15、科学映射研究的数据与可视化分析

科学映射研究的数据与可视化分析

科学映射研究旨在通过对学术文献的分析，揭示学科领域的知识结构、发展脉络和研究前沿。本文将围绕科学映射研究展开，介绍数据收集、分析方法以及对主要研究集群的深入探讨。

1. 数据收集与分析工具

• 数据收集 ：最终数据集为Set #14，包含17,731条英文文章或综述类型的书目记录，时间跨度为1980 - 2017年，这些记录共引用了515,026条参考文献。数据来源主要是Web of Science索引的科学文献，虽然专利和研究资助也是可考虑的数据来源，但本次研究限于该数据库。
• 分析工具 ：使用CiteSpace进行文献的可视化和分析。CiteSpace以书目记录为输入，基于每年出版物构建的时间序列网络，合成网络来建模领域的知识结构。它支持多种文献计量研究，如合作网络分析、共词分析、作者共被引分析、文献共被引分析以及文本和地理空间可视化等。本次研究重点关注1995 - 2016年期间的文献共被引分析。

2. 文献共被引分析

• 网络合成与集群划分 ：CiteSpace的文献共被引分析功能构建被引参考文献的网络，连接表示共被引强度。通过时间切片技术构建时间序列网络模型，并合成一个整体网络。合成网络被划分为共被引集群，引用这些参考文献的文献被视为与集群相关的研究前沿，每个集群代表一个专业领域的知识基础。
• 集群特征分析 ：在每个集群中，关注通过研究影响和进化意义的结构和时间指标确定的成员。常用的结构指