|
【声明】本文中的教学视频资源已获得CiteSpace开发者美国Drexel University华人学者陈超美教授的授权分享，仅供学习用途。
CiteSpace开发者：陈超美教授 上篇文章介绍了探究如何利用CiteSpace从相对宏观的整体的角度（整体视图）了解研究问题所在领域最有价值的信息。今天这篇文章仍然以陈教授2017年这篇综述为例（见下图），介绍如何利用CiteSpace生成的科学知识图谱从更微观的角度了解研究领域的现状及来龙去脉。
1. 五大代表性聚类分析（仅展示Cluster #0)； 2. 聚类边界的引文轨迹分析；   Source: Chen, 2017, Table 2，Temporal properties of major clusters前5的聚类包含150个以上节点，有些聚类的活跃时间较久，比如#0，持续21年并且仍然活跃着。陈教授一一分析了这五个聚类。以下将以第一个聚类（#0--Science Mapping)为例学习分析的角度。 1.2 Cluster #0 分析 1.2.1 关键概念
以上主题词来自于相关施引文献（citing articles)的标题。这种层次结构的最大分支通常反映聚类内科研究人员发表的的学术出版物的核心概念（反映主要研究对象和内容）。 1.2.2 时间线视图
时间线视图主要展示聚类的时间跨度及在这段时间内发展的峰值。聚类#0一共有三个峰值阶段。尤其在2003-2010年期间出现了许多高影响力的文献（见密集的红圈，表示引文爆发）。促成峰值出现的文献有：一篇文献综述（Borner et al., 2003), 工具的发明（Chen, 2004, 2006), 科学知识图谱的应用（Boyack et al., 2005), 等等。在第三阶段（2011-2015），没有出现引文突变等，但是代表着相对前沿的一些研究。 1.2.3 最重要的被引文献
Source: Chen, 2017, Figure 11，Top 20 most cited references in the largest cluster. 通过观察前20高被引文献，我们发现关于科学知识图谱的研究进入了第二个阶段（见上篇文章的四个阶段理论），即工具等的发明和创造（到2010年）。 1.2.4 最重要的施引文献
Source: Chen, 2017, Figure 12，Major citing articles to the largest cluster 上图展示的是前20篇引用聚类内被引文献的文章。这也能为我们提供该聚类研究的动态。 综上可知，在该主题研究的领域已经进入了第三阶段，即概念和工具的广泛运用和调整。
上图展示的是多产学者White8篇论文的共被引轨迹。可以看到（轨迹线),他的被引文献跨越了视图的左边和中间，涵盖的领域如图中所示  Source: Chen, 2017, Figure 26，Three examples of articles with high modularity change rates: 1) (Waltman, 2016), 2) (Zupic, 2015), and 3) (Zhu et al., 2015).由于前文的系列分析关注的都是高被引文章，但是对于处在研究前沿的文章，可能因其当下被引量有限而容易被忽略。陈教授提供的一个有效的方法就是探索新论文能带来高影响力的潜力，即是否建立了彼此独立的几个聚类之间的联系。 【致谢】 谢谢陈教授为我们开发一款如此强大的科学知识图谱工具（信息管理在大数据时代太重要了！），以及无私分享相关教学资源（更多相关信息见文末）。 【声明】 本文仅为本人学习笔记，很多信息来自于陈教授论文。作为初学者，我的解读和理解不一定准确。 参考资料：
其他相关资料： 1.https://sites.google.com/site/citespace101/design-rationale/how-should-i-cite-citespace (核心论文） 2. https://www./profile/Chaomei-Chen （全部相关文献） 3. https://citespace./ （官网） 4. http://www.pages./~cc345/ （citespace 所有相关信息） · END · |
|
|
