CiteSpace應用現狀研究

呂俊杰

（西南政法大學圖書館，重慶 401120）

0 引 言

CiteSpace 是在科學計量學、數據可視化背景下逐漸發展起來的引文可視化分析軟件，著眼于分析科學文獻中蘊含的潛在知識，通過可視化的手段來呈現科學知識的結構、規律和分布情況。2005年，中國引入“科學知識圖譜”（mapping knowledge domains）。科學計量學界的權威專家劉則淵教授將CiteSpace 知識圖譜的形態概括為“一圖展春秋，一覽無余；一圖勝萬言，一目了然”。近10年來，隨著軟件的逐漸普及，使用CiteSpace 開展的研究、發表的論文呈逐年遞增的趨勢，其優秀的文獻分析能力得到各領域學者的充分認可，如圖1所示。為了真實反映學者利用CiteSpace 進行學術研究的詳細情況，以及應用過程中存的問題，本文對近5年來CiteSpace 相關文獻的全文內容進行深度挖掘，了解這些文獻涉及哪些領域的研究，研究數據獲取方式，學者能否熟練使用軟件功能等，以期大多數使用者能夠更合理、更高效地學習或使用該工具，同時促進文獻計量學分析軟件的發展和進步。

圖1 年度發文趨勢

1 研究方法

1.1 數據采集

研究數據來源于WOS Core Collection 和CNKI（CSSCI.CSCD.北大核心），主題=“Citespace”，發表年份=“2017—2021”，語言=“中文、英文”，文獻類型=“Article & Review”，數據檢索時間為2021年6月30日。最終采集到符合此次研究要求的期刊論文樣本1 881 篇，中文1 347 篇，英文534 篇。

1.2 全文挖掘

對所采集樣本文獻的全文內容進行挖掘，從研究主體、期刊載文、數據采集策略、研究領域（含交叉領域）、數據來源、研究時限、軟件組合、軟件版本、功能視圖和制圖問題10 個維度進行分類統計。

1.3 統計分析

利用Excel 數據透視圖從各個維度對匯總數據進行可視化分析。利用R 語言和Eclat 算法計算樣本中最常用功能（如作者合作、關鍵詞共現、文獻共被引等）及功能組合。基于樣本插圖效果分析制圖問題，劃分學者軟件使用熟練度層次，探究學者在應用CiteSpace 過程中存在的不足。

2 數據分析

2.1 研究主體

應用CiteSpace 最多的是中國學者和中國高校，在整體樣本中占比超過95%。國內發文前5 的是武漢大學36 篇、中國科學院大學26 篇，華東師范大學25 篇、華中師范大學25 篇、中國人民大學19 篇。國際發文前5 的是四川大學30篇，中國科學院大學20 篇，北京師范大學15 篇，中國醫科大學14 篇、武漢大學14 篇、浙江大學14 篇。

2.2 數據采集策略

依據樣本文獻中的“數據集”采集策略，把樣本分為定向研究、期刊研究、學科研究、專利研究、區域研究、學者研究、機構研究和工具研究8 類，分類標準及實際數據為：（1）定向研究。該類型樣本以明確的“關鍵詞”為檢索條件，以某一時段內與之相關的所有文獻為數據集。此類型樣本在所有樣本中占比最大。中文1 273 篇，占比97.51%；英文519 篇，占比97.01%。（2）期刊研究。該類型樣本以“期刊名”為檢索條件，以一本或多本期刊在某一時段內的所有載文為數據集。中文55 篇，占比4.08%；英文10 篇，占比1.87%。（3）學科研究。該類型樣本以數據源的“學科分類”為主要檢索條件，以該學科分類下的所有文獻為數據集。僅在中文樣本中有3 篇。以上三類都有明顯的學科領域趨向，是CiteSpace的主要應用類型。（4）專利研究。該類型樣本以DII（Derwent Innovations Index）專利引文信息數據庫為數據源，針對專利數據的計量分析中文10 篇，英文1 篇。（5）區域研究。該類型樣本數據集較為特殊，僅以“發文機構所在區域”為限制條件，且僅在中文樣本中有2 篇。（6）學者研究。該類型樣本數據集以“學者姓名”為檢索條件，包含該學者所有學術文獻，僅英文樣本中有1 篇。（7）機構研究。該類型樣本以“機構名”為檢索條件，以某一學術機構產出的所有學術文獻為數據集，僅英文樣本中有1 篇。（8）工具研究。該類型樣本的主要內容是研究工具本身，包括CiteSpace 的使用方法或特征、相似軟件的對比研究、CiteSpace 在實際應用中的效果和存在的問題。中文4 篇，英文2 篇。

2.3 研究領域

根據上文的研究類型劃分，主要應用類型必有其重點研究方向及其大致可歸類的學科。中文樣本以教育部“學位授予和人才培養學科目錄（2018年）”為標準（以下簡稱學科目錄），英文樣本以“Web of Science Categories”和“Research Areas”為標準，對主要應用類型樣本進行學科歸類。

中文樣本涵蓋了學科目錄中的全部學科（13 個學科門類），其中管理學、工學最多，軍事學、歷史學最少；涉及一級學科74 門，占學科目錄中一級學科的67.3%，教育學是最多的一級學科；涉及二級學科171 門，占學科目錄中二級學科的42.3%，情報學是最多的二級學科，如圖2所示。樣本中有172 篇論文的研究方向呈現學科交叉，占中文樣本的13.5%，生態學、環境科學與工程、計算機科學與技術是與其他學科交叉研究最多的，如表1所示。

表1 交叉學科

圖2 二級學科 Top 30

英文樣本涉及WOS 學科分類中的126 門，占所有分類的49.6%，環境科學最多。涵蓋84 個研究領域，占所有領域分類的53.2%，如圖3所示。樣本中245 篇論文的研究方向呈現領域交叉，占比45.8%，其中Computer Science 和Environmental Sciences & Ecology 是與其他領域交叉研究最多的，如表2所示。

表2 交叉領域

圖3 WOS 研究領域Top-30

2.4 數據來源

該維度統計樣本“數據集”來源于數據庫，如表3所示，根據CiteSpace 對數據格式要求，樣本數據集主要來源于CNKI、WOS、CSSCI、Scopus、PubMed和DII 這6 個常規數據庫，同時非常規數據源有NSF（2019131）、NSFC（w075）、Embase（w195）和政府網站（2017049）。

表3 數據來源

2.5 研究時限

該維度以樣本設置“Time Slicing”參數時的起始時間作為“研究時限”。部分樣本在采集數據時采用“All Years”或“1900年至今”策略，實際分析中進行了切割，檢索“數據集”和分析“數據集”存在區別。

如表4所示，從全樣本來看，83.9%的樣本研究時限在30年以內，其中10年期和20年期是最常用時間策略，占整體樣本的30.5%。

表4 研究時限

2.6 軟件組合

如表5所示，除使用CiteSpace 軟件外，中文樣本中有6.5%、英文樣本中有29.7%的文獻同時使用了其他可視化文獻計量分析工具，出現較多的有VOSviewer、HistCite、SATI，此外還有SPSS、Ucinet、Nvivo、Gephi、R（Bibliometrix）、Sci等，總計19 種。

表5 軟件組合

2.7 軟件版本

在所有樣本中，有54.3%的文獻明確標注了CiteSpace軟件版本，使用最多的3 個版本是5.3R4—130 篇，5.5R2—99 篇，5.0R1—78 篇。

2.8 功能視圖

為了對樣本文獻中的功能項進行較為直觀的描述，需要對CiteSpace 功能做進一步的分類，首先是3 類核心功能Cooperation、Co-occurrence 和Co-citation，包括9 種基礎視圖；其次是在基礎視圖上疊加Cluster，或變形Timezone 和Timeline 的進階視圖，共8 種；最后是5 種其他視圖，共計22 種。此外，為了體現學者的制圖水平，只有樣本文獻中有CiteSpace 功能視圖才納入統計，僅通過文字描述使用功能（中文樣本83 篇，英文樣本20 篇），或包含其他軟件視圖的文獻，不計入該維度統計范圍。分類后，每條樣本至少包含1 種視圖，最多包含13 種視圖，中文樣本平均3.4 種/篇，英文樣本平均4.6 種/篇。

引入關聯分析中的支持度概念，利用R 語言和Eclat 算法，設置支持度闕值為0.05，計算CiteSpace 功能頻繁項集，如表6所示。如在中文樣本中有898 篇文獻使用{Keyword}功能，出現頻率67%；420 篇文獻同時使用了{Author,Institution}這2 個功能，出現頻率31%；159 篇文獻同時使用了{Keyword, Author，W-Timezone}這3 個功能，出現頻率12%；117 篇文獻同時使用了{Keyword, Author,Institution, Burst}這4 個功能，出現頻率9%；類似的組合且出現頻率大于5%的總計65 種。中、英文樣本在常用功能的使用上有明顯區別，英文樣本使用較多的是Cocitation 相關功能，而中文樣本使用較多的是Cooperation相關功能。

表6 頻繁項集

2.9 制圖問題

制圖問題分為兩類，一是基礎數據的“清洗”問題，有效數據是文獻計量分析的“內在”基礎，決定分析結果的準確性；二是軟件功能的“參數設置”問題，適當的參數調整是數據可視化的“外在”體現，決定視圖的可讀性。

第一類問題在“Author、Institution、Country、Keyword”合作和共現網絡中較為突出，如圖4所示。例如在“Institution”合作網絡中，同一機構可能出現多種命名方式，“XX 大學教育學院國家重點實驗室、國家重點研究基地XX 大學教育學院研究所”。在“Keyword”共現網絡中，會出現類似“分析、理論”等無效關鍵詞，或是“三農、三農問題”“精準扶貧戰略、精準扶貧策略”等同意關鍵詞。大量的數據噪音會導致樣本視圖中的網絡節點計量不準確，節點間合作關系和合作強度計算錯誤，研究熱點聚類結果出現偏差等情況。

圖4 數據清洗問題

第二類問題主要集中在軟件的“Pruning、Nodes、Labels、Threshold”等參數設置上，如圖5所示，例如在“Keyword”共現網絡中，關鍵詞種類太多，未通過“Pruning”網絡裁剪的視圖中，節點關系縱橫交錯，節點標簽顯示混亂；在“Timezone”視圖中，“Nodes”位置未調整，標簽相互重疊；節點“Threshold”的闕值設置不當，重點不突出；視圖功能混淆不清，張冠李戴。以上問題很大程度上降低了視圖可讀性，造成讀者閱讀混亂。

圖5 參數設置問題

研究發現，中文樣本中存在以上一種或幾種問題的文獻有228 篇，占比17%，英文樣本中有46 篇，占比8.6%。

3 研究結果

總結以上統計分析內容，可以發現CiteSpace 在國內外論文中的應用現狀和應用規律有以下5 點：

CiteSpace 相關研究文獻逐年遞增，近5年年平均發文376 篇，是文獻計量分析的熱門工具和熱門主題。研究主體以中國學者和中國高校為主，占比在95%以上。武漢大學、四川大學和中國科學院大學，以及師范類和醫學類高校是相關研究發文較多的機構。

學者主要利用CiteSpace對某一學術熱點進行定向分析，研究數據的目的性強，研究粒度精細，研究靈活度較高。研究所涉及的學科領域眾多，完全涵蓋了學科目錄中的13 個學科門類，教育學是相關研究最多的一級學科，情報學是相關研究最多的二級學科，生態環境、大數據、區塊鏈、教育改革、醫療衛生等領域是與其他學科交叉研究的重點。

CNKI 和WOS 是樣本數據的主要來源數據庫，學者主要采用以“關鍵詞+時間年限”為檢索條件的數據采集策略，研究時限以10年期和20年期居多。中文樣本對“Author、Institution”功能使用較多，英文樣本對“Burst、Cited-Reference”功能使用較多。英文樣本每篇平均功能使用種數多于中文樣本。CNKI 數據庫不包含引文信息，Co-citation相關功能無法使用，這是中、英文樣本在常用功能上有所區別的原因之一。

根據制圖問題，可以把學者軟件應用熟練度分為高、中、低三個檔次。研究發現，20%的學者熟練度較高，能夠準確、靈活地使用軟件的基礎、進階或高級功能，視圖效果清晰美觀，可讀性強，個別學者還能在原有視圖的基礎上做進一步的美化和注解。70%的學者熟練度處于中等水平，以使用常規功能為主，進階功能為輔，視圖效果清晰，可讀性強。10%的學者熟練度較低，對軟件的理解程度不夠，僅能使用基礎功能，視圖效果差，可讀性低，更有個別樣本存在分析流程不規范，基礎數據錯誤，功能使用混亂，視圖無法閱讀的情況。CiteSpace 作為一款專業文獻計量分析工具，要求使用者具備一定的情報學和計算機專業知識，使用門檻較高，是對學者綜合素質的一種考驗。隨著CiteSpace 的不斷普及，涉及的研究領域越來越廣泛，此次的研究樣本中不可避免地出現了軟件濫用的現象。

隨著文獻計量學理論和計算機軟件的發展，各種文獻分析軟件應運而生，多款軟件組合使用的研究模式被越來越多的學者采用，在此次的研究樣本中總計出現了19 種，且每種工具都有其獨有的優勢。CiteSpace 和VOSviewer 是搭配使用最多的組合，在114 篇使用了VOSviewer 軟件的英文樣本中，有43 篇使用了或只用了CiteSpace 的Burst 功能，由此可見Burst 屬于CiteSpace 中較有特色的功能。

4 結 論

綜上所述，CiteSpace 把文獻計量學重要理論與實踐操作緊密結合在一起，功能視圖多樣，可視化效果顯著，涉及研究領域廣泛，對學術研究起到了重要作用，且軟件版本持續更新，成為目前使用體量最大的文獻計量分析工具。但其較高的專業性和復雜性使得用戶的使用存在一定的難度，就此次研究樣本來說，整體應用效果差強人意。鑒于此，初學者在利用CiteSpace 開展相關研究前，應先了解該軟件的機制和相應功能，學習借鑒優質制圖案例，反復實踐練習，熟悉軟件細節設置，才能發揮其最好效果，如盲目上手，容易適得其反。就軟件本身而言，降低使用難度，有利于初學者更快上手，如能加強數據清洗和智能優化功能，使用效果會更佳。