如何利用CiteSpace軟件工具寫論文？

有關(guan) CiteSpace（軟件工具），需要給大家做一個(ge) 額外補充。它可以用來做什麽(me) 呢？

（如圖所示）右側(ce) 的圖像看上去很美，就像宇宙中的星帶。其實，上麵的每個(ge) 節點代表的是已有研究，CiteSpace是著眼於(yu) 分析科學文獻中蘊含的潛在知識，是在科學計量學、數據可視化背景下逐步發展起來的引文可視化分析軟件。通過可視化手段來呈現科學知識的結構、規律和分布情況。

應用場景

▎大論文

大論文也就是我們(men) 的學位論文，文獻綜述那一塊，是可以用CiteSpace的。

▎項目基金

申報項目基金時，肯定都要我們(men) 寫(xie) 研究現狀，假如我們(men) 借助軟件做個(ge) 圖（很吸引眼球）上去，是會(hui) 給我們(men) 加分的。

▎期刊論文

大家要注意的是，一般情況下，文獻綜述隻占我們(men) 整篇文章的20%~25%左右，作為(wei) 一個(ge) 章節來講，是沒有必要用CiteSpace的。但我們(men) 可以專(zhuan) 門用CiteSpace來寫(xie) 一篇完整的期刊論文。

大家看到的發文趨勢，現在還是呈現上升狀的。知網裏有不少的 C刊是用CiteSpace來寫(xie) 的。之所以突然一下子冒出來這麽(me) 多，是因為(wei) 使擁CiteSpace，可以很快地得到結果。這個(ge) 軟件操作起來還是比較簡單的，它的數據來源有穀歌學術、 CSSCI、WoS還有知網數據庫等，CiteSpace對知網數據庫是比較友好的，因為(wei) 它的發明人是華裔陳美超教授，這個(ge) 軟件是支持知網的。

操作流程

假如我們(men) 的主題是“課堂”，我們(men) 想研究關(guan) 於(yu) 課堂為(wei) 篇名的已有文獻，就得先把“課堂”輸進去，然後（上圖）選擇時間節點——1998年到2018年，再選取核心期刊。

檢索完之後，我們(men) 點“導出與(yu) 分析”，選擇裏麵的“Refworks”這個(ge) 格式。

導出此格式的數據，然後我們(men) 要新建四個(ge) 文件夾。

然後把剛剛知網裏麵檢索出來的幾個(ge) 文獻的資料輸入到這個(ge) 叫做“input”文件夾裏麵。

然後把知網的文件輸入進來，新建一個(ge) 項目。

（上圖）這是整個(ge) 操作的界麵。

（此為(wei) 教程鏈接可按內(nei) 容提示進行操作）

以上，是在說知網的數據怎麽(me) 導進來的。其實，我們(men) 用得更多的是WoS的，比如說我們(men) 要想研究關(guan) 於(yu) “供應鏈的發展（supplier development）”主題相關(guan) 的文獻。

以“供應鏈發展”為(wei) 主題，檢索到很多文獻，同樣，我們(men) 添加到標記結果列表（它最多一次可以添加500條），然後也是導出成其他格式，然後同樣的把導出來的信息放到 input文件夾裏麵。

最重要的是操作的界麵，藍色的叫做合作網絡分析，Author、Institution、 Country分別指的是合作的作者、機構和國家（及地區）。綠色的是共現分析，即對共同出現的事務進行分析，我們(men) 一般選Term按照主題來檢索。紅色的是共被引分析，就被共同引用的分析。被共同引用的文獻、共同引用的作者以及被共同引用期刊。我們(men) 主要是做（紅綠藍）這三個(ge) 方麵的分析。

我們(men) 輸入之後，先做一個(ge) （共被引）Reference，選取紅色第一選項，選擇所要選取的時間節點，然後點進入，它就會(hui) 自從(cong) 出現一個(ge) 可視化的結果。

右側(ce) 是可視化的圖像，左側(ce) 是數據、數值（量化的）。Count代表的是引用的次數，被引用多少次。Centrality是指中心性，即在這樣一個(ge) 知識圖譜裏，哪個(ge) 文獻是被各方都引用的，那它的中心性就比較高。假如，某一文獻雖然被引用次數比較多，但是主要是某一聚類的引用次數比較多，而其他人都沒有太引用，這就說明中心性不高。舉(ju) 例來說，比如太極拳，無論北派還是南派，學得人都非常多，而且影響力也很大。如果，我們(men) 做一個(ge) 武功的可視化分析，那太極拳的頻次和中心值都很高。再拿詠春拳來說，它是南方的小拳種，在南方可能有一定的影響力，但在北方可能就沒有這麽(me) 大的影響力，由此說，詠春拳就沒有太極拳的中心值高。所以說，我們(men) 評判一個(ge) 文獻是否重要，有兩(liang) 個(ge) 評價(jia) 的標準，第一個(ge) 是它被引用的次數是多少，第二個(ge) 是它的中心值是多少。

在可視化的圖片上麵怎麽(me) 表示呢？即被引用的次數（count）越大，圖中的節點就會(hui) 越大，這樣就一目了然。同樣的邏輯，找共同作者也是同樣的道理。還有共現分析，一般我們(men) 點Term，就是說去找哪些是我們(men) 現在的熱點，就找關(guan) 鍵詞的共現圖，我們(men) 點這樣的設置之後，就會(hui) 出現這樣的一個(ge) 可視化的界麵（如下圖）。

哪一個(ge) 節點越大，證明它共現的次數越多，也就證明這個(ge) 詞越熱，由此，一眼就能看出來哪些字是比較受關(guan) 注的。這是關(guan) 鍵詞的共現圖，如果我們(men) 把它加上橫坐標的話，一時間為(wei) 維度，加上這樣一個(ge) 橫坐標的話，我們(men) 就可以得到整個(ge) 研究熱點的一個(ge) 隨著時間變化的趨勢圖（如下）。

比如以剛才的“供應鏈發展”為(wei) 例，可以看到它現在往sustainbility（可持續性）方向發展了。所以說，我們(men) 根據這樣的一個(ge) 圖就可以有一個(ge) 很客觀的依據，來說明供應鏈的發展未來趨勢也是往可持續方向去發展的。

所以，CiteSpace是用來做這樣的工作的，非常直觀。

實例分析

以下麵這篇文章為(wei) 例來做說明，我們(men) 看作者做了哪些圖。

（研究領域作者合作情況分布）

（關(guan) 鍵詞的共現可視化圖譜）

（關(guan) 鍵詞聚類可視化圖譜）

這篇文章的關(guan) 鍵詞很多，那根據這一具體(ti) 情況，可以把他們(men) 聚類（如上圖所示）。還可以再做趨勢分析，從(cong) （下圖）中可以明顯看到服裝設計領域是往網絡和計算機發向發展、運用互聯網思維與(yu) 虛擬現實技術相結合。

實際上，用CiteSpace來寫(xie) 文章並不難。再來看一篇發表在Transport Policy（《運輸政策》）上的文章，這個(ge) 期刊其實是屬於(yu) 次頂刊了，它屬於(yu) 影響因子很高的 SSCI期刊。

這篇2020年發出來的文章就是用CiteSpace來分析了一下高鐵的研究，來看作者都做了哪些圖。

共被引合作作者，這篇論文的作者分別對SSCI和SCI兩(liang) 個(ge) 數據庫進行了分析，他是想做個(ge) 對比，這種完全可以的。

合作的機構，以北京交通大學為(wei) 主要機構。

（合作的國家及地區）

實際上，用CiteSpace來寫(xie) 文章就是這些圖，把這些圖做出來之後，我們(men) 再進行描述就可以了。其實，並不複雜，至於(yu) 說這個(ge) 軟件在哪裏買(mai) ，建議去淘寶上搜一下，參考性價(jia) 比高的就可以。

以上，就是我們(men) 文獻檢索這節課的一個(ge) 拓展知識點。

……未完待續……