CiteSpace是由陈超美(Chaomei Chen)教授应用Java语言开发的一款用于计量和分析科学文献数据的信息可视化软件，用于识别某一科学领域中的关键文献、热点研究和前沿方向 [ 1 ]；并通过一系列可视化知识图谱的绘制直观地展现科学知识的信息全景、宏观结构及其发展脉络 [ 2 ]。自2004年9月推出以来，CiteSpace被广泛应用于各研究领域，尤其是在2009年到2012年期间使用CiteSpace的研究急剧增长，2013年之后其应用趋于平缓，而近年来其应用主要集中于人文社科例如管理学领域，逐渐向自然科学领域的多个学科扩散 [ 3 ]。本研究采用CiteSpace软件版本为2022年更新的CiteSpace 6.1.R2 (64-bit)。

本研究使用中国知网数据库(China National Knowledge Infrastructure, CNKI)为数据来源，检索时间为2022年6月10日，具体的检索过程为：进入中国知网旧版主页，选择“高级搜索”，限定“学术期刊”，不设置时间跨度，文献来源类别选择CSSCI，检索“主题词 = 垃圾分类”的文献，检索得到共计580篇文献。对检索结果进行整理，去除会议综述、书评、资讯、信息专栏、时论摘要和新闻等无关文献，通过对文献题目、关键词的阅读进行文献初步删选，进一步阅读文献摘要选定分析文献，共得到有效文献380篇。

年发文量可以呈现该研究领域在不同时段的活跃程度和变化趋势。垃圾分类研究文献的年度分布如图1所示，从1998年到2022年，总体发文量呈上升趋势。其中知网数据库所能检索到的最早的关于垃圾分类的CSSCI文献是1998年发表于《环境保护》的两篇文章，分别是关于城市垃圾分类收集的社会调查 [ 4 ] 和北京市城市生活垃圾现状与对策研究 [ 5 ]，可以作为国内垃圾分类研究的起点，此后的10年间关于垃圾分类的研究数量相对较少，且研究相对浅显。从2008年开始年度发文数量逐渐有所提升，2013年发文量突破10篇，2016年突破20篇，直到2017年关于垃圾分类的研究发文量一直维持缓慢上升趋势，有研究开始结合不同省市地区的政策变迁及实际执行情况探讨垃圾分类对策 [ 6 ] [ 7 ] 以及将政府、公众等主体纳入垃圾治理讨论 [ 8 ] [ 9 ]。2017年到目前是我国垃圾分类研究集中爆发的时期，尤其是2019年之后，在2020年垃圾分类研究的发文量达到最大值75篇。

由图1所示，垃圾分类研究发文量的年度分布可以分为三个阶段，1998年到2007年处于研究低迷期，关于垃圾分类的研究尚未进入大部分学者和公众的视野；2008年到2017年处于缓慢上升期，此时垃圾分类逐渐成为研究热点，社会组织开始介入社区做垃圾分类宣传；2018到2022年进入垃圾分类研究的活跃期，全国各地垃圾分类实践层出不穷、形式各异、效果不同。本研究认为政策的推出和执行是2017年之后垃圾分类研究迅速增加的重要原因，自上而下的行政压力推动了基层社区主体的积极行动和学术研究的发展。例如2017年3月，《生活垃圾分类制度实施方案》 [ 10 ] 的颁布意味着我国城市生活垃圾分类进入“强制”时代 [ 11 ]；2019年6月，《关于在全国地级及以上城市全面开展生活垃圾分类工作的通知》 [ 12 ] 明确到2020年全国46个重点城市要基本建成生活垃圾分类处理系统。可以看出我国城市生活垃圾分类治理制度经历了从无到有、从弱到强的阶段，自上而下的顶层设计和自下而上的基层试点相结合，垃圾分类逐渐在全国范围内全面铺开，相关学术研究也开始蓬勃发展，并逐渐体现出学术价值。

图1. 垃圾分类研究发文量年度分布

发文作者合作网络图谱如图2所示，该图谱中共有节点321个，链接180条，网络密度为0.0035，

图2. 发文作者合作网络图谱

出现频次最高的依次是谭爽32次，丁志华、刘余等22次，蒋培、杜欢政等7次，曲英、薛立强4次。其中中国矿业大学文法学院的谭爽主要采用质性研究的方法探索多元主体参与垃圾治理的多元路径 [ 13 ] 以及垃圾议题下公共领域的建构 [ 14 ]，中国矿业大学经济管理学院的丁志华主要探讨了社区环境 [ 15 ]、信息激励 [ 16 ] 等因素对城市居民垃圾分类意愿的影响；同济大学的杜欢政重点研究上海市垃圾分类的现状、困境、对策 [ 17 ]，以及乡村垃圾治理的模式、困境 [ 18 ]。整体来看，各位学者之间合作关联相对较少，但存在小范围内的合作。

不同研究机构的发文数量表明其在该研究领域的学术积累和贡献，本研究以所在单位发文作者的发文量为统计指标得到研究机构之间的合作网络图谱，如图3所示，该图谱中共有节点278个，链接118条，网络密度为0.0031。其中，共现频次最高的机构依次为：中南财经政法大学工商管理学院14，中国矿业大学文法学院、经济管理学院和南财绿色经济发展研究院、经济学院分别为12，另外浙江大学公管学院为9，西北农林科技大学经管学院为8。可以看出，对垃圾分类议题最感兴趣和资源投入最多、产出最多的主要是社会科学领域的公共管理学院、经济工商学院和文法学院，以及少数的绿色发展研究所、环境管理学院，这些机构在承担环境保护、绿色可持续发展的公共责任方面发挥了突出作用。另外，各机构之间的合作和联系有待加强，部分机构合作也限于一定的地理区域之内，例如省市内高校的合作，而跨地域的、跨学科的机构合作较少。

图3. 研究机构合作网络图谱

一般认为，如果两个关键词频繁在同一篇论文中同时出现，往往表明这两个主题词之间具有比较密切的联系，关键词节点及字体大小代表关键词出现频次的高低。如图4所示，本研究中共现关键词共329个，连线数量499条，连接密度为0.0092。从该图谱可以看出垃圾分类相关研究的关键词较为集中，且内部存在紧密的逻辑性关联，符合垃圾治理的技术步骤和社会治理逻辑。垃圾分类作为研究主题也是出现频次最高的关键词；其次是生活垃圾，侧重于社区生活中所产生垃圾的分类及治理；另外循环经济、影响因素、分类收集、回收利用也是垃圾分类议题下值得深入探究的问题；垃圾回收、资源化、减量化则为垃圾分类提供了进一步的讨论和实践方向。

图4. 垃圾分类的关键词共现图谱

聚类分析是包括时间线视图、时区视图在内的CiteSpace三种可视化方式之一，其中聚类视图(cluster)侧重于体现聚类间的结构特征，突出关键节点及重要连接 [ 3 ]，聚类是由多个紧密相关的词组成，聚类分析的序号数字越小，聚类中包含的关键词越多。经过算法，CiteSpace将本研究中关系紧密的关键词聚类为90个类，其中Q为0.83，S为0.96，这表明该图谱中显示的聚类结构显著且高效率、令人信服。如图5所示，具体呈现了15个聚类，11个阴影板块和4个词条，包括#0垃圾分类、#1生活垃圾、#2环境治理、#3回收利用、#4科技风险、#5影响因素、#6循环经济、#7城市垃圾、#8公共政策、#9垃圾回收、#10政府，以及#11分类处理、#13治理模式、#17低值可回收废弃物、#23回收补贴。

关键词聚类可以体现研究中的不同类型和板块，代表目前有研究涉及和有发展可能的研究方向。基于本研究的聚类结果以及文献整理可以得出，关于社区垃圾分类的社会科学研究可以分为垃圾分类行为、垃圾分类政策、垃圾分类多元参与主体这三个主要方向。

垃圾分类行为研究关心个体选择，主要关注行为主体参与垃圾分类的内在动因以及外在影响因素。垃圾分类行为以一定的环境认知和环保观念为基础 [ 19 ]，既是个体行动者的基于自身认知的主动选择，也可能是在社会整体环境制约下“不得不”做出的选择 [ 20 ]。影响因素可以分为微观的小环境和宏观的大环境两个层面，其中微观影响因素包括人口统计变量、个体所习得的环境知识、个体所认可的环境态度和消费习惯、个体所习惯的生活方式，外在形成的社会规范，外部存在的社会资本等；宏观因素主要包括国家和地区层面的政策制定、以及具有群体影响的文化因素等 [ 21 ]。大量文献通过选取变量、构建模型研究居民垃圾分类参与程度及影响因素，试图构建包括宏观层面政策因素和微观层面个体因素的更加系统和完整的分析框架 [ 20 ]。

垃圾分类政策方面的研究包括政策出台及政策扩散及政策执行。有学者利用政策工具的维度划分垃圾分类政策阶段和解释政策变迁动因 [ 22 ]；有学者从理念、模式和制度构造出发，探索城市垃圾分类的立法发展 [ 23 ]，或者采用内容分析的方式梳理不同时期垃圾分类政策的焦点轨迹、划分政策阶段 [ 24 ]。政策获得公众的支持和遵从是政策执行的前提，有学者探究了政策执行效果和困境，基于社区实践典型案例分析垃圾分类政策执行的环境、情况、效果、可借鉴和交流的经验以及需要改进的问题部分 [ 25 ]，以及基于我国垃圾分类的历史变迁梳理政策本身以及政策执行主体、执行对象等多方面的原因 [ 26 ]。

关于垃圾分类多元参与主体的研究，主要探讨社区、社会组织、物业、企业、居民等多元主体在垃圾治理中的角色、作用发挥、协同作用、互动网络，以及由此形成的不同治理主体主导的不同实践模式 [ 27 ]。例如有研究从生命周期视角寻求垃圾处理过程中制度逻辑、经济逻辑与技术逻辑的耦合，进而实现

图5. 垃圾分类的关键词聚类图谱

宏观层面政府力量、社会力量、市场力量的整合 [ 28 ]。垃圾分类可持续发展存在困境，“运动式”突击治理往往缺乏主体参与的可持续后劲，使垃圾分类治理的效果忽上忽下，例如政府由于其资源有限难以长期维持其向下的激励效果 [ 29 ]，以及动员宣传和居民实践参与的困境 [ 27 ]。因而在实践中构建包括政府、居民、物业企业、社会组织、媒体在内多元主体参与的环境治理体系，充分结合各主体需求、发挥多元主体信息优势和资源链接优势，是突破困境、推动社区垃圾治理的必要选择 [ 30 ]。