料越多，表示此兩篇文件在主題上越相似、關係越強。
例如：如圖 3-2 Paper A 與 B 引用共同的書目資料 Ref. 2，其書目對相似度 計算為：2x1/(3+2)=2/5=0.4
Ref. 1
Ref. 2
Ref. 3
Ref. 4
Paper A
Paper B
3 CR
2 CR
圖 3- 2 書目對關係示意圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2.共現字（Co-word）文件關聯計算
共現字是指兩篇文章的內文（圖 3-3 之標題或摘要）裡，使用到相同的關鍵 詞彙（亦即某關鍵詞彙共同出現在此兩篇文件的情形，如 Word 2 同時出現於 Paper C 與 D 中），當共現字越多，則此兩篇文件的主題相似度也越高。
Word 1
Paper C Word 2
Word n
Paper D
圖 3- 3 共現字關係示意圖 二、群集分析
分群(clustering)是把有形或抽象的物件依照其特性，歸類相似物件至同一類 群的過程 (Han & Kamber, 2006)。本研究「文件歸類」 （Document clustering）
(Jajuga, Soko owski & Bock, 2002 ； Salton, 1989)採用「階層凝聚歸類法」
（Hierarchical agglomerative clustering），不需事先指定類別數，可反覆的將最相 似的文件或類別聚集在更大的類別中，如此逐漸由下而上的將所有文件組織起來。
在自動化聚類的過程中係以完全連結法（Complete link），將彼此相似度高的文 件歸在同一群組(曾元顯、林瑜一，2011)。
綜上所述，本研究針對數位學習領域 SSCI 期刊之相關數位學習研究學術論 文進行主題分析，利用 CATAR 自動化文獻內容探勘工具，以共現字與書目對分 析所得之研究主題歸類結果為基礎，並參照 C&E 專家知識分類架構，再邀請數 位學習領域學者專家進行訪談確認，瞭解 CATAR 進行主題歸類結果之正確性、
合理性，期能以嚴謹的研究過程，分析數位學習領域主題架構，及提供研究人員 對於數位學習主題領域有更深的認識，進而達到探索、瞭解數位學習主題領域全 貌之目的。