國立中興大學教學大綱

課程名稱	(中) 學術大數據專題(6044)
	(Eng.) Seminar on Scholarly Big Data
開課單位	圖資所
課程類別	選修			學分	3	授課教師	湯凱喻
選課單位	圖資所 / 碩士班			授課使用語言	中文	開課學期	1151
課程簡述	本課程為學碩合開。並以通識教育進行課程規劃。 在圖書資訊領域，學術數據已成為理解知識生產、傳播與影響的核心資源。隨著科技的進步，學術數據成長迅速，學術大數據(Scholarly Big Data)一詞在學界發酵，並成為全球學術界對重要評比指標的計算基礎(如：QS評比、World’s Top 2% Scientist) 。 鑑於本校挹注資源，購置Web of Science與Scopus兩大國際學術資料庫，以及全球學術界的關注，本課程應運而生，旨在培養學生運用學術大數據進行研究分析與學術評估的專業能力，以掌握學術影響力評估的關鍵指標，並能夠運用數據探索特定領域的研究發展脈絡。 課程內容涵蓋學術資料庫的系統性介紹、進階檢索技巧、數據擷取方法，以及多種分析工具的實務操作，包括引文數據、作者合著網絡、期刊出版數據、研究主題演化、機構合作模式等，並探討這些數據如何應用於學術評鑑、研究趨勢分析等。進階議題，包括導入人工智慧及生成式人工智慧(AI/GenAI)輔助學術大數據分析等，亦將於本課程中討論。 本課程採專題導向學習模式，鼓勵學生選擇自身專業領域或感興趣的研究議題進行深入探究。不論是教育、心理、社會科學、自然科學或跨領域主題，均可作為分析對象。課程特別歡迎跨領域背景學生修習，透過學術大數據的視角，理解不同學科的研究特性與發展動態，並鼓勵同學將研究成果進行相關學術發表。
先修課程名稱

課程與核心能力關聯配比(%)			課程目標之教學方法與評量方法
課程目標	核心能力	配比(%)	教學方法	評量方法
知道如何存取學術大數據 (A, B, F) 知道如何使用分析工具探索教育大數據 (A, B, C, D, F) 知道如何詮釋學術大數據分析結果 (C, D, E, G)			專題探討/製作 討論 講授	書面報告 出席狀況 口頭報告 作業
授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習)
週次 授課內容 第1週 課程簡介 第2週 資料庫介紹I：基礎檢索、進階語法檢索 主題： WoS平台操作與檢索 • Web of Science平台架構與收錄範圍 • 核心合輯(Core Collection)與專門資料庫 • 基礎檢索：關鍵詞、作者、機構、期刊檢索 • 檢索結果分析與匯出功能 第3週 資料庫介紹II：基礎檢索、進階語法檢索 主題：Scopus平台操作與進階檢索 • Scopus特色功能與WoS比較分析 • 進階檢索語法與布林邏輯運用 • Author Identifier (ORCID)與機構辨識系統 • Scopus內建分析工具介紹 第4週 學術大數據計量指標系統I 主題： 評估指標的理解與應用 • 引文指標：被引次數、h-index、g-index • 期刊指標：Impact Factor、CiteScore、SJR、SNIP • 標準化指標：Field-Weighted Citation Impact • 替代計量學(Altmetrics)簡介 • 學術評鑑的倫理議題與指標限制 第5週 學術大數據計量指標系統II 主題： 評估指標的理解與應用 • 引文指標：被引次數、h-index、g-index • 期刊指標：Impact Factor、CiteScore、SJR、SNIP • 標準化指標：Field-Weighted Citation Impact • 替代計量學(Altmetrics)簡介 • 學術評鑑的倫理議題與指標限制 第6週 文獻計量分析基礎I 主題： Bibliometrics核心方法 • 文獻計量學的發展歷史與理論基礎 • 出版趨勢分析(Publication Trend Analysis) • 引文分析(Citation Analysis) • 共被引分析(Co-citation Analysis) • 書目耦合(Bibliographic Coupling) • 實作：使用WoS/Scopus內建分析功能 第7週 文獻計量分析基礎II 主題： Bibliometrics核心方法 • 文獻計量學的發展歷史與理論基礎 • 出版趨勢分析(Publication Trend Analysis) • 引文分析(Citation Analysis) • 共被引分析(Co-citation Analysis) • 書目耦合(Bibliographic Coupling) • 實作：使用WoS/Scopus內建分析功能 第8週 期中報告：自選探索主題基礎文獻計量分析結果說明 第9週 視覺化分析工具I 主題： 網絡視覺化基礎 I • VOSviewer軟體介紹與安裝 • 數據匯入與格式處理 • 共現分析：關鍵詞網絡、作者網絡、機構網絡 • 視覺化參數設定與結果詮釋 • 實作練習：建立研究主題的知識圖譜 第10週 視覺化分析工具II 主題： 網絡視覺化基礎 II • VOSviewer軟體介紹與安裝 • 數據匯入與格式處理 • 共現分析：關鍵詞網絡、作者網絡、機構網絡 • 視覺化參數設定與結果詮釋 • 實作練習：建立研究主題的知識圖譜 第11週 研究主題演化與趨勢分析 主題： 時間維度的知識探索 • 時間序列分析方法 • 主題演化模型(Topic Evolution) • 新興主題識別(Emerging Topics Detection) • 研究前沿與知識基礎 • 案例研究：特定學科的主題演化軌跡 第12週 AI與GenAI在學術大數據分析的應用I 主題： 人工智慧輔助文獻分析 • AI在學術數據分析的應用概況 • 機器學習於文獻分類與主題建模 • 自然語言處理(NLP)在摘要與全文分析 • Python基礎工具：Pandas、Scikit-learn • 案例：使用AI進行文獻主題分析 第13週 AI與GenAI在學術大數據分析的應用II 主題： 生成式AI的研究應用 • ChatGPT、Claude等GenAI工具介紹 • GenAI輔助文獻檢索與整理 • 提示工程(Prompt Engineering)技巧 • GenAI在系統性文獻回顧的應用 • GenAI輔助學術寫作的倫理議題 • 實作：使用GenAI輔助專題分析 第14週 學術論文撰寫與投稿策略 主題： 研究成果產出與發表 • 文獻計量研究的論文結構 • 圖表呈現技巧與學術寫作規範 • 適合投稿的期刊與會議識別 • 投稿流程與審查機制 • 學術倫理：數據引用、研究透明度 • 開放科學(Open Science)實踐 第15週 報告II：自選探索主題學術大數據專題總報告I 報告組與評論組 第16週 報告II：自選探索主題學術大數據專題總報告II 報告組與評論組 自主學習 內容    02.閱覽產業及學術相關多媒體資料    03.製作專題報告 出席(30%)：課程落實出席點名制與正向學習態度。 課堂討論參與(30%)：鼓勵同學參與課程討論與練習提問。 專題報告(40%)：透過專題報告(I, II)訓練同學進行學術大數據專題製作。
學習評量方式
自製教材，包括資料庫操作訓練手冊、分析工具手冊。 相關論文與補充資料
教科書＆參考書目(書名、作者、書局、代理商、說明)
相關論文與補充資料，將隨進度更新於iLearning
課程教材（教師個人網址請列在本校內之網址）
https://scholar.google.com.tw/citations?hl=zh-TW&user=KVVq_OwAAAAJ&view_op=list_works&sortby=pubdate
課程輔導時間
週二16:10-17:00

請尊重智慧財產權及性別平等意識，不得非法影印他人著作。
更新日期 西元年/月/日：2026/06/25 09:59:22	列印日期 西元年/月/日：2026 / 7 / 01
MyTB教科書訂購平台：http://www.mytb.com.tw/