2008基于文献计量的某高校作者发文、合著及学科发展情况可视化分析.docxVIP

2008基于文献计量的某高校作者发文、合著及学科发展情况可视化分析 1 网络舆情数据分析 随着信息环境、信息技术、科学研究框架模式的变化，以及用户的知识需求和行为的变化，图书馆经历了重大变化和变革。新形势要求下的学科馆员, 不但要能应对不断创新的e-learning环境与学科知识交流、交叉及学科领域飞速发展, 满足科研一线用户对学术信息环境可利用性、易用性的要求, 而且要有全面、快速、准确收集知识数据信息, 利用现代化情报数据分析工具, 实现知识结构的二次架构, 发掘、聚类数据背后隐性知识和情报的能力, 从而满足学校战略决策者对其所管辖科研机构的动态合作态势及重点科研领域的情报需求。 本文以某211高校作为研究实例, 利用其近5年 (2008—2012年) 的国际论文 (被科学引文索引数据库 (SCIE) 收录) 题录信息为研究指标数据, 综合运用了Hist Cite (版本11.12.07) 、Network Workbench (NWB1.0.0版本) 、Science of Science (Sci2、1.0alpha版本) 以及Cite SpaceⅡ (V3.0R1版本) 在文献计量和社会网络分析中的优势, 利用各种算法 (NWB以及Sci2工具是建立在the Cyberinfrastructure Shell (CIShell) 开发工具之上的, 开放源码的软件框架使得数据整合和利用, 以及算法插件的嵌入十分方便) 实现了对机构内作者合作关系的深度分析, 并从发文所属期刊的视角构建了该校学科现状图谱。希望通过本文的研究能为学校战略决策部门提供有价值的隐性情报, 并尝试为各高校的图书馆咨询、情报部门提供一种可借鉴的分析角度和分析方法。 2 检索策略分析 选择该高校为研究对象主要是因为其属于211高校但非985高校。其学校的科研工作者不像985高校那样有很强的国际交流而使得其国际论文 (被科学引文索引数据库 (SCIE) 收录) 难以准确统计, 同时又不像很多非211高校那样由于科研工作者国际论文 (被科学引文索引数据库 (SCIE) 收录) 数少而难以分析。其选择在某种水平高校上具有象征意义。 选取SCIE数据库, 通过对该校的名称分析, 确定检索策略为:地址= (230009) OR地址= (Hefei Univ*Tech*) OR地址= (Hefei Univ*of Tech*) , 时间跨度=2008-01-01—2012-12-31, 数据库=SCI-EXPANDED, 检索结果命中记录1 884条。下载各种全纪录题录信息格式 (有纯文本格式、其他参考文献格式和制表符分隔的格式 (win, UTF-8) ) , 综合采用各种文献计量手段对该校作者、发文所属期刊进行深度分析。 3 发表文件的文献计量可视化研究和结果分析 3.1 构、文献名和其他同构字 突现 (burst) 表示一个变量的值在短期内有很大波动。这个变量可以是施引文献所用的单词或短语的频次, 也可以是施引文献本身 (如作者、机构、文献名) 的频次。在NWB工具中我们所使用的克莱因伯格的跳跃检测算法 (burst detection algorithm) 可以用来标志某一术语使用频率的突然增加 (例如:作者姓名、期刊名称、国名、ISI关键字) , 而不仅仅是词频的高低。这种突变信息被视为一种可用来度量更深层变化的手段, 通过这种手段将有助于我们鉴别出某一段时期内最突出的作者。由于算法本身对大小写是可识别的, 所以我们注意了文本中大小写的转换。 3.1.1 作者发文年代分布 把数据导入NWB工具中后我们运行“AnalysisTextualBurst Detection”, 使用参数见图1。 下载数据并转化为Excel可读格式, 对结果按年代排序处理后 (条件格式1中输入公式=AND (AND (G$1=$E2, OR (G$1=$F2, $F2=“”) ) , $D2=4;条件格式2中输入公式=AND (G$1=$E2, OR (G$1=$F2, $F2=“”) ) ) , 得到表1。 该校发文量突现强度排名前20位的作者以及突现所发生的时间区域, 具体见表1。每个突现作者的突现时间区域都被标志了黑色, 其中突现强度大于4的都被特别标注了灰色。 在该校作者发文量统计上我们利用了Hist Cite软件。Hist Cite是由美国科技信息研究所创始人、引文分析开创者加菲尔德及其同事在2001年推出的, 并且不断推陈出新, 我们使用的就是最新版本 (Version 11.12.07) , 统计后结果见表2。 在表2中TGCS为SCI数据库中所记录的总共被引用频次, 也就是Web of Science中全部文献总共被引频次, 表示其对整体科学的重要意义;TLC