ترسیم ساختار دانش در پژوهش‌های عرفانی: تحلیل هم‌واژگانی

فرهنگی, سهیلا; خاصه, علی اکبر; ابراهیمی دینانی, آرزو

کد مقاله : MMLQ-1803-1742 بازدید : 274 صفحه: 207 - 239

نوع مقاله: پژوهشی

ترسیم ساختار دانش در پژوهش‌های عرفانی: تحلیل هم‌واژگانی

محورهای موضوعی : اسطوره

سهیلا فرهنگی ¹ , علی اکبر خاصه ² , آرزو ابراهیمی دینانی ³

1 - استادیار زبان و ادبیات فارسی دانشگاه پیام نور
2 - استادیار علم اطلاعات و دانش‌شناسی دانشگاه پیام نور
3 - دانش‌آموخته دکتری زبان و ادبیات فارسی دانشگاه گیلان

تاریخ دریافت : 1397/06/05 تاریخ پذیرش : 1397/06/05 تاریخ انتشار : 1397/06/01

کلید واژه: عرفان, علم‌سنجی, خوشه‌بندی, ساختار دانش, هم‌واژگانی,

چکیده مقاله :

با استفاده از تحلیل هم‌واژگانی می‌توان ساختار دانش را در یک حوزۀ پژوهشی، شناسایی و خوشه‌های موضوعیِ زیر مجموعۀ آن را بیان کرد. در این پژوهش سعی بر آن است تا با کاربرد این روش و استفاده از رویکردهای تحلیل شبکه و دیداری‌سازی علم، ساختار دانش در پژوهش‌های حوزۀ عرفان بررسی شود. مجموعۀ اصلی رکوردهای تحت مطالعه، 1931 مقالة‌ چاپ ‌شده در حوزۀ عرفان است که در پایگاه استنادی جهان اسلام نمایه شده‌اند. در این پژوهش ـ که به روش کتاب‌سنجی و تحلیل شبکه‌های اجتماعی انجام شده ـ پس از بازیابی رکوردها و یکپارچه‌سازی فایل داده‌ها، اطلاعات به ‌دست‌ آمده با استفاده از نرم‌افزارهای مختصّ علم‌سنجی و همچنین spss مورد تحلیل قرار گرفته است. تحلیل خوشه‌های واژگانی، مهم‌ترین موضوعات مرتبط با پژوهش‌های عرفانی را در یازده خوشه، هر یک را تحت عنوانی مجزا نشان می‌دهد. بر اساس نقشۀ مقیاس چند بُعدی، این یازده خوشه به هشت خوشه با موضوعاتی کلی‌تر و پیوستگی و شباهت بیشتر تقلیل یافت. بررسی مرکزیّت و تراکم هر یک از این خوشه‌ها ـ که بیانگر میزان بلوغ و توسعۀ هر موضوع بر مبنای کلیدواژه‌های آن است ـ در نمودار راهبردی نشان می‌دهد که موضوع حکمت یا عرفان نظری، به‌ویژه در دیدگاه ابن‌عربی علاوه بر داشتن قابلیت توسعه، دارای بیشترین مرکزیت در میان دیگر موضوعات است.

چکیده انگلیسی:

By using co-word analysis, knowledge structure can be determined in a research field and its topical clusters can be identified. This research tries to study knowledge structure in mystical researches via this method and by using network analysis approaches and science visualization. The population of the current study is comprised of 1931 published articles in the field of mysticism that have been indexed in Islamic World Science Citation Center (ISC). By using scientometric and network analysis techniques, the records were retrieved and integrated. It has been used a combination of softwares, including UCINet, VosViewer and SPSS, for data analysis and mapping. Analyzing all keywords show that the most important keywords, based on frequency distribution, are top figures of mysticism: Rumi (Mulavi) and Ibn-Arabi, also Love. As in the co-word analysis, keywords’ pairs such as “Rumi-Masnavi”, “manifestation-unity of existence”, “Ibn-Arabi-unity of existence” have the most frequent co-occurrences. Analyzing lexical clusters show the most important topics related to mystical research in eleven clusters with diverse titles. Based on multidimensional scaling map, these eleven clusters are decreased into eight ones with more general topics, more conjunction and similarity. Studying the centrality and density of these clusters- which indicate maturity and development of each topic based on its keywords- in strategic diagram show that Hekmat (theosophy) or theoretical mysticism, especially from Ibn-Arabi’s point of view, not only have development ability, but also most central role among other topics.

منابع و مأخذ:

کتابنامه

عصاره، فریده و فرامرز سهیلی و علی منصوری. 1393. علم‌سنجی و دیداری‌سازی اطلاعات. چ1. اصفهان: دانشگاه اصفهان.

کاکاوند قلعه‏‌نویی، فاطمه و محمدعلی گذشتی. 1395. «بررسی وجوه مشترک آموزه‌های عرفانی مولوی و اوشو». فصلنامة ادبیات عرفانی و اسطوره‌شناختی دانشگاه آزاد اسلامی واحد تهران جنوب. س12. ش42. صص 256-237.

نجفی، زهره. 1394. «شیوه‌های گوناگون دلالت‌پردازی آفتاب در زبان مولانا»، فصلنامة ادبیات عرفانی و اسطوره‌شناختی دانشگاه آزاد اسلامی واحد تهران جنوب. س11. ش39. صص 327-303.

English Sources

Cambrosio, A., Limoges, C., Courtial, J.P., & Laville, F. (1993). Historical scientometrics? Mapping over 70 years of biological safety research with coword analysis. Scientometrics, 27(2), 119-143.

Chen, C. (2013). Mapping scientific frontiers: The Quest for Knowledge Visualization, 2nd Edition. London, UK: Springer-Verlag.

Hu, C.P., Hu, J.M., Deng, S.L., & Liu, Y. (2013). A co-word analysis of Library and Information Science in China. Scientometrics, 97(2), 369-382.

Law, J., Bauin, S., Courtial, J., & Whittaker, J. (1988). Policy and the mapping of scientific change: A co-word analysis of research into environmental acidification. Scientometrics, 14(3/4), 251-264.

Lee, P.C., & Su, H.N. (2010). Investigating the structure of regional innovation system research through keyword co-occurrence and social network analysis. Innovation: Management, Policy, & Practice, 12(1), 26-40.

Liu, G.Y., Hu, J.M., & Wang, H.L. (2012). A co-word analysis of digital library field in China. Scientometrics, 91(1), 203-217.

Melcer, E., Nguyen, T. H.D., Chen, Z., Canossa, A., El-Nasr, M.S., & Isbister, K. (2015). Games research today: Analyzing the academic landscape 2000-2014. In Proceedings of the 10th International Conference on the Foundations of Digital Games, At Pacific Grove, CA, USA.

Yan, B.N., Lee, T.S., & Lee, T.P. (2015). Mapping the intellectual structure of the Internet of Things (IoT) field (2000–2014): A co-word analysis. Scientometrics, 105(2), 1285-1300.

Yang, Y., Wu, M., & Cui, L. (2012). Integration of three visualization methods based on co-word analysis. Scientometrics, 90(2), 659-673.

Zong, Q.J., Shen, H.Z., Yuan, Q.J., Hu, X.W., Hou, Z.P., & Deng, S.G. (2013). Doctoral dissertations of Library and Information Science in China: A co-word analysis. Scientometrics, 94(2), 781-799.

Osareh, Farideh., Soheili, Faramarz., Mansouri, Ali (2014/1393 SH). Scientometrics and Information Visualization. Isfahan: Isfahan University.

Mapping Knowledge Structure in Mystical Researches:

A Co-word Analysis

_||_