在這炎炎夏日和綿綿雨季中，大多數(shù)研究生不僅受到濕熱夾擊，可能還有面對(duì)開題或準(zhǔn)備開題的壓力。
研究開題是開展研究的必經(jīng)之路，所謂萬事開頭難，那么，有什么小神器能助力我們開個(gè)好頭，旗開得勝呢？
按張林老師所說，一個(gè)研究開題要回答三個(gè)問題：
1、 研究問題，研究什么問題；
2、 研究意義，研究有什么價(jià)值和創(chuàng)新性；
3、 研究設(shè)計(jì)的可行性，研究設(shè)計(jì)是否能解決研究問題。
無論是研究問題、意義還是研究設(shè)計(jì)都繞不開研究現(xiàn)狀，基于研究現(xiàn)狀論證研究問題是否成立；基于研究現(xiàn)狀凸顯研究的理論價(jià)值和意義等等，因此對(duì)以往研究的梳理和綜述就顯得尤為重要。
然而，許多人可能都有這樣的感受：
面對(duì)海量的文獻(xiàn)數(shù)據(jù)，無從下手；面對(duì)文獻(xiàn)綜述，一籌莫展……
對(duì)此癥，下此藥，藥名為“科學(xué)計(jì)量分析”，其功效為梳理相關(guān)主題的發(fā)展脈絡(luò)和研究方向、挖掘研究熱點(diǎn)和發(fā)展趨勢……
本文將根據(jù)大致流程劃分7個(gè)步驟，并結(jié)合我們之前做的文獻(xiàn)計(jì)量分析結(jié)果分別談?wù)劽總€(gè)步驟的目的、主要方法及注意事項(xiàng)。
以下主要對(duì)基于Web of Science檢索文獻(xiàn)數(shù)據(jù)庫（下文簡稱為WOS）的英文文獻(xiàn)的計(jì)量分析進(jìn)行介紹。鑒于CNKI文獻(xiàn)數(shù)據(jù)庫與WOS的計(jì)量分析思路及方法大致相同，本文不展開介紹（CNKI數(shù)據(jù)庫的文獻(xiàn)采集需要手動(dòng)翻頁選?。?/span>。
由于我們關(guān)注面孔吸引力的研究，例如面孔吸引力判斷的認(rèn)知神經(jīng)機(jī)制。因此以下以面孔吸引力研究的文獻(xiàn)計(jì)量分析為例。
1、確定檢索關(guān)鍵詞
主要方法：
1）確定該領(lǐng)域常用的專業(yè)術(shù)語，如面孔吸引力研究通常會(huì)用的關(guān)鍵詞如下：“facial attractiveness” 、“facial preference” 、“facial beauty”。
2）打開WOS，選擇web of science核心合集，并選擇高級(jí)檢索，輸入表達(dá)式：TS=(“facial attractiveness” OR “facial preference” OR “facial beauty”)。檢索中還需確定文獻(xiàn)類型、時(shí)間跨度以及數(shù)據(jù)庫。
圖1 web of science高級(jí)檢索頁面
小tips：
1）確定研究常用關(guān)鍵詞需慎重，直接關(guān)系計(jì)量分析結(jié)果，因此建議結(jié)合對(duì)該領(lǐng)域文獻(xiàn)的積累和經(jīng)典綜述的表達(dá)來確定。
2）關(guān)鍵詞檢索可多試幾次，也需檢查是否檢索出較多的無關(guān)文獻(xiàn)。
3）除了核心術(shù)語及其平行概念，該領(lǐng)域的經(jīng)典理論或領(lǐng)域內(nèi)公認(rèn)的著名學(xué)者的姓名也可作為關(guān)鍵詞之一。
4）通常選擇SSCI和SCI數(shù)據(jù)庫，值得注意的是，每個(gè)學(xué)校購買的SSCI和SCI的年限不同，需要注意圖1中SSCI和SCI后面的時(shí)間范圍，原則上范圍越大檢索數(shù)據(jù)越全。
2、下載文獻(xiàn)
主要方法：
1）確定檢索結(jié)果無誤后，點(diǎn)擊“導(dǎo)出”-“其他文件格式”-選擇“記錄來源”-記錄內(nèi)容為“全記錄與引用的參考文獻(xiàn)” -文件格式為“純文本”。
2）需保存的文件名為“download-xxx.txt”，xxx可任意修改。一次只能下載500條文獻(xiàn)記錄。
3）下載的txt會(huì)記錄文獻(xiàn)的基本信息以及引用的參考文獻(xiàn)，例如AU為作者，AF作者全稱，DE為作者關(guān)鍵詞，ID為擴(kuò)展關(guān)鍵詞等。了解信息的縮寫有助于隨后的描述統(tǒng)計(jì)分析。
3、合并以及整理數(shù)據(jù)
下載好數(shù)據(jù)后，建議先合并數(shù)據(jù)，如圖2，按照一定順序合并及整理每一篇文獻(xiàn)的基本信息。這是隨后兩步的基礎(chǔ)，具體作用可接著往下看。
主要方法：合并數(shù)據(jù)可通過Python或者市面的小工具進(jìn)行操作。
小tips：整理的基本信息盡可能的豐富，便于后續(xù)多維數(shù)據(jù)挖掘。
圖2 合并數(shù)據(jù)示例
4、篩選文獻(xiàn)
檢索的文獻(xiàn)相當(dāng)于文獻(xiàn)計(jì)量分析的數(shù)據(jù)或樣本，然而可能存在以下情況：重復(fù)出現(xiàn)的文獻(xiàn)、缺失關(guān)鍵詞或者任意信息的文獻(xiàn)。這會(huì)影響隨后數(shù)據(jù)分析的結(jié)果，因此為了保證文獻(xiàn)信息的匹配，建議篩選，尤其需要剔除重復(fù)出現(xiàn)的文獻(xiàn)以及缺失關(guān)鍵詞的文獻(xiàn)。
主要方法：剔除數(shù)據(jù)、去重，同樣可通過Python或者市面的小工具進(jìn)行操作。
小tips：如果在Citespace中進(jìn)行后續(xù)分析，Citespace可實(shí)現(xiàn)去除重復(fù)文獻(xiàn)，但無法剔除缺失信息的文獻(xiàn)；而在VOSviewer中兩者均不可實(shí)現(xiàn)。大多時(shí)候會(huì)用多種可視化分析軟件，因此為保證數(shù)據(jù)統(tǒng)一性和準(zhǔn)確性，建議在進(jìn)行描述統(tǒng)計(jì)或可視化分析前，手動(dòng)篩選數(shù)據(jù)。
5、描述性統(tǒng)計(jì)
需要注意，計(jì)量分析并非一來就進(jìn)行多彩酷炫的可視化分析，或者說別忽略了接下來談到的描述性統(tǒng)計(jì)，以下信息的恰當(dāng)挖掘也將提供大量有價(jià)值的信息。
主要的描述性統(tǒng)計(jì)信息包括：年度發(fā)文量、年度引文量、發(fā)文趨勢、高頻關(guān)鍵詞、高頻作者、高頻期刊、高頻機(jī)構(gòu)等。
主要方法：
1）描述性統(tǒng)計(jì)可基于上述合并后的基本信息進(jìn)行。
2）圖3包括了年度發(fā)文量、年度引文量和發(fā)文趨勢。年度發(fā)文量不用細(xì)說，即統(tǒng)計(jì)每一年度所發(fā)表的文獻(xiàn)數(shù)量。發(fā)文趨勢可通過Origin軟件進(jìn)行數(shù)據(jù)擬合，圖3是進(jìn)行了指數(shù)擬合，可看出發(fā)文趨勢呈指數(shù)型增長。年度引文量需要在WOS獲得數(shù)據(jù)后的“創(chuàng)建引文報(bào)告”中導(dǎo)出引文數(shù)據(jù)，如圖4，這也要注意先對(duì)數(shù)據(jù)進(jìn)行去重和篩選。
圖3 面孔吸引力研究英文文獻(xiàn)年度被引量、發(fā)文量和發(fā)文量趨勢
圖4 引文報(bào)告界面
3）圖5是基于年份和關(guān)鍵詞兩組數(shù)據(jù)，考察高頻關(guān)鍵詞隨時(shí)間變化的趨勢。這不僅可以看出高頻關(guān)鍵詞信息，還可增加時(shí)間維度看出關(guān)鍵詞的變化趨勢。例如圖5可看出近十幾年“ERP”和“fMRI”開始作為高頻關(guān)鍵詞出現(xiàn)。
圖5 面孔吸引力研究英文文獻(xiàn)高頻關(guān)鍵詞表（“*”表示為合并關(guān)鍵詞）
4）高頻關(guān)鍵詞、高頻作者、高頻期刊、高頻機(jī)構(gòu)等可用同樣的方法挖掘信息。
6、共被引文獻(xiàn)分析
共被引分析中最為關(guān)鍵的是共被引文獻(xiàn)分析，即挖掘共同被引頻次前十的文獻(xiàn)信息，相當(dāng)于該領(lǐng)域的經(jīng)典文獻(xiàn)，如表1。把握經(jīng)典文獻(xiàn)如同抓住領(lǐng)域的研究命脈，需要高度重視這些文獻(xiàn)的價(jià)值。
主要方法：將數(shù)據(jù)導(dǎo)入Citespace，Node Type選擇Reference進(jìn)行共被引文獻(xiàn)分析。導(dǎo)入數(shù)據(jù)等基本操作，網(wǎng)上有許多教程，請(qǐng)自行查閱。
7、關(guān)鍵詞共現(xiàn)分析
作為研究內(nèi)容的核心概括，關(guān)鍵詞分析是挖掘研究熱點(diǎn)和發(fā)展脈絡(luò)的重要方法，關(guān)鍵詞分析也多種多樣，以下介紹主要介紹關(guān)鍵詞共現(xiàn)分析，僅供參考。
關(guān)鍵詞共現(xiàn)分析是通過關(guān)鍵詞共同出現(xiàn)的頻次和情況，以揭示各研究主題之間的關(guān)系。圖6是通過VOSviewer對(duì)關(guān)鍵詞進(jìn)行共現(xiàn)分析，其自帶聚類分析功能，不同顏色代表不同聚類，聚類往往是一些關(guān)鍵詞具有較高的共現(xiàn)頻次，反映它們往往抱團(tuán)出現(xiàn)，能夠反映出一個(gè)較明顯的研究方向。
圖6 關(guān)鍵詞的共現(xiàn)網(wǎng)絡(luò)
小tips：圖7為點(diǎn)擊淺藍(lán)色聚類 “face perception”，左下角會(huì)有該關(guān)鍵詞在共現(xiàn)網(wǎng)絡(luò)中的信息，左邊也會(huì)顯示與其密切相關(guān)的關(guān)鍵詞。
圖7 VOSviewer關(guān)鍵詞共現(xiàn)分析界面
同樣是關(guān)鍵詞共現(xiàn)分析，Citespace可加入時(shí)間維度，生成關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)的時(shí)區(qū)視圖。圖8是按五年為間隔，每個(gè)圓圈代表一個(gè)關(guān)鍵詞，其中時(shí)間為該關(guān)鍵詞首次出現(xiàn)的年份，圓圈大小反映該關(guān)鍵詞在這三十年間的出現(xiàn)頻次。最近時(shí)間所出現(xiàn)的關(guān)鍵詞一定程度是近期的焦點(diǎn)。
圖8 面孔吸引力研究英文文獻(xiàn)關(guān)鍵詞共現(xiàn)的時(shí)區(qū)圖
小tips：
1）可根據(jù)閾限大小，調(diào)整頁面呈現(xiàn)的關(guān)鍵詞數(shù)量；
2）系統(tǒng)自動(dòng)生成的時(shí)區(qū)圖中關(guān)鍵詞呈現(xiàn)較為雜亂，為求清晰美觀，需手動(dòng)調(diào)整和排列。
以上就是文獻(xiàn)計(jì)量分析的主要框架和方法。由于數(shù)據(jù)分析較為繁瑣，建議大家細(xì)心做好數(shù)據(jù)記錄。
祝大家身體健康，科研順利！
本文部分結(jié)果源于：
甘燁彤, 劉燊, 汪琛, 沈潔, 曹斐臻, 王秀娟, 徐強(qiáng), 張林.(2020). 面孔吸引力研究的回顧與展望——基于文獻(xiàn)計(jì)量學(xué)的分析. 應(yīng)用心理學(xué), 已錄用.
部分心理學(xué)領(lǐng)域的文獻(xiàn)計(jì)量分析研究：
賈海波, 梁君英, 楊持光, 沈模衛(wèi). (2019). 心理學(xué)研究的動(dòng)向:基于對(duì)美國《心理科學(xué)》創(chuàng)刊以來文獻(xiàn)的計(jì)量分析. 應(yīng)用心理學(xué), 25(3), 195-204.
顏志強(qiáng), 王笑楠, 蘇彥捷. (2019). 心理理論研究的進(jìn)展及展望: 來自文獻(xiàn)計(jì)量學(xué)的證據(jù). 心理學(xué)探新, 39(4), 291-299.
顏志強(qiáng), 蘇彥捷. (2017). 共情研究主題的變化——來自文獻(xiàn)計(jì)量學(xué)的證據(jù). 心理科學(xué), 40(3), 699-707.
特別致謝：感謝劉燊師兄帶我入坑，汪琛同學(xué)和曹斐臻師弟的技術(shù)支持。
brainnews 獲作者授權(quán)轉(zhuǎn)載
聯(lián)系客服
