Citespace使用教程

1 各种文献分析软件

工具 网络分析 网络可视化 热度图 转折点 聚类自动命名 宏观理论 双图叠加 概念树 时间线
CiteSpace ++ ++ + + + + + +
VOSViewer +
CitNetExplorer + +
SCI2 + ++
Pajek +++ +
Gephi ++ +++

2 Citespace分析和可视化

红色的词代表突发性的词，根据不同的颜色划分不同的实践段，通过分区分不同的研究领域

Citespace主要分析和可视化方法：

地图叠加

网络分析

文本分析

  1. 地理地图叠加可视化
  2. 宏观双图叠加可视化
  3. 时间序列网络可视化
    • Cluster View
    • Timeline View
    • Timezone View
    • 结构变异轨迹
  4. 引用趋势可视化
    • Burst View
  5. 文本可视化
    • 概念树

3 Citespace分析基本步骤

3.1 分析基本步骤

  1. 准备数据
  2. 整理数据
  3. 地理数据叠加
  4. 学科关联双图叠加
  5. 网络可视化
  6. 概念树
  7. 解读

3.2 收集数据

3.2.1 可分析数据库

Citespace可以进行引文分析的数据库：

带有引文的科学文献数据

  • Web of Science Core Collection
  • Scopus
  • CSSCI
  • CSCD

缺少引文的科学文献数据

  • Web of Science中其他数据库
  • MEDLINE / Pubmed
  • CNKI

3.2.2 网络分析

(1) 共被引网络分析

  • 文献共被引，作者共被引，期刊共被引

(2) 共现网络分析

  • 合作网络：作者，机构，国家，地理位置

  • 共词：关键词，学科索引，名词短语

(3) 文献耦合网络分析

3.2.3 分析和解读策略

方法：

  • 由浅入深地理/宏观双图叠加，聚类图，时间线，等等

  • 学科分类，关键词，被引文献

范围：从整体到局部聚类：从大到小

时间：由远到近

色彩：由鲜艳（重要）到平淡

字体：由大到小

标签：LSI, LLR, MI

指标：burst, 中心性, sigma, u180

3.2.4 要点

  • CiteSpace提供了几种分析科学文献的方法；
  • 参照分析和解读策略制定最有效而系统的分析方案；
  • 解读时综合运用科学发展的宏观理论；
  • 认真区分数据和可视化所表现的来自其它来源的信息。

4 安装和功能介绍

4.1 Citespace下载安装

首先确定自己电脑的位数，根据自己电脑的位数下载对应的java位数。

Citespace下载页面：http://cluster.ischool.drexel.edu/~cchen/citespace/download/

选择对应的Java版本进行安装：https://www.oracle.com/java/technologies/downloads/#java8-windows

首先需要安装Java环境，其次再进行Citespace安装。

4.2 功能参数界面

进入的界面如下：

image-20220503093131658

4.2.1 项目区

项目区图片如图所示：

image-20220503085511761

  • new是用来导入项目文件进行新的分析；
  • Demo1:Terrorism(1996-2003)是当前所分析项目的名称；
  • More Actions...是对当前的项目的再设定

image-20220503085753631

  • Project Home是自己建立的project文件夹文件，随着数据分析会产生很多结果文件，保存在此目录下。
  • Data Directory是自己下载的原始数据，分析的时候会把路径加载到此位置。

4.2.2 数据处理过程

数据处理窗口如下：

image-20220503092427124

4.2.3 时间切片

对所下载的文献切片处理：

image-20220503093944134

根据需要选择合适的时间切片。

4.2.4 节点类型选择

根据需要选择合适的节点进行分析：

image-20220503094432597

  1. 节点类型决定了使用CiteSpace分析的目的；
  2. 选择了节点类型，CiteSpace将从对应的字段来提取数据。例如，进行Keyword分析， CiteSpace将从数据中读取DE字段的数据，来提取关键词信息。

4.2.5 选择阈值

  1. 阈值，在数据处理中CiteSpace会按照用户设定的阈值提取出各个时间切片满足的文献，并最后合并到网络中

  2. 该步骤可以认为是对数据的精炼，以提取最具影响力的数据来进行可视化。

image-20220503125201085

  • g-index g指数分析
  • Top N 分析被引次数前多少的文献
  • Top N% 分析被引次数前百分之多少的文献

4.3 可视化界面介绍

点击运行之后，选择可视化可以进入可视化界面：

image-20220503212513822

4.3.1 快捷功能区

快捷功能区如图：

image-20220503213702544

按下停止按键，可以让图形界面停止，选择自己喜欢的图形。

按下单色显示按键，图形颜色会显示单一颜色，效果如图：

image-20220503214204320

4.3.2 快捷菜单

快捷菜单如图：

image-20220504145114993

  • Spotlight（聚光灯）：突出显示中介中心性高的节点之间的连接
  • Citation/Frequency Burst：显示英文突发的情况，能够看出论文激增或者突发情况。能够看出该领域哪些文献被突然关注起来，以及关注的变化过程。如下图：

image-20220504145857683

可以对图片进行放大缩小，在做博士论文的时候，可以通过文献分析这个领域，看看自己的研究方向是这个领域的哪个部分，并对这个部分进行放大进行进一步分析，以及现在的受关注情况，颜色越靠近色条右方，越是最近的研究热点

  • Link walkthrough：顺序显示对应年份的共被引连线，来考察网络的演化。

  • 搜索框：可以在搜索框中搜索人名，分析两个人的兴趣、研究文献的广泛性以及对学科的贡献。

4.3.3 控制面板

控制面板标签模块调整如图：

image-20220504155556944

可视化图方面的调整：

image-20220504161554324

颜色以及透明度设置：

image-20220504163000793

4.3.4 查看节点相关信息

选中一个节点，然后右击，如图：

image-20220504163550225

选择Node Detail，能够看到节点的被引的时序图，如下图：

image-20220504163741380

右键进行节点设置：

image-20220504180711331

Add to the Exclusion List：节点排除后重新运行，显示的是所选的节点被排除后的网络

如果想合并两个节点，先选中第一个节点A，然后右键选择Add to the Alias List(Primary)，然后选择第二个节点B，再通过Add to the Alias List(Primary)，然后再运行，B节点就会合并到A节点中。

注意：合并多个节点的时候，如果顺序被弄乱，会不成体系。

5 数据采集和预处理

5.1 Citespace分析特点

数据分析与数据组成

数据分析与数据内容联系密切。对于科技文本数据而言，索引型数据库的数据内容包含了除了正文以外的所有内容，而且还增加了数据库本身对论文的分类标引。

当然，不同的数据库的格式也有一定的差异性，相比而言 Web of Science 和 Scopus 的数据结构是为完整的，Derwent专利数据 和 CSSCI 次之，CNKI的完整性最小。分析中文的时候建议分析 CSSCI 的数据。

各个数据库包含的数据完整性不同，因此在CiteSpace中是不能完成有关分析的。如CNKI数据不包含参考文献字段，那就不能进行文献的共被引分析，作者的共被引分析和期刊的共被引分析。

CiteSpace分析的数据是以WoS数据为基础的，即其他数据库收集的数据都要先经过转换，成为WoS的数据格式才能分析。

image-20220504190203283

Citespace可以分析的数据类型如下所示：

image-20220504192058578

Citespace可以分析的数据源：

image-20220504195237834

5.2 英文数据的采集

  • Web of Science数据采集
  • Scopus数据采集
  • PubMed数据采集
  • 德温特专利数据采集

由于每个学校的购买的数据库年限不一样，并且每个学校购买的数据库更新时间也不同，所以检索的内容可能不同。因此需要在论文中说明所购买数据库的时间范围，以及自己使用数据的时间范围。

5.2.1 Web of Science数据采集

在 Web of Science 上选择 Web of Science Core Collection 搜索库，输入关键词进行搜索，搜索后，选择导出 Plain text file 格式的文件。

image-20220502184709600

接着进行导出文件设置，如下：

image-20220502185034940

建议将下载的数据文件命名为download_501-1000.txt这样的形式。

5.2.2 Scopus数据采集

在Scopus搜索的英文界面下，搜索相应的内容，然后选择Select all然后点击Export。

image-20220504203832559

选择导出RIS Format格式，并且全选所有导出内容，并导出。

image-20220504204158131

建议将下载的数据文件命名为download_501-1000.ris这样的形式。

然后将导入检索得到的ris数据：

image-20220504205806952

选择来源数据库为Scopus，根据如下图所示导入数据并进行转换。

image-20220504213843708

推荐首选 Web of Science 进行数据检索，否则可能会存在转换数据丢失的情况。

可以通过如下图看出ris和txt文件之间的区别：

image-20220504214552427

5.2.3 中文数据的采集

  • CSSCI数据采集
  • CSCD数据采集
  • CNKI数据采集