R語言文獻計量分析筆記

參考文獻：如何用 R 快速了解科研領域？; BiblioShiny使用介紹; R語言快速實現文獻計量分析

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
    • 數據
    • • 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和科學計量學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/)數據庫，進行文獻計量分析，構建共被引、耦合、科學合作和共詞分析網絡。

Bibliometrix支持學者在三個關鍵的分析階段:

• 數據導入及轉換為R格式;
• 出版物數據集的文獻計量分析;
• 為co-citation, coupling, collaboration 和 co-word分析建立和繪制矩陣。矩陣是執行網絡分析、多重對應分析和任何其他數據約簡技術的輸入數據。

安裝

我們運行以下代碼塊，安裝包，并導入包：

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

注意，dependencies默認為FALSE，設置為TRUE就是下載bibliometrix包時順便下載并安裝bibliometrix包的依賴包。

如果不設置為TRUE(就像我第一次下載那樣)，執行biblioshiny()時就可能出現沒有"withSpinner"這個函數的錯誤.

好的，我將dependencies設置為TRUE，并重新裝以下bibliometrix,導入包，并執行biblioshiny()打開biblioshiny(針對非編碼者的bibliometrix，為bibliometrix提供web界面的應用程序)：

數據

以下摘自知乎學習導讀：

我是做信息科學的。出于近便原則，本文的樣例分析對象，是信息科學領域的一份權威期刊：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。完全可以使用關鍵詞搜索相關文獻。

MIS Quarterly 的文獻數據，我是從 Web of Science 下載的。

我對結果進行了精煉，只選擇了其中的 Articles 類型。

一共 743 篇文章，導出選擇的格式，為 BibTex 。

因為 Web of Science 每次導出記錄數量，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合作的這份視頻教程（http://t.cn/EPIsjtk）。教程是關于 VosViewer 的。但其中4分鐘以后，就有 Web of Science 文獻記錄檢索和導出的完整介紹與展示。

(以下為GoatBishop言)

看完知乎上的導讀，我把他提供的數據放到了我的藍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，發現他網頁更新了：

Export下拉菜單里的內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界面的導航欄中，選擇 Data 下拉菜單，再點擊Import or Load files：

出現以下界面：

進行以下設置：

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

點擊 Start，可以看到，界面中間出現了加載動畫：

等待一會，導入完畢后，展示結果列表如下：

How to use ?

作者研究

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

此時就會出現如下界面：

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（當前文獻集）

Author’s Production over Time：高產作者近期發文

Lotka’s law：洛特卡定律（核心作者）

Author Impact：作者影響因子

Most Relevant Affiliations：最高產機構

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

Country Scientific Production：各個國家發文量

Most Cited Countries：高被引國家以及被引次數

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：

此時就會出現如下界面：

點擊Apply!，進入 Table選項卡，可以看到我們想要的結果：

備注： Documents下拉菜單的其他選項的意思為：

Most Local Cited Documents：在當前數據集中高被引文獻

Most Local Cited References：在當前數據集中高被引的參考文獻

Reference Spectroscopy：每年參考文獻的數量

Most Frequent Words：高頻詞

WordCloud：詞云

TreeMap：樹圖

Word Dynamics：詞出現次數，展示詞變化趨勢

Trend Topics：根據今年詞出現頻次推測熱點話題

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：

我們在左側的Field選項中，選擇 Author Keywords 即作者自己列出的關鍵詞，并進行一些列自定義設置，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的參數選項了，點擊左側 Apply!，得到詞匯地圖：

由結果可知，我們大概可以把研究關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發展：

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

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

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：

在左側進行一些設置，并點擊 Apply!：

總結

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。