การสร้างแบบจำลองตามหัวข้อจากงานวิจัยด้านบรรณมิติในฐานข้อมูล Scopus ระหว่างปี ค.ศ. 2019-2023
คำสำคัญ:
การสร้างแบบจำลองตามหัวข้อ, บรรณมิติ, การวิเคราะห์ข้อมูล, การสร้างแผนภาพความสัมพันธ์บทคัดย่อ
บทความนี้เป็นการสร้างแบบจำลองตามหัวข้อของชื่อเรื่องงานวิจัยและดัชนีคำสำคัญของงานวิจัยด้านบรรณมิติ จากเอกสารเฉพาะบทความวิจัยที่รวบรวมจากฐานข้อมูล Scopus ในช่วงระหว่างปี ค.ศ. 2019-2023 โดยใช้เทคนิคการสร้างแบบจำลองตามหัวข้อหรือ Topic modeling ด้วยโปรแกรม R studio และ Python โดยเน้นการแสดงแผนภาพของคำที่พบมากที่สุดของชื่อเรื่องและดัชนีคำสำคัญ เพื่อให้เห็นคำที่มีความสัมพันธ์หรือคำที่เกิดขึ้นในการวิจัยด้านนี้ ผลการศึกษาพบว่า มีจำนวนเอกสารที่เกี่ยวข้องทั้งหมด 3,931 บทความ และเมื่อนำไปวิเคราะห์ข้อมูลแล้วพบว่า การสร้างแบบจำลองตามหัวข้อของชื่อเรื่องงานวิจัยและดัชนีคำสำคัญ คำที่พบมากที่สุดในการวิเคราะห์ชื่อเรื่องของงานวิจัยด้านบรรณมิตินั้น ส่วนใหญ่เป็นการศึกษาบรรณมิติด้านวิทยาศาสตร์สุขภาพหรือทางการแพทย์ และมีการศึกษาเพิ่มเติมด้านการบริหารจัดการ ด้านสังคมศาสตร์ ด้านการศึกษา และเทคโนโลยีสารสนเทศ เป็นต้น ส่วนผลการวิเคราะห์ดัชนีคำสำคัญที่พบ พบว่าผลการศึกษา ไม่แตกต่างกันจากผลการศึกษาในด้านชื่อเรื่องของงานวิจัย และมีการศึกษาเพิ่มเติมด้านสิ่งแวดล้อมด้วย ซึ่งการศึกษาครั้งนี้เป็นประโยชน์สำหรับนักวิชาการ นักวิจัย หรือผู้ที่สนใจการวิเคราะห์งานวิจัยด้วยการวิเคราะห์แบบจำลองหัวข้อประเด็นอื่นหรือเทคนิคอื่นๆ ได้
เอกสารอ้างอิง
Agarwal, A., Durairajanayagam, D., Tatagari, S., Esteves, S. C., Harlev, A., Henkel, R., Roychoudhury, S., Homa,
S., Puchalt, N. G., Ramasamy, R., Majzoub, A., Ly, K. D., Tvrda, E., Assidi, M., Kesari, K., Sharma, R., Banihani, S., Ko, E., Abu-Elmagd,
M., Gosalvez, J., & Bashir, A. (2016). Bibliometrics: tracking research impact by selecting the appropriate metrics. Asian Journal of
Andrology, 18(2), 296-309.
Bedekar, M., & Desai, S. (2022). Analysis of research paper titles containing covid-19 keyword using various
visualization techniques. Smart Innovation, Systems and Technologies, 302, 115–122.
Chander, R., Dhar, M., & Bhatt, K. (2022). Bibliometric analysis of studies on library security issues in academic
Institutions. Journal of Access Services, 19, 86-104.
Choi, Y. - J., & Um, Y. - J. (2023). Topic models to analyze disaster-related newspaper articles: focusing on
COVID-19. International Journal of Mental Health Promotion, 25(3), 421-431.
Crossley, S., Salsbury, T., Titak, A., & McNamara, D. (2014). Frequency effects and second language lexical
acquisition word types, word tokens, and word production. International Journal of Corpus Linguistics, 19(3), 301-332.
Deshmukh, D., Patil, R., Chafale, S., & Basutiya, S. (2019). Twitter sentiment analysis using R-studio. Journal
of Emerging Technologies and Innovative Research, 6(5), 7-12.
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis:
An overview and guidelines. Journal of Business Research, 133, 285–296.
Ellegaard, O., & Wallin, J.A. (2015). The bibliometric analysis of scholarly production: How great is the
impact?. Scientometrics, 105, 1809–1831.
Garcia-Zorita, C., & Pacios, A. R. (2018). Topic modelling characterization of Mudejar art based on document
titles. Digital Scholarship in the Humanities, 33(3), 529–539.
Grün, B., & Hornik, K. (2011). Topicmodels: An R package for fitting topic models. Journal of Statistical
Software, 40(13), 1-30.
Grün, B., & Hornik, K. (2023, April 14). Topicmodels: An R package for fitting topic models.
https://cran.r-project.org/web/packages/topicmodels/vignettes/topicmodels.pdf
Guo, Y., Barnes, S. J., & Jia, Q. (2017). Mining meaning from online ratings and reviews: Tourist satisfaction
analysis using latent Dirichlet allocation. Tourism Management, 59, 467–483.
Isoaho, K., Gritsenko, D., & Makela, E. (2021). Topic modeling and text analysis for qualitative policy research.
Policy Studies Journal, 49(1), 300-324.
Kwok, S. W. H., Vadde, S. K., & Wang, G. (2021). Tweet topics and sentiments relating to COVID-19 vaccination
among Australian twitter users: Machine learning analysis. Journal of Medical Internet Research,
(5), e26953.
Liu, X., Zhang, L., & Hong, S. (2011). Global biodiversity research during 1900–2009: A bibliometric analysis.
Biodiversity and Conservation, 20(4), 807-826.
Natukunda, A., & Muchene, L. K. (2023). Unsupervised title and abstract screening for systematic review: a
retrospective case-study using topic modelling methodology. Systematic Reviews, 12(1), 1-16.
Pritchard, A. (1969). Statistical bibliography or bibliometrics. Journal of Documentation, 25(4), 348-349.
Qi, P., Zhang, Y., Zhang, Y., Bolton, J., & Manning, C. D. (2020, July 5-10). Stanza: A Python natural language
processing toolkit for many human languages. [Conference session]. The 58th Annual Meeting of the Association for Computational Linguistics, Seattle, Washington, USA.
Saxton, M. D. (2018). A gentle introduction to topic modeling using python. Theological Librarianship, 11(1),
-27.
Sievert, C. & Shirley, K. (2014, June). LDAvis: A method for visualizing and interpreting topics. In Proceedings
of the workshop on interactive language learning, visualization, and interfaces. (pp. 63-70).
Sweileh, W. M. (2020). Bibliometric analysis of peer-reviewed literature on climate change and human
health with an emphasis on infectious diseases. Globalization and Health, 16(1), 44.
Wu, Y. - C., Chen, C. - S., & Chan, Y. - J. (2020). The outbreak of COVID-19: An overview. Journal of the
Chinese Medical Association, 83(3), 217–220.
Yeo Jin, J., & Youngmin, K. (2023). Research trends of sustainability and marketing research, 2010–2020:
Topic modeling analysis. Heliyon, 9(3), e14208.
Zhang, S., Ly, L., Mach, N., & Amaya, C. (2022). Topic modeling and sentiment analysis of yelp restaurant
reviews. International Journal of Information Systems in the Service Sector, 14(1), Article no.72.
Zupic, I., & Čater, T. (2015). Bibliometric methods in management and organization. Organizational Research
Methods, 18(3), 429-472.
ไฟล์ประกอบ
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2024 คณะมนุษยศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เกี่ยวกับลิขสิทธิ์
ลิขสิทธิ์ของบทความที่ปรากฏในวารสารบรรณศาสตร์ มศว เป็นของผู้นิพนธ์และคณะมนุษยศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ ทั้งนี้ บทความทุกเรื่องผ่านการตรวจสอบความถูกต้องทางวิชาการจากผู้ทรงคุณวุฒิ ข้อความและข้อมูลของบทความในวารสารฯ เป็นแนวคิดของผู้นิพนธ์ มิใช่เป็นความคิดเห็นของกองบรรณาธิการและมิใช่ความรับผิดชอบของคณะมนุษยศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ ไม่สงวนลิขสิทธิ์การนำไปใช้ประโยชน์ทางวิชาการ แต่ต้องอ้างอิงแสดงแหล่งที่มาและที่อยู่ในขอบเขตของกฎหมายลิขสิทธิ์
