口腔医学小站

口腔文献阅读与资源分享

R语言如何实现文献计量——bibliometrix包的使用 – 知乎

| 暂无评论

R语言如何实现文献计量——bibliometrix包的使用

表现我们真正的自我,比我们所具有的能力更重要。

本文参考了R语言统计与绘图走天涯徐小洋地理数据科学公众号的文章,膜拜大神!推荐大家关注!(两位老师请后台结一下广告费( • ̀ω•́ )✧)另外R语言统计与绘图公众号的文章来源于生态R学社 ,作者生态R学社,感谢大佬提醒,同样推荐关注生态R学社(๑> <)☆

上周组会的时候,老板提到让大家学习一下文献计量的方法,推荐了CiteSpace这个软件,我之前有试着用过这个软件,确实挺好用的,就是用起来不太顺手 ̄へ ̄。

我想起之前在R语言统计与绘图公众号上看到了引自生态R学社的bibliometrix,快速实现文献计量分析的酷炫R包这篇文章,就想试一下,正好假期整理之前在微信浮窗的好文章(PS.有木有人和我一样,在微信更新浮窗无数量限制后,里面堆满了无数的文章),发现了徐老师的R语言文献计量分析初探,如获至宝,仔细阅读两篇文章之后,决定自己也记录一下这么酷炫的R包ヾ(゚∀゚ゞ)

bibliometrix包官网:https://www.bibliometrix.org/index.html

1 准备

1.1 安装bibliometrix包:

install.packages(‘bibliometrix’, dependencies=TRUE)

借助R的shiny工具,叫做BiblioShiny,它的底层其实就是Bibliometrix包

通过以下方式调用这个shiny程序:

library(bibliometrix)
biblioshiny()

第一次启动Shiny程序,可能会由于缺少某些支持的包而报错,可以手动安装一下对应缺失的包。

如上图就是缺少‘httpuv’这个名字的程辑包,安装就行:

install.packages("httpuv")

如此缺啥补啥,直到可以运行为止(=゚ω゚)ノ

成功后会自动调用你的默认浏览器,出现如下工作界面:

1.2 文献数据准备

bibliometrix包官网给出了支持的文献搜索引擎和引文格式:

以Web of Science为例,我搜索的是我目前在做的Atmospheric carrying capacity,注意:这里记得数据库选择核心合集,不然后面导出时会有问题

然后导出为其他文件格式,这里记录内容要选择全纪录与引用的参考文献,支持的BibTeX、 plaintext和EndNote Desktop格式都可以选,我这里选择纯文本。

一次只能导出500条,我有774条记录,导出了两次,然后把这两个txt文件压缩为.zip格式( ̄︶ ̄)

2 导入数据

在刚打开的浏览器中,选择Data→Import or load files,导入数据:

导入成功如下ヾ(=・ω・=)o:

3 开始分析

3.1 数据情况

3.1.1 年发文量

Dataset→Annual Scientific Production

统计年发文量

3.1.2 平均每年引用量

Dataset→Average Citations per Year

3.1.3 三个字段之间关系的桑基图

Dataset→Three-Fields Plots

看三个字段之间关系桑基图

3.2 文章来源分析

3.2.1 主要相关文章来源

Sources→Most Relevant Sources→Apply

3.2.2 来源聚类分析

Sources→Source clustering through Bradford’s Law

3.2.3 来源影响因子

Sources→Source Impact

支持H指数、G指数、M指数和总被引量

3.2.4 来源活跃度

Sources→Sources Dynamics

3.3 作者分析

3.3.1 最相关作者

Authors→Most Relevant Authors

3.3.2 作者不同时间发文情况

Authors→Authors’ Production over Time

通过这个可以显示不同作者发文情况,发文最多的前20名作者发文时间段和发文量,统计发文量前多少名的作者可以自由设置。

3.3.3 相应的作者的国家

Authors→Corresponding Author’s Country

3.3.4 发文机构比较

Authors→Most Relevant Affiliations

3.3.5 发文量国家比较

Authors→Country Scientific Production

3.3.6 被引量国家比较

Authors→Most Cited Countries

3.4文章分析

3.4.1 最高被引文章

Documents→Most Global Cited Documents

3.4.2 Reference Spectroscopy

Documents→Reference Spectroscopy

3.4.3 词云分析

Documents→WordCloud

3.4.4 Word Dynamics

Documents→Word Dynamics

3.4.5 Trend Topics

Documents→Trend Topics

3.5 Coupling Map

3.6 热点和共现网络

3.6.1 共现网络

3.6.2 Thematic Map

3.6.3 Thematic Evolution

3.6.4 因子分析

3.7 时序图

3.8 Collaboration WorldMap

就是这样啦,我都试着弄了弄,挺好玩的(*・ω-q),bibliometrix包真是够酷炫。

大家还有什么好玩的用法,可以评论呀ヾ(=・ω・=)o

有机会我再写一下CitySpace的用法

下次见( ̄︶ ̄)

编辑于 2021-05-03 22:22

发表评论

*为必填字段!