动漫产业的发展壮大，能够带来经济和文化上的双重价值。目前，动漫产业已成为文化创意产业的核心支柱之一，在中国经济转型升级背景下，动漫产业还是优化经济结构的重要力量。文化层面，动漫通过凝结文化价值，是传播文化软实力的重要载体，动漫产业具有增强民族自信心、提高国家文化地位的重要功能。因此，对动漫的研究现状进行梳理、回顾和评价是非常有必要的。

本文选取了CNKI中国期刊全文数据库检索到的2008—2017年的1381篇CSSCI期刊文献，基于共词矩阵的知识图谱分析方法，梳理了近十年来我国动漫研究领域的主题和热点，可以窥视动漫研究的整体概况。研究结果不仅对于我们了解国内学者对动漫的关注热点具有较大的参考价值，而且也可以说在某种程度上为我们今后继续开展研究指明了方向，包括加强某一现有研究领域和开拓某一新的研究领域。

一 数据获取与研究方法

本文试图通过检索CNKI中国期刊全文数据库，检索式为主题=动漫(精确)，时间为2008—2017年，来源类别为CSSCI来源期刊，得到1476条数据，剔除会议通知、报告等不合格的数据，整理后得到1381条有效文献。在上述数据源的基础上，笔者利用BICOMB书目共现分析系统，*崔雷，刘伟，闫雷，张晗，侯跃芳，黄莹娜，张浩.文献数据库中书目信息共现挖掘系统的开发[J].现代图书情报技术，2008(08)：70-75.构建词篇矩阵和共词矩阵，BICOMB的最大优势是可以在主题词体系结构表中按不同的层次对类进行合并。进而借助SPSS19.0统计软件进行共词矩阵的聚类分析、因子分析和多维尺度分析，以展现我国动漫研究领域近十年来的研究热点。

本文采用的研究方法主要包括文献计量法、共词分析法、聚类分析法和多维尺度分析法，用到的软件包括数据统计软件SPSS19.0以及文献分析工具BICOMB。共词分析(Co-Word Analysis)是一种内容分析技术，主要是分析一对词两两在同一篇文献中出现的次数，以此为基础对这些词进行分层聚类，揭示出这些词之间的亲疏关系，进而分析它们所代表的学科和主题的结构变化。*QIN H．Knowledge Discovery through Co-Cord Analysis[J].Library Trends，1999(48-1)：133-159．通过统计一组文献中高频主题词或关键词两两在一篇文献中出现的频数，便可形成由这些主题词或关键词组成的共词网络。共词词频越大，则两个词语间的相关度越高，并以此作为聚类分析的基础。通过对某一研究领域中的文献进行词频分析和共词分析，可以揭示该领域的研究热点，以及各研究主题间的关联关系。

二 关键词的获取与预处理

一般而言，关键词或主题词作为文章的核心内容，是作者学术观点和思想的高度概括，高频出现的关键词或主题词能够表征某一特定时期的研究热点。共词分析法需要用到的多元统计方法一般有三种：聚类分析、因子分析和多维尺度分析(知识地图法)。

由于作者关键词的拟定具有一定的主观性，在统计高频词时会出现一些无助于主题研究的关键词以及一些形式不同的干扰性的关键词。为了提高研究的效用，在进行词频统计之前进行了关键词的预处理，主要包括两个方面：(1)形式规范。“国产动漫”、“中国动漫”统一为“中国动漫”，“动漫衍生产品”、“动漫衍生品”统一为“动漫衍生品”；(2)内容规范。比如将“媒介科技”、“信息化技术”、“信息技术”统一为“数字技术”。文中经过处理之后的关键词共计2374个，关键词累计总出现频次为6146次，基本符合研究要求。

在本研究中，采用限制词频阈值的方法，即高频关键词根据高频被引频次阈值确定，采用普赖斯计算公式计算高频阈值，公式如下：

其中M为高频阈值，Nmax表示区间学术论文被引频次最高值。*王佑镁，伍海燕．中国高教研究领域高频被引论文的学术特征分析[J].中国高教研究，2012(1)：33-37．根据计算结果，选取词频大于14的45个关键词为主要关键词(见表1)。其总的出现频次为1765次，累积百分比为29%，超过知识图谱中规定的27%，符合分析标准，可以基本反映2008年以来我国“动漫产业”研究的热点。

表2是根据上述45个高频词构建的关键词共词矩阵(由于篇幅受限，只列出部分)。其中的行列交叉点数据代表了两两关键词同时出现的频次。以“动漫产业”为例，对角线上的数据为该词出现的频次，共出现了361次，“产业链”与“动漫产业”同时作为一篇论文的关键词频次高达17次，也就是说，有17篇论文的关键词中同时含有上述两个关键词(见表2)。