CiteSpace应用现状研究

吕俊杰

（西南政法大学图书馆，重庆 401120）

CiteSpace 是在科学计量学、数据可视化背景下逐渐发展起来的引文可视化分析软件，着眼于分析科学文献中蕴含的潜在知识，通过可视化的手段来呈现科学知识的结构、规律和分布情况。2005年，中国引入“科学知识图谱”（mapping knowledge domains）。科学计量学界的权威专家刘则渊教授将CiteSpace 知识图谱的形态概括为“一图展春秋，一览无余；一图胜万言，一目了然”。近10年来，随着软件的逐渐普及，使用CiteSpace 开展的研究、发表的论文呈逐年递增的趋势，其优秀的文献分析能力得到各领域学者的充分认可，如图1所示。为了真实反映学者利用CiteSpace 进行学术研究的详细情况，以及应用过程中存的问题，本文对近5年来CiteSpace 相关文献的全文内容进行深度挖掘，了解这些文献涉及哪些领域的研究，研究数据获取方式，学者能否熟练使用软件功能等，以期大多数使用者能够更合理、更高效地学习或使用该工具，同时促进文献计量学分析软件的发展和进步。

图1 年度发文趋势

研究数据来源于WOS Core Collection 和CNKI（CSSCI.CSCD.北大核心），主题=“Citespace”，发表年份=“2017—2021”，语言=“中文、英文”，文献类型=“Article & Review”，数据检索时间为2021年6月30日。最终采集到符合此次研究要求的期刊论文样本1 881 篇，中文1 347 篇，英文534 篇。

对所采集样本文献的全文内容进行挖掘，从研究主体、期刊载文、数据采集策略、研究领域（含交叉领域）、数据来源、研究时限、软件组合、软件版本、功能视图和制图问题10 个维度进行分类统计。

利用Excel 数据透视图从各个维度对汇总数据进行可视化分析。利用R 语言和Eclat 算法计算样本中最常用功能（如作者合作、关键词共现、文献共被引等）及功能组合。基于样本插图效果分析制图问题，划分学者软件使用熟练度层次，探究学者在应用CiteSpace 过程中存在的不足。

应用CiteSpace 最多的是中国学者和中国高校，在整体样本中占比超过95%。国内发文前5 的是武汉大学36 篇、中国科学院大学26 篇，华东师范大学25 篇、华中师范大学25 篇、中国人民大学19 篇。国际发文前5 的是四川大学30篇，中国科学院大学20 篇，北京师范大学15 篇，中国医科大学14 篇、武汉大学14 篇、浙江大学14 篇。

依据样本文献中的“数据集”采集策略，把样本分为定向研究、期刊研究、学科研究、专利研究、区域研究、学者研究、机构研究和工具研究8 类，分类标准及实际数据为：（1）定向研究。该类型样本以明确的“关键词”为检索条件，以某一时段内与之相关的所有文献为数据集。此类型样本在所有样本中占比最大。中文1 273 篇，占比97.51%；英文519 篇，占比97.01%。（2）期刊研究。该类型样本以“期刊名”为检索条件，以一本或多本期刊在某一时段内的所有载文为数据集。中文55 篇，占比4.08%；英文10 篇，占比1.87%。（3）学科研究。该类型样本以数据源的“学科分类”为主要检索条件，以该学科分类下的所有文献为数据集。仅在中文样本中有3 篇。以上三类都有明显的学科领域趋向，是CiteSpace的主要应用类型。（4）专利研究。该类型样本以DII（Derwent Innovations Index）专利引文信息数据库为数据源，针对专利数据的计量分析中文10 篇，英文1 篇。（5）区域研究。该类型样本数据集较为特殊，仅以“发文机构所在区域”为限制条件，且仅在中文样本中有2 篇。（6）学者研究。该类型样本数据集以“学者姓名”为检索条件，包含该学者所有学术文献，仅英文样本中有1 篇。（7）机构研究。该类型样本以“机构名”为检索条件，以某一学术机构产出的所有学术文献为数据集，仅英文样本中有1 篇。（8）工具研究。该类型样本的主要内容是研究工具本身，包括CiteSpace 的使用方法或特征、相似软件的对比研究、CiteSpace 在实际应用中的效果和存在的问题。中文4 篇，英文2 篇。

根据上文的研究类型划分，主要应用类型必有其重点研究方向及其大致可归类的学科。中文样本以教育部“学位授予和人才培养学科目录（2018年）”为标准（以下简称学科目录），英文样本以“Web of Science Categories”和“Research Areas”为标准，对主要应用类型样本进行学科归类。

中文样本涵盖了学科目录中的全部学科（13 个学科门类），其中管理学、工学最多，军事学、历史学最少；涉及一级学科74 门，占学科目录中一级学科的67.3%，教育学是最多的一级学科；涉及二级学科171 门，占学科目录中二级学科的42.3%，情报学是最多的二级学科，如图2所示。样本中有172 篇论文的研究方向呈现学科交叉，占中文样本的13.5%，生态学、环境科学与工程、计算机科学与技术是与其他学科交叉研究最多的，如表1所示。

表1 交叉学科

图2 二级学科 Top 30

英文样本涉及WOS 学科分类中的126 门，占所有分类的49.6%，环境科学最多。涵盖84 个研究领域，占所有领域分类的53.2%，如图3所示。样本中245 篇论文的研究方向呈现领域交叉，占比45.8%，其中Computer Science 和Environmental Sciences & Ecology 是与其他领域交叉研究最多的，如表2所示。

表2 交叉领域

图3 WOS 研究领域Top-30

该维度统计样本“数据集”来源于数据库，如表3所示，根据CiteSpace 对数据格式要求，样本数据集主要来源于CNKI、WOS、CSSCI、Scopus、PubMed和DII 这6 个常规数据库，同时非常规数据源有NSF（2019131）、NSFC（w075）、Embase（w195）和政府网站（2017049）。

表3 数据来源

该维度以样本设置“Time Slicing”参数时的起始时间作为“研究时限”。部分样本在采集数据时采用“All Years”或“1900年至今”策略，实际分析中进行了切割，检索“数据集”和分析“数据集”存在区别。

如表4所示，从全样本来看，83.9%的样本研究时限在30年以内，其中10年期和20年期是最常用时间策略，占整体样本的30.5%。

表4 研究时限

如表5所示，除使用CiteSpace 软件外，中文样本中有6.5%、英文样本中有29.7%的文献同时使用了其他可视化文献计量分析工具，出现较多的有VOSviewer、HistCite、SATI，此外还有SPSS、Ucinet、Nvivo、Gephi、R（Bibliometrix）、Sci等，总计19 种。

表5 软件组合

在所有样本中，有54.3%的文献明确标注了CiteSpace软件版本，使用最多的3 个版本是5.3R4—130 篇，5.5R2—99 篇，5.0R1—78 篇。

为了对样本文献中的功能项进行较为直观的描述，需要对CiteSpace 功能做进一步的分类，首先是3 类核心功能Cooperation、Co-occurrence 和Co-citation，包括9 种基础视图；其次是在基础视图上叠加Cluster，或变形Timezone 和Timeline 的进阶视图，共8 种；最后是5 种其他视图，共计22 种。此外，为了体现学者的制图水平，只有样本文献中有CiteSpace 功能视图才纳入统计，仅通过文字描述使用功能（中文样本83 篇，英文样本20 篇），或包含其他软件视图的文献，不计入该维度统计范围。分类后，每条样本至少包含1 种视图，最多包含13 种视图，中文样本平均3.4 种/篇，英文样本平均4.6 种/篇。

引入关联分析中的支持度概念，利用R 语言和Eclat 算法，设置支持度阙值为0.05，计算CiteSpace 功能频繁项集，如表6所示。如在中文样本中有898 篇文献使用{Keyword}功能，出现频率67%；420 篇文献同时使用了{Author,Institution}这2 个功能，出现频率31%；159 篇文献同时使用了{Keyword, Author，W-Timezone}这3 个功能，出现频率12%；117 篇文献同时使用了{Keyword, Author,Institution, Burst}这4 个功能，出现频率9%；类似的组合且出现频率大于5%的总计65 种。中、英文样本在常用功能的使用上有明显区别，英文样本使用较多的是Cocitation 相关功能，而中文样本使用较多的是Cooperation相关功能。

表6 频繁项集

制图问题分为两类，一是基础数据的“清洗”问题，有效数据是文献计量分析的“内在”基础，决定分析结果的准确性；二是软件功能的“参数设置”问题，适当的参数调整是数据可视化的“外在”体现，决定视图的可读性。

第一类问题在“Author、Institution、Country、Keyword”合作和共现网络中较为突出，如图4所示。例如在“Institution”合作网络中，同一机构可能出现多种命名方式，“XX 大学教育学院国家重点实验室、国家重点研究基地XX 大学教育学院研究所”。在“Keyword”共现网络中，会出现类似“分析、理论”等无效关键词，或是“三农、三农问题”“精准扶贫战略、精准扶贫策略”等同意关键词。大量的数据噪音会导致样本视图中的网络节点计量不准确，节点间合作关系和合作强度计算错误，研究热点聚类结果出现偏差等情况。

图4 数据清洗问题

第二类问题主要集中在软件的“Pruning、Nodes、Labels、Threshold”等参数设置上，如图5所示，例如在“Keyword”共现网络中，关键词种类太多，未通过“Pruning”网络裁剪的视图中，节点关系纵横交错，节点标签显示混乱；在“Timezone”视图中，“Nodes”位置未调整，标签相互重叠；节点“Threshold”的阙值设置不当，重点不突出；视图功能混淆不清，张冠李戴。以上问题很大程度上降低了视图可读性，造成读者阅读混乱。

图5 参数设置问题

研究发现，中文样本中存在以上一种或几种问题的文献有228 篇，占比17%，英文样本中有46 篇，占比8.6%。

总结以上统计分析内容，可以发现CiteSpace 在国内外论文中的应用现状和应用规律有以下5 点：

CiteSpace 相关研究文献逐年递增，近5年年平均发文376 篇，是文献计量分析的热门工具和热门主题。研究主体以中国学者和中国高校为主，占比在95%以上。武汉大学、四川大学和中国科学院大学，以及师范类和医学类高校是相关研究发文较多的机构。

学者主要利用CiteSpace对某一学术热点进行定向分析，研究数据的目的性强，研究粒度精细，研究灵活度较高。研究所涉及的学科领域众多，完全涵盖了学科目录中的13 个学科门类，教育学是相关研究最多的一级学科，情报学是相关研究最多的二级学科，生态环境、大数据、区块链、教育改革、医疗卫生等领域是与其他学科交叉研究的重点。

CNKI 和WOS 是样本数据的主要来源数据库，学者主要采用以“关键词+时间年限”为检索条件的数据采集策略，研究时限以10年期和20年期居多。中文样本对“Author、Institution”功能使用较多，英文样本对“Burst、Cited-Reference”功能使用较多。英文样本每篇平均功能使用种数多于中文样本。CNKI 数据库不包含引文信息，Co-citation相关功能无法使用，这是中、英文样本在常用功能上有所区别的原因之一。

根据制图问题，可以把学者软件应用熟练度分为高、中、低三个档次。研究发现，20%的学者熟练度较高，能够准确、灵活地使用软件的基础、进阶或高级功能，视图效果清晰美观，可读性强，个别学者还能在原有视图的基础上做进一步的美化和注解。70%的学者熟练度处于中等水平，以使用常规功能为主，进阶功能为辅，视图效果清晰，可读性强。10%的学者熟练度较低，对软件的理解程度不够，仅能使用基础功能，视图效果差，可读性低，更有个别样本存在分析流程不规范，基础数据错误，功能使用混乱，视图无法阅读的情况。CiteSpace 作为一款专业文献计量分析工具，要求使用者具备一定的情报学和计算机专业知识，使用门槛较高，是对学者综合素质的一种考验。随着CiteSpace 的不断普及，涉及的研究领域越来越广泛，此次的研究样本中不可避免地出现了软件滥用的现象。

随着文献计量学理论和计算机软件的发展，各种文献分析软件应运而生，多款软件组合使用的研究模式被越来越多的学者采用，在此次的研究样本中总计出现了19 种，且每种工具都有其独有的优势。CiteSpace 和VOSviewer 是搭配使用最多的组合，在114 篇使用了VOSviewer 软件的英文样本中，有43 篇使用了或只用了CiteSpace 的Burst 功能，由此可见Burst 属于CiteSpace 中较有特色的功能。

综上所述，CiteSpace 把文献计量学重要理论与实践操作紧密结合在一起，功能视图多样，可视化效果显著，涉及研究领域广泛，对学术研究起到了重要作用，且软件版本持续更新，成为目前使用体量最大的文献计量分析工具。但其较高的专业性和复杂性使得用户的使用存在一定的难度，就此次研究样本来说，整体应用效果差强人意。鉴于此，初学者在利用CiteSpace 开展相关研究前，应先了解该软件的机制和相应功能，学习借鉴优质制图案例，反复实践练习，熟悉软件细节设置，才能发挥其最好效果，如盲目上手，容易适得其反。就软件本身而言，降低使用难度，有利于初学者更快上手，如能加强数据清洗和智能优化功能，使用效果会更佳。