通过“建模能力”知识图谱，可以提供国内建模能力相关研究中，研究者聚焦的高频、强中心性和高突现关键词信息，同时，还可以使我们获取到关键词共现矩阵，从而将其转化为相关矩阵以进行因子分析。

1.高频、强中心性和高突现关键词分析

通过“建模能力”知识图谱导出关键词信息汇总表（Network Summary Table），可以获得国内教育领域对科学建模能力研究的关键词详细数据，包括：关键词名称、频次、突现率、中心性等信息。关键词“建模能力”出现的频次最高，共有65次，但鉴于该关键词与研究内容完全重合，在关键词共词分析中难以发挥作用，没有实际意义，故而舍弃。数据中共有四栏，频次是指某关键词被引用的次数；中心性是网络中节点在整体中所起连接作用大小的量度，通过节点的中心性可以找到关键节点，一般认为中心性大于0.1为关键或转折性节点；突现词是指某时间内频次变化率高的词，突现值是用来探测新兴研究前沿的变量。

“高中物理”“思维”“物理知识”“数量关系”“数学”“创新意识”“策略”“数学语言”“创造力”“问题解决”这十个高频、强中心性和高突现关键词，对分析物理建模能力构成要素具有重要的价值。关键词是学术论文的重要组成部分和精髓，出现频次高的关键词和中心性强的关键词是敏锐地捕捉某一领域研究热点的关键信息。数据中的十个关键词是在目前物理（或科学）建模能力研究中出现频次最高的，且与建模能力构成要素相关的关键词，也可以说是研究者高度关注的热点中心词。既然是在物理（或科学）建模能力相关研究中所聚焦的热点中心词，它们在一定程度上能反映物理建模能力构成要素的核心内容。

2.高频关键词的因子分析

仅对关键词的频次、突现率、中心性等排序并不足以证明这些关键词就是物理建模能力的主要构成因素。对高频关键词进行因子分析，可以进一步反映某科学研究领域的主流研究方向。因子分析是一种通过将多个变量综合为少数几个因子来简化观察系统，并寻找内部依赖关系的模型分析方法。在文章中，我们通过构造22个高频关键词的相关矩阵，掌握了各关键词间的关联关系。然而，如此大的数据量，虽然能提供丰富的原始资料，但也增加了数据处理的难度和结果解释的复杂程度。为此，我们借助因子分析对相关矩阵实施降维处理，将大量存在相关关系的变量综合为少数几个彼此不相关的公因子。通过因子分析实现了用少量的因子来反映原始数据中的大部分信息的目的。利用SPSS23对相关矩阵进行因子分析，提取出6个公因子，其累计方差贡献率为81.768%。说明这6个公因子可以解释科学建模能力研究中81.768%的研究内容，一定程度上也反映了研究者将科学建模能力构成要素主要聚焦在这6个方面。根据统计学惯例，因子负载系数大于0.3的才能被接受，超过0.4的对因子命名才有帮助，结合本书的样本数量值，得到公因子的构成情况。

基于因子分析的结果，再结合二次文献分析，可以进一步透视我国研究者近十五年来对科学建模能力研究所聚焦的热点，这些热点对分析科学建模能力构成要素具有重要的价值。可以说，研究者高度关注的热点，在一定程度上能反映科学建模能力结构中的核心组分。

（1）公因子1：专业基础知识

诠释公因子1的高频关键词有“高中物理”“物理知识”和“数学”，其中，“高中物理”是表1中被引用频次（Freq=34）最高的关键词。通过二次文献阅读，深入挖掘“高中物理”一词在文献中的作用，发现有两种：其一是研究者用来限定自己研究对象的范围为高中物理；其二是将“高中物理”作为高中物理知识的替代表达。这说明研究者更为关注中学生的建模能力培养问题，尤其是科学建模过程中学生掌握专业知识的状况，这反映出研究者普遍认同专业知识和专项经验是建模能力必不可少的构成部分。公因子1中还包括关键词“数学”，说明科学建模能力的发展既需要个体具备一定的自然科学学科的专业知识，同时还要具备一定的数学素养，二者缺一不可。为此，我们将包含关键词“高中物理”“数学”和“物理知识”的公因子1命名为“专业基础知识”。

（2）公因子2：分析能力

诠释公因子2的高频关键词有“思维”“问题解决”和“数量关系”，其中，“思维”是一个高频（Freq=30）、高突现（Burst=2.93）和强中心性（Central=0.35）的关键词。它在文献中出现的次数较多，表明了研究者非常重视科学建模过程中学生思维能力的重要作用。通过二次文献分析，发现研究者通过“思维”一词来表达学生思考和判断问题情境、问题要素、问题性质，选择解题路径的能力。另一个关键词“数量关系”体现的是学生思考和联想问题中各核心要素间关系并进行数量化的能力。综合比较发现“思维”和“数量关系”反映的都是个体抓住问题本质，确定问题性质，制定解决方案的能力，而且，这两个关键词都离不开“问题解决”的情境。所以，这三个关键词为什么会同时出现在公因子2中就容易理解了。可见，研究者普遍认同分析问题的核心要素及建立要素间的数量关系是个体应具备的科学建模能力的重要组成，为此，我们将包含关键词“思维”“问题解决”和“数量关系”的公因子2命名为“分析能力”。(www.daowen.com)

（3）公因子3：模型思维

诠释公因子3的高频关键词有“应用意识”“策略”和“模型应用”，通过对包含这三个关键词的文献进行再阅读后发现，“应用意识”和“模型应用”表达的是学生建立模型和应用模型解决科学问题的意识，而“策略”反映的是长期从事科学建模实践活动形成的建模策略和建模思路。将这两个方面综合考虑后，我们将公因子3命名为“模型思维”。虽然，“应用意识”和“策略”也出现在高频关键词列表中，但无论是频次、突现率或中心性上表现都不突出，说明研究者虽然对“模型思维”的重要性有一定的认同，但认同度不及其他方面。当然，还有一种可能性，就是虽然建模意识和建模策略是科学建模能力中的重要组成，但在文献中研究者很少将“应用意识”和“策略”等词语列为文章关键词，最终导致对高频关键词进行分析时，追踪不到相应主题的信息，造成统计数据上的偏差。

（4）公因子4：创新意识

诠释公因子4的高频关键词有“创新意识”“创造力”和“想象力”，其中，关键词“创新意识”是一个强中心性（Central=0.26）和高突现率（Burst=3.60）的研究热词，这说明研究者高度重视个体的创新能力，认为创新能力是科学建模能力的必备要素；同时，也说明“创新意识”在科学建模能力研究中从一个不受重视的领域一跃成为研究的热点，发生了重大的转折。发生这一转变的原因可能来自两个方面：一是受建构主义知识观对教育教学的影响，它颠覆了以往我们对科学学习是“接受和整合”的观点，它告诉我们“儿童是通过动态的、互动的过程建构科学知识的”，而这样的知识建构过程本身就是一种自我主导的、创造性的互动行为。二是改革开放以来我国人才培养的目标不断发展变化，特别是我国提出“迈向创新型国家、建设世界科技强国”的发展目标以来，教育更加注重培育人才的创新意识和创造能力。关键词“想象力”出现的频次虽然不高，但它与创新能力间存在密切的关系，同时，个体所具备的想象力与科学建模的正向关系早已被学术界所认同，所以，它出现在公因子4中也是顺理成章的事情。综合考虑之后，我们将公因子4命名为“创新意识”。

（5）公因子5：元建模知识

诠释公因子5的高频关键词有“模型本质”“建模历程”和“模型效用”，其中，“模型本质”是高突现（Burst=4.41）关键词，说明研究者对“模型本质”的重视程度在某个时间节点处出现了一个大的转折，“模型本质”从一个不受重视的主题一跃成为研究热点，这一变化正反映了当前科学教育越来越重视科学本质的教育，即科学教育从关注对学生“科学知识”的教育转向关注“关于科学的知识”的教育。对包含“模型本质”一词的文献进行二次分析后，发现大部分文献用该词表达学生掌握的关于模型和建模本质的知识。关键词“建模历程”揭示了个体对建模过程各阶段的认知。“模型效用”一词表示个体对模型和建模功能的理解。综合考虑这三个关键词所阐释的内容，我们认为公因子5是对学生所掌握的模型和建模本质知识的考察，因此，将其命名为“元建模知识”。

（6）公因子6：表达能力

诠释公因子6的高频关键词有“数学语言”和“物理图像”，对关键词“数学语言”进行了二次文献分析，发现研究者应用“数学语言”一词来表述学生通过数学符号、公式等表征工具将实际情境转化为物理问题的能力。“数学语言”是一个突现率极高（Burst=6.45）的关键词，这说明“数学语言”在科学建模能力研究中出现了一个拐点，进而一跃成为研究的热点问题。这与近年来国际科学教育领域重视和发展科学读写研究有关，这些研究都促进了人们对表达能力、交流能力在科学建模能力构成中的重要性的认知。科学建模能力中不仅需要数学表达能力，还需要其他形式的表达能力，其中“物理图像”就是物理建模最重要的表征工具，个体具备“物理图像”表征能力是物理建模顺利实现的基础。综合考虑“数学语言”和“物理图像”两个关键词的内涵，我们认为把公因子6命名为“表达能力”更为恰当。

以上通过因子分析对我国科学建模能力研究状况进行了探讨，发现国内研究者聚焦科学建模能力的“专业基础知识”“分析能力”“模型思维”“创新意识”“元建模知识”和“表达能力”6个方面的主题，且这6个方面对科学建模能力研究的累计方差贡献率高达81.768%，在一定程度上，表明当前研究者认为这6个方面是科学建模能力的构成要件。