全场回放 | VOSviewer 和 BiblioShiny 使用技巧分享

VOSviewer 和 BiblioShiny 使用技巧分享

经验卷轴：入门学术论文写作

全场回放 | VOSviewer 和 BiblioShiny 使用技巧分享

2022 年 09 月 15 日

付费栏目文章试读

欢迎各位读者打开《经验卷轴：入门学术论文写作》栏目。《经验卷轴：入门学术论文写作》是一本知识点覆盖全面的经验之书。王老师将从零基础储备知识和选题开始，完整覆盖科研写作从选题、考察、知识储备到内容创作以及最终答辩的全流程，手把手带你完成长篇学术论文创作的全流程。

我们在直播回放视频的基础上，为各位整理了内容梗概和知识点，配合时间戳可在视频中直接找到相应内容。

如果你对内容有任何疑问或想法，欢迎在评论区中分享。

经验卷轴：入门学术论文写作

用二十余年的科研经验带你入门学术写作

¥41.30 ¥59.00 仅限01.06-01.15

📮 前往了解栏目

本期主讲：崔雷悦、王悦、王慧，天津师范大学管理学院图书情报专业研究生。

在本期直播中，三位同学为我们介绍了 VOSviewer 和 BiblioShiny 两款文献分析软件，演示了使用 VOSviewer 分析中、英文献作者关系与关键词共现以及使用 BiblioShiny 分析科研领域现状的具体流程，并回答了关于文献分析的一些问题。

为什么要使用文献分析工具？

在科研活动中，通常需要通过阅读文献了解某一个领域科研现状，或者需要查阅大量文献支撑想法和选题。如果通过个人的努力下载、阅读大量文献并从中筛选出重点，非常耗费时间和精力且困难的。

文献分析工具则可以帮助我们高效的将文献关系可视化，梳理出文献之间的引用关系、重要程度、作者对领域的贡献以及关键词组等重要信息，为接下来的科研活动提供支撑。

简介 VOSviewer 和 BiblioShiny

VOSviewer 官网的描述是「一种用于构建和可视化文献计量网络的软件工具（a software tool for constructing and visualizing bibliometric networks）」。对文献的信息进行可视化的计量和分析，即通过分析文献中提及的关键词与引用的作者等信息，构建可视化的关系网络。

BiblioShiny 则是一款基于 R 语言 Bibliometrix 包的可视化分析工具，可以提供全面的科学测绘分析，通过文献信息生成词云、发展趋势图等图表。但它仅支持 Web of Science 等来源的外文文献分析，暂不支持中文文献。

VOSviewer 分析英文文献作者关系、关键词共现

📍 07:05 文献采集：在 Web of Science 中，检索所需领域相关关键词，勾选所需文献，选择导出 - 制表符分隔文件，将记录内容修改为全记录与引用的参考文献，并导出。

📍 08:06 作者关系分析：

1. 在 VOSviewer 中点击左侧Map - Create新建地图；
2. 选择Create a map based on bibliographic data选项；
3. 选择包含 Web of Science 类型的Read data from biliographic database files选项；
4. 选择从 Web of Science 导出的文件；
5. 修改Type of analysis为Co-authorship，保持其他选项为默认；
6. 适当缩小阈值Minimum number of documents of an author；
7. 保持其他选项为默认。

📍 09:13 关键词共现分析：操作步骤与作者关系分析基本一致，仅步骤五、六略有区别。

1. 在 VOSviewer 中点击左侧Map - Create新建地图；
2. 选择Create a map based on bibliographic data选项；
3. 选择包含 Web of Science 类型的Read data from biliographic database files选项；
4. 选择从 Web of Science 导出的文件；
5. 修改Type of analysis为Co-occurrence，保持其他选项为默认；
6. 适当增大阈值Minimum number of occurrence of a keyword；
7. 保持其他选项为默认。

📍 09:52 地图：地图由节点以及之间的连线构成。节点大小反应涉及的关键文献数量，连线反映节点间的相互关系。联系紧密的节点连线多、距离近，不同主题的节点颜色不同。

VOSviewer 分析中文文献作者关系、关键词共现

使用 VOSviewer 分析中文文献需要借助 EndNote 将知网导出的文献格式转换为可供 VOSviewer 分析的 RIS 格式，基本流程如下。

📍 11:07 文献采集：在中国知网中，检索所需领域相关关键词，勾选所需文献，选择导出与分析 - 导出文献 - EndNote，并导出。

📍 13:45 格式转换：

1. 在 EndNote 中，选择Import；
2. 打开从知网导出的文献，修改Import Option为EndNote Import，点击 Import；
3. 删除数据中没有作者信息的文献；
4. 全选文献，选择Export；
5. 修改文件后缀名为.ris，保存类型为Text File（*.txt），Output Style为Refman(RIS) Export，并保存。

📍 17:00 作者关系分析：

1. 在 VOSviewer 中点击左侧Map - Create新建地图；
2. 选择Create a map based on bibliographic data选项；
3. 选择包含 RIS 类型的Read data from reference manager files选项；
4. 选择从 EndNote 导出的文件；
5. 修改Type of analysis为Co-authorship，保持其他选项为默认；
6. 适当调节阈值Minimum number of documents of an author；
7. 保持其他选项为默认。

📍 18:17 关键词共现分析：操作步骤与作者关系分析基本一致，仅步骤五略有区别。

1. 在 VOSviewer 中点击左侧Map - Create新建地图；
2. 选择Create a map based on bibliographic data选项；
3. 选择包含 RIS 类型的Read data from reference manager files选项；
4. 选择从 EndNote 导出的文件；
5. 修改Type of analysis为Co-occurrence，保持其他选项为默认；
6. 适当调节阈值Minimum number of occurrence of a keyword；
7. 保持其他选项为默认。

📍 18:55 地图：地图的组成与含义与英文文献一致。

BiblioShiny 分析科研领域现状

📍 20:10 文献采集：在 Web of Science 中，检索所需期刊，筛选高被引论文，勾选所需文献，选择导出 - BibTex，将记录内容修改为全记录与引用的参考文献，并导出。如果所需文献数量较大，可以分多次导出后放置在同一压缩包内。

📍 22:52 启动 BibilioShiny：需要提前安装 R Studio 与 Bibiliometrix 包。

library(bibliometrix)    // 读取 Bibiliometrix 包
biblioshiny              // 启动 Bibilioshiny

📍 23:57 加载数据：

1. 点击左侧Data - Load Data；
2. 修改Please, choose what to do为Import raw file(s)，修改Database为Web of Science (WoS/WoK)，选择从 Web of Science 导出的文件，点击Start；

📍 25:08 BiblioShiny 功能简介：BiblioShiny 可以分析导入文献的作者、文档、概念结构、知识结构、社会网络等内容。科研活动中，最受关注的问题有：领域中哪些作者具有一定权威；领域中哪些文献更受关注；领域中哪些主题受重视且具有较好的发展趋势。BiblioShiny 则可以通过对数据的可视化分析帮助我们找到这些问题的答案。

📍 29:25 分析高产作者：

1. 点击左侧Authors - Most Relevant Authors；
2. 点击Run进行分析；
3. 分析结束后，右侧可以调节作者数量等变量；中间的图表则展示了分析的结果。图表纵轴是作者，横轴是发文数量。

📍 30:29 分析受关注文献：

1. 点击左侧Intellectual Structure - Historiograph；
2. 点击Run进行分析；
3. 分析结束后，右侧可以调节节点数量等变量；中间的图表则展示了分析的结果。
4. 图表纵轴是被引次数，横轴是发文时间，每个节点代表一篇文献。LCS 表征了文献在平台的总被引次数；GCS 表征了文献在当前数据集中的被引次数。

📍 32:44 分析词云：

1. 点击左侧 Documents - Word - WordCloud；
2. 点击Run进行分析；
3. 分析结束后，右侧可以调节关键词来源、数量等变量。中间的图表则展示了分析的结果。单词的大小表征了出现次数。

📍 33:55 分析主题：

1. 点击左侧 Conceptual Structure - Network Approach - Thematic Map；
2. 点击Run进行分析；
3. 分析结束后，右侧可以调节关键词来源等变量；中间的图表则展示了分析的结果。

图表纵轴是主题发展趋势，横轴是主题重要程度。图表被坐标划分为四个象限：位于第一象限的主题一般重要度高，发展态势好；位于第一象限的主题一般重要度弱，但发展态势好；位于第三象限的主题一般重要度弱，发展态势差，可能是新兴或即将衰落的主题；位于第一象限的主题一般重要度高，发展态势差。通过观察主题在图表中的位置，可以指导科研活动中研究方向与选题的选择。

如何关注系列的讲座直播信息？

本期直播是《经验卷轴：入门学术论文写作》的专享直播，订阅栏目后，可以通过栏目文章和少数派站内系统通知收到直播预告。

BiblioShiny 可以分析知网文献吗？

BiblioShiny 现在只支持对外文献的一些数据的分析，关于 CNKI 是否可以通过一些其他的中间的中介工具对转化后导入 BiblioShiny，可以在研究后与大家再做讨论。

如何通过 BiblioShiny 找到两三年内比较重要的文章？

建议先找到想要研究领域的权威期刊，按需要的时间范围筛选期刊文献，然后导入 BiblioShiny 进行分析。

如何通过 BiblioShiny 分析多本期刊？

把从 Web of Science 导出的文件放在同一个压缩包内。

> 下载少数派 客户端、关注 B 站账号，找到数字时代更好的生活方式 🎊

> 往期精彩、2021 年度回顾，更多影视推荐尽在 #本周看什么 🎬