汪芳教授从地方性的感知、表征、重构三个方面,针对52个自由节点进行了内容分析。
她指出,为了兼顾要素出现的频次和人们感知水平的高低,借助信息检索与数据挖掘的常用加权技术,也就是TF-IDF算法。其中TF是要素在某个省份中出现的频率;IDF是单个要素的逆文档频率,表示如果一个要素在某个省份大量出现,但是在其他省份很少出现,那么我们认为该要素对这个省份来说具有排他性,因此对其地方性的代表性更加强烈而鲜明。经过计算TF-IDF数值,能够得到每个省份最能区别于其他省份的地方特色要素,再以该要素组合为依据搜索照片数据库,找到每个省份地方性最佳代表性照片。
此外,摄影者用拍摄的照片体现对地方性的感知,他们给照片命名构成了地方性的表征内容之一。研究中对题目做词频分析之后将高频词汇绘制成标签云,发现农牧交错带包含三类不同特征的标题:第一,北段8个省份,题目以省份地名+周边景点为主,第二,中段4个省份,以黄河为主,第三,南段3个省份,以自然风光为主,包括“雪山”。实际上这也暗示了在空间上三个区段的地方性整体风格不尽相同,在此基础上,进行地方性的重构。
通过自由节点两两之间的相互关系,建立地方性要素的节点-网络认知地图,由此完成三个区段的地方性重构。在这里,汪芳教授重点强调了两点:第一,要素关联组合的数目,从北到南数量倾向减少;第二,要素之前的联系强度,从北到南倾向增强。很明显看出北段地方性认知地图比较混乱,系统状态不稳定,容易受到外界干扰;而南段结构明确清晰,系统更加稳定坚固,不易受到外界扰动。