R语言观察日志(part23)--bibliometrix包

R语言文献计量分析笔记

参考文献：如何用 R 快速了解科研领域？; BiblioShiny使用介绍; R语言快速实现文献计量分析

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

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

---

文章目录 bibliometrix描述安装数据提示 开始分析How to use ?作者研究文献研究主题研究未来展望

---

bibliometrix
描述

Bibliometrix软件包为文献计量学和科学计量学的定量研究提供了一套工具。

它提供了从’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/)数据库，进行文献计量分析，构建共被引、耦合、科学合作和共词分析网络。

Bibliometrix支持学者在三个关键的分析阶段:

数据导入及转换为R格式;出版物数据集的文献计量分析;为co-citation, coupling, collaboration 和 co-word分析建立和绘制矩阵。矩阵是执行网络分析、多重对应分析和任何其他数据约简技术的输入数据。
安装

我们运行以下代码块，安装包，并导入包：

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

注意，dependencies默认为FALSE，设置为TRUE就是下载bibliometrix包时顺便下载并安装bibliometrix包的依赖包。

如果不设置为TRUE(就像我第一次下载那样)，执行biblioshiny()时就可能出现没有"withSpinner"这个函数的错误.

好的，我将dependencies设置为TRUE，并重新装以下bibliometrix,导入包，并执行biblioshiny()打开biblioshiny(针对非编码者的bibliometrix，为bibliometrix提供web界面的应用程序)：

数据

以下摘自知乎学习导读：

我是做信息科学的。出于近便原则，本文的样例分析对象，是信息科学领域的一份权威期刊：Management Information Systems Quarterly （下文简称 MIS Quarterly）。

注意你在分析的时候，并不需要局限在某一本或者几本期刊。完全可以使用关键词搜索相关文献。

MIS Quarterly 的文献数据，我是从 Web of Science 下载的。

我对结果进行了精炼，只选择了其中的 Articles 类型。

一共 743 篇文章，导出选择的格式，为 BibTex 。

因为 Web of Science 每次导出记录数量，不能超过500，因此前后下载了2个 BibTex 格式文件。

我把它们打包成了一个 zip 文件（Archive.zip）。这个文件，我为你放在了这个位置（http://t.cn/EPIs99X）。你可以直接下载使用。

如果你希望自己从 Web of Science 下载文献记录，可以参考我的研究生吴查科和同学合作的这份视频教程（http://t.cn/EPIsjtk）。教程是关于 VosViewer 的。但其中4分钟以后，就有 Web of Science 文献记录检索和导出的完整介绍与展示。

(以下为GoatBishop言)

看完知乎上的导读，我把他提供的数据放到了我的蓝奏云上方便大家下载，密码为rrrr

提示

最近我上web of science的时候，发现他网页更新了：

Export下拉菜单里的内容也与旧版有点不同，我试了试，点击Plain text file，按照如下 *** 作导出txt文件，并将txt文件打包为zip 文件（Archive.zip），也是可以在bibliometrix中进行分析的：

开始分析
在biblioshiny中导入下载的文献信息。

为了方便起见，我将下载下来的Archive.zip放在我的桌面，在biblioshiny界面的导航栏中，选择 Data 下拉菜单，再点击Import or Load files：

出现以下界面：

进行以下设置：

备注：知乎文章上选择的是，但是现在的选项里没有，在网上查了一下Web of Knowledge与Web of Science的关系：Web of Knowledge与Web of Science之间是什么关系？

点击 Start，可以看到，界面中间出现了加载动画：

等待一会，导入完毕后，展示结果列表如下：

How to use ?
作者研究

如果我们想查看最高产作者，可以点击 Authors下拉菜单，再点击 Most Relevant Authors ：

此时就会出现如下界面：

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

点击Apply!，进入 Table选项卡，可以看到我们想要的结果：

备注：Authors下拉菜单的其他选项的意思为：

Most Local Cited Sources：高被引期刊（当前文献集）

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

Country Scientific Production：各个国家发文量

Most Cited Countries：高被引国家以及被引次数

文献研究

我们查看在web of science中被引文献的情况，点击 Documents下拉菜单中的 Most Global Cited Documents：

此时就会出现如下界面：

点击Apply!，进入 Table选项卡，可以看到我们想要的结果：

备注： Documents下拉菜单的其他选项的意思为：

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

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

WordCloud：词云

TreeMap：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

主题研究

如果我们想知道哪些主题更值得研究，可以通过词云图，直观的得到想要的信息，点击document下拉菜单中的worldcloud：

我们在左侧的Field选项中，选择 Author Keywords 即作者自己列出的关键词，并进行一些列自定义设置，最后点击Apply!：

点击 Conceptual Structure 下拉菜单，选择其中的Factorial Analysis把主题归类一下：

这里我就不更改左侧的参数选项了，点击左侧 Apply!，得到词汇地图：

由结果可知，我们大概可以把研究关注点聚焦在两个类别上，并且可以知道每个类别是如何被关键词描述的。

未来展望

我们可以通过绘制主题地图(Thematic Map)，分析未来哪些主题可能会有长远发展：

主题地图中，横轴代表中心度(Centrality)，纵轴代表密度(Density)，并据此绘制出4个象限：

第一象限（右上角）：motor-themes，既重要，又已有良好发展（well-developed）；第二象限（左上角）：Niche 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 disappearing 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 themes，对领域很重要，但是未获得良好发展。一般是指基础概念。

随着时间变化，可以研究主题演化过程：

在biblioshiny中的具体 *** 作为，点击 Conceptual Structure 下拉菜单中的 Thematic Map：

在左侧进行一些设置，并点击 Apply!：