综述：构音障碍辅助技术采纳的演变与知识结构：一项20年文献计量学研究

《Computers in Human Behavior Reports》：Evolution and Knowledge Structure of Assistive Technology Adoption for Dysarthria: A 20-Year Bibliometric Study

　　

本研究对2004年至2024年间关于构音障碍(Dysarthria)创新辅助技术(Assistive Technology)采纳的研究进行了全面的文献计量学分析，旨在理解影响此类技术成功实施的多种因素。利用VOSviewer软件对569篇文献进行系统分析，研究探索了出版趋势、合作网络、知识集群以及影响采纳结果的变量间关系。研究结果揭示该领域显著增长，出版物数量从2004年的14篇增长至2024年的80篇，表明学术兴趣和技术进步日益增强。研究识别出主要集中在北美和欧洲的明显合作网络，并注意到亚洲日益增长的贡献。研究识别出七个知识集群，反映了该领域从基础临床应用发展到融合了人工智能(Artificial Intelligence, AI)和机器学习(Machine Learning, ML)的先进技术解决方案的进程。值得注意的是，本研究开发了一个整合性框架(Integrated Framework)，综合了影响技术采纳成功的先行变量(Antecedent Variables)、中介机制(Mediating Mechanisms)和结果(Outcomes)。该框架解决了理解实施过程中技术、临床和人为因素如何相互作用的关键缺口。研究阐明了扩大国际合作、将新兴技术更深入地整合到临床实践中以及制定文化响应型实施策略的必要性。此外，研究结果为寻求通过有效辅助技术采纳来改善构音障碍患者沟通效果的研究人员、实践者和医疗保健系统提供了有价值的指导。

本文对构音障碍辅助技术采纳研究进行了全面的文献计量学分析，旨在探索该领域的发展演变、智力结构与主题关系。通过运用多种文献计量学技术对569篇文献进行系统性回顾，研究围绕出版趋势、关键贡献者、主题性知识集群和框架构建四个核心问题展开。

**引言**
引言部分首先阐述了有效沟通对人类互动、社会参与和生活质量的重要性，并指出构音障碍患者面临严峻的沟通挑战。虽然创新辅助技术，特别是近年来在人工智能(AI)、语音识别和自适应技术方面取得的进展，为改善此类患者的沟通能力带来了前所未有的机遇，但技术的成功采纳与实施仍不一致，且是一个复杂的问题。先前研究已识别出影响辅助技术采纳的若干关键因素，如以用户为中心的设计和语音识别的技术挑战。然而，现有研究在理解多因素如何共同影响技术采纳成功方面存在显著缺口，缺乏能够捕捉技术、临床和人文因素间相互作用的整合性框架(Integrated Framework)。此外，技术的快速演进，尤其是AI和机器学习(ML)领域的发展，凸显了持续评估成功采纳模式和预测因子的必要性。为此，本研究提出了四个基本问题：该研究领域的出版物演进轨迹如何？哪些作者、国家、期刊和文献塑造了此研究格局？哪些主题性知识集群定义了文献的智力结构？什么样的整合框架可以表征影响构音障碍研究中辅助技术采纳的变量与关系？

**方法论**
本研究采用科学映射(Science Mapping)技术对构音障碍创新辅助技术采纳研究进行综合评述。遵循既定的文献计量学协议，研究通过几个系统阶段完成，包括数据获取、预处理、网络提取、规范化、映射、分析和可视化，主要使用VOSviewer软件。
**研究设计：** 采用科学映射技术，系统探索科学思想的演进历程。
**检索策略：** 检索聚焦于辅助技术和构音障碍两个主要领域，并结合技术采纳相关概念。以Scopus数据库为主要数据来源，检索2004年至2025年2月间发表的同行评议英文文献。经过系统筛选，最终获得569篇相关文献。
**分析工具与流程：** 主要分析工具为VOSviewer，用于处理复杂的文献计量数据，生成和分析合著网络、引文模式、书目耦合关系以及关键词共现网络等。同时使用Microsoft Excel分析出版趋势和引文模式。分析涵盖出版趋势、引文动态、合作网络和主题发展等多个维度。

**结果**
**出版物演进轨迹（RQ1）：** 分析显示出版物数量持续上升，从2004年的14篇增至2024年的80篇，增长超过五倍，尤其在2018年后增速显著，这与AI和语音识别技术的进步相吻合。引文模式则波动较大，在2015年（2871次）和2017年（1797次）出现峰值，表明有影响力的开创性工作发表。2020年至2024年，尽管出版物数量持续上升，引文数却大幅下降，这可能是由于新发表文献的自然引文滞后以及领域内专业化程度提高所致。趋势反映出该领域正在从基础研究向更专业化、应用驱动的研究过渡。
**领域关键贡献者（RQ2）：**
* **合著分析：** 合著网络分析识别出两个主要协作集群。第一个集群以Janice Light（818次引用，11篇文献）和David McNaughton（449次引用，7篇文献）为中心，代表北美研究小组，专注于增强与替代沟通(Augmentative and Alternative Communication, AAC)技术。第二个集群包括欧洲研究者，如Lindsay Pennington（296次引用，5篇文献）和Juliet Goldbart（268次引用，8篇文献），在构音障碍的临床应用和治疗干预方面贡献突出。网络结构显示两个集群间互动有限，表明尽管研究主题重叠，研究社区相对孤立。
* **国家合著分析：** 全球合作模式呈现出英美国家的主导地位。美国以232篇文献和7817次引用领先，英国（80篇，2104次引用）和澳大利亚（79篇，1851次引用）紧随其后，形成强大的研究轴心。值得注意的是，像伊朗和比利时这样发表数量较少的国家，其单篇文献引用率很高，表明高质量研究可以产生于较小的发表基础。欧洲国家间形成紧密网络，亚洲国家（如中国和伊朗）则展现出新兴的合作活力。
* **引文分析：** 期刊来源的引文分析显示，研究集中于少数专业期刊。《增强与替代沟通》（AAC）是最突出的期刊，发表55篇文献，获得2189次引用。泰勒与弗朗西斯出版社在排名前十的期刊中占据五席。单篇文献引文分析表明，影响力高度集中，只有少数文献（17%）被引用超过40次。Winstein（2016）的文献以2101次引用位居榜首，其研究为康复环境中的技术采纳模式提供了理论框架。高引文献的时间线（2004-2020）反映了研究范式的转变，从早期治疗模型到更技术导向的方法。
**知识集群与智力结构（RQ3）：**
* **关键词共现分析：** 基于至少出现5次的70个关键词，分析识别出七个不同的知识集群：1）红色集群：临床应用与医疗保健服务（如康复、远程康复、言语治疗）；2）绿色集群：言语与语言评估技术（如辅助技术、构音障碍、失语症、机器学习）；3）蓝色集群：增强与替代沟通（AAC）及其在卒中康复等领域的应用；4）黄色集群：儿科人群与参与（如脑瘫、唐氏综合征、ICF框架）；5）青色集群：新兴技术创新（如AI、深度学习、人机交互）；6）橙色集群：言语生成设备与AAC工具；7）紫色集群：调查方法与研究方法。密度可视化图显示，AAC和相关概念是研究强度最高的核心区域，其次是康复和言语治疗区域，AI和深度学习区域密度正在增长。时间演化可视化（2014-2022）显示，研究主题从早期（2014-2016）的基础辅助技术和传统临床干预，过渡到中期（2016-2018）更精细的临床应用和循证实践，最终在近期（2020-2022）转向前沿技术解决方案，如AI、自动语音识别和远程医疗。
* **文献书目耦合分析：** 基于202篇至少有20次引用的文献进行分析。Winstein（2016）的高影响力研究是网络中的一个大型中心节点。网络中识别出几个代表不同研究轨迹的集群：一个围绕Light（2012， 2015）关于AAC技术的研究；一个源于Farahani（2018）及其合作者，关注技术创新与实施，连接传统治疗模型与新兴技术；另一个以Parette（2004）为中心，强调早期干预和辅助技术在教育环境中的应用。近期来自Masina（2020）和Vallata（2021）的文献形成了专注于AI和机器学习应用的新集群，与技术和临床领域均有强耦合。
**整合框架构建（RQ4）：** 研究开发了一个整合框架，以阐明影响构音障碍辅助技术采纳和结果的关键变量间的复杂关系。该框架包含四个主要类别：先行变量（技术特征、用户特征、环境因素）、中介机制（用户参与度、临床支持、技术性能特征）、调节因素（使用环境、任务复杂性、家庭参与）和结果变量（主要结果：沟通有效性、言语可理解性；次要结果：社会参与、独立性；系统层面结果：成本效益、医疗系统整合）。框架结构通过实线（直接关系）和虚线（调节效应）反映了技术采纳过程的复杂性，强调了从早期关注技术能力向更全面理解用户、技术和环境如何互动转变的演进趋势。

**讨论**
本研究通过文献计量学分析，全面探讨了构音障碍创新辅助技术采纳研究的演进、智力结构和主题关系，得出以下主要发现：该领域出版物数量显著增长；研究格局由明显的合作网络塑造；七个主题性知识集群反映了该领域从基础临床方法到先进技术方案的多学科演进；研究开发了一个综合理解采纳成功变量间复杂关系的整合框架。这些发现对理论和实践均有重要意义。

**理论意义：** 首先，研究扩展了传统的技术采纳理论，展示了在医疗保健领域定制化模型的必要性，强调采纳不仅受技术特征影响，也受用户特征和环境支持影响。其次，通过绘制知识集群的演进，贡献于知识管理理论，表明该领域在多元化的同时保持了概念联系。第三，通过显示AI和机器学习在既定治疗实践中的采纳遵循非线性路径，细化了医疗保健中的创新扩散理论。最后，通过展示国家医疗体系和文化因素如何影响采纳结果，贡献于制度理论。

**管理启示：** 对于医疗保健专业人员和管理者，整合框架提供了考虑技术、人文和环境因素的全面指南。协作网络分析提示应探索国际合作。知识集群的识别对员工培训有启示，培训需涵盖技术使用、临床整合、用户支持等多个方面。临床支持系统的核心作用表明必须投资于持续实施的基础设施。框架对调节变量的强调表明实施必须具有情境敏感性，采用允许逐步适应和整合的分阶段方法可能比僵化的部署模式更有效。

**局限性与未来研究方向：** 研究存在若干局限：仅分析英文出版物可能引入文化和地理偏见；依赖Scopus单一数据库可能存在覆盖偏差；排除了会议论文可能遗漏最新的技术创新；文献计量分析无法完全捕捉现实世界的实施挑战；时间约束意味着最新创新可能尚未在引文数据中充分体现。未来研究应包括：跨数据库敏感性分析；整合新兴技术与既定临床实践的框架开发；跨文化实施研究；包含技术和临床指标的综合评估方法开发；以及对医疗系统整合的深入探索。

**结论**
这项对2004年至2024年构音障碍创新辅助技术采纳研究的全面文献计量学分析，为该领域的发展、结构和轨迹提供了宝贵见解。研究记录了领域的实质性增长，识别了合作网络与新兴贡献者，阐明了反映领域演进的七个主题性知识集群，并开发了一个整合性框架以理解采纳动态。成功采纳取决于平衡创新与以临床和用户为中心的需求，也凸显了跨地理和制度边界合作的重要性。未来有前途的研究方向包括AI与治疗的整合、文化适应策略以及整体性评估框架的开发。本研究通过映射领域演进、揭示有影响力的网络和主题、提供理解技术采纳的概念框架，对领域做出了重要贡献，最终支持为构音障碍患者开发和实施更有效的沟通技术。