《表3 PSM检验：成为“最佳实践”：试点经验的话语建构》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《成为“最佳实践”：试点经验的话语建构》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最后，构建各类需要分析的共现矩阵网络。与二模网络的构建相似，对编码完成的话语样本进行词频筛选与时间分段，之后分别将其题录信息导入SATI3.2软件，经过字段抽取、频次统计、矩阵生成等程序形成共现矩阵（Co-Occurrence Matrix）。考虑到本文数据来源的多元性，由频次直接构建的网络之间不可比，需要进一步处理数据。目前学界的处理方法主要有两种：一是计算二模网络的列模相关系数所得的相似矩阵，这类方法反映了网络各节点的活跃程度，但在大规模网络中存在适应性不佳的问题；二是假设观测网络背后存在潜在结构，通过数学方法提取观测网络背后的关联模式（陈华珊，2017），这类方法在自然科学领域得到了广泛应用。考虑到文本的概念类属本身已经是对现有文本的抽象，基于此再假设文本网络存在潜在空间则难以解释其意涵，因此，本研究采用相关系数法算出原始共现矩阵的相似矩阵，使用相似矩阵进行分析。随后，本研究测量了网络的中心势、密度、平均路径、节点数量，以及网络节点的点度、中间中心度及其作为概念类属出现的频次。最后，本研究通过Spring算法实现网络可视化，并使用Louvain算法进行聚类分析。