2.2 确定高频关键词

    将870篇文献题录信息导入BICOMB，对关键词进行提取、统计，共得到关键词3224个，词频≥12次的关键词有31个，其中MOOC、慕课、大规模开放在线课程、MOOCs、大规模在线开放课程分别出现432、207、29、21、18次，高校图书馆、图书馆、公共图书馆、大学图书馆分别出现385、161、36、21次，这9个关键词与本研究名称重合，没有区分度，在聚类分析中很难发挥作用，故将其舍弃，最后确定有效关键词22个(见表1)。

    2.3 构造共现矩阵

    高频关键词在很大程度上可以代表图书馆领域慕课研究的热点，为了进一步了解这些关键词之间的关系，本文采用BICOMB构造出高频关键词的共现矩阵。首先统计每个高频关键词在870篇文献中出现的次数，形成词篇矩阵，然后在词篇矩阵的基础上，统计这些高频关键词在870篇文献中两两出现的次数，形成共现矩阵(见表2)。

    2.4 构造相关矩阵和相异矩阵

    由于共词矩阵的频次差别很大，会对聚类结果产生干扰，因此需要对共现矩阵进行标准化处理。本文采用Ochiia系数对共词矩阵进行归一化处理，形成相关矩阵。Ochiia系数的计算方法是：

    本文采用SPSS 19软件生成Ochiia系数 ......