从词频分析图表看高校“十三五”规划文本

在去年学校参与“十三五”规划编写前就有动议，计划等各高校规划文本出来后，尝试通过词频分析的方法做一点工作，看看能够从中发现什么有意思的东西。只是随着过后工作的变动，一直没有如愿。现如今各高校的规划编制工作早已告一段落，教育部直属高校的规划文本在教育部备案，并向社会公开的工作也早已完成。

借着周末的美好时光，突然又有一丝当时未完成计划的牵挂，索性一鼓作气，从教育部官网下载公开高校的规划文本，尝试词频分析工作。由于学校较多，导致对比分析过程复杂。本次分析作为尝试，选取了在教育部官网可获得文本的32所“985高校”。（除北京航空航天大学、北京理工大学、国防科技大学、中央民族大学、哈尔滨工业大学、中国科学技术大学、西北工业大学）

本报告分析的文本为备案文本的全文本内容（即个别高校在发布文本材料中包含编制说明等内容，在分析中均统计在内）。

一、规划文本体量

其中东北大学的规划文本文字量最大，共计42111字。

中山大学的规划文本文字量最小，共计14242字。

32所高校规划文本的平均文字数为25447字。

二、热词词频

根据谷尼舆情图悦picdata.cn热词分析工具对32个规划文本分析显示，呈现了各高校文本热词权重前100名的热词。为进一步聚焦，笔者从各高校前100名的热词中，根据热词出现次数，筛选了各高校规划文本中出现频率最高的30个词语，并暂且定义为“高频词”。词语在文本中出现的次数定义为“原始词频”。由于规划文本文字量的差异，为便于高校间热词对比，根据各规划文本的文字量对热词原始词频进行折算，归一到同一尺度，归一化后的词频结果定义为“折算词频”。根据统计：

1. 最高“原始词频”的热词为“建设”，来自于兰州大学规划文本，共计306次。

2. 最高“折算词频”的热词为“建设”，来自于同济大学规划文本，共计446次。

3. 所有32所高校共有的高频词有9个，分别为：“人才、科研、学校、创新、培养、国际、学科、建设、教学”。说明在本轮规划中，高校普遍对“人力资源、人才培养、学科建设、科学研究、国际对话，创新发展”的重视。（下图呈现的词频为“折算词频”）

4. 所有32所高校的规划文本中出现过的高频词共有101个，对其在各高校中的出现次数进行汇总，形成101个高频词在所有32个高校规划文本中出现的中次数，出现次数最多的是“建设”，共计5826次。下图列举中出现频次的TOP20，分别为“建设、学科、创新、学校、人才、培养、教育、国际、科研、教学、改革、大学、学术、资源、合作、学生、教师、规划、科技、项目”，图中的柱形图为各热词原始词频，折线图为该热词在多少个高校中成为“高频词”。

4. 如果说32所高校共同出现的高频词代表了高校普遍的发展需求，那少数高校出现的高频词可以代表高校的发展特色。

（1）5所高校共有的高频词有3个，分别为“优势、保障、健全”。（高校名称后括号中的数字为热词在该高校规划文本中的“原始词频”，下同）

（2）4所高校共有的高频词有2个，分别为“中国、支撑”。

（3）3所高校共有的高频词有6个，分别为“十三五、基地、探索、核心、深化”。

（4）2所高校共有的高频词有11个，分别为“农业、院系、学位、医学、校区、领域、团队、交叉、干部、任务、环境”。

（4）唯一高校独有的高频词有35个，其中10个为校名关键字（北京大学、浙江大学、南开、南京大学、南大、复旦、同济、武汉大学、东南大学、厦门大学），其余25个分别为“海洋、新增、高端、协同、产业、转化、推广、力争、国际化、需求、师生、海外、组织、导向、考核、电子、优秀、医疗、研究院、青岛、编制、实体、经济、校友、指标”。

词频分析是一种数据分析方法，比上述工作要复杂和仔细很多，笔者仅仅在表层上做些呈现，只是周末时间的自娱自乐而已，有兴趣的同仁不妨进一步分析。

2017年9月17日