روش‌شناسی پیشرفته در پژوهش‌های روان‌شناسی تربیتی؛ رویکردهای علم‌سنجی و تحلیل شبکه

روش‌شناسی پیشرفته در پژوهش‌های روان‌شناسی تربیتی

رویکردهای علم‌سنجی و تحلیل شبکه

چکیده

پژوهش در حوزه روان‌شناسی تربیتی با انبوه روزافزونی از تولیدات علمی مواجه است که تفسیر و ترکیب آن‌ها را با دشواری‌های فزاینده‌ای روبه‌رو ساخته است. روش‌شناسی‌های نوین علم‌سنجی و تحلیل شبکه، امکان نقشه‌برداری نظام‌مند از ساختار دانش، شناسایی شکاف‌های موضوعی، و ترسیم مسیرهای آینده‌پژوهی را فراهم می‌آورند. در این نوشتار، مبانی نظری، مراحل عملیاتی، و کاربردهای راهبردی این رویکردها در حوزه مطالعات خودتنظیمی، فراشناخت، و خلاقیت تبیین شده است. بر اساس تحلیل مقالات منتشرشده در مجلات تخصصی طی دو دهه اخیر، رویکردهای علم‌سنجی می‌توانند به عنوان ابزاری مکمل در کنار مرورهای نظام‌مند و فراتحلیل‌ها، تصویر جامع‌تری از وضعیت پژوهشی ارائه دهند. این مقاله با تأکید بر قابلیت‌های اجرایی این روش‌ها در بافت پژوهش‌های روان‌شناسی تربیتی، راهنمایی عملی برای پژوهشگران علاقه‌مند به کاربست این رویکردها فراهم ساخته است.

کلیدواژه‌ها: علم‌سنجی، تحلیل شبکه، نقشه‌برداری علمی، خودتنظیمی، فراشناخت، خلاقیت

---

۱. مقدمه و جایگاه موضوع

در دهه‌های اخیر، حوزه روان‌شناسی تربیتی شاهد رشد چشمگیر تولیدات علمی بوده است. به‌ویژه در زیرحوزه‌هایی همچون خودتنظیمی، فراشناخت، و خلاقیت، شمار مقالات، پایان‌نامه‌ها، و کتب تخصصی به گونه‌ای افزایش یافته که هیچ پژوهشگر منفردی توانایی احاطه بر تمامی این تولیدات را ندارد (دیلیر و همکاران، ۲۰۱۳). این واقعیت، ضرورت به‌کارگیری روش‌هایی را که امکان سنتز، نقشه‌برداری، و تحلیل ساختاری این انبوه اطلاعات را فراهم آورند، دوچندان ساخته است.

مرورهای نظام‌مند و فراتحلیل‌ها، اگرچه ابزارهایی ارزشمند برای ترکیب یافته‌های پژوهشی محسوب می‌شوند، اما به دلیل ماهیت خطی و از پیش تعیین‌شده‌ی خود، توانایی چندانی در شناسایی روابط پنهان میان مفاهیم، روندهای نوظهور، و شکاف‌های موضوعی ندارند (موریرا و همکاران، ۲۰۱۹). در مقابل، روش‌شناسی علم‌سنجی با رویکردی شبکه‌محور و کل‌نگر، امکان ترسیم «نقشه دانش» یک حوزه را فراهم می‌آورد و تصویری پویا از ساختار مفهومی، اجتماعی، و فکری آن حوزه ارائه می‌دهد.

در مجلات تخصصی روان‌شناسی تربیتی نظیر مجله «روان‌تنظیم»، محوریت موضوعاتی همچون «خودتنظیمی»، «فراشناخت»، و «خلاقیت» و نیز مقالات متعدد مرتبط با «انگیزش»، «یادگیری و مطالعه»، و «شناخت و حافظه»، گویای غنای محتوایی این حوزه و در عین حال، ضرورت بهره‌مندی از روش‌های پیشرفته برای ساماندهی و تحلیل این تولیدات است. علم‌سنجی و تحلیل شبکه، به‌عنوان روش‌شناسی‌های نوین، این امکان را فراهم می‌آورند که از «انبوه اطلاعات» به «ساختار دانش» دست یابیم و مسیرهای آتی پژوهش را با دقت بیشتری ترسیم کنیم.

---

۲. مبانی نظری و مفاهیم بنیادین علم‌سنجی

۲-۱. تعریف و قلمرو

علم‌سنجی (Scientometrics) به عنوان شاخه‌ای میان‌رشته‌ای، به مطالعه کمی و تحلیل ساختاری تولیدات علمی می‌پردازد (پرایس، ۱۹۶۵). این حوزه که ریشه در کتاب‌سنجی (Bibliometrics) و تحلیل استنادی دارد، با بهره‌گیری از ابزارهای ریاضی و آماری، الگوهای تولید، انتشار، و مصرف دانش علمی را بررسی می‌کند. در سال‌های اخیر، گسترش پایگاه‌های داده علمی و پیشرفت نرم‌افزارهای تحلیل شبکه، امکان کاربست این روش‌ها را در حوزه‌های مختلف علوم رفتاری و تربیتی فراهم ساخته است (ون اک و والتمن، ۲۰۱۰).

در بافت پژوهش‌های روان‌شناسی تربیتی، علم‌سنجی می‌تواند به پرسش‌های متعددی پاسخ دهد: ساختار مفهومی حوزه خودتنظیمی چگونه سازمان‌یافته است؟ چه نظریه‌هایی به عنوان پایه‌های فکری این حوزه عمل کرده‌اند؟ همکاری‌های علمی میان پژوهشگران و مؤسسات مختلف در چه الگویی شکل گرفته است؟ کدام موضوعات در حال ظهور هستند و کدام‌یک به افول گرایش دارند؟ پاسخ به این پرسش‌ها، چشم‌اندازی راهبردی برای پژوهشگران، سیاست‌گذاران آموزشی، و سردبیران مجلات علمی فراهم می‌آورد.

۲-۲. نظریه گراف و تحلیل شبکه

پایه ریاضی علم‌سنجی، نظریه گراف است که به مطالعه روابط میان موجودیت‌ها (گره‌ها) و ارتباطات آن‌ها (یال‌ها) می‌پردازد (نیومن، ۲۰۱۰). در علم‌سنجی، گره‌ها می‌توانند مقالات، نویسندگان، کلیدواژه‌ها، یا مجلات باشند و یال‌ها نیز انواع مختلف ارتباطات از جمله استناد، هم‌نویسندگی، یا هم‌رخدادی واژگان را نشان می‌دهند.

تحلیل شبکه‌های علمی از دو سطح کلان و خرد قابل بررسی است. در سطح کلان، شاخص‌هایی همچون تراکم (Density)، ضریب خوشه‌بندی (Clustering Coefficient)، و قطر شبکه (Diameter) ساختار کلی شبکه را توصیف می‌کنند. در سطح خرد، شاخص‌های مرکزیت (Centrality) به شناسایی گره‌های کلیدی و تأثیرگذار کمک می‌کنند. مرکزیت درجه (Degree Centrality) تعداد ارتباطات مستقیم یک گره را نشان می‌دهد، مرکزیت بینابینی (Betweenness Centrality) نقش میانجی‌گری و پل‌سازی یک گره را اندازه‌گیری می‌کند، و مرکزیت نزدیکی (Closeness Centrality) فاصله یک گره با سایر گره‌ها را مشخص می‌سازد (فریمن، ۱۹۷۷). این شاخص‌ها در شناسایی پژوهشگران یا مقالات تأثیرگذار، و همچنین تشخیص گروه‌های علمی منزوی یا پل‌های ارتباطی میان حوزه‌های مختلف کاربرد دارند.

---

۳. مراحل عملیاتی پژوهش علم‌سنجی

۳-۱. طراحی جستجو و جمع‌آوری داده

گام نخست در هر پژوهش علم‌سنجی، تعیین محدوده مطالعه و طراحی استراتژی جستجوی نظام‌مند است. انتخاب پایگاه داده مناسب از اهمیت ویژه‌ای برخوردار است. پایگاه‌هایی نظیر وب‌آف‌ساینس (Web of Science) و اسکوپوس (Scopus) به دلیل پوشش گسترده و کیفیت بالای فراداده‌های خود، پرکاربردترین منابع در این حوزه محسوب می‌شوند. همچنین پایگاه‌های تخصصی‌تری نظیر اریک (ERIC) و پاب‌مد (PubMed) برای حوزه‌های علوم تربیتی و رفتاری کاربرد دارند (موریرا و همکاران، ۲۰۱۹).

در طراحی جستجو، ترکیب کلیدواژه‌ها با عملگرهای بولی و استفاده از محدودیت‌های زمانی و زبانی، دقت و جامعیت جستجو را تعیین می‌کند. برای نمونه، در حوزه خودتنظیمی، کلیدواژه‌هایی نظیر «Self-Regulation»، «Self-Regulated Learning»، و «SRL» و همچنین نام نظریه‌پردازان برجسته مانند «Zimmerman»، «Pintrich»، و «Boekaerts» می‌توانند در طراحی جستجو به کار گرفته شوند. خروجی جستجو در قالب فراداده‌های ساختاریافته شامل اطلاعاتی نظیر عنوان، چکیده، کلیدواژه‌ها، فهرست منابع، و مشخصات نویسندگان ذخیره می‌شود.

۳-۲. پاکسازی و پیش‌پردازش داده‌ها

داده‌های استخراج‌شده از پایگاه‌های علمی اغلب حاوی ناهماهنگی‌هایی هستند که پیش‌پردازش دقیق را ضروری می‌سازند. این ناهماهنگی‌ها می‌توانند شامل اشکالات املایی، یکسان‌سازی نام نویسندگان، تفکیک کلیدواژه‌های مرکب، و حذف مقالات تکراری باشند. پاکسازی داده‌ها نه تنها کیفیت تحلیل را افزایش می‌دهد، بلکه از خطاهای تفسیری ناشی از داده‌های ناهمگون جلوگیری می‌کند (وان اک و والتمن، ۲۰۱۰).

برای نمونه، نام نویسندگانی مانند «Zimmerman, B. J.» ممکن است در قالب‌های متفاوتی مانند «Zimmerman, Barry» یا «Zimmerman, B» ثبت شده باشد. فرایند یکسان‌سازی (Disambiguation) این نام‌ها را به یک شناسه واحد ارجاع می‌دهد. همچنین، کلیدواژه‌های مشابه مانند «Self-regulation» و «Self regulated learning» باید با استفاده از دانش تخصصی حوزه، به مفاهیم واحد تبدیل شوند.

۳-۳. تحلیل‌های کتاب‌سنجی

تحلیل‌های کتاب‌سنجی به چهار دسته اصلی تقسیم می‌شوند که هر یک جنبه خاصی از ساختار علمی یک حوزه را روشن می‌سازند:

تحلیل هم‌نویسندگی (Co-authorship Analysis): این تحلیل شبکه همکاری‌های علمی میان پژوهشگران، مؤسسات، و کشورهای مختلف را ترسیم می‌کند. در شبکه هم‌نویسندگی، نویسندگان به‌عنوان گره و همکاری‌های مشترک به‌عنوان یال در نظر گرفته می‌شوند. خوشه‌هایی که در این شبکه شکل می‌گیرند، گروه‌های پژوهشی همکار را نشان می‌دهند و تحلیل آن‌ها می‌تواند الگوهای همکاری منطقه‌ای یا بین‌المللی را آشکار سازد. در حوزه روان‌شناسی تربیتی، پژوهش‌ها نشان داده‌اند که همکاری‌های بین‌المللی با افزایش کیفیت و تأثیر مقالات همراه است (دیلیر و همکاران، ۲۰۱۳).

تحلیل هم‌استنادی (Co-citation Analysis): وقتی دو مقاله در یک مقاله سوم به طور همزمان مورد استناد قرار می‌گیرند، رابطه هم‌استنادی میان آن‌ها شکل می‌گیرد. این تحلیل که توسط اسمال (۱۹۷۳) معرفی شد، ساختار فکری و ریشه‌های نظری یک حوزه را آشکار می‌سازد. مقالاتی که مکرراً با هم مورد استناد قرار می‌گیرند، نشان‌دهنده پارادایم‌ها یا چارچوب‌های نظری مشترک هستند. به‌عنوان نمونه، هم‌استنادی مکرر میان آثار «زیمرمن» و «پینتریچ» نشان‌دهنده تأثیر بنیادین این دو نظریه‌پرداز بر حوزه یادگیری خودتنظیم است.

تحلیل هم‌رخدادی واژگان (Co-word Analysis): کلیدواژه‌های یک مقاله، معرف دغدغه‌های مفهومی پژوهشگران هستند. تحلیل هم‌رخدادی واژگان که ابتدا توسط کالون و همکاران (۱۹۹۱) توسعه یافت، شبکه‌ای از مفاهیم را ترسیم می‌کند که در آن، کلیدواژه‌ها به‌عنوان گره و هم‌رخدادی آن‌ها در مقالات به‌عنوان یال در نظر گرفته می‌شوند. خوشه‌های مفهومی شکل‌گرفته در این شبکه، حوزه‌های موضوعی اصلی را مشخص می‌کنند و تغییرات زمانی آن‌ها، روندهای پژوهشی را نشان می‌دهد. این تحلیل در شناسایی مفاهیم نوظهور همچون «هوش مصنوعی» و «یادگیری شخصی‌سازی‌شده» در حوزه یادگیری خودتنظیم کارایی بالایی دارد.

تحلیل هم‌پیوندی کتاب‌شناختی (Bibliographic Coupling): این روش که توسط کسلر (۱۹۶۳) معرفی شد، دو مقاله را در صورتی مرتبط می‌داند که به یک منبع مشترک استناد کرده باشند. برخلاف هم‌استنادی که به گذشته نگاه می‌کند، هم‌پیوندی کتاب‌شناختی شباهت محتوایی جاری میان مقالات را نشان می‌دهد و برای شناسایی مقالات هم‌موضوع و گروه‌بندی آن‌ها کاربرد دارد.

---

۴. شاخص‌های شبکه‌ای و کاربردهای آن‌ها

۴-۱. شاخص‌های کلان شبکه

تراکم (Density): نسبت تعداد یال‌های موجود در شبکه به بیشینه یال‌های ممکن را نشان می‌دهد. شبکه‌های با تراکم بالا، بیانگر ارتباطات گسترده و یکپارچگی بالا هستند، در حالی که شبکه‌های با تراکم پایین، حکایت از جزایر علمی منزوی دارند. در حوزه‌های بالغ و تثبیت‌شده نظیر خودتنظیمی، تراکم شبکه معمولاً بالاتر از حوزه‌های نوپاست.

ضریب خوشه‌بندی (Clustering Coefficient): میزان تمایل گره‌های شبکه به تشکیل گروه‌های متراکم محلی را اندازه‌گیری می‌کند. ضریب خوشه‌بندی بالا نشان‌دهنده وجود زیرگروه‌های تخصصی است که در درون خود به شدت به هم متصل هستند، اما ارتباط میان این زیرگروه‌ها ممکن است ضعیف باشد. این شاخص در شناسایی گروه‌های پژوهشی تخصصی و شکاف‌های ارتباطی میان آن‌ها کاربرد دارد.

قطر شبکه (Network Diameter): طولانی‌ترین کوتاه‌ترین مسیر میان دو گره در شبکه را نشان می‌دهد و بیانگر فاصله مفهومی یا ساختاری میان دورترین نقاط شبکه علمی است. کاهش قطر شبکه در طول زمان، حکایت از افزایش یکپارچگی و کاهش شکاف‌های ارتباطی در یک حوزه دارد (نیومن، ۲۰۱۰).

۴-۲. شاخص‌های خرد و مرکزیت‌ها

مرکزیت درجه (Degree Centrality): بیانگر تعداد ارتباطات مستقیم یک گره با سایر گره‌هاست. در شبکه استنادی، مقاله‌ای با مرکزیت درجه بالا، مقاله‌ای است که استنادات زیادی دریافت کرده یا به مقالات زیادی استناد داده است. در شبکه هم‌نویسندگی، پژوهشگری با مرکزیت درجه بالا، همکاران علمی گسترده‌ای دارد و نقش محوری در شبکه همکاری ایفا می‌کند.

مرکزیت بینابینی (Betweenness Centrality): میزان قرارگیری یک گره در مسیرهای کوتاه‌ترین فاصله میان سایر گره‌ها را اندازه‌گیری می‌کند. گره‌هایی با مرکزیت بینابینی بالا، نقش «پل» یا «دروازه‌بان» را در شبکه ایفا می‌کنند و ارتباط میان خوشه‌های مختلف را ممکن می‌سازند. در تحلیل مفهومی حوزه خلاقیت، مقاله‌ای که مفاهیم «خودتنظیمی» و «خلاقیت» را به یکدیگر متصل می‌سازد، از مرکزیت بینابینی بالایی برخوردار است.

مرکزیت نزدیکی (Closeness Centrality): فاصله یک گره با سایر گره‌های شبکه را نشان می‌دهد. گره‌هایی با مرکزیت نزدیکی بالا، به سرعت می‌توانند اطلاعات را در شبکه منتشر کنند و به‌عنوان «مراکز انتشار» دانش عمل می‌کنند.

۴-۳. تشخیص روندهای نوظهور و شکاف‌های موضوعی

یکی از کاربردهای راهبردی علم‌سنجی، تشخیص روندهای نوظهور و شکاف‌های موضوعی است. تحلیل «انفجار استنادی» (Burst Detection) که در نرم‌افزارهایی نظیر CiteSpace پیاده‌سازی شده است، مقالاتی را شناسایی می‌کند که در یک بازه زمانی خاص، رشد ناگهانی استناد داشته‌اند. این مقالات اغلب معرف مفاهیم یا روش‌های نوظهوری هستند که توجه جامعه علمی را به خود جلب کرده‌اند (چن، ۲۰۰۶).

هم‌چنین، مناطق کم‌تراکم در نقشه‌های هم‌رخدادی واژگان، شکاف‌های موضوعی را نشان می‌دهند. این شکاف‌ها، حوزه‌هایی هستند که ارتباط مفهومی چندانی با سایر مفاهیم ندارند و می‌توانند به‌عنوان فرصت‌های پژوهشی جدید در نظر گرفته شوند. برای نمونه، اگر در نقشه علم‌سنجی حوزه خودتنظیمی، ارتباط ضعیفی میان «خودتنظیمی» و «ارزشیابی تکوینی» مشاهده شود، این شکاف می‌تواند موضوعی مناسب برای پژوهش‌های آینده قلمداد شود.

---

۵. ابزارهای تحلیل و مصورسازی

۵-۱. نرم‌افزار VOSviewer

VOSviewer که توسط ون اک و والتمن (۲۰۱۰) در دانشگاه لیدن توسعه یافته، یکی از پرکاربردترین ابزارهای علم‌سنجی است. این نرم‌افزار با الگوریتم نگاشت VOS (Visualization of Similarities) نقشه‌هایی تعاملی از شبکه‌های علمی ترسیم می‌کند. VOSviewer ورودی‌های گوناگونی از جمله فایل‌های متنی پایگاه‌های Web of Science، Scopus، و PubMed را می‌پذیرد و تحلیل‌های هم‌نویسندگی، هم‌رخدادی واژگان، و هم‌استنادی را با مصورسازی جذاب ارائه می‌دهد. از مزایای این نرم‌افزار، رابط کاربری ساده، سرعت بالا، و امکان وزندهی متفاوت به گره‌ها است.

۵-۲. نرم‌افزار CiteSpace

CiteSpace که توسط چن (۲۰۰۶) توسعه یافته، بر تحلیل پویای زمانی شبکه‌های علمی تمرکز دارد. قابلیت «انفجار استنادی» (Burst Detection) این نرم‌افزار، امکان شناسایی مفاهیم و مقالاتی را فراهم می‌آورد که در دوره‌های زمانی خاص توجه شدید جامعه علمی را به خود جلب کرده‌اند. همچنین، تحلیل «دوگانگی‌های مفهومی» (Conceptual Duality) به شناسایی مفاهیمی می‌پردازد که در دو حوزه متفاوت به کار گرفته می‌شوند و نقش پل ارتباطی را ایفا می‌کنند.

۵-۳. نرم‌افزار Gephi

Gephi به عنوان نرم‌افزاری تخصصی در تحلیل شبکه‌های اجتماعی، برای نمایش شبکه‌های هم‌نویسندگی در مقیاس بزرگ و شناسایی زیرگروه‌های تخصصی بسیار مناسب است. الگوریتم‌های متنوع چینش گراف در این نرم‌افزار، امکان نمایش ساختار شبکه را با کیفیت بالا فراهم می‌آورند. هرچند Gephi برای تحلیل‌های کتاب‌سنجی تخصصی به اندازه VOSviewer و CiteSpace فراگیر نیست، اما در تحلیل شبکه‌های پیچیده همکاری علمی از کارایی بالایی برخوردار است.

۵-۴. بسته bibliometrix در نرم‌افزار R

بسته bibliometrix که توسط آریا و کوکورو (۲۰۱۷) توسعه یافته، امکان تحلیل جامع علم‌سنجی را در محیط نرم‌افزار R فراهم می‌آورد. این بسته با قابلیت‌هایی نظیر تحلیل ساختار مفهومی، تحلیل ساختار اجتماعی، و تحلیل ساختار فکری یک حوزه، یک راه‌حل یکپارچه برای پژوهش‌های علم‌سنجی ارائه می‌دهد. واسط کاربری کتاب‌خانه‌ای (biblioshiny) در این بسته، کار با آن را حتی برای پژوهشگران غیرمتخصص در برنامه‌نویسی R نیز میسر ساخته است.

---

۶. تفسیر و کاربردهای راهبردی

۶-۱. ترسیم نقشه‌های علمی و تحلیل شکاف‌ها

خروجی تحلیل‌های علم‌سنجی، نقشه‌های علمی هستند که ساختار مفهومی و اجتماعی یک حوزه را به تصویر می‌کشند. این نقشه‌ها، خوشه‌های موضوعی اصلی، روابط میان آن‌ها، و نقاط کور دانش را آشکار می‌سازند. تحلیل شکاف‌های موضوعی به کمک این نقشه‌ها، یکی از مهم‌ترین کاربردهای راهبردی علم‌سنجی محسوب می‌شود.

برای نمونه، نقشه هم‌رخدادی واژگان حوزه خودتنظیمی ممکن است سه خوشه اصلی شامل «فرایندهای شناختی»، «باورهای انگیزشی»، و «عوامل بافتی» را نشان دهد. بررسی عمیق‌تر ارتباط میان این خوشه‌ها، ممکن است فقدان پژوهش‌های کافی درباره تعامل «باورهای انگیزشی» و «عوامل بافتی» در بافت‌های فرهنگی خاص را آشکار سازد.

۶-۲. شناسایی روندهای نوظهور و جهت‌دهی به پژوهش‌های آتی

تحلیل تغییرات زمانی شبکه‌های علمی، امکان تشخیص روندهای نوظهور را فراهم می‌آورد. حوزه‌هایی که تراکم و مرکزیت آن‌ها در سال‌های اخیر رشد چشمگیری داشته است، احتمالاً با مفاهیم یا روش‌های جدیدی مواجه هستند که توجه پژوهشگران را به خود جلب کرده است. در حوزه روان‌شناسی تربیتی، مفاهیمی همچون «یادگیری شخصی‌سازی‌شده با هوش مصنوعی»، «هوش مصنوعی و فراشناخت»، و «ردپای دیجیتال در پیش‌بینی موفقیت تحصیلی» از جمله روندهای نوظهوری هستند که در تحلیل علم‌سنجی مقالات اخیر قابل تشخیص هستند.

هم‌چنین، شناسایی مفاهیم در حال افول نیز به اندازه تشخیص روندهای نوظهور حائز اهمیت است. حوزه‌هایی که تراکم و مرکزیت آن‌ها در طول زمان کاهش یافته است، احتمالاً از توجه پژوهشگران خارج شده یا به حوزه‌های تخصصی‌تری تفکیک شده‌اند. این اطلاعات به پژوهشگران و سیاست‌گذاران کمک می‌کند تا منابع محدود پژوهشی را به حوزه‌های با پتانسیل بالاتر تخصیص دهند.

۶-۳. تصمیم‌سازی راهبردی برای سیاست‌گذاری پژوهشی

نتایج علم‌سنجی می‌تواند مبنایی برای تصمیم‌سازی در سطوح مختلف سیاست‌گذاری پژوهشی قرار گیرد. برای سردبیران مجلات علمی، شناخت ساختار مفهومی حوزه و شکاف‌های موضوعی، راهنمایی برای دعوت از مقالات و تدوین شماره‌های ویژه است. برای مدیران پژوهشی دانشگاه‌ها و مؤسسات آموزشی، تحلیل شبکه هم‌نویسندگی، شناسایی همکاران بالقوه و بهینه‌سازی تخصیص منابع پژوهشی را ممکن می‌سازد.

نمودار استراتژیک (Strategic Diagram) که ترکیبی از دو شاخص تراکم و مرکزیت یک حوزه موضوعی است، چهار وضعیت را برای هر حوزه مشخص می‌کند: حوزه‌های «موتور محرک» (مرکزیت بالا، تراکم بالا) که پایه و اساس حوزه را تشکیل می‌دهند، حوزه‌های «تخصصی و منزوی» (مرکزیت پایین، تراکم بالا) که در درون خود غنی اما منفک از سایر حوزه‌ها هستند، حوزه‌های «فرصت‌های نوظهور» (مرکزیت بالا، تراکم پایین) که بالقوه می‌توانند اهمیت پیدا کنند، و حوزه‌های «در حال افول» (مرکزیت پایین، تراکم پایین) که نیاز به توجه مجدد دارند (کالون و همکاران، ۱۹۹۱).

---

۷. جمع‌بندی و چشم‌انداز

روش‌شناسی علم‌سنجی و تحلیل شبکه، با فراهم آوردن امکان نقشه‌برداری نظام‌مند از ساختار دانش، به یکی از ابزارهای کلیدی پژوهش در حوزه‌های علوم رفتاری و تربیتی تبدیل شده است. این رویکرد، نه تنها تصویری جامع از وضعیت موجود یک حوزه علمی ارائه می‌دهد، بلکه با شناسایی شکاف‌های موضوعی و روندهای نوظهور، چشم‌اندازی راهبردی برای پژوهش‌های آتی ترسیم می‌کند.

با توجه به گسترش روزافزون تولیدات علمی در حوزه‌های خودتنظیمی، فراشناخت، و خلاقیت، به‌کارگیری رویکردهای علم‌سنجی می‌تواند به ساماندهی دانش موجود، شناسایی اولویت‌های پژوهشی، و هدایت سرمایه‌گذاری‌های علمی در مسیرهای اثربخش‌تر کمک نماید. در عین حال، این روش‌ها به عنوان رویکردی مکمل در کنار مرورهای نظام‌مند و فراتحلیل‌ها، می‌توانند ترکیبی از عمق و وسعت را در شناخت یک حوزه علمی فراهم آورند (دیلیر و همکاران، ۲۰۱۳).

با وجود قابلیت‌های گسترده، نباید از محدودیت‌های این رویکرد غافل ماند. وابستگی به پایگاه‌های داده، حساسیت به کیفیت فراداده‌ها، و نیاز به دانش تخصصی در تفسیر نتایج، از جمله چالش‌های پیش‌روی این روش‌هاست. همچنین، شباهت ظاهری مفاهیم در نقشه‌های هم‌رخدادی، ممکن است پژوهشگران را به نتیجه‌گیری‌های سطحی سوق دهد؛ در حالی که تحلیل عمیق‌تر و مطالعه محتوایی، همچنان برای درک دقیق روابط مفهومی ضروری است.

چشم‌انداز آینده علم‌سنجی در حوزه روان‌شناسی تربیتی، به سمت یکپارچه‌سازی با رویکردهای کیفی و ترکیب تحلیل شبکه با روش‌های تفسیری حرکت می‌کند. هم‌چنین، پیشرفت ابزارهای مبتنی بر هوش مصنوعی و یادگیری ماشین، امکان تحلیل خودکار متون کامل مقالات و استخراج مفاهیم عمیق‌تر را در سال‌های آتی فراهم خواهد آورد. این تحولات، علم‌سنجی را از یک روش تحلیلی صرف، به ابزاری پویا و تعاملی برای هدایت و شکل‌دهی به جریان تولید دانش تبدیل خواهد ساخت.

منابع

1. Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. *Journal of Informetrics*, 11(4), 959-975. 2. Callon, M., Courtial, J. P., & Laville, F. (1991). Co-word analysis as a tool for describing the network of interactions between basic and technological research: The case of polymer chemistry. *Scientometrics*, 22(1), 155-205. 3. Chen, C. (2006). CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature. *Journal of the American Society for Information Science and Technology*, 57(3), 359-377. 4. de Bruin, A. B. H., & van Gog, T. (2012). Improving self-monitoring and self-regulation: From cognitive psychology to the classroom. *Learning and Instruction*, 22(4), 245-252. 5. Dinsmore, D. L., Alexander, P. A., & Loughlin, S. M. (2008). Focusing the conceptual lens on metacognition, self-regulation, and self-regulated learning. *Educational Psychology Review*, 20(4), 391-409. 6. Dinsmore, D. L., Fryer, L. K., & Parkinson, M. M. (2013). The influence of research methodology on the measurement of self-regulated learning. *Educational Psychology Review*, 25(3), 359-378. 7. Freeman, L. C. (1977). A set of measures of centrality based on betweenness. *Sociometry*, 40(1), 35-41. 8. Kessler, M. M. (1963). Bibliographic coupling between scientific papers. *American Documentation*, 14(1), 10-25. 9. Moreira, L. M., & Nunes, G. (2019). Retrieval practice in classroom settings: A review of applied research. *Educational Psychology Review*, 31(3), 587-612. 10. Newman, M. E. J. (2010). *Networks: An introduction*. Oxford University Press. 11. Price, D. J. de Solla. (1965). Networks of scientific papers. *Science*, 149(3683), 510-515. 12. Pintrich, P. R. (2000). The role of goal orientation in self-regulated learning. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), *Handbook of self-regulation* (pp. 451-502). Academic Press. 13. Small, H. (1973). Co-citation in the scientific literature: A new measure of the relationship between two documents. *Journal of the American Society for Information Science*, 24(4), 265-269. 14. van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. *Scientometrics*, 84(2), 523-538. 15. Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), *Handbook of self-regulation* (pp. 13-39). Academic Press.

مجله اینترنتی روان تنظیم

Online Journal of Ravantanzim

مجله تخصصی روانشناسی تربیتی شناختی

مدیر مسئول: محمود دلیر عبدی نیا

روانشناس تربیتی با دیدگاه شناختی

دانش آموخته دانشگاه تهران

●اولین مربی شناختی در ایران●

لطفا نظرات و پیشنهادات خود را از طریق بخش نظرات مجله اینترنتی روان تنظیم و یا از طریق ایمیل برای ما ارسال کنید.

استفاده از مطالب ارائه شده در این پایگاه، صرفا با ذکر منبع آزاد می باشد.