کشف ساختار دانش در داده‌کاوی شهری با استفاده از تحلیل هم رخدادی واژگان

تکنیک هم رخدادی واژگان به‌منظور مصورسازی ساختار دانش در حوزه‌های جدید علمی بکار گرفته می‌شود. در مطالعه حاضر که از نظر هدف، توسعه‌ای و از نظر روش توصیفی-تحلیلی است؛ از تحلیل هم رخدادی واژگان برای تحلیل و شناخت بیشتر حوزه داده‌کاوی شهری بهره گرفته شد؛ بنابراین در این مطالعه ابتدا روند زمانی تولیدات علمی و نویسندگان و کشورهای پیشرو در این زمینه بررسی‌شده است؛ و سپس مهم‌ترین جزء ساختارهای این حوزه‌ی جدید علمی بر اساس مقالات تولیدشده معرفی‌شده است. بدین منظور پس از جستجو در پایگاه استنادی وب او ساینس 392 مقاله در زمینه‌ی داده‌کاوی شهری به دست آمد که برای تحلیل اطلاعات این مقالات از روش‌های آماری و همچنین نرم‌افزار vosviewer استفاده‌شده است. نتایج نشان می‌دهد تاثیرگذاران‏ترین و پیشروترین کشور در این زمینه کشور چین است که محققان وابسته به آن کشور 28 مقاله در پایگاه استنادی علوم منتشر کرده‌اند. همچنین تحلیل سیر زمانی مقالات نشان می‌دهد، این موضوع پیشینه‌ای نزدیک به یک دهه دارد و هرچه به زمان حال حرکت شود، رشد تولیدات علمی در این زمینه افزایش می‌یابد؛ و اما مهم‌ترین یافته‌ی تحقیق حاضر که بر اساس تحلیل خوشه‌بندی و تحلیل نقشه دانش به‌دست‌آمده است، نشان می‌دهد حوزه داده‌کاوی شهری دارای پنج زیر حوزه یا جزء ساختار اصلی است: 1-تحلیل سیستم‌های شهری و شهر هوشمند، 2- مدل‌سازی و چارچوب تحلیل داده، 3- شناسایی الگوها و پیش‌بینی آن‌ها به همراه تکنیک‌های مصورسازی، 4- کلان داده‌ها و رسانه‌های اجتماعی، 5- کلان داده شهری و شبکه ترافیکی؛ که از این میان تحلیل کلان داده‌های شهری از سایر جزء ساختارها به‌روزتر است و تحقیقات در این زمینه بیشتر مربوط به سال‌های 2022 و 2023 بوده است.

discovering the structure of knowledge in urban data mining using vocabulary co-occurrence analysis

the co-occurrence technique of words is used to illustrate the structure of knowledge in new scientific fields. in the current study, which is development in terms of purpose and descriptive-analytical in terms of method; it is taken from the co-occurrence analysis of words for further analysis and understanding of the field of urban data mining. therefore, in this study, the trend of scientific productions and leading authors in this field has been examined. and then the most important components of the structures of this new field of scientific articles are presented. for this purpose, 392 articles in the field of urban data mining were found after searching the reference database of web of science, and statistical methods and vosviewer software were used to analyze the information of these articles. the results show that the most influential and leading country in this field is china, whose researchers have published 28 articles in the science citation database. also, the analysis of the time course of the articles shows that this topic has been around for a decade and the more we move to the present, the growth of scientific productions in this field will increase. but the most important finding of the current research, which was obtained based on clustering analysis and knowledge map analysis, shows that the field of urban data mining has five subfields or main structural components: 1-analysis of urban systems and smart cities, 2- modeling and data analysis framework, 3- identifying patterns and predicting them along with visualization techniques, 4- big data and social media, 5- urban big data and traffic network; of these, urban big data analysis is more recent than other sub-structures, and research in this field is mostly related to the years 2022 and 2023.