基于CITESPACE的人机交互研究热点分析
宋嘉文 吴群
关键词：人机交互 知识图谱 可视化 CiteSpace 前沿趋势
引言
人机交互（“HCI”）是多个学科交叉的研究领域，包括计算机科学、设计学、行为学等其他学科。其由约瑟夫·利克莱德（J. C.Licklider）于1960年在“人机共生”（Man-Computer Symbiosis）文章[1]中首次提出，在工业设计领域被称为“人因工程学（HumanFactor Engineering）”[2]。近年来，随着自然人机交互（NUI）概念的提出，其相关文献的出版速度迅猛增长，但对于人机交互发展的阶段、学科研究方向、研究主题、趋势等热点问题总结得不够全面。因此，文章在广泛征引人机交互相关研究的基础上，利用可视化分析软件，对人机交互的前沿发展与热点问题进行研究与分析。
一、数据来源与研究方法
本文选用的数据来源于科学核心数据库——Web of Science核心合集数据库。以“Human–Computer Interaction”为关键词进行主题检索，检索年份为2015-2020年，检索时间为2020年5月7日，共得到原始样本数据文献4727篇。
本文利用CiteSpaceV软件。通过研究数据库的文献相关信息：作者单位、关键词共现、合作网络、共被引等内容，以了解现有研究现状与知识结构，从而帮助研究人员找到该领域内的关键文献和主要研究学者团队，清晰地展示出该领域的研究前沿和发展趋势[3]。
二、人机交互研究时空特征分析
（一）时间分布特征
时序的变化在一定程度上反映了该研究领域的发展速度与发展的阶段性变化，同时也预测了未来发展的趋势与研究领域动态[4]。通过观察近五年内论文发表數量的变化趋势，可以直观且明显地发现近五年人机交互研究领域的整体发展状况及热度。其趋势图如图表1所示。
从表1可以看出，自2015始，发文数量整体呈现逐渐递增的趋势，说明该领域研究的态势一直比较良好，热度不减。近年来随着计算机运算能力持续提升，多维度、多类型、多环境的数据的产生，及大型互联网公司的开源研究成果增多，使得人工智能热潮的兴起，也进一步促进了人机交互领域的研究。
（二）空间分布特征
1. 国家/地区分布
表2显示了2015-2020人机交互领域发文数量前10的国家，其中发文量前3的国家分别为美国、中国、英国，均超过了400篇，一共有五个国家的中介中间性超过0.1，分别为美国、英国、加拿大、西班牙、澳大利亚，这说明美国、英国、加拿大与其他欧洲的一些国家之间合作较为密切，关联性较强。中国虽然在人机交互领域内近五年来发文数量排名第二，但其中介中间性（0.05）较低，排名第8，这从一定程度上反映了中国在人机交互领域研究热度较高，学者研究积极性较强，但从整体的合作关系来看，中国与国际其他各国之间的合作研究与交流不算紧密，还有待加强。
2. 机构分布
在CiteSpace软件中，将网络节点选择为“institution”[5]，设置TOP-N%=10%。各个节点代表不同的机构，不同节点的直线连线表示机构之间的合作，图1显示出国内外知名高校在人机交互领域研究的合作较为集中，尤其是国际间高校合作交流多，中国高校发文量总数较多且研究开始时间较早。
表3列出了近五年发文量排名前10名的机构，其中中国科学院（Chinese Acad Sci）、清华大学（Tsinghua Univ）、美国卡耐基梅隆大学（Carnegie Mellon Univ）排在前3，其中中国科学院发文量最多，总计60篇，其中美国与中国的机构在人机交互领域占据主导地位，共占据7所。
从研究机构性质来看，当前进行人机交互研究的机构主要以各大院校为主，如表3所示的卡耐基梅隆大学、英国伦敦大学学院（University College London），简称UCL、清华大学、浙江大学（Zhejiang Univ）等。导致这种现状的原因大致可以分为两点：一是人机交互在于研究人与计算机之间的交互行为，其中技术是基础性因素，高校对计算机学科的研究与重视，是技术进步的重要保证，也是人机交互不断深入发展的助推器;二是随着人机交互对用户信息接受的心理、生理研究，对界面视觉感知的体悟等多方面因素的要求，涉及到多种学科知识交叉与融合，高校提供了多种学科背景共同协同交流的平台，因此，国内外各大名校成为了人机交互领域研究的中坚力量。在中介中间性方面，英国伦敦大学学院最高，紧接着是美国卡内基梅隆大学，说明这两所高校积极充当了学术交流的桥梁作用，为人机交互领域的信息交流、意见沟通、行动协调做出较大贡献。此外，我国浙江大学、中国科学院和清华大学分别排在并列第6位和第8位。国内虽中国科学院发文数量较为可观，但中介中间性较低，合作交流仅局限于校内学者或其他固定机构，未成为有影响力的引领机构来带动整个领域的学术研讨与沟通，因此国内各机构有关人机交互的探索合作还有待深入。
3. 作者合作共现图谱如图所示，共得出383个节点，295 条连线，网络密度为 0.004，这个密度也说明，人机交互领域内相关作者之间虽有合作，但合作的程度较低，形成“散状式”分布。目前形成的研究群体有：INGOSIEGERT-ANDREAS WENDEMUTH、HAOYI ZHAO-GUOZHANGJIANG-SONGFA LI-DISI CHEN、HIDENOBU SUMIOKA-HIROSHIISHIGURO-RYUJI YAMAZAKI-SOHEIL KESHMIRI。研究发现：大多形成合作团体的成员都来自同一机构，如INGO SIEGERT与ANDREAS WENDEMUTH同属马格德堡大学，HIDENOBU SUMIOKA与HIROSHI ISHIGURO同属大阪大学，学缘关系密切。由此可见，该领域跨机构间的作者之间的互动较少，未形成一定规模与著名的合作团体，这不利于人机交互总体性、系统性、全面性地发展。
三、人机交互研究内容图谱及其分析
（一）学科研究方向分析
人机交互领域发文数量排名前10的集中那个于计算机科学学科、工程科学学科、人因工程学科、心理学学科，他们都是该类研究的主要学科。其中涉及到计算机类的学科2015-2020发文量总数超过3890篇。由此可见，人机交互领域研究参与学科种类多样，是一门综合性交叉学科。
（二）关键词共现分析
在文献计量学中，关键词是对文献中核心的词汇进行高度概括[3]，对关键词的分析可以得出各个时期的研究热点。
本文使用CiteSpace对2015-2020年Web of Science核心合集数据库中关键词进行分析，将节点类型选择为“Keyword”，一个时间切片为一年，其他属性不变，运行CiteSpace获得图2的人机交互关键词共现知识图谱。图谱其中最大的关键节点是“Human–ComputerInteraction（人机交互）”“information（信息）”“recognition（认知）”“system（系统）”“mode（l 模型）”等关键词节点较大，从图谱的各关键词的关联网络来看，呈现以“Human–ComputerInteraction（人机交互）” 、“system（系统）”主要关键词为中心，相互交叉的状况。各主要关键词与其他关键词的关联性较大，如“information（信息）”和“decision making（决策）”“experience（体验）”、 “automation（自动化）”有一定联系。
突变词（bursts）可以了解到该时期内某一个主题词、关键词的衰落或兴起的情况，可以更好地预测该领域未来的发展热点与趋势。将Burstnes中γ值设置为2，得出表4。表4呈现了2015-2020年人机交互領域引文爆发强度前20的关键词，其中突现强度的最大值为8.82 ，最小值为4.05，分别为“deep learning（深度学习）”“braincomputerinterface（脑机接口）”，“convolutional neural network（卷积神经网络）”成为仅次于“deep learning（深度学习）”的突现词，从图中发现研究热度居于一二位的关键词都是和人工智能技术相关，开始时间在2019年左右，可以推断近年来在人机交互领域，关于智能技术的研究与人机交融模式的探索是一大热点，且推测其在未来两年也将一直是热点。其他新的研究方向虽然数量较多，但持续时间不久，都还未达到一定强度。
（三）关键词聚类分析
对高频关键词进行聚类分析，得到了人机交互领域文献高频关键词聚类图谱。如图3所示，显示了人机交互领域研究关键词最大的7个聚类，分别是：#0 virtual reality（虚拟现实）、#1 human-computerinteraction（人机交互）、#2 user experience（用户体验）、#3 trust（信任）、#4 emotional recognition（情感识别）、#5 computervision（计算机视觉）、#6 gesture recognition（姿态识别）。得出Modularity Q=0.7978，Silhouette=0.9454，说明聚类结构显著且聚类结果是令人信服的。
借助关键词共现图谱节点的查询功能，梳理相关文献，得到如下3个主要的研究主题：
1.有关人机交互与文化关系的理论研究热点关键词主要包括“ c u l t u r e ”（ 文化）“ i n d i v i d u a ld i f f e r e n c e ”（个体差异）“ a c c e s s i b i l i t y ”（ 可用性）“crowdsourcing”（众包）等。Honold[6]等人阐述了在跨文化人机交互设计中需考虑根植于文化之中人们不同心态、思维模式和解决问题的策略等因素。Bidwell[7]等人提出设计师必须根据自己的所处文化情境需要调整通用的设计方法。多元文化环境中的交流已成为一种需要，因此在人机交互领域研究人机交互设计的文化维度和变量之间的关系成为一大热点。
2.有关人机交互与智能技术与系统关系的理论研究热点关键词主要包括“multimodal interaction”（多模态交互）“recognition（认知）”“deep learning”（深度学习）“machinel ear ni ng”（机器学习）“eeg”（脑电信号）“r obot ”（机器人）等。在信息交互方面，H.Wu[8]等人提出了一种方法，可以使得用户自定义手势，同时解决了在实际场景中，用户不同手势习惯和表示偏差导致的机器认知问题。在认知交互方面，更多学着倾向用生理信号数据来改善人机交互。M. Hamaya[9]等人提出一种模型强化学习的框架，这个框架间接地赋予了外骨骼理解人类行为和进行反馈操作的能力。研究者从认知人机交互的多通道感知、人机系统与优化等方面进行了探讨，旨在优化流程与体验。
3.有关人机交互与混合现实的研究热点关键词主要包括“ v i r t u a l r e a l i t y ”（ 虚拟现实）“augmented reality”（增强现实）等。Pavel[10]等人提出了应用手势识别技术发明的一种新颖的解决方案——TeleAdvisor，旨在将它应用于许多实际场景中支持远程协助任务。多年来，混合现实中的人机交互研究领域已经构建出较为完整的设计原则和可用性评估及设计方法，但很多尚不具备通用性，因此如何建立通用性的设计原则及解决方案是该研究方向亟待考虑的事。
（四）人机交互知识基础的参考文献分析论文是否具有一定的学术与参考价值可以从其引用频次上来衡量。研究者通过文献引用轨迹的可视化呈现，继而判断出研究领域的基础理论参考来源。节点类型设置为“Reference”，时间切片设置为一年，设置“TOPN ”为50，生成2015-2020年人机交互研究文献共被引知识图谱。如图4所示，从图谱左上角数据可以看出，其节点个数为283个，连接线个数为424条，密度为0.0106。本文选取人机交互领域被引频次超过30次的8篇引文献进行分析，如表5所示。
图中的节点越大，代表引用频率越高，表明文献价值越高。研究发现：被引频次最高的文献来自学者CHANG[11]。CHANG[11]等人提出LIBSVM作为支持向量机（SVM）的库，在机器学习和许多其他领域中已获得广泛普及文中讨论了诸如解决SVM优化问题，理论收敛性，多分类概率估计和参数选择等问题。HE[12]等人针对深层神经网络训练困难的问题，提出了一种残差的学习框架。计算机领域机器学习技术极大地提高了语音识别、目标检测以及视觉识别任务甚至是药物检测等许多领域的研究水平，再次说明在人机交互领域对智能技术的研究处于研究热点。
中间中介性较高的文章来自Zeng、Koelstra等人，他们对自然交互方式进行了探索。Zeng[13]等人研究解决人类情感行为的机器理解问题的可行方法，并讨论了训练和测试数据的收集和可用性，概述了推进人类情感感知技术所面临的一些科学和工程挑战。Koelstra[14]等人提出了一种用于分析人类情感状态的多模态数据集，其使用脑电，周围生理信号和多媒体内容分析的方法对不同模式的分类结果进行决策融合。Rautaray[15]等人旨在将人机交互融入一种自然的制度中。其分析了不同关键参数下的人机交互手势识别系统。
（五）研究演进与前沿发展趋势分析时区视图如图5所示，其反映了人机交互研究领域文献关键词演进，通过前沿时区图可以梳理2015-2020近5年以来的人机交互领域发展趋势，将其分为3个阶段。
第一，2015年人机交互领域研究处于高速发展阶段，研究主题较为多样，包括对于信息、体验、技术等主题的关注，也符合当时互联网快速发展、信息技术的显著进步的研究背景;第二，2016-2018年，研究进入了一个相对平稳发展的阶段，这一时期“emotion recognition（情绪识别）”“neural network（神经网络）”“support vectormachine（支持向量机）”等关键词的出现，说明该阶段研究热点聚焦在如何运用先进的算法技术、结合心理学认知工具等创造出更好的人机交互体验，与此同时，随着虚拟现实、增强现实技术的出现与发展，对这两个主题的关注也在增加;第三，2019-2020年为人机交互研究的最新阶段。文献研究热点为“facial expression recognition（面部表情识别）”“cnn（卷积神经网络）”，有些主题仍与2015-2016年的研究热点息息相关，此时的热点较为集中于对计算机的机器学习技术的研究及对于人机之间信任感及其他情感方面的探索。
结语
本文基于Web of Science核心合集数据库中2015-2020年间收录的4727篇人机交互的相关文献，采用CiteSpace对文献进行了可视化分析。了解到人机交互领域相关研究的热点和未来发展趋势，同时对今后的研究趋势进行预测。
研究发现：（一）时间分布研究显示年度发文量趋于稳定，具有阶段性特征，总体呈上升趋势。（二）空间分布研究显示研究成果较多集中于国内外各大名校与相同机构之间，机构之间、地区之间持续稳定的交流不足，发展不均衡，需要该领域的学者进行广泛且深入的研究交流，持续高质量成果。（三）从文献学科分布情况看，有70%以上的文献所属为计算机技术学科，工程科技和心理学科占20%，由此可见，计算机技术学科研究热度较高，同时还囊括文化、社会学、心理学等多方面的知识背景。（四）从研究热点与趋势上来看，随着计算机运算能力的增强，丰富数据的产生及人工智能热潮的掀起，使得关于智能技术的研究与人机交融模式的探索成为这领域研究的一大热点，并在当下及未来的发展中更为注重结合人的内在情绪、文化语境、用户体验等人文、心理因素。
本文对人机交互研究领域的未来研究趋势预判具有一定意义，但仍然存在如下不足：第一，由于选择时间段较短，本文所选4727篇文獻得出的分析结果未涵盖本领域2015年之前的研究成果。第二，本文研究使用的方法尚不能完全全面、客观地展现该领域研究的全貌，今后需结合其他计量方法与可视化工具，在实践的基础上，更加综合地分析领域研究发展态势。
猜你喜欢 人机交互知识图谱可视化 数据可视化设计在美妆类APP中的应用工业设计(2022年4期)2022-05-17思维可视化师道·教研(2022年1期)2022-03-12复变函数级数展开的可视化实验教学智富时代(2019年7期)2019-08-16复变函数级数展开的可视化实验教学智富时代(2019年7期)2019-08-16复变函数共形映射的可视化实验教学智富时代(2019年6期)2019-07-24复变函数共形映射的可视化实验教学智富时代(2019年6期)2019-07-24新式交互设备在人机交互技术课程中的应用计算机教育(2017年9期)2017-09-28我国近十年体育教学改革研究的可视化分析中文信息(2017年1期)2017-05-11项目案例启发教学法在人机交互课程教学中的应用大学教育(2017年5期)2017-05-10MOOC文献知识图谱的可视化分析中国教育信息化·高教职教(2016年12期)2017-04-15