Graphical Abstract

摘要

????本文旨在利用文獻分析工具“Bibliometrix”及其交互界面“Biblioshiny”，基于文獻數據庫的檢索結果，快速獲取目標課題的關鍵信息。相較于傳統人為反復閱讀的方法，該方法可高效實現以下重要功能：

• 拓展和獲取更加準確的關鍵詞

• 了解領域內已經被占領的研究內容

• 獲取領域內必讀的重要文獻

• 了解領域相關的重要期刊

• 梳理研究進展，了解當下研究熱點

• 定位主題在領域內的位置，確認創新性和有效性

????兩種文獻綜述方法的比較：

????傳統方法：

選擇文獻數據庫

輸入關鍵詞進行檢索

初篩文獻，導入文獻管理系統軟件

通過泛讀和精讀，總結歸納

不斷重復2,3,4步

????優化方法：

選擇文獻數據庫

利用限定關鍵詞進行檢索

利用文獻分析工具獲取領域關鍵信息

????下文將以我之前的論文主題??“城市植物葉片中多環芳烴的城鄉分布特征”??為例，進行實例演示。

0?前期準備

0.1?Bibliometrix庫的安裝

0.1?Bibliometrix的安裝

x，公眾號：KvasirBibiometrix庫的安裝

? ??Bibliometrix的實質：對文獻檢索結果進行排序、聚類等統計分析并進行可視化的R包。

????Biblio已經加入交互工具Shiny，這使得“non-coder”也能夠輕松實現原R包的全部功能；事實上，對于“coder”來說，Shiny的加入也可以免去不必要的代碼輸入，大大簡化工作流程。原包和交互界面的一些介紹，可參考師弟的文章。

0.2?Bibliometrix的介紹和使用

ClarkD，公眾號：段造了解一個全新領域有沒有什么更好的辦法？

1 獲取文獻檢索結果

????文獻檢索的結果是文獻分析的基石，數據必須可靠，否則會影響最終的分析效果，所以必須對文獻檢索結果的質量進行控制。

????獲取高質量文獻檢索結果的關鍵在于選擇和組合合適的關鍵詞。

? ? 當我們對不熟悉領域進行文獻檢索時，關鍵詞的作用應是限定一個“相對大的、可供分析”的文獻范圍，因此，需要選擇“相互獨立的最低上位詞”作為關鍵詞。

1.1 選擇最低上位詞

-什么是最低上位詞？

--距離“未確定的研究對象”的最近上位詞，以及“已確定的研究對象”

? ? 以示例課題中的“多環芳烴”為例，相關關鍵詞的層次為(從上位到下位)：

POPs(Persistent Organic Pollutants)-持久性有機污染物Hydrocarbon-烴類物質PAHs (Polycyclic Aromatic Hydrocarbons)-多環芳烴BaP (Benzoapyrene) -苯并[a]芘在確定研究對象是多環芳烴時，最低上位詞為多環芳烴；在未確定研究對象，只知課題背景是關于城市污染物研究的情況下，則應選擇POPs或者Hydorcarbon作為最低上位詞。1.2 相互獨立，完全窮盡(MECE分析法)Mutually Exclusive Collectively Exhaustive關鍵詞選取準確，無重疊，完全覆蓋目標研究領域以示例課題為例：“城市植物葉片中多環芳烴的城鄉分布特征”，構建關鍵詞組合。例1："urban"?AND "plant" AND "leaf" AND?"PAHs" AND "gradient" AND?"distribution" AND?"pattern"解析：

urban選取不夠準確

plant 和 leaf ，pattern和distribution存在重疊

改1："urbanization" AND "leaf" AND?"PAHs" AND "gradient" AND?"distribution"解析：未考慮同義詞、變體和最小上位詞改2:"urban*" OR "gradient" AND "leaf" OR "monitor*" OR "biomonitor"?AND?"PAHs"?解析：

?urban，gradient詞義相近，使用布爾運算符合OR并

urban意在描述城市和城市化，同義詞有urbanization，替換詞有urbanisation，使用截詞符*

leaf不是確定的研究對象，應使用最小上位詞“生物監測器”biomonitor，同時考慮替換詞monitor和monitoring

distribution可能過于限制研究內容，考慮先行刪除

輸入關鍵詞1.3 文獻檢索結果獲取利用Web of Science文獻數據庫，輸入關鍵詞，選擇“WoS核心合集”，進行文獻檢索。WoS檢索界面檢索得到834篇文獻，導出為“.txt”格式，并合并壓縮成.zip文件。(WoS每次只能導出500條記錄，故需導出兩次)WoS文獻檢索導出界面2 Bibiometrix的交互可視化文獻分析2.1?導入數據打開R，運行以下代碼加載Bibiometrix包，打開交互界面Biblioshiny?(這之后就可以和R說再見了)library('bibliometrix')biblioshiny()Biblioshiny 可視化窗口導入.zip文件，開始分析，成功后，右側會顯示所有文獻的各個字段的清單，可保存bibliometrix文件，便于下次直接導入使用。Data工具欄和字段清單2.2 Filter：過濾器可選取時間段，可導出所有字段清單至Excel中。Filter 工具2.3 DataSet：字段信息概覽2.3.1 Annual?Scientific Production?文章發表趨勢由圖可得，2017年至今該主題的研究較為熱門，證明該領域的研究基礎已經較為完善，被占領的研究內容和方向可能較多。2.3.2 Three-Fields Plot?“三字段桑基圖”比較實用的字段包括“Keywords”，“Keywords Plus”，“References”，“Authors”，每個矩形都可拖動，便于區分。????由圖可實現關鍵詞拓展和同義詞修正內容方面：????source appointment -來源解析????exposure-暴露????biomarker/biomonitoring-生物監測????accumulation-積累特征存在介質方面：????sediment-沉積物????soil-土壤????air/ambient air/atmosphere/air pollution????大氣相關污染物：????heavy metals-重金屬????PM2.5/PM10-亞微米級顆粒物????pcbs-多氯聯苯2.4 Source ：重要期刊的篩選Source 結果一覽上圖中的圖題即為選擇的功能，包括：

• Most?Relavent Sources “主題相關期刊”
• Most?Local Cited?Sources “當前數據庫中的高被引期刊”
• Source Clustering 基于“布拉德福定律”劃分的核心期刊區
• Source Impact 期刊影響力(基于H指數)

????得到四張圖列出的期刊，觀察或導出表格取交集，就可以得到幾個重要期刊"Science of the Total Environment""Chemosphere""Environmental Pollution""Atmosphere Environment"Source Dynamics 期刊動態變化期刊動態變化圖圖中紅圈圈出的三個期刊，相關文章發表的數量逐年增加，而且未出現拐點，說明這三個期刊近年來比較愿意接受這個主題的文章，這是一個能夠增加中稿率的關鍵信息。2.5 Author：重要作者篩選作者的分析功能和方法類似于2.4期刊的篩選，包括：

• Most Relavant Authors? 主題最相關作者
• Author Impact? 作者影響力排序
• Most Local Cited Author? 高被引作者

Author?結果一覽與2.4期刊處理方法相同，取交集4-10個，可以得到幾個重要作者De Nicola?FAlfani AHarner TJones KC

2.6 Documents：關鍵詞獲取

Documents功能中雖然集成了重要參考文獻的篩選，但個人認為，該功能較為雞肋，原因是缺少題名字段，因此將在2.7中介紹重要文獻的獲得。Keywords Plus：由WoS增加的與原文章相關的關鍵詞，但是非作者本人添加，可增加文章在相關專題下的命中率。????有三個比較實用的功能，高頻詞列表，詞云和詞樹，其中高頻詞列表導出直接可作為關鍵詞的補充，比上文提到的桑基圖更為直接；而詞云和詞樹可視化的作用居多，僅供直觀的參考。高頻詞可視化Word Growth 高頻詞和主題趨勢????為研究方向的選擇提供參考高頻詞趨勢圖 1從上圖可以看出，PAHs(多環芳烴)的研究熱度逐年遞增，部分領域(PM, Source Appointment, Air)熱度遞增，部分領域(Urban)熱度遞減。高頻詞趨勢圖 2由上圖可得近年來的新興方向，如“Risk Assessment”, “Spatial Distribution”, “Health Risk”等。上面兩張圖的區別可能在于，圖1的縱坐標是每年關鍵詞出現的次數，圖2的縱坐標可能是關鍵詞出現次數的標準化數據(關鍵詞出現次數占當年關鍵詞總次數的比例)，且圖2顯示無重復，說明可能只在關鍵詞標準化次數最大值的年份標注。2.7 重要文獻的獲取“Author's Production?over Time?” 的妙用Documents中的文獻功能雖然也給出了類似“2.4 作者”和“2.5期刊”的柱形圖的表格，但并不實用，原因在于缺乏題目字段，因而無法直接獲取關鍵詞，無法判斷文獻是否屬于自己想要閱讀的。反而在Author功能中有一個功能極為實用，“Authors' Production over Time”，推薦導出表格，操作如下圖：Author‘’s Production over Timee: Export?Tableexcel中包括高被引作者文章的題目、期刊、鏈接、總引和年均引五個字段，可瀏覽題目選擇感興趣的關鍵詞，按照期刊排序，選擇高影響因子的期刊文章；按照總引排序，選擇高被引文章，點擊鏈接直接進行轉到，下載或在線閱讀。在瀏覽器地址欄輸入https://doi.org/+“DOI”字段里的值即可直接訪問。Table例如，瀏覽題目后發現第一篇就與我們的主題極為相關，“冬青葉片中的PAHs積累量”，在地址欄輸入“https://doi.org/10.1016/j.envpol.2007.08.008”即可。Paper Example2.8 Conceptional Structure：梳理概念結構側重梳理主題發展，特別地，對綜述性文章的撰寫極為有用。2.8.1Thematic Map “主題四象限圖”縱坐標密度，橫坐標中心程度(領域內)。

• 第一象限：既處于領域中心且發展好
• 第二象限：發展好但位置相對邊緣
• 第三象限：密度低且不是領域內中心，可能是新興主題或過氣主題
• 第四象限：處于領域中心但缺乏發展的主題

??總體來說，第一、二象限屬于熱門學科但被占領的研究內容可能較多，三、四象限屬于新興或待發展主題，創新性和潛力較高。Theme Map????上圖可得，我們的主題部分關鍵詞屬于第三象限，但如果單純研究“urban”和“PAHs”缺乏創新性，可以考慮結合主題演進，選擇新興的熱門主題進行主題交叉。2.8.2 Theme Evolution?“主題演進圖”主題演化圖：1997年至今可按照需求，劃分時間節點，研究不同時間段內的主題熱度。我們將主題以2008, 2013, 2017三個時間點劃分為四個時間段，主要分析2017年至今(近3年)。主題聚類圖：2017年至今從第二象限來看，近三年的研究較為分離，若考慮將關鍵詞交叉研究，可能會出好結果，師姐前段時間新鮮出爐的7分Sci就是將第二象限中的“land-use”, “biomonitor”?和“PAHs”結合。從第四象限來看，近三年的研究中，我們主題中的關鍵詞“distribution”, “urban”, “passive sampler” (leaf) 仍處于集中但研究較少的階段，證明我們的主題仍然是當下的熱點；同時與健康相關的“健康暴露”和“與室內空氣的關系”?(“cancer-risk”和“indoor air”)可能是未來的研究熱點。3 總結1. 利用Bibliometrix及其交互界面，我們實現了以下重要目標：

• 拓展和獲取更加準確的關鍵詞
• 了解領域內已經被占領的研究內容
• 獲取領域內必讀的重要文獻
• 了解領域相關的重要期刊
• 梳理研究進展，了解當下研究熱點
• 定位主題在領域內的位置，確認創新性和有效性

???2. 在文獻引用網絡和文獻分類方面，Biblio的可視化較差，可考慮使用HistCite, CitNetExplorer等引文分析分類軟件。3.?Bibliometrix目前僅支持部分數據庫(Web of Science, Scopus, Dimension, PudMed， Cochrane)。4. Biblioshiny的出現基本拜托了R的桎梏，大大簡化工作流程。相關資料1Bibliometrix官網：https://bibliometrix.org/index.html.2Bibliometrix文章原文：Aria, M., & Cuccurullo, C. (2017).Bibliometrix:An R-tool for comprehensive science mapping analysis. Journal of Informetrics,11(4), 959-975.?10.1016/j.joi.2017.08.007.2020/08/13-翻書：biblio，biblio，biblio.-合書：bilibli. 創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的快速列出所有字段_快速掌握目标课题的研究现状 | 应用实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。