本文基於公眾號“玉樹芝蘭”《如何用R快速瞭解科研領域》撰寫，感謝老師的分享。
BiblioShiny官方網址：https://bibliometrix.org/
BiblioShiny
Biblioshiny分為：
三個不同級別指標的分析和圖表：
-來源
-作者
-文獻
知識的三個結構（K結構）：
-概念結構 ：主題和趨勢
-知識結構 ：作者對該領域的影響力
-社會結構：作者、機構、國家如何彼此影響
BiblioShiny思維導圖
簡單來說，這款工具可以對某一科研領域的作者、期刊、文獻計量分析，無需敲打代碼，就可以對該科研領域有一個簡單的認識。
接下來的篇幅，主要圍繞BiblioShiny各個模塊介紹，大家可以根據需求進行相應分析。
數據
數據從Web of Science下載，選擇數據庫“Web of Science核心合集”，檢索式主題“information serendipit*”or 主題“information encounter*”，時間跨度“所有年份”。
檢索式
對結果精煉，文獻類型“ARTICLE”。
只選ARTICLE
避免文獻相關性過低，通過觀察，選擇前1000條。
導出格式選擇“其他文件格式”，記錄來源“1至500”，記錄內容“全紀錄與引用的參考文獻”，文件格式“BibTex”。下一次導出，記錄來源改變“501-1000”。將下載的文件保存為Archive.zip。
選擇其他文件格式
文件格式"BibTex"
安裝
通過官網安裝R與Rstudio，安裝後，在Rstudio中執行以下命令。
安裝命令
如果安裝包過程中出現問題，有可能是鏡像問題。
選擇“Tools”中“Global Options”，Packages-CRAN Mirrors-China（Beijing）-enter鍵。
鏡像選擇
安裝成功，會跳出如下頁面。
biblioshiny界面
數據加載與過濾（Data&Filter）
選擇Data-Import or Load，Import raw file(s)-Web of Science(WoS/WoK)-BibTex，將下載的wos數據上傳，可以選擇將bibliometrix文件另存為excel/R Data Format格式。
數據加載
過濾：可以根據文獻類型、出版年份、被引次數、來源。
數據過濾
數據集
Main Information（部分）
數據描述
Annual Scientific Production：每年發文量
Average Citations per Year：每年平均引用次數
Three-Fields Plot：可以更改不同字段、調整數目，繪製可視化圖，記得Apply！
Three-Fields
Sources（來源）
Most Relevant Sources：與該主題相關的期刊
Most Local Cited Sources：高被引期刊（當前文獻集）
Bradford’s law：根據布拉德福定律劃分出核心區
Source Impact：期刊影響因子
Source Dynamics：期刊出現次數
Authors（作者）
Most Relevant Authors：最高產作者
Most Relevant Authors
其中，Fractionalized Frequency是作者對於論文的貢獻率。
Fractionalized Frequency
Author’s Production over Time：高產作者近期發文
Lotka’s law：洛特卡定律（核心作者）
Author Impact：作者影響因子
Most Relevant Affiliations：最高產機構
Corresponding Author’s Country：合著作者的國籍
其中MCP表示與其他國家作者合著論文的數量；SCP表示同國籍作者合著論文數量。
MCP_Ratio可以看出國際合作的比率高低。
Corresponding Author’s Country
Country Scientific Production：各個國家發文量
Most Cited Countries：高被引國家以及被引次數
Document（文獻）
Most Global Cited Documents：在web of science中高被引文獻
Most Local Cited Documents：在當前數據集中高被引文獻
Most Local Cited Documents
Most Local Cited References：在當前數據集中高被引的參考文獻
Reference Spectroscopy：每年參考文獻的數量
Most Frequent Words：高頻詞
根據需求，更改字段。
Keywords Plus：WoS增加的關鍵詞是和原文章相關的關鍵詞，但是作者本人沒有添加，為了增加文章在相關專題下的命中率。
Most Frequent Words
WordCloud：詞雲
WordCloud
TreeMap：樹圖
TreeMap
Word Dynamics：詞出現次數，展示詞變化趨勢
Trend Topics：根據當年詞出現頻次推測熱點話題
Trend Topics
Conceptual Structure（概念結構）
Co-occurrence Network：共現網絡
可以選擇對應詞，確定與其相關聯的其他詞
Co-occurrence Network
Thematic Map：主題地圖
橫軸：中心度；縱軸：密度
第一象限（右上角）：motor themes，既重要又有良好發展；
第二象限（左上角）：highly developed and isolated themes，已有良好發展，但是對於當前領域不重要；
第三象限（左下角）：emerging or declining themes，邊緣主題，也沒有好的發展，可能剛剛湧現，也許即將消失；
第四象限（右下角）：basic and transversal themes，對領域很重要，但是未獲得良好發展。一般是指基礎概念。
Thematic Map
Thematic Evolution：主題演化
Thematic Evolution
Factorial Analysis：析因分析
Factorial Analysis
三種方法：
Correspondence Analysis：對應分析
Multiple Correspondence Analysis：多重對應分析
Multidimensional Scaling：多維標度法
word map（詞彙地圖）將研究領域劃分為幾個類別
word map
最具貢獻論文（Most Contributing Papers）
Contributing：彙總的信息中每篇論文的權重
Most Contributing Papers
在wos被引次數最高的文獻（Most Cited Papers）
Most Cited Papers
Intellectual Structure（知識結構）
Co-citation Network：同被引網絡
Historiograph：瞭解數據集中重要性較高文獻
Historiograph
Table列表中，LCS表示當前數據集中，文獻被引次數，也就是文獻在該領域的重要程度；GCS表示Web of Science 中，文獻被引次數。
Historiograph
Social Structure（社會結構）
Collaboration Network：合作網絡（作者、機構、國家）
Collaboration Network（countries）
Collaboration WorldMap
Collaboration WorldMap
以上對biblioshiny中的指標解讀可能會存在不足，歡迎大家批評指正！
繪製圖是第一步，解讀圖至關重要，合理應用計量指標以及設置參數，可以快速瞭解某一科研領域。
閱讀更多 質數數數數 的文章
