R語言文獻計量分析筆記

參考文獻：如何用 R 快速了解科研領(lǐng)域？; BiblioShiny使用介紹; R語言快速實現(xiàn)文獻計量分析

GitHub：https://github.com/massimoaria/bibliometrix

biblioshiny教程：http://bibliometrix.org/biblioshiny/assets/player/KeynoteDHTMLPlayer.html

---

文章目錄

• • bibliometrix
  • • 描述
    • 安裝
    • 數(shù)據(jù)
    • • 提示
    • 開始分析
    • How to use ?
    • • 作者研究
      • 文獻研究
      • 主題研究
      • 未來展望

---

bibliometrix

描述

Bibliometrix軟件包為文獻計量學(xué)和科學(xué)計量學(xué)的定量研究提供了一套工具。

它提供了從’SCOPUS’ (https://scopus.com)、‘Clarivate Analytics Web of Science’ (https://www.webofknowledge.com/)、‘Digital Science Dimensions’ (https://www.dimensions.ai/)、“Cochrane Library”(https://www.cochranelibrary.com/)和“PubMed”(https://pubmed.ncbi.nlm.nih.gov/)數(shù)據(jù)庫，進行文獻計量分析，構(gòu)建共被引、耦合、科學(xué)合作和共詞分析網(wǎng)絡(luò)。

Bibliometrix支持學(xué)者在三個關(guān)鍵的分析階段:

• 數(shù)據(jù)導(dǎo)入及轉(zhuǎn)換為R格式;
• 出版物數(shù)據(jù)集的文獻計量分析;
• 為co-citation, coupling, collaboration 和 co-word分析建立和繪制矩陣。矩陣是執(zhí)行網(wǎng)絡(luò)分析、多重對應(yīng)分析和任何其他數(shù)據(jù)約簡技術(shù)的輸入數(shù)據(jù)。

安裝

我們運行以下代碼塊，安裝包，并導(dǎo)入包：

install.packages("bibliometrix", dependencies=TRUE) #bibliometrix library(bibliometrix) biblioshiny()

注意，dependencies默認(rèn)為FALSE，設(shè)置為TRUE就是下載bibliometrix包時順便下載并安裝bibliometrix包的依賴包。

如果不設(shè)置為TRUE(就像我第一次下載那樣)，執(zhí)行biblioshiny()時就可能出現(xiàn)沒有"withSpinner"這個函數(shù)的錯誤.

好的，我將dependencies設(shè)置為TRUE，并重新裝以下bibliometrix,導(dǎo)入包，并執(zhí)行biblioshiny()打開biblioshiny(針對非編碼者的bibliometrix，為bibliometrix提供web界面的應(yīng)用程序)：

數(shù)據(jù)

以下摘自知乎學(xué)習(xí)導(dǎo)讀：

我是做信息科學(xué)的。出于近便原則，本文的樣例分析對象，是信息科學(xué)領(lǐng)域的一份權(quán)威期刊：Management Information Systems Quarterly （下文簡稱 MIS Quarterly）。

注意你在分析的時候，并不需要局限在某一本或者幾本期刊。完全可以使用關(guān)鍵詞搜索相關(guān)文獻。

MIS Quarterly 的文獻數(shù)據(jù)，我是從 Web of Science 下載的。

我對結(jié)果進行了精煉，只選擇了其中的 Articles 類型。

一共 743 篇文章，導(dǎo)出選擇的格式，為 BibTex 。

因為 Web of Science 每次導(dǎo)出記錄數(shù)量，不能超過500，因此前后下載了2個 BibTex 格式文件。

我把它們打包成了一個 zip 文件（Archive.zip）。這個文件，我為你放在了這個位置（http://t.cn/EPIs99X）。你可以直接下載使用。

如果你希望自己從 Web of Science 下載文獻記錄，可以參考我的研究生吳查科和同學(xué)合作的這份視頻教程（http://t.cn/EPIsjtk）。教程是關(guān)于 VosViewer 的。但其中4分鐘以后，就有 Web of Science 文獻記錄檢索和導(dǎo)出的完整介紹與展示。

(以下為GoatBishop言)

看完知乎上的導(dǎo)讀，我把他提供的數(shù)據(jù)放到了我的藍(lán)奏云上方便大家下載，密碼為rrrr

提示

最近我上web of science的時候，發(fā)現(xiàn)他網(wǎng)頁更新了：

Export下拉菜單里的內(nèi)容也與舊版有點不同，我試了試，點擊Plain text file，按照如下操作導(dǎo)出txt文件，并將txt文件打包為zip 文件（Archive.zip），也是可以在bibliometrix中進行分析的：

開始分析

• 在biblioshiny中導(dǎo)入下載的文獻信息。

為了方便起見，我將下載下來的Archive.zip放在我的桌面，在biblioshiny界面的導(dǎo)航欄中，選擇 Data 下拉菜單，再點擊Import or Load files：

出現(xiàn)以下界面：

進行以下設(shè)置：

備注：知乎文章上選擇的是，但是現(xiàn)在的選項里沒有，在網(wǎng)上查了一下Web of Knowledge與Web of Science的關(guān)系：Web of Knowledge與Web of Science之間是什么關(guān)系？

點擊 Start，可以看到，界面中間出現(xiàn)了加載動畫：

等待一會，導(dǎo)入完畢后，展示結(jié)果列表如下：

How to use ?

作者研究

如果我們想查看最高產(chǎn)作者，可以點擊 Authors下拉菜單，再點擊 Most Relevant Authors ：

此時就會出現(xiàn)如下界面：

其中，Fractionalized Frequency是作者對于論文的貢獻率：

點擊Apply!，進入 Table選項卡，可以看到我們想要的結(jié)果：

備注：Authors下拉菜單的其他選項的意思為：

Most Local Cited Sources：高被引期刊（當(dāng)前文獻集）

Author’s Production over Time：高產(chǎn)作者近期發(fā)文

Lotka’s law：洛特卡定律（核心作者）

Author Impact：作者影響因子

Most Relevant Affiliations：最高產(chǎn)機構(gòu)

Corresponding Author’s Country：合著作者的國籍

Country Scientific Production：各個國家發(fā)文量

Most Cited Countries：高被引國家以及被引次數(shù)

文獻研究

我們查看在web of science中被引文獻的情況，點擊 Documents下拉菜單中的 Most Global Cited Documents：

此時就會出現(xiàn)如下界面：

點擊Apply!，進入 Table選項卡，可以看到我們想要的結(jié)果：

備注： Documents下拉菜單的其他選項的意思為：

Most Local Cited Documents：在當(dāng)前數(shù)據(jù)集中高被引文獻

Most Local Cited References：在當(dāng)前數(shù)據(jù)集中高被引的參考文獻

Reference Spectroscopy：每年參考文獻的數(shù)量

Most Frequent Words：高頻詞

WordCloud：詞云

TreeMap：樹圖

Word Dynamics：詞出現(xiàn)次數(shù)，展示詞變化趨勢

Trend Topics：根據(jù)今年詞出現(xiàn)頻次推測熱點話題

主題研究

如果我們想知道哪些主題更值得研究，可以通過詞云圖，直觀的得到想要的信息，點擊document下拉菜單中的worldcloud：

我們在左側(cè)的Field選項中，選擇 Author Keywords 即作者自己列出的關(guān)鍵詞，并進行一些列自定義設(shè)置，最后點擊Apply!：

點擊 Conceptual Structure 下拉菜單，選擇其中的Factorial Analysis把主題歸類一下：

這里我就不更改左側(cè)的參數(shù)選項了，點擊左側(cè) Apply!，得到詞匯地圖：

由結(jié)果可知，我們大概可以把研究關(guān)注點聚焦在兩個類別上，并且可以知道每個類別是如何被關(guān)鍵詞描述的。

未來展望

我們可以通過繪制主題地圖(Thematic Map)，分析未來哪些主題可能會有長遠(yuǎn)發(fā)展：

主題地圖中，橫軸代表中心度(Centrality)，縱軸代表密度(Density)，并據(jù)此繪制出4個象限：

• 第一象限（右上角）：motor-themes，既重要，又已有良好發(fā)展（well-developed）；
• 第二象限（左上角）：Niche themes，已有良好發(fā)展，但是對于當(dāng)前領(lǐng)域不重要；
• 第三象限（左下角）：emerging or disappearing themes，邊緣主題，也沒有好的發(fā)展，可能剛剛涌現(xiàn)，也許即將消失；
• 第四象限（右下角）：basic themes，對領(lǐng)域很重要，但是未獲得良好發(fā)展。一般是指基礎(chǔ)概念。

隨著時間變化，可以研究主題演化過程：

在biblioshiny中的具體操作為，點擊 Conceptual Structure 下拉菜單中的 Thematic Map：

在左側(cè)進行一些設(shè)置，并點擊 Apply!：

總結(jié)

以上是生活随笔為你收集整理的R语言观察日志(part23)--bibliometrix包的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。