基于CITESPACE的人機交互研究熱點分析

宋嘉文 吳群

關鍵詞：人機交互 知識圖譜 可視化 CiteSpace 前沿趨勢

引言

人機交互（“HCI”）是多個學科交叉的研究領域，包括計算機科學、設計學、行為學等其他學科。其由約瑟夫·利克萊德（J. C.Licklider）于1960年在“人機共生”（Man-Computer Symbiosis）文章[1]中首次提出，在工業設計領域被稱為“人因工程學（HumanFactor Engineering）”[2]。近年來，隨著自然人機交互（NUI）概念的提出，其相關文獻的出版速度迅猛增長，但對于人機交互發展的階段、學科研究方向、研究主題、趨勢等熱點問題總結得不夠全面。因此，文章在廣泛征引人機交互相關研究的基礎上，利用可視化分析軟件，對人機交互的前沿發展與熱點問題進行研究與分析。

一、數據來源與研究方法

本文選用的數據來源于科學核心數據庫——Web of Science核心合集數據庫。以“Human–Computer Interaction”為關鍵詞進行主題檢索，檢索年份為2015-2020年，檢索時間為2020年5月7日，共得到原始樣本數據文獻4727篇。

本文利用CiteSpaceV軟件。通過研究數據庫的文獻相關信息：作者單位、關鍵詞共現、合作網絡、共被引等內容，以了解現有研究現狀與知識結構，從而幫助研究人員找到該領域內的關鍵文獻和主要研究學者團隊，清晰地展示出該領域的研究前沿和發展趨勢[3]。

二、人機交互研究時空特征分析

（一）時間分布特征

時序的變化在一定程度上反映了該研究領域的發展速度與發展的階段性變化，同時也預測了未來發展的趨勢與研究領域動態[4]。通過觀察近五年內論文發表數量的變化趨勢，可以直觀且明顯地發現近五年人機交互研究領域的整體發展狀況及熱度。其趨勢圖如圖表1所示。

從表1可以看出，自2015始，發文數量整體呈現逐漸遞增的趨勢，說明該領域研究的態勢一直比較良好，熱度不減。近年來隨著計算機運算能力持續提升，多維度、多類型、多環境的數據的產生，及大型互聯網公司的開源研究成果增多，使得人工智能熱潮的興起，也進一步促進了人機交互領域的研究。

（二）空間分布特征

1. 國家/地區分布

表2顯示了2015-2020人機交互領域發文數量前10的國家，其中發文量前3的國家分別為美國、中國、英國，均超過了400篇，一共有五個國家的中介中間性超過0.1，分別為美國、英國、加拿大、西班牙、澳大利亞，這說明美國、英國、加拿大與其他歐洲的一些國家之間合作較為密切，關聯性較強。中國雖然在人機交互領域內近五年來發文數量排名第二，但其中介中間性（0.05）較低，排名第8，這從一定程度上反映了中國在人機交互領域研究熱度較高，學者研究積極性較強，但從整體的合作關系來看，中國與國際其他各國之間的合作研究與交流不算緊密，還有待加強。

2. 機構分布

在CiteSpace軟件中，將網絡節點選擇為“institution”[5]，設置TOP-N%=10%。各個節點代表不同的機構，不同節點的直線連線表示機構之間的合作，圖1顯示出國內外知名高校在人機交互領域研究的合作較為集中，尤其是國際間高校合作交流多，中國高校發文量總數較多且研究開始時間較早。

表3列出了近五年發文量排名前10名的機構，其中中國科學院（Chinese Acad Sci）、清華大學（Tsinghua Univ）、美國卡耐基梅隆大學（Carnegie Mellon Univ）排在前3，其中中國科學院發文量最多，總計60篇，其中美國與中國的機構在人機交互領域占據主導地位，共占據7所。

從研究機構性質來看，當前進行人機交互研究的機構主要以各大院校為主，如表3所示的卡耐基梅隆大學、英國倫敦大學學院（University College London），簡稱UCL、清華大學、浙江大學（Zhejiang Univ）等。導致這種現狀的原因大致可以分為兩點：一是人機交互在于研究人與計算機之間的交互行為，其中技術是基礎性因素，高校對計算機學科的研究與重視，是技術進步的重要保證，也是人機交互不斷深入發展的助推器;二是隨著人機交互對用戶信息接受的心理、生理研究，對界面視覺感知的體悟等多方面因素的要求，涉及到多種學科知識交叉與融合，高校提供了多種學科背景共同協同交流的平臺，因此，國內外各大名校成為了人機交互領域研究的中堅力量。在中介中間性方面，英國倫敦大學學院最高，緊接著是美國卡內基梅隆大學，說明這兩所高校積極充當了學術交流的橋梁作用，為人機交互領域的信息交流、意見溝通、行動協調做出較大貢獻。此外，我國浙江大學、中國科學院和清華大學分別排在并列第6位和第8位。國內雖中國科學院發文數量較為可觀，但中介中間性較低，合作交流僅局限于校內學者或其他固定機構，未成為有影響力的引領機構來帶動整個領域的學術研討與溝通，因此國內各機構有關人機交互的探索合作還有待深入。

3. 作者合作共現圖譜如圖所示，共得出383個節點，295 條連線，網絡密度為 0.004，這個密度也說明，人機交互領域內相關作者之間雖有合作，但合作的程度較低，形成“散狀式”分布。目前形成的研究群體有：INGOSIEGERT-ANDREAS WENDEMUTH、HAOYI ZHAO-GUOZHANGJIANG-SONGFA LI-DISI CHEN、HIDENOBU SUMIOKA-HIROSHIISHIGURO-RYUJI YAMAZAKI-SOHEIL KESHMIRI。研究發現：大多形成合作團體的成員都來自同一機構，如INGO SIEGERT與ANDREAS WENDEMUTH同屬馬格德堡大學，HIDENOBU SUMIOKA與HIROSHI ISHIGURO同屬大阪大學，學緣關系密切。由此可見，該領域跨機構間的作者之間的互動較少，未形成一定規模與著名的合作團體，這不利于人機交互總體性、系統性、全面性地發展。

三、人機交互研究內容圖譜及其分析

（一）學科研究方向分析

人機交互領域發文數量排名前10的集中那個于計算機科學學科、工程科學學科、人因工程學科、心理學學科，他們都是該類研究的主要學科。其中涉及到計算機類的學科2015-2020發文量總數超過3890篇。由此可見，人機交互領域研究參與學科種類多樣，是一門綜合性交叉學科。

（二）關鍵詞共現分析

在文獻計量學中，關鍵詞是對文獻中核心的詞匯進行高度概括[3]，對關鍵詞的分析可以得出各個時期的研究熱點。

本文使用CiteSpace對2015-2020年Web of Science核心合集數據庫中關鍵詞進行分析，將節點類型選擇為“Keyword”，一個時間切片為一年，其他屬性不變，運行CiteSpace獲得圖2的人機交互關鍵詞共現知識圖譜。圖譜其中最大的關鍵節點是“Human–ComputerInteraction（人機交互）”“information（信息）”“recognition（認知）”“system（系統）”“mode（l 模型）”等關鍵詞節點較大，從圖譜的各關鍵詞的關聯網絡來看，呈現以“Human–ComputerInteraction（人機交互）” 、“system（系統）”主要關鍵詞為中心，相互交叉的狀況。各主要關鍵詞與其他關鍵詞的關聯性較大，如“information（信息）”和“decision making（決策）”“experience（體驗）”、 “automation（自動化）”有一定聯系。

突變詞（bursts）可以了解到該時期內某一個主題詞、關鍵詞的衰落或興起的情況，可以更好地預測該領域未來的發展熱點與趨勢。將Burstnes中γ值設置為2，得出表4。表4呈現了2015-2020年人機交互領域引文爆發強度前20的關鍵詞，其中突現強度的最大值為8.82 ，最小值為4.05，分別為“deep learning（深度學習）”“braincomputerinterface（腦機接口）”，“convolutional neural network（卷積神經網絡）”成為僅次于“deep learning（深度學習）”的突現詞，從圖中發現研究熱度居于一二位的關鍵詞都是和人工智能技術相關，開始時間在2019年左右，可以推斷近年來在人機交互領域，關于智能技術的研究與人機交融模式的探索是一大熱點，且推測其在未來兩年也將一直是熱點。其他新的研究方向雖然數量較多，但持續時間不久，都還未達到一定強度。

（三）關鍵詞聚類分析

對高頻關鍵詞進行聚類分析，得到了人機交互領域文獻高頻關鍵詞聚類圖譜。如圖3所示，顯示了人機交互領域研究關鍵詞最大的7個聚類，分別是：#0 virtual reality（虛擬現實）、#1 human-computerinteraction（人機交互）、#2 user experience（用戶體驗）、#3 trust（信任）、#4 emotional recognition（情感識別）、#5 computervision（計算機視覺）、#6 gesture recognition（姿態識別）。得出Modularity Q=0.7978，Silhouette=0.9454，說明聚類結構顯著且聚類結果是令人信服的。

借助關鍵詞共現圖譜節點的查詢功能，梳理相關文獻，得到如下3個主要的研究主題：

1.有關人機交互與文化關系的理論研究熱點關鍵詞主要包括“ 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 ”（個體差異）“ a c c e s s i b i l i t y ”（ 可用性）“crowdsourcing”（眾包）等。Honold[6]等人闡述了在跨文化人機交互設計中需考慮根植于文化之中人們不同心態、思維模式和解決問題的策略等因素。Bidwell[7]等人提出設計師必須根據自己的所處文化情境需要調整通用的設計方法。多元文化環境中的交流已成為一種需要，因此在人機交互領域研究人機交互設計的文化維度和變量之間的關系成為一大熱點。

2.有關人機交互與智能技術與系統關系的理論研究熱點關鍵詞主要包括“multimodal interaction”（多模態交互）“recognition（認知）”“deep learning”（深度學習）“machinel ear ni ng”（機器學習）“eeg”（腦電信號）“r obot ”（機器人）等。在信息交互方面，H.Wu[8]等人提出了一種方法，可以使得用戶自定義手勢，同時解決了在實際場景中，用戶不同手勢習慣和表示偏差導致的機器認知問題。在認知交互方面，更多學著傾向用生理信號數據來改善人機交互。M. Hamaya[9]等人提出一種模型強化學習的框架，這個框架間接地賦予了外骨骼理解人類行為和進行反饋操作的能力。研究者從認知人機交互的多通道感知、人機系統與優化等方面進行了探討，旨在優化流程與體驗。

3.有關人機交互與混合現實的研究熱點關鍵詞主要包括“ v i r t u a l r e a l i t y ”（ 虛擬現實）“augmented reality”（增強現實）等。Pavel[10]等人提出了應用手勢識別技術發明的一種新穎的解決方案——TeleAdvisor，旨在將它應用于許多實際場景中支持遠程協助任務。多年來，混合現實中的人機交互研究領域已經構建出較為完整的設計原則和可用性評估及設計方法，但很多尚不具備通用性，因此如何建立通用性的設計原則及解決方案是該研究方向亟待考慮的事。

（四）人機交互知識基礎的參考文獻分析論文是否具有一定的學術與參考價值可以從其引用頻次上來衡量。研究者通過文獻引用軌跡的可視化呈現，繼而判斷出研究領域的基礎理論參考來源。節點類型設置為“Reference”，時間切片設置為一年，設置“TOPN ”為50，生成2015-2020年人機交互研究文獻共被引知識圖譜。如圖4所示，從圖譜左上角數據可以看出，其節點個數為283個，連接線個數為424條，密度為0.0106。本文選取人機交互領域被引頻次超過30次的8篇引文獻進行分析，如表5所示。

圖中的節點越大，代表引用頻率越高，表明文獻價值越高。研究發現：被引頻次最高的文獻來自學者CHANG[11]。CHANG[11]等人提出LIBSVM作為支持向量機（SVM）的庫，在機器學習和許多其他領域中已獲得廣泛普及文中討論了諸如解決SVM優化問題，理論收斂性，多分類概率估計和參數選擇等問題。HE[12]等人針對深層神經網絡訓練困難的問題，提出了一種殘差的學習框架。計算機領域機器學習技術極大地提高了語音識別、目標檢測以及視覺識別任務甚至是藥物檢測等許多領域的研究水平，再次說明在人機交互領域對智能技術的研究處于研究熱點。

中間中介性較高的文章來自Zeng、Koelstra等人，他們對自然交互方式進行了探索。Zeng[13]等人研究解決人類情感行為的機器理解問題的可行方法，并討論了訓練和測試數據的收集和可用性，概述了推進人類情感感知技術所面臨的一些科學和工程挑戰。Koelstra[14]等人提出了一種用于分析人類情感狀態的多模態數據集，其使用腦電，周圍生理信號和多媒體內容分析的方法對不同模式的分類結果進行決策融合。Rautaray[15]等人旨在將人機交互融入一種自然的制度中。其分析了不同關鍵參數下的人機交互手勢識別系統。

（五）研究演進與前沿發展趨勢分析時區視圖如圖5所示，其反映了人機交互研究領域文獻關鍵詞演進，通過前沿時區圖可以梳理2015-2020近5年以來的人機交互領域發展趨勢，將其分為3個階段。

第一，2015年人機交互領域研究處于高速發展階段，研究主題較為多樣，包括對于信息、體驗、技術等主題的關注，也符合當時互聯網快速發展、信息技術的顯著進步的研究背景;第二，2016-2018年，研究進入了一個相對平穩發展的階段，這一時期“emotion recognition（情緒識別）”“neural network（神經網絡）”“support vectormachine（支持向量機）”等關鍵詞的出現，說明該階段研究熱點聚焦在如何運用先進的算法技術、結合心理學認知工具等創造出更好的人機交互體驗，與此同時，隨著虛擬現實、增強現實技術的出現與發展，對這兩個主題的關注也在增加;第三，2019-2020年為人機交互研究的最新階段。文獻研究熱點為“facial expression recognition（面部表情識別）”“cnn（卷積神經網絡）”，有些主題仍與2015-2016年的研究熱點息息相關，此時的熱點較為集中于對計算機的機器學習技術的研究及對于人機之間信任感及其他情感方面的探索。

結語

本文基于Web of Science核心合集數據庫中2015-2020年間收錄的4727篇人機交互的相關文獻，采用CiteSpace對文獻進行了可視化分析。了解到人機交互領域相關研究的熱點和未來發展趨勢，同時對今后的研究趨勢進行預測。

研究發現：（一）時間分布研究顯示年度發文量趨于穩定，具有階段性特征，總體呈上升趨勢。（二）空間分布研究顯示研究成果較多集中于國內外各大名校與相同機構之間，機構之間、地區之間持續穩定的交流不足，發展不均衡，需要該領域的學者進行廣泛且深入的研究交流，持續高質量成果。（三）從文獻學科分布情況看，有70%以上的文獻所屬為計算機技術學科，工程科技和心理學科占20%，由此可見，計算機技術學科研究熱度較高，同時還囊括文化、社會學、心理學等多方面的知識背景。（四）從研究熱點與趨勢上來看，隨著計算機運算能力的增強，豐富數據的產生及人工智能熱潮的掀起，使得關于智能技術的研究與人機交融模式的探索成為這領域研究的一大熱點，并在當下及未來的發展中更為注重結合人的內在情緒、文化語境、用戶體驗等人文、心理因素。

本文對人機交互研究領域的未來研究趨勢預判具有一定意義，但仍然存在如下不足：第一，由于選擇時間段較短，本文所選4727篇文獻得出的分析結果未涵蓋本領域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、客觀地展現該領域研究的全貌，今后需結合其他計量方法與可視化工具，在實踐的基礎上，更加綜合地分析領域研究發展態勢。