目前，绘制知识图谱的研究方法呈现出多样化发展，本研究主要通过配合使用Bicomb 2.0和SPSS 22.0软件，采用词频分析、聚类分析和多维尺度分析等绘制美国学前教育质量发展的知识图谱。
（三）研究步骤
本研究技术操作主要包括六个步骤：首先，确定研究对象及数据样本；第二，词频分析，抽取高频关键词；第三，共词分析，创建词篇矩阵；第四，聚类分析，得出聚类树状图；第五，多维尺度分析，结合聚类结果，绘制知识图谱；第六，结果判读，阐释研究热点及趋势。三、研究结果与分析
（一）词频分析及高频关键词确认
关键词是论文题目、摘要和正文等核心内容的高度浓缩，关键词词频统计的目的在于使文献资料转换为样本数量进行量化分析。为保证代表性和精确度，首先，对同义词、近义词及含义模糊的关键词进行合并和剔除，然后，依据Donohue齐普夫第二定律高频词与低频词临界值计算公式，[2]结合孙清兰计算公式和词频估计法，最终设定高低频关键词阈值为39，得到有效高频关键词18个（见表2）。关键词出现频率与被关注度呈正向的趋势，往往成为该主题领域研究热点的征兆。据表2所示，美国学前教育质量研究热点的范围倾向已初见端倪，如language development（语言发展），professional development（教师专业发展），parenting（家庭教养），early childhood policy（早期儿童政策），early childhood intervention（早期儿童干预），classroom quality（课堂教学质量），academic achievement（学业成就），disadvantaged children（残疾儿童）等，然而高频关键词的频次分析仅具有指向作用，因此，深度挖掘它们之间的内在逻辑联系，需要进行共词分析和聚类分析。
（二）高频关键词聚类与研究热点分析
对高频关键词进行共词分析可以呈现出主题词之间一对多的立体网状联系，揭示关键词之间的深度联系，但无法辨别主题词之间形成的类团。聚类分析是根据“物以类聚”的思想，将距离较近的主题词聚集形成概念相对独立的类团，使类团内个体属性相似性最大，不同类团间属性相似性最小。[3] 因此，为了更加直观形象地呈现高频关键词类团之间的内在亲疏联系，采用Bicomb 2.0对排名前18个高频关键词进行共词分析生成词篇矩阵，然后借助SPSS 22.0转换为Ochiia系数相异矩阵，“组间联结法”作为计算方法，进行系统地逐次聚类分析，最终，绘制出美国学前教育质量研究的树状聚类图（见图1）。按照分支数量和分支研究相似的原则，将其分为四个方面的研究热点（见表3）。
（三）高频关键词多维尺度与知识图谱分析
多维尺度分析指通过测定变量之间的距离发现数据结构，利用非线性转换将高维空间数据简化为低维空间数据，进而进行定位、分析和归类，且处理后的低维数据仍能较好地保持对象间的原始关系。
相对于聚类分析，多维尺度分析可以在较低维空间中直观地判断出某领域在学科内的具体位置。[4] 基于聚类分析，采用SPSS 22.0对美国学前教育质量研究的高频关键词进行多维尺度分析，并利用Z 分数进行标准化处理。结果显示，Stress=0.29404，RSQ=0.64751，拟合效果良好，结合聚类分析结果，绘制出美国学前教育质量研究热点知识图谱（见图2）。在此战略坐标图中，领域一：残疾儿童全纳教育研究位于第四象限，说明其处于该主题领域的边缘位置，未受到充分重视，研究空间较大，容易被分解或演化；领域二：入学准备与学业成就研究位于第二象限，处于次核心地位，具有潜在的重要性，深入挖掘的空间显著；领域三：幼儿教师专业化研究大部分处于第三象限，少许部分处于第二和第四象限，说明其处于相对边缘的地位，研究指向性明确，尚未成熟但比较活跃，有待于进一步探索；领域四：儿童语言发展研究位于第一象限及第二象限，处于核心地位，受到的关注程度较高，说明趋于成熟稳定。