使用CSCO数据揭示学术学科结构：生成和评估主题图的框架

"本文主要探讨了使用课程-受试者同时出现（CSCO）的数据来揭示学术学科结构的方法。通过分析同一教师在同一年中教授的两个课程的关联，作者提出了一个框架，用于生成学科领域的话题地图。文章利用2010-11年度美国法学院协会的目录数据，提取了61,856个CSCO事件，以此为基础对美国法学院的教育结构进行可视化。在方法上，比较了不同类型的归一化、排序（布局）和聚类算法，以确定最佳策略来构建最终话题地图。" 在具体实施过程中，作者首先定义了CSCO事件，即同一教师在同一学年内教授的两个课程的组合。这种事件提供了课程之间潜在联系的线索，有助于识别学科间的交叉和依赖。接着，从AALS目录中提取了大量的CSCO数据，这些数据为构建话题地图提供了基础。为了生成这些地图，文章对比了各种算法，包括归一化方法，这可以调整数据的规模，使其在比较时更具可比性；排序（布局）算法，用于决定节点在地图上的位置，以便更好地展示关系；以及聚类算法，用于将相似的课程主题分组。 验证研究部分，作者将CSCO生成的话题地图与专家意见和其他四个指标进行了对比，以检验其准确性。这四个指标可能包括其他领域的专家评估、课程描述的主题分析、课程之间的共现网络等，这些都反映了课程主题的相似性。结果显示，CSCO生成的地图与这些外部来源的一致性较高，证实了这种方法的有效性。 此外，这项研究的独特之处在于，它首次尝试使用CSCO数据进行领域可视化的尝试，并且采用了多部分的金标准来评估话题地图及其创建过程中的中间步骤。这种评估方法不仅关注最终结果，还关注生成过程中的各个阶段，这对于理解学科结构的复杂性至关重要。 作者建议，这个框架可以应用于其他研究，以比较不同输入对领域图的影响，从而基于经验数据和外部标准确定最佳话题表示。这为未来的研究提供了一个工具，有助于进一步探索和理解不同学科之间的关系和结构。 "使用课程-受试者同时出现（CSCO）揭示学术学科的结构"的研究提出了一种创新方法，利用教学数据来描绘学科网络，这对理解学术领域内的知识组织和学科之间的相互关系具有重要的意义。通过这种方法，学者和教育工作者可以更直观地把握学科的内在结构，为教学计划和课程设计提供参考。