تحلیل ساختار شبکه اجتماعی هم‌نویسندگی و هم‌واژگانی پژوهشگران ایرانی حوزۀ کیفیت زندگی با استفاده از شاخص‌های تحلیل شبکه اجتماعی

هدف: هدف از پژوهش حاضر تحلیل ساختار شبکه اجتماعی هم‌نویسندگی و هم‌واژگانی حوزۀ کیفیت زندگی با استفاده از شاخص‌های تحلیل شبکه اجتماعی در پایگاه کلاریویت انلیتیکس wos‌ در بازۀ زمانی ابتدای سال 2000 تا انتهای سال 2017 است.روش‌شناسی: پژوهش حاضر از نوع علم‌سنجی بوده و از طریق تحلیل شبکه هم‌تالیفی پژوهشگران، روش‌های تحلیل هم‌رخدادی واژگان و با استفاده از شاخص‌های تحلیل شبکه‌های اجتماعی انجام شده است. به‌منظور گردآوری داده‌ها، واژه‌های مربوط به کیفیت زندگی از سرعنوان موضوعی mesh استفاده شد. جامعه آماری پژوهش شامل 1421 مدرک است. برای تجزیه و تحلیل داده‌ها از آمار توصیفی و روش‌های علم‌سنجی استفاده شده است.یافته‌ها: در میان محققان، منتظری با 97 مدرک پرکارترین نویسنده بوده است. در میان موسسات، دانشگاه علوم پزشکی تهران با 831 مدرک بیشترین مشارکت را داشته است. بیشترین تولیدات علمی مربوط به سال 2014 با 284 مدرک، در زمینه‌ حوزۀ‌ موضوعی بیشترین تعداد مربوط به حوزۀ پزشکی داخلی و عمومی با 235 مدرک و بیشترین نوع مدارک مربوط به مقالات با 1111 مدرک بوده است. در مطالعه شبکه هم‌رخدادی واژگان حوزه کیفیت زندگی 9 خوشه موضوعی شناسایی شد که به‌ترتیب عبارت‌اند از: علم کنترل حرکت (109)، چاقی (54)، سبک زندگی (53)، فراتحلیل (52)، عوامل خطر (39)، زنان (33)، خطر (20)، خوردن (13)، بیماری کرونر (13). خوشۀ علم کنترل حرکت بزرگ‌ترین خوشه است که 84 درصد از کل حجم شبکه را به خود اختصاص داده است.نتیجه‌گیری: نتایج حاصل از تحلیل هم‌رخدادی واژگان نشان داد که در بازه زمانی تحت مطالعه، حوزه کیفیت سلامت از 9 خوشه تشکیل شده است که سه خوشه برتر آن عبارت‌اند از علم کنترل حرکت، چاقی و سبک زندگی. تحلیل شاخص‌های مرکزیت نشان می‌دهد که نویسندگان برتری که شناسایی شده‌اند در دانشگاه‌های برتر کشور فعالیت می‌کنند و تمرکز فعالیت‌های نویسندگان برتر در دانشگاه‌های پایتخت بیشتر از سایر مراکز است. همچنین بررسی شاخص‌های کلان شبکۀ هم‌نویسندگی نشان‌دهنده آن است که این ساختار با توجه به میانگین طول مسیر کم (2.77)، قطر شبکه معادل 5 و ضریب خوشه‌بندی نسبتاً زیاد (3.75) به‌نوعی شبکهۀ جهان کوچک به حساب می‌آید.

Co-authorship and Co-occurrence Network Structure Analysis of Iranian Researchers on Quality of Life Using Social Networks Analysis

Purpose: The purpose is to analyze the structure of social network Cooccurrence and Coauthorship in quality of life using social network analysis indicators in the Clarivate analytics WoS database.Methodology: This research is a scientometric study and has been done using cooccurrence and coauthorship analysis. Social network analysis (SNA) was used to obtain an understanding of the nodes on quality of life areas. MESH subject heading was used to extract related terms on quality of life. The population included 1421 documents which were extracted from Clarivate analytics WoS from 2000 to 2017. Descriptive statistics and Scientometric methods have been used to analyze the data.Findings: The results showed that among researchers, Montazeri has been the most prolific author with 97 documents. Among the Institutions, Tehran University of Medical Sciences with 831 documents ranked first. The total documents for the year 2014 were 284 documents, the area in this research was internal and general medicine with 235 documents, and among documents, the highest type of documents was related to articles with 1111 records. In the study of cooccurrence network in the field of quality of life, 9 thematic clusters were identified: Motor Control (109), Obesity (54), Lifestyle (53), Metaanalysis (52), Risk factors (39), Women (33), Risk (20), Eating (13) and Coronary disease (13). The Motion Control cluster is the largest cluster, accounting for 84% of the total network volume.Conclustion: The results of the cooccurrence analysis show that this area consists of 9 clusters, the top three clusters were Motor Control, Obesity, and Lifestyle.  Analysis of centrality indicators shows that most of the topranking authors are mainly working at the top universities of the country, and the top authors are mostly concentrated on the universities located in the capital rather than the other cities. Also, the study of macro indicators of coauthorship network shows that this structure is considered as a Smallworld network due to its average short path length (2.77), network diameter equal to 5, and relatively high clustering coefficient (3.75).