Earticle

This study develops a systematic, verifiable experimental study to clarify when and how transforming tabular data into graph structures enhances node-level classification: AI-generated synthetic dataset with controlled numbers of nodes, classes, and imbalance; two interpretable graphs are constructed (1) a similarity-based k-nearest neighbors graph with the number of neighbors and model depth varied, and (2) a rule-based graph with explicit, transparent connection rules; and graph-based methods GCN, GraphSAGE to approach this baseline when k and depth are appropriately tuned, before performance saturates or declines due to excessive signal averaging; and rule-based graphs expose architectural differences GraphSAGE is higherperforming and more stable, whereas GCN is more structuresensitive and degrades with depth implying that approaches preserving node-specific information and flexibly aggregating signals are more robust to structural heterogeneity. Overall, the framework offers practical guidance for method selection and graph construction particularly the choice neighbors and depth in a simplified, reproducible form readily extensible to real-world applications.

Knowledge graphs (KGs) emerge as potential tools for information access and resource discovery in a structured format. It facilitates information retrieval, data integration, and semantic reasoning. Considering the rapid growth of literature publications, a high-relevance search is necessary for researchers and practitioners. There are numerous tools for data organization and knowledge extraction. The knowledge graph is one of them, which depicts structured information with nodes and relationships. Library and information science can help build KGs to grasp the intricate relationships between scholarly works, their authors, institutions, and topics. The knowledge graph technology produces more relevant search results, which makes it easy to explore accurately. This paper examines the construction of knowledge graphs from library and Information Science (LIS) journal articles. A systematic approach is followed to extract entities, relationships, and attributes from LIS literature. The accuracy of the constructed knowledge graph is 89.47% (Recall), 94.44% (Precision), and 91.80% (F1 Score). User satisfaction is 85% in rating their satisfaction with the search results, interface usability, and ease of exploring relationships between entities regarding Scopus and Google Scholar. This paper also discusses this research's potential areas and challenges in enhancing information organization and retrieval in the LIS domain.

연구전선이란 연구논문들 간에 인용이 빈번하게 발생하며, 지속적으로 발전이 이루어지고 있는 연구영역을 의미한다. 연구행위가 집중되는 핵심 연구분야로 발전 가능성이 높은 연구전선을 조기에 예측해내는 것은 학계와 산업계, 정부기관, 나아가 국가의 과학기술 발전에 큰 유익을 가져다 줄 수 있는 유용한 사회적 자원이 된다. 본 연구는 복합자질을 활용하여 연구전선을 추론하는 모델을 제시하고자 시도하였다. 연구전선 추론은 핵심 연구영역으로 발전할 가능성이 높은 문헌들이 포함될 수 있도록 문헌을 복합자질로 표현하고, 그 자질들을 심층학습하여 새로 발행된 문헌들이 연구전선에 포함될 수 있는지 그 가능성을 예측하였다. 서지 자질, 네트워크 자질, 내용 자질 등 복합자질 세트를 사용하여 문헌을 표현하고 피인용을 많이 받을 가능성이 있는 문헌을 추론하기 위해서 확률기반 팩터그래프 모델을 적용하였다. 추출된 자질들은 팩터그래프의 변수로 표현되어 합-곱 알고리즘과 접합 트리 알고리즘을 적용하여 연구전선 추론이 이루어졌다. 팩터그래프 확률모델을 적용하여 연구전선을 추론 구축한 결과, 서지결합도 4 이상으로 구축된 베이스라인 연구전선과 큰 차이를 보였다. 팩터그래프 기반 연구전선그룹이 서지결합 기반 연구전선그룹보다 문헌 간의 직접 연결정도가 강하며 연결 관계에 있지 않은 두 개의 문헌을 연결시키는 매개정도 또한 강한 집단으로 나타났다.

This study attempts to infer research fronts using factor graph model based on heterogeneous features. The model suggested by this study infers research fronts having documents with the potential to be cited multiple times in the future. To this end, the documents are represented by bibliographic, network, and content features. Bibliographic features contain bibliographic information such as the number of authors, the number of institutions to which the authors belong, proceedings, the number of keywords the authors provide, funds, the number of references, the number of pages, and the journal impact factor. Network features include degree centrality, betweenness, and closeness among the document network. Content features include keywords from the title and abstract using keyphrase extraction techniques. The model learns these features of a publication and infers whether the document would be an RF using sum-product algorithm and junction tree algorithm on a factor graph. We experimentally demonstrate that when predicting RFs, the FG predicted more densely connected documents than those predicted by RFs constructed using a traditional bibliometric approach. Our results also indicate that FG-predicted documents exhibit stronger degrees of centrality and betweenness among RFs.

본 논문에서는 위급한 상황(예 : COVID-19)에서 바이러스 검사를 빠르게 진행하기 위한 그래프 기반 사용자 경로 제어와 이것을 도시 맵에서 시뮬레이션을 할 수 있는 프레임워크를 제안한다. 가상환경에서 많이 활용되는 길찾기(Pathfinding) 알고리즘인 A^*나 네비게이션 메쉬 자료구조는 정해진 정적 이동 경로만을 안내하기 때문에 가상환경에서 에이전트를 제어하는 CS(Computer science)문제에 적용할 할 경우 효율적이다. 하지만, 실제 COVID-19 환경에 적용하여 문제를 풀기에는 충분하지 않다. 특히, 빠른 바이러스 검사를 받기 위해서는 짧은 거리만을 이용하는 게 아닌, 실제 도로 교통상황, 병원의 크기, 환자 이동 수, 환자 처리 시간 등 고려해야 할 상황들이 많다. 본 논문에서는 위에서 언급한 다양한 속성들과 이를 이용한 최적화 함수를 모델링하여, 실제 도시 맵에서 바이러스 검사를 빠르고 효율적으로 처리할 수 있고, 다양한 상황을 디지털 트윈 방식으로 시뮬레이션을 할 수 있는 프레임워크를 제안한다.

In this paper, we propose a graph-based user route control for rapidly conducting virus inspections in emergency situations (eg, COVID-19) and a framework that can simulate this on a city map. A^* and navigation mesh data structures, which are widely used pathfinding algorithms in virtual environments, are effective when applied to CS(Computer science) problems that control Agents in virtual environments because they guide only a fixed static movement path. However, it is not enough to solve the problem by applying it to the real COVID-19 environment. In particular, there are many situations to consider, such as the actual road traffic situation, the size of the hospital, the number of patients moved, and the patient processing time, rather than using only a short distance to receive a fast virus inspection.

낮은 계수 표현(Low-Rank Representation, LRR) 기반 방법은 얼굴 클러스터링, 객체 검출 등의 여러 실제 응용에 널리 사용되고 있다. 이 방법은 그래프 기반 준지도 학습에서 그래프 구축에 사용할 경우 높은 예측 정확도를 확보할 수 있어 많이 사용된다. 그러나 LRR 문제를 해결하기 위해서는 알고리즘의 매 반복마다 데이터 수 크기의 정방행렬에 대해 특이값 분해를 수행하여야 하므로 계산 비효율적이다. 이를 해결하기 위해 속도를 향상시킨 발전된 LRR 방법을 제안한다. 이는 최근 발표된 Fast LRR(FaLRR)을 기반으로 하며, FaLRR이 속도는 빠르지만 실제로 분류 문제에서 성능이 낮은 것을 해결하기 위해 기반 최적화 목표에 추가 제약 조건을 도입하고 이를 최적화하는 방법을 제안한다. 실험을 통하여 제안 방법은 LRR보다 더 좋은 해를 빠르게 찾아냄을 확인할 수 있다. 또한, 동일한 해를 도출하는 방법을 찾아내기는 어렵지만 최소화하는 목표가 추가될 경우 더 좋은 결과를 나타내는 Fast MLRR(FaMLRR)을 제안한다.

Low-Rank Representation (LRR) based methods are widely used in many practical applications, such as face clustering and object detection, because they can guarantee high prediction accuracy when used to constructing graphs in graph - based semi-supervised learning. However, in order to solve the LRR problem, it is necessary to perform singular value decomposition on the square matrix of the number of data points for each iteration of the algorithm; hence the calculation is inefficient. To solve this problem, we propose an improved and faster LRR method based on the recently published Fast LRR (FaLRR) and suggests ways to introduce and optimize additional constraints on the underlying optimization goals in order to address the fact that the FaLRR is fast but actually poor in classification problems. Our experiments confirm that the proposed method finds a better solution than LRR does. We also propose Fast MLRR (FaMLRR), which shows better results when the goal of minimizing is added.

Clash detection in BIM is a critical process for identifying potential interferences during the design phase and preventing design errors. However, conventional clash detection approaches are limited to simple geometric overlap checks and fail to consider contextual information such as clash types and severity, reducing their effectiveness in supporting design adjustments. To address these limitations, this study proposes the 'BIMClash' framework, which leverages a semantic knowledge graph to represent clash information and classifies both clash types and severity levels using Cypher-based automated queries. A domain-specific ontology schema was developed, and object and relational data were extracted from IFC-based BIM models to construct the semantic graph in Neo4j. The framework incorporates spatial adjacency, attribute data, and predefined classification criteria to enable automated clash classification. Experimental results demonstrated that BIMClash achieved over 90% accuracy in clash type and severity classification compared to expert annotations, while reducing classification time by approximately 84% relative to manual processes. These findings highlight the practical value of the proposed framework in enhancing both the accuracy and efficiency of clash detection during the design stage.

최근 유비쿼터스 게임의 성장과 더불어 이기종의 환경에서 새로운 기법들로 보여질 수 있는 연구가 활발히 진행되고 있다. 본 논문에서는 이기종 환경에서 임의의 OpenGL 기반의 PC 게임이나 게임 뷰어가 있는데서 Java3D 형태로 재복원해서 볼 수 있는 방법과 VRML을 사용하여 캡쳐된 장면들을 네비게이션 해 봄으로써 프레임간 오브젝트들의 움직임을 비교 분석할 수 있는 방법을 제안한다. 결과적으로 구조적인 장면 그래프에서 사건을 처리하고, Parser에서 OpenGL Primitive들의 정점 정보를 해석해서 계층구조를 변화시킴으로서 보다 빠른 실시간 렌더링을 구현하고자 한다.

최근 유비쿼터스 게임의 성장과 더불어 이기종의 환경에서 새로운 기법들로 보여질 수 있는 연구가 활발히 진행되고 있다. 본 논문에서는 이기종 환경에서 임의의 OpenGL 기반의 PC 게임이나 게임 뷰어가 있는데서 Java3D 형태로 재복원해서 볼 수 있는 방법과 VRML을 사용하여 캡쳐된 장면들을 네비게이션 해 봄으로써 프레임간 오브젝트들의 움직임을 비교 분석할 수 있는 방법을 제안한다. 결과적으로 구조적인 장면 그래프에서 사건을 처리하고, Parser에서 OpenGL Primitive들의 정점 정보를 해석해서 계층구조를 변화시킴으로서 보다 빠른 실시간 렌더링을 구현하고자 한다.

웹이 발전하면서 점점 더 많은 정보가 웹을 통해 생성되고 공유되고 있다. 하지만 정보의 급격한 증가로 인해 정작 정확한 정보를 찾는 것은 오히려 더 어려워지고 있고, 이로 인해 특히 구조화되지 않은 텍스트에 대한 정확한 정보 검색의 필요성이 증가하고 있다. 본 논문에서는 위키피디아 문장들로부터 RDF 트리플을 추출하고 이를 하나의 연결된 RDF 그래프로 구성함으로써 효과적인 정보 검색을 수행하는 방법을 제안하고자 한다. 트리플 추출 방법은 문장에 대한 파스 트리를 탐색함으로써 이루어지는데, 약 81%의 정확도를 나타내었다. 최종적으로 생성되는 RDF 그래프는 입력 문장들의 문법적인 요소만을 고려하기 때문에 방법이 단순하지만 그래프 탐색을 통해 다양한 쿼리에 대한 정보 검색이 가능하다.

이 연구에서는 학생들이 실험 결과를 그래프로 작성하는 과정에서 범하는 오류들을 과학 학업 성취도에 따라 조사했다. 중학교 1학년 145명을 대상으로 '기체의 압력과 부피의 관계'에 대한 그래프 작성 검사를 실시했다. 연구 결과, 대부분의 학생들이 그래프작성 과정에서 많은 오류를 보였으며, '변수의 잘못된 해석', '그래프 기본 요소의 잘못된 표기', '자료의 잘못된 사용'범주에서 총 12가지의 오류 유형이 나타났다. '막대그래프로 표현', '자료제시 순서대로 눈금 표기'오류 유형에서는 과학 학업 성취도가 높은 학생들에 비해 낮은 학생들의 발생 비율이 높았지만, '독립 종속 변수 반대로 표기', '자료 추가', '자료 삭제'오류 유형에서는 그 반대였고, 나머지 오류 유형에서는 과학 학업 성취도에 따른 발생 비율 차이가 작았다.

In this study, we investigated the errors that students committed in the processes of constructing graphs on experimental results by the students' science achievement level. A test of constructing a graph about 'the relationship between the pressure and volume of a gas' was administered to 7th graders (N=145). Results revealed that most students committed errors in the processes of constructing the graph, showing 12 error types in the categories of 'Misinterpreting the variables', 'Mismarking the graphical elements', and 'Misusing the data'. The students in the lower achievement level had more errors than those in the higher achievement level in the two error types, that is 'representing the bar graph' and 'marking the scale in the presented data order', but the results were reversed in the three error types, that is 'marking the independent variable and dependent variable reversely', 'adding the data', and 'neglecting the data'. In the other error types, there were little differences in the frequencies of the errors by students' science achievement level.

In order to study the effect of student's conceptions about force and motion into the graph construction in kinematics in college physics course, the tasks of constructing the qualitative graph in the similar problem context used in force conception was asked to the first 74 and third 97 student teacher in teachers' university. The frequencies analysis showed that student teachers had the naive conceptions that the throwing force was still acted to a upwarding ball. They also had the popular Aristotelian views about motion. These naive conceptions coexisted with the scientific conception about gravitational force. In a simple pendulum problem no one had the correct acceleration concepts which varies the direction in swing. This result suggest that student teacher had more difficulties in a acceleration problem than in a velocity problem In v-t and a-t graph construction tasks, the number of categories of a-t graphs were more than that of v-t graphs. There were many graph errors in a sign of velocity and acceleration. The acceleration conceptions without the relations of changes in velocity made the kinematics graphs more various shapes. The force and motion conceptions influenced the ability to construct the kinematics graphs.

본 논문에서는 COVID-19와 같은 위급한 상황에서 바이러스 검사를 빠르게 진행하기 위한 K-d 트리 기반의 그래프 구축과 환자 이동 경로 시스템을 제안한다. 가상환경에서 활용되는 대표적인 길 찾기 알고리즘은 A<SUP>*</SUP>나 NavMesh 자료구조는 정해진 정적 이동 경로만을 안내하려는 방법이기 때문에 가상환경에서 NPC를 제어할 때는 효율적이지만, 실제 환경에 적용하여 문제를 풀기에는 충분하지 않다. 특히, 빠른 바이러스 검사를 받기 위해서는 짧은 거리만을 이용하는 게 아닌, 실제 도로 교통상황, 병원의 크기, 환자 이동 수, 환자 처리 시간 등 고려해야 할 상황들이 많다. 본 논문에서는 위에서 언급한 다양한 속성들과 이를 이용한 최적화 함수를 모델링하여, 실제 도시 맵에서 바이러스 검사를 빠르고 효율적으로 제어할 수 있는 프레임워크를 제안한다.

해양 사고 원인 규명을 위해서는 단순 통계를 넘어 환경 요인과 인과관계의 입체적 파악이 필요하다. 본 연구는 파편화된 사고 기록과 기상 관측 데이터를 시공간적으로 연계한 온톨로지 기반 해양 안전 지식 그래프 및 지능형 질의응답 시스템을 제안한다. 2020년부터 2024년까지의 14,700건의 사고 데이터와 실측 기상 데이터를 BallTree 알고리즘으로 매핑하고, 텍스트 언어화 기법을 도입해 의미론적 추론 성능을 향상시켰다. 이를 바탕으로 거대 언어 모델이 질의 의도를 분석해 Text2Cypher와 VectorCypher를 동적 라우팅하는 아키텍처를 구현하였다. 맞춤형 LLM-as-a-Judge 평가 결과, 제안 시스템은 사실 정확도 4.28점, 완전성 4.36점(5점 만점) 및 도구 라우팅 정확도 100%를 기록하며 대조군 대비 우위를 보였다. 기존 관계형 데이터베이스의 다중 홉 탐색 제약과 모델의 환각 현상을 극복하고, 내재적 정보를 연산적으로 추론하여 실무적 의사결정 지원의 유효성을 입증하였다. 구체적인 기상 맥락 파악이 어려웠던 94%의 사고 데이터에 환경 변수를 부여해 복합 탐색을 가능하게 한 실증적 의의를 지니며, 향후 능동형 해양 안전 의사결정 지원 시스템으로의 확장 가능성을 제시한다.

To identify the causes of marine accidents, it is essential to understand complex environmental factors and causal relationships that go beyond simple statistics. This study proposes an intelligent question-answering system that utilizes an ontology-based knowledge graph to spatiotemporally link fragmented accident records with meteorological data. Using the BallTree algorithm, 14,700 accident records from 2020-2024 were mapped to observed weather data, and a text verbalization technique was introduced to enhance semantic reasoning. Based on this graph, a search architecture was implemented to dynamically route queries to either Text2Cypher or VectorCypher by analyzing intent via a large language model (LLM). A customized LLM-as-a-Judge evaluation demonstrated that the proposed system outperformed the baseline, achieving a factual accuracy of 4.28, a completeness of 4.36 (out of 5.0), and 100% tool routing accuracy.The system successfully overcame the multi-hop search limitations of relational databases and mitigated LLM hallucinations, proving effective in supporting practical decision-making by computationally inferring implicit information. By assigning environmental variables to 94% of accident data, this study enables complex multi-dimensional searches and establishes a foundation for an active marine safety decision support system.

Wi-Fi 기반 실내 측위 기법 중 핑거프린팅 측위는 높은 정밀도로 가장 보편적인 기술 중 하나이다. 그러나 초기 신호 지도 구축과 이 후 갱신 과정은 수동으로 이루어져 많은 노동력과 시간 비용을 발생시키는 단점이 있다. 본 논문에서는 그래프를 기반으로 각 정점에서 초기 신호 지도를 구축 하는 것을 제안한다. 그리고 사용자로부터 획득한 신호 세기 데이터를 각 간선에 참조 위치를 생성하여 자동으로 매핑하여 신호 지도를 갱신하는 방법을 제안한다. 제안하는 방식은 초기 신호 지도를 그래프의 정점에서만 신호를 수집하여 구축하고 갱신은 자동으로 수행하므로 기존 핑거프린팅 무선 측위 기법의 단점인 노동력과 시간 비용을 크게 감소시킬 수 있다. 실험 결과, 실제 위치에서의 데이터와의 비교를 통해 신호 지도 갱신 기법을 검증할 수 있었고 자동으로 신호 지도를 갱신하는 작업으로 약 3.2m, 3.5m의 정밀도를 갖는 신호 지도를 구축할 수 있었다.

Among Wi-Fi based indoor positioning systems, fingerprinting localization is the most common technique with high precision. However, construction of the initial radio map and the update process require considerable labor and time effort. To address this problem, we propose an efficient method that constructs the initial radio map at each vertex based on a graph. In addition, we introduce a method to update the radio map automatically by mapping signal data acquired from users to the reference point created on each edge. Since the proposed method collects signal data manually only at the vertex of the graph to build the initial radio map and updates it automatically, our proposed method can dramatically reduce labor and time effort, which are the disadvantages of the conventional fingerprinting method. In our experimental study, we show validity of our radio map update method by comparing with the actual reference point data. We also show that our proposed method is able to construct the radio map with an accuracy of about 3.5m by automatically updating the radio map.

Objectives: We aim to propose an artificial intelligence system for recommending Korean medicine prescriptions based on the RippleNet algorithm using a knowledge graph. Methods: The Korean medicine knowledge graph was constructed with information on prescriptions, medicinal materials, chemical compounds, gene targets, and modern diseases from the TM-MC database. The RippleNet algorithm was trained with the knowledge graph and the prescription history of diseases from TM-MC. The optimized hyperparameter values of the algorithm were derived using the grid search method. The recommendation system was implemented with the knowledge graph and the parameterized model. Results: The Korean medicine knowledge graph contains 16,977 nodes and 142,924 edges, and the prescription histories of diseases include 2,101 true values and 3,413 false data points. The recommendation algorithm showed the best performance with an AUC of 0.919 when trained with parameters of 4 hops and a ripple set size of 32. Conclusions: In this study, we implemented a system that recommends prescriptions based on artificial intelligence algorithms using the knowledge graph. In the future, we plan to improve the quality of the knowledge graph and explore a variety of modern AI algorithms to enhance recommendations.

감성어휘는 텍스트로 감성을 표현하거나, 반대로 텍스트로부터 감성을 인식하기 위한 특징으로써 감성분류 연구에 필수요소이다. 본 연구는 감성어휘의 집합인 감성사전을 자동으로 구축하는 그래프 기반 준지도 학습 방법을 제안한다. 특히 감성어휘가 사용되어지는 분야에 따라 그 감성이 변하는 중의성 문제를 고려하여 분야 별 감성사전을 구축하고자 한다. 제안하는 방법은 어휘와 어휘들 간의 밀접도를 토대로 그래프를 구성하고, 사전에 학습 된 일부 소량의 감성어휘들의 감성을 구성된 그래프 전체에 전파하는 방식으로 모든 어휘의 감성을 추론한다. 감성어휘는 대표적으로 감성단어와 감성구문이 있으며, 본 연구에서는 이들 각각에 대한 그래프를 구성하고 감성을 추론하여 전체 감성사전을 구축하였다. 제안하는 방법의 성능을 검증하기 위해 영화평 분야의 감성사전을 구축하고, 이를 이용한 영화평 감성분류 실험을 수행하였다. 그 결과 기존 범용 감성사전의 어휘들을 이용한 감성분류보다 더 높은 분류 성능을 확인하였다.

Sentiment lexicon is an essential element for expressing sentiment on a text or recognizing sentiment from a text. We propose a graph-based semi-supervised learning method to construct a sentiment dictionary as sentiment lexicon set. In particular, we focus on the construction of domain-specific sentiment dictionary. The proposed method makes up a graph according to lexicons and proximity among lexicons, and sentiments of some lexicons which already know their sentiment values are propagated throughout all of the lexicons on the graph. There are two typical types of the sentiment lexicon, sentiment words and sentiment phrase, and we construct a sentiment dictionary by creating each graph of them and infer sentiment of all sentiment lexicons. In order to verify our proposed method, we constructed a sentiment dictionary specific to the movie domain, and conducted sentiment classification experiments with it. As a result, it have been shown that the classification performance using the sentiment dictionary is better than the other using typical general-purpose sentiment dictionary.

본 논문에서는 De Bruijn 그래프에 기초한 다중처리기구성의 한 가지 방법을 제안하였다. 제안한 방법에서는 유한체상의 수학적 성질과 그래프의 성질을 사용하여 변환연산자를 제한하였으며, 이들 변환연산자를 이용하여 De Bruijn 그래프의 변환표를 도출하였다. 그리고, 이 변환표로부터 유한체상의 De Bruijn 그래프를 도출하였다. 제안한 다중처리기는 유한체상의 임의의 소수와 양의 정수에 대해 구성할 수 있으며 고장허용컴퓨팅시스템, 파이프라인 시스템, 병렬처리 네트워크, 스위칭 함수와 이의 회로, 차세대 디지털논리시스템 및 컴퓨터구조 중의 하나인 다치디지털논리시스템 등에 적용할 수 있으리라 전망된다.

Material selection is one of the important activities in design and manufacturing. A selected material at the conceptual design stage affects material properties of the designed part as well as manufacturability and cost of the final product. Unfortunately there are not many accessible material databases that can be used for design. In this research, a web-based material database was constructed. In order to assist designers to compare different materials, two-dimensional and three-dimensional graphs were provided. Using these graphical tools, multi-dimensional comparison was available in more intuitive manner. To provide environmental safety of materials, the database included National Fire Protection Association publication Standard No.704. The web-based tool is available at http://fab.snu.ac.kr/matdb.

本研究基于中国知网(CNKI)收录的1488篇核心期刊论文, 运用CiteSpace 文献计量方法, 系统梳理了2001—2025年间我国教育公平研究的演进历程。 研究从五个维度展开分析(价值理念与政策、公平与效率的协调、区域/城乡/群 体差异、技术的双重影响、学校层面的公平), 并将发展过程划分为三个阶段 (理论奠基与价值倡导、政策审视与实证深化、质量导向与技术伦理), 实现了 从宏观阐释向微观实践的转变。研究为理解该领域的演进脉络和优化未来研究 提供了实证支撑。未来研究应加强方法创新、拓展研究视角、回应新兴问题, 并推动本土理论建构。

Using CiteSpace-based bibliometric analysis of 1,488 CNKI core papers (2001?2025), this study maps the evolution of China's educational equity research across five dimensions (value concepts and policy; coordination of equity and efficiency; regional, urban-rural, and group disparities; dual impact of technology; and school-level equity) and three stages (theoretical foundation and value advocacy; policy review and empirical deepening; quality orientation and technological ethics), shifting from macro interpretation to micro practice. It provides empirical support for understanding the field's evolution and optimizing future research. Future work should strengthen methodological innovation, broaden perspectives, respond to emerging issues, and promote local theory building.