13、恐怖主义研究的网络分析与集群主题洞察

恐怖主义研究的网络分析与集群主题洞察

1. 研究基础与数据处理

在研究特定年份的文章时，会将该年份（设为Y）发表的文章与前三年该领域知识网络结构进行对比，这个网络被称为年份Y的基线网络。分析师可自行选择形成基线网络的年份跨度，一般来说，基线网络涵盖的时间越长，结构变化度量就越准确，因为长时间暴露的网络更可能捕捉到更多的链接。

在恐怖主义研究中，通过Web of Science进行简单主题搜索，使用“terrorist”或“terrorism”等宽泛术语，限定出版物类型为原创研究文章和综述文章，共找到14,656条相关记录。若想获取未使用这些搜索词但可能相关的文章，可采用引文扩展策略，不过本次研究未采用该策略，而是聚焦于主题搜索所界定的范围。

为筛选文章，采用了g指数，并要求文章至少获得两次引用。考虑到研究时间跨度达38年，这一最低引用条件可过滤掉许多对研究领域影响不足的出版物。但对于近期发表的文章，此条件可能较为苛刻，可对近几年发表的文章单独进行低阈值研究。同时，将回溯年份限制为5年，即忽略超过5年前的参考文献引用。

2. 恐怖主义研究的可视化呈现

• 集群视图可视化 ：图3.13展示了1980 - 2017年恐怖主义研究的集群视图，呈现了908条被引用参考文献网络的最大连通分量，包含694条参考文献（占整个网络的76%）。每个集群用多边形表示，颜色反映其引用文章出版年份的中位数，顶部集群最古老，底部集群最新。例如，最古老的集群#9是战争创伤幸存者，#1生物武器是第二古老的集群，包含INGLESBY撰写的两篇文章，让人联想到1996 - 2003年恐怖主义研究中确定的生物恐怖主义集群。向下