美文网首页
学习笔记:BiblioShiny使用介绍

学习笔记:BiblioShiny使用介绍

作者: 质数数数数 | 来源:发表于2020-03-22 14:04 被阅读0次

    本文基于公众号“玉树芝兰”《如何用R快速了解科研领域》撰写,感谢老师的分享。

    BiblioShiny官方网址:https://bibliometrix.org/

    BiblioShiny

    官网说明:

    Biblioshiny分为:

    三个不同级别指标的分析和图表:

    -来源 

    -作者 

    -文献

    知识的三个结构(K结构): 

    -概念结构 :主题和趋势

    -知识结构 :作者对该领域的影响力

    -社会结构:作者、机构、国家如何彼此影响

    BiblioShiny思维导图

    简单来说,这款工具可以对某一科研领域的作者、期刊、文献计量分析,无需敲打代码,就可以对该科研领域有一个简单的认识。

    接下来的篇幅,主要围绕BiblioShiny各个模块介绍,大家可以根据需求进行相应分析。

    数据

    数据从Web of Science下载,选择数据库“Web of Science核心合集”,检索式主题“information serendipit*”or 主题“information encounter*”,时间跨度“所有年份”。

    检索式

    对结果精炼,文献类型“ARTICLE”。

    结果精炼

    避免文献相关性过低,通过观察,选择前1000条。

    导出格式选择“其他文件格式”,记录来源“1至500”,记录内容“全纪录与引用的参考文献”,文件格式“BibTex”。下一次导出,记录来源改变“501-1000”。将下载的文件保存为Archive.zip。

    导出其他格式
    文件格式

    安装

    通过官网安装R与Rstudio,安装后,在Rstudio中执行以下命令。

    安装命令

    如果安装包过程中出现问题,有可能是镜像问题。

    选择“Tools”中“Global Options”,Packages-CRAN Mirrors-China(Beijing)-enter键。

    镜像选择

    安装成功,会跳出如下页面。

    biblioshiny界面

    数据加载与过滤(Data&Filter)

    选择Data-Import or Load,Import raw file(s)-Web of Science(WoS/WoK)-BibTex,将下载的wos数据上传,可以选择将bibliometrix文件另存为excel/R Data Format格式。

    数据加载

    过滤:可以根据文献类型、出版年份、被引次数、来源

    过滤

    数据集

    Main Information(部分)

    数据描述

    Annual Scientific Production:每年发文量

    Average Citations per Year:每年平均引用次数

    Three-Fields Plot:可以更改不同字段、调整数目,绘制可视化图,记得Apply!

    Three-Fields

    Sources(来源)

    Most Relevant Sources:与该主题相关的期刊

    Most Local Cited Sources:高被引期刊(当前文献集)

    Bradford’s law:根据布拉德福定律划分出核心区

    Source Impact:期刊影响因子

    Source Dynamics:期刊出现次数

    Authors(作者)

    Most Relevant Authors:最高产作者

    高产作者

    其中,Fractionalized Frequency是作者对于论文的贡献率。

    Fractionalized Frequency

    Author’s Production over Time:高产作者近期发文

    Lotka’s law:洛特卡定律(核心作者)

    Author Impact:作者影响因子

    Most Relevant Affiliations:最高产机构

    Corresponding Author’s Country:合著作者的国籍

    其中MCP表示与其他国家作者合著论文的数量;SCP表示同国籍作者合著论文数量。

    MCP_Ratio可以看出国际合作的比率高低。

    合著作者的国籍

    Country Scientific Production:各个国家发文量

    Most Cited Countries:高被引国家以及被引次数

    Document(文献)

    Most Global Cited Documents:在web of science中高被引文献

    Most Local Cited Documents:在当前数据集中高被引文献

    Most Local Cited Documents

    Most Local Cited References:在当前数据集中高被引的参考文献

    Reference Spectroscopy:每年参考文献的数量

    Most Frequent Words:高频词

    根据需求,更改字段。

    Keywords Plus:WoS增加的关键词是和原文章相关的关键词,但是作者本人没有添加,为了增加文章在相关专题下的命中率。

    高频词

    WordCloud:词云

    词云

    TreeMap:树图

    树图

    Word Dynamics:词出现次数,展示词变化趋势

    Trend Topics:根据今年词出现频次推测热点话题

    热点话题

    Conceptual Structure(概念结构)

    Co-occurrence Network:共现网络

    可以选择对应词,确定与其相关联的其他词

    共现网络

    Thematic Map:主题地图

    横轴:中心度;纵轴:密度

    第一象限(右上角):motor themes,既重要又有良好发展;

    第二象限(左上角):highly developed and isolated themes,已有良好发展,但是对于当前领域不重要;

    第三象限(左下角):emerging or declining themes,边缘主题,也没有好的发展,可能刚刚涌现,也许即将消失;

    第四象限(右下角):basic and transversal themes,对领域很重要,但是未获得良好发展。一般是指基础概念。

    主题地图

    Thematic Evolution:主题演化

    主题演化

    Factorial Analysis:析因分析

    三种方法:

    Correspondence Analysis:对应分析

    Multiple Correspondence Analysis:多重对应分析

    Multidimensional Scaling:多维标度法

    Factorial Analysis

    word map(词汇地图)将研究领域划分为几个类别

    词汇地图

    最具贡献论文(Most Contributing Papers)

    Contributing:汇总的信息中每篇论文的权重

    Most Contributing Papers

    在wos被引次数最高的文献(Most Cited Papers)

    Most Cited Papers

    Intellectual Structure(知识结构)

    Co-citation Network:同被引网络

    Historiograph:了解数据集中重要性较高文献

    Historiograph

    Table列表中,LCS表示当前数据集中,文献被引次数,也就是文献在该领域的重要程度;GCS表示Web of Science 中,文献被引次数。

    Historiograph

    Social Structure(社会结构)

    Collaboration Network:合作网络(作者、机构、国家)

    国家合作网络

    Collaboration WorldMap

    合作世界地图

    绘制图是第一步,解读图是至关重要,合理应用计量指标以及设置参数,才能快速了解某一科研领域。

    以上对biblioshiny中的指标解读可能会存在不足,欢迎大家批评指正!

    相关文章

      网友评论

          本文标题:学习笔记:BiblioShiny使用介绍

          本文链接:https://www.haomeiwen.com/subject/vfzmyhtx.html