付费栏目文章试读

欢迎各位读者打开《经验卷轴:入门学术论文写作》栏目。《经验卷轴:入门学术论文写作》是一本知识点覆盖全面的经验之书。王老师将从零基础储备知识和选题开始,完整覆盖科研写作从选题、考察、知识储备到内容创作以及最终答辩的全流程,手把手带你完成长篇学术论文创作的全流程。

我们在直播回放视频的基础上,为各位整理了内容梗概和知识点,配合时间戳可在视频中直接找到相应内容。

如果你对内容有任何疑问或想法,欢迎在评论区中分享。

 

📮 前往了解栏目

直播回放

本期主讲:崔雷悦、王悦、王慧,天津师范大学管理学院图书情报专业研究生。

内容梗概

在本期直播中,三位同学为我们介绍了 VOSviewer 和 BiblioShiny 两款文献分析软件,演示了使用 VOSviewer 分析中、英文献作者关系与关键词共现以及使用 BiblioShiny 分析科研领域现状的具体流程,并回答了关于文献分析的一些问题。

知识点

为什么要使用文献分析工具?

在科研活动中,通常需要通过阅读文献了解某一个领域科研现状,或者需要查阅大量文献支撑想法和选题。如果通过个人的努力下载、阅读大量文献并从中筛选出重点,非常耗费时间和精力且困难的。

文献分析工具则可以帮助我们高效的将文献关系可视化,梳理出文献之间的引用关系、重要程度、作者对领域的贡献以及关键词组等重要信息,为接下来的科研活动提供支撑。

简介 VOSviewer 和 BiblioShiny

VOSviewer 官网的描述是「一种用于构建和可视化文献计量网络的软件工具(a software tool for constructing and visualizing bibliometric networks)」。对文献的信息进行可视化的计量和分析,即通过分析文献中提及的关键词与引用的作者等信息,构建可视化的关系网络。

BiblioShiny 则是一款基于 R 语言 Bibliometrix 包的可视化分析工具,可以提供全面的科学测绘分析,通过文献信息生成词云、发展趋势图等图表。但它仅支持 Web of Science 等来源的外文文献分析,暂不支持中文文献。

VOSviewer 分析英文文献作者关系、关键词共现

📍 07:05 文献采集:在 Web of Science 中,检索所需领域相关关键词,勾选所需文献,选择导出 - 制表符分隔文件,将记录内容修改为全记录与引用的参考文献,并导出。

📍 08:06 作者关系分析:

  1. 在 VOSviewer 中点击左侧Map - Create新建地图;
  2. 选择Create a map based on bibliographic data选项;
  3. 选择包含 Web of Science 类型的Read data from biliographic database files选项;
  4. 选择从 Web of Science 导出的文件;
  5. 修改Type of analysisCo-authorship,保持其他选项为默认;
  6. 适当缩小阈值Minimum number of documents of an author
  7. 保持其他选项为默认。

📍 09:13 关键词共现分析:操作步骤与作者关系分析基本一致,仅步骤五、六略有区别。

  1. 在 VOSviewer 中点击左侧Map - Create新建地图;
  2. 选择Create a map based on bibliographic data选项;
  3. 选择包含 Web of Science 类型的Read data from biliographic database files选项;
  4. 选择从 Web of Science 导出的文件;
  5. 修改Type of analysisCo-occurrence,保持其他选项为默认;
  6. 适当增大阈值Minimum number of occurrence of a keyword
  7. 保持其他选项为默认。

📍 09:52 地图:地图由节点以及之间的连线构成。节点大小反应涉及的关键文献数量,连线反映节点间的相互关系。联系紧密的节点连线多、距离近,不同主题的节点颜色不同。

VOSviewer 分析中文文献作者关系、关键词共现

使用 VOSviewer 分析中文文献需要借助 EndNote 将知网导出的文献格式转换为可供 VOSviewer 分析的 RIS 格式,基本流程如下。

📍 11:07 文献采集:在中国知网中,检索所需领域相关关键词,勾选所需文献,选择导出与分析 - 导出文献 - EndNote,并导出。

📍 13:45 格式转换:

  1. 在 EndNote 中,选择Import
  2. 打开从知网导出的文献,修改Import OptionEndNote Import,点击 Import
  3. 删除数据中没有作者信息的文献;
  4. 全选文献,选择Export
  5. 修改文件后缀名为.ris,保存类型为Text File(*.txt)Output StyleRefman(RIS) Export,并保存。

📍 17:00 作者关系分析:

  1. 在 VOSviewer 中点击左侧Map - Create新建地图;
  2. 选择Create a map based on bibliographic data选项;
  3. 选择包含 RIS 类型的Read data from reference manager files选项;
  4. 选择从 EndNote 导出的文件;
  5. 修改Type of analysisCo-authorship,保持其他选项为默认;
  6. 适当调节阈值Minimum number of documents of an author
  7. 保持其他选项为默认。

📍 18:17 关键词共现分析:操作步骤与作者关系分析基本一致,仅步骤五略有区别。

  1. 在 VOSviewer 中点击左侧Map - Create新建地图;
  2. 选择Create a map based on bibliographic data选项;
  3. 选择包含 RIS 类型的Read data from reference manager files选项;
  4. 选择从 EndNote 导出的文件;
  5. 修改Type of analysisCo-occurrence,保持其他选项为默认;
  6. 适当调节阈值Minimum number of occurrence of a keyword
  7. 保持其他选项为默认。

📍 18:55 地图:地图的组成与含义与英文文献一致。

BiblioShiny 分析科研领域现状

📍 20:10 文献采集:在 Web of Science 中,检索所需期刊,筛选高被引论文,勾选所需文献,选择导出 - BibTex,将记录内容修改为全记录与引用的参考文献,并导出。如果所需文献数量较大,可以分多次导出后放置在同一压缩包内。

📍 22:52 启动 BibilioShiny:需要提前安装 R Studio 与 Bibiliometrix 包。

library(bibliometrix)    // 读取 Bibiliometrix 包
biblioshiny              // 启动 Bibilioshiny

📍 23:57 加载数据:

  1. 点击左侧Data - Load Data
  2. 修改Please, choose what to doImport raw file(s),修改DatabaseWeb of Science (WoS/WoK),选择从 Web of Science 导出的文件,点击Start

📍 25:08 BiblioShiny 功能简介:BiblioShiny 可以分析导入文献的作者、文档、概念结构、知识结构、社会网络等内容。科研活动中,最受关注的问题有:领域中哪些作者具有一定权威;领域中哪些文献更受关注;领域中哪些主题受重视且具有较好的发展趋势。BiblioShiny 则可以通过对数据的可视化分析帮助我们找到这些问题的答案。

📍 29:25 分析高产作者:

  1. 点击左侧Authors - Most Relevant Authors
  2. 点击Run进行分析;
  3. 分析结束后,右侧可以调节作者数量等变量;中间的图表则展示了分析的结果。图表纵轴是作者,横轴是发文数量。

📍 30:29 分析受关注文献:

  1. 点击左侧Intellectual Structure - Historiograph
  2. 点击Run进行分析;
  3. 分析结束后,右侧可以调节节点数量等变量;中间的图表则展示了分析的结果。
  4. 图表纵轴是被引次数,横轴是发文时间,每个节点代表一篇文献。LCS 表征了文献在平台的总被引次数;GCS 表征了文献在当前数据集中的被引次数。

📍 32:44 分析词云:

  1. 点击左侧 Documents - Word - WordCloud
  2. 点击Run进行分析;
  3. 分析结束后,右侧可以调节关键词来源、数量等变量。中间的图表则展示了分析的结果。单词的大小表征了出现次数。

📍 33:55 分析主题:

  1. 点击左侧 Conceptual Structure - Network Approach - Thematic Map
  2. 点击Run进行分析;
  3. 分析结束后,右侧可以调节关键词来源等变量;中间的图表则展示了分析的结果。

图表纵轴是主题发展趋势,横轴是主题重要程度。图表被坐标划分为四个象限:位于第一象限的主题一般重要度高,发展态势好;位于第一象限的主题一般重要度弱,但发展态势好;位于第三象限的主题一般重要度弱,发展态势差,可能是新兴或即将衰落的主题;位于第一象限的主题一般重要度高,发展态势差。通过观察主题在图表中的位置,可以指导科研活动中研究方向与选题的选择。

问答环节

如何关注系列的讲座直播信息?

本期直播是《经验卷轴:入门学术论文写作》的专享直播,订阅栏目后,可以通过栏目文章和少数派站内系统通知收到直播预告。

BiblioShiny 可以分析知网文献吗?

BiblioShiny 现在只支持对外文献的一些数据的分析,关于 CNKI 是否可以通过一些其他的中间的中介工具对转化后导入 BiblioShiny,可以在研究后与大家再做讨论。

如何通过 BiblioShiny 找到两三年内比较重要的文章?

建议先找到想要研究领域的权威期刊,按需要的时间范围筛选期刊文献,然后导入 BiblioShiny 进行分析。

如何通过 BiblioShiny 分析多本期刊

把从 Web of Science 导出的文件放在同一个压缩包内。

> 下载少数派 客户端、关注 B 站账号,找到数字时代更好的生活方式 🎊

> 往期精彩、2021 年度回顾,更多影视推荐尽在 #本周看什么 🎬