科研文献的可视化分析(Citespace).ppt

作者与机构共现网络时间线图谱 从图可以看到各学者开展研究的时间 基金资助情况分析 从下图可以看出领域内基金资助情况 最多的是中国国家自然科学基金，也有一些韩国和欧洲的基金项目，比如：MEC,MR CAT,NSF,韩国科学与工程基金等 从连线和节点的颜色判断，几乎都是2009-2010年资助的项目 基金资助情况分析可视图谱 助力科研系列讲座之一文献在科研中的应用 利用文献信息资源进行学科分析与科研选题 利用文献信息资源跟踪科研进展与定制个性化服务 科技论文的写作与投稿指南 SCI和Ei论文的投稿指南 助力科研系列讲座之二文献的管理和信息分析 Endnote 个人文献库的建立和管理 Endnote文献库的应用和一些技巧 科研文献的信息分析——Refviz和QUOSA专业科研分析软件 科研文献的可视化信息分析——利用Citespace分析软件获取前沿信息 * * 聚类A\B指：共被引文献的聚类，构成基础知识 它们的引文，构成研究前沿。 * * * 不同主题词之间的相关性 发现不同主题词之间组成的新研究热点 4.Citespace可视化分析 CITESPACE的分析—国家分析 选择关键路径(pathfinder)算法,网络节点为国家,时间区选择2 年,阈值为( 1, 1, 10) , ( 2, 1, 10) , ( 2, 1,10) ,绘制国家网络可视化图谱。 图谱中不同大小圆环表示频次( freq) ,不同颜色表示不同的年份,最外层的紫色圈表示中心性( centrality)。 3.研究领域的国家分布，及各国家之间科研合作联系的紧密度,各国家研究涉及的主要研究方向。 领域的国家分析 时间线，颜色代表不同年代 国家之间的连线粗细代表合作紧密度，合作越多，线越粗，连线的颜色代表合作的年代 从频次排序看，中国的节点圆圈明显大于其他国家，合作的文章111篇，说明中国在此领域的合著者频次最高，其次是日本和美国。 但是从节点中心度看，美国的中心度最高，远高于其他国家，占核心地位，其次是德国和澳大利亚 由此说明我国此领域合作比较广泛，但是在合作中不占主导地位。 合作国家的频次排序 国家分布的时间线图分析 最先研究的是美国、韩国，然后是中国、德国、日本，再……. 红色的词是合作的研究方向，连线粗细代表合作度 CITESPACE的分析—期刊共被引分析 　　选择关键路径(pathfinder)算法,网络节点为期刊,时间区为3年,阈值为(5, 5, 30) , (10, 10, 30) , (10, 10,30) ,绘制期刊共被引可视化网络图谱（见下张PPT) 领域内核心期刊分析 领域内合作频次高于50次的期刊有16种，其中位于前五位的分别是CATAL TODAY;APPL CATAL A GEN;JCATAL;APPL CATAL B_ENVIRON;CATAL LETT 2. 领域内期刊互被引分析 从相互间联系紧密度可以看出，以下期刊之间互相引用的频次很高CATAL TODAY、APPL CATAL A GEN、CATAL LETT、NATURE 期刊共被引分析图 有紫红色颜色的节点表示中心性强的重要节点，其他黄色被高亮显示的是影响领域的关键节点。 期刊共被引的时间线图 最早创刊 从引用频次看，JCATAL共被引频次最高，但是其中心性低，中心性最高的是CATAL TODAY0.74，比其他高出许多，是绝对的领域核心。其次是J AM CHEM RES和APPL CATAL B-ENVIRON 因此，在关注发文量高的期刊同时,还应关注共被引频次以及中心度也高的期刊,才能够全面把握学科领域最前沿的研究成果。 期刊共被引的频次排序 CITESPACE的分析—作者共被引分析 选择关键路径(pathfinder)算法,时间区为2年,阈值为(2, 1, 20) , (3, 2, 20) , (4, 2,20) ,节点选cited author，绘制作者共被引可视化网络图谱。 （见下张PPT) 找到领域发展进程中的各研究方向的重要学者，连接各聚类的关键学者，及其研究方向。 Dry ME研究nano-structured iron catalyst 2010年左右 Wang Y研究nanostructured carbon-based electrode 近年 Haruta M研究efficient catalytic reactivity 近年 Bond Gc 研究diesel soot combustion 较早年代 Choudhaty VR研究gas 作者共被引(cited author)图谱 作者共被引(cited author)图谱 从连线的颜色可以判断聚类出现的时间 作者共被引(cited author)最小生成树图谱 早期研究 最新研究 C