本文基于公眾號(hào)“玉樹芝蘭”《如何用R快速了解科研領(lǐng)域》撰寫，感謝老師的分享。
BiblioShiny官方網(wǎng)址：https://bibliometrix.org/
BiblioShiny
官網(wǎng)說明：
Biblioshiny分為：
三個(gè)不同級(jí)別指標(biāo)的分析和圖表：
-來源?
-作者?
-文獻(xiàn)
知識(shí)的三個(gè)結(jié)構(gòu)（K結(jié)構(gòu)）：?
-概念結(jié)構(gòu)?：主題和趨勢(shì)
-知識(shí)結(jié)構(gòu)?：作者對(duì)該領(lǐng)域的影響力
-社會(huì)結(jié)構(gòu)：作者、機(jī)構(gòu)、國(guó)家如何彼此影響
簡(jiǎn)單來說，這款工具可以對(duì)某一科研領(lǐng)域的作者、期刊、文獻(xiàn)計(jì)量分析，無需敲打代碼，就可以對(duì)該科研領(lǐng)域有一個(gè)簡(jiǎn)單的認(rèn)識(shí)。
接下來的篇幅，主要圍繞BiblioShiny各個(gè)模塊介紹，大家可以根據(jù)需求進(jìn)行相應(yīng)分析。
數(shù)據(jù)
數(shù)據(jù)從Web of Science下載，選擇數(shù)據(jù)庫(kù)“Web of Science核心合集”，檢索式主題“information serendipit*”or 主題“information encounter*”，時(shí)間跨度“所有年份”。
對(duì)結(jié)果精煉，文獻(xiàn)類型“ARTICLE”。
避免文獻(xiàn)相關(guān)性過低，通過觀察，選擇前1000條。
導(dǎo)出格式選擇“其他文件格式”，記錄來源“1至500”，記錄內(nèi)容“全紀(jì)錄與引用的參考文獻(xiàn)”，文件格式“BibTex”。下一次導(dǎo)出，記錄來源改變“501-1000”。將下載的文件保存為Archive.zip。
安裝
通過官網(wǎng)安裝R與Rstudio，安裝后，在Rstudio中執(zhí)行以下命令。
如果安裝包過程中出現(xiàn)問題，有可能是鏡像問題。
選擇“Tools”中“Global Options”，Packages-CRAN Mirrors-China（Beijing）-enter鍵。
安裝成功，會(huì)跳出如下頁(yè)面。
數(shù)據(jù)加載與過濾（Data&Filter）
選擇Data-Import or Load，Import raw file(s)-Web of Science(WoS/WoK)-BibTex，將下載的wos數(shù)據(jù)上傳，可以選擇將bibliometrix文件另存為excel/R Data Format格式。
過濾：可以根據(jù)文獻(xiàn)類型、出版年份、被引次數(shù)、來源
數(shù)據(jù)集
Main Information（部分）
Annual Scientific Production：每年發(fā)文量
Average Citations per Year：每年平均引用次數(shù)
Three-Fields Plot：可以更改不同字段、調(diào)整數(shù)目，繪制可視化圖，記得Apply！
Sources（來源）
Most Relevant Sources：與該主題相關(guān)的期刊
Most Local Cited Sources：高被引期刊（當(dāng)前文獻(xiàn)集）
Bradford’s law：根據(jù)布拉德福定律劃分出核心區(qū)
Source Impact：期刊影響因子
Source Dynamics：期刊出現(xiàn)次數(shù)
Authors（作者）
Most Relevant Authors：最高產(chǎn)作者
其中，F(xiàn)ractionalized Frequency是作者對(duì)于論文的貢獻(xiàn)率。
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(jī)構(gòu)
Corresponding Author’s Country：合著作者的國(guó)籍
其中MCP表示與其他國(guó)家作者合著論文的數(shù)量；SCP表示同國(guó)籍作者合著論文數(shù)量。
MCP_Ratio可以看出國(guó)際合作的比率高低。
Country Scientific Production：各個(gè)國(guó)家發(fā)文量
Most Cited Countries：高被引國(guó)家以及被引次數(shù)
Document（文獻(xiàn)）
Most Global Cited Documents：在web of science中高被引文獻(xiàn)
Most Local Cited Documents：在當(dāng)前數(shù)據(jù)集中高被引文獻(xiàn)
Most Local Cited References：在當(dāng)前數(shù)據(jù)集中高被引的參考文獻(xiàn)
Reference Spectroscopy：每年參考文獻(xiàn)的數(shù)量
Most Frequent Words：高頻詞
根據(jù)需求，更改字段。
Keywords Plus：WoS增加的關(guān)鍵詞是和原文章相關(guān)的關(guān)鍵詞，但是作者本人沒有添加，為了增加文章在相關(guān)專題下的命中率。
WordCloud：詞云
TreeMap：樹圖
Word Dynamics：詞出現(xiàn)次數(shù)，展示詞變化趨勢(shì)
Trend Topics：根據(jù)今年詞出現(xiàn)頻次推測(cè)熱點(diǎn)話題
Conceptual Structure（概念結(jié)構(gòu)）
Co-occurrence Network：共現(xiàn)網(wǎng)絡(luò)
可以選擇對(duì)應(yīng)詞，確定與其相關(guān)聯(lián)的其他詞
Thematic Map：主題地圖
橫軸：中心度；縱軸：密度
第一象限（右上角）：motor themes，既重要又有良好發(fā)展；
第二象限（左上角）：highly developed and isolated themes，已有良好發(fā)展，但是對(duì)于當(dāng)前領(lǐng)域不重要；
第三象限（左下角）：emerging or declining 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 and transversal themes，對(duì)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。
Thematic Evolution：主題演化
Factorial Analysis：析因分析
三種方法：
Correspondence Analysis：對(duì)應(yīng)分析
Multiple Correspondence Analysis：多重對(duì)應(yīng)分析
Multidimensional Scaling：多維標(biāo)度法
word map（詞匯地圖）將研究領(lǐng)域劃分為幾個(gè)類別
最具貢獻(xiàn)論文（Most Contributing Papers）
Contributing：匯總的信息中每篇論文的權(quán)重
在wos被引次數(shù)最高的文獻(xiàn)（Most Cited Papers）
Intellectual Structure（知識(shí)結(jié)構(gòu)）
Co-citation Network：同被引網(wǎng)絡(luò)
Historiograph：了解數(shù)據(jù)集中重要性較高文獻(xiàn)
Table列表中，LCS表示當(dāng)前數(shù)據(jù)集中，文獻(xiàn)被引次數(shù)，也就是文獻(xiàn)在該領(lǐng)域的重要程度；GCS表示W(wǎng)eb of Science 中，文獻(xiàn)被引次數(shù)。
Social Structure（社會(huì)結(jié)構(gòu)）
Collaboration Network：合作網(wǎng)絡(luò)（作者、機(jī)構(gòu)、國(guó)家）
Collaboration WorldMap
繪制圖是第一步，解讀圖是至關(guān)重要，合理應(yīng)用計(jì)量指標(biāo)以及設(shè)置參數(shù)，才能快速了解某一科研領(lǐng)域。
以上對(duì)biblioshiny中的指標(biāo)解讀可能會(huì)存在不足，歡迎大家批評(píng)指正！
