博文

Tutorial: Using the SVA in CiteSpace

已有 4404 次阅读 2017-3-10 21:41 |个人分类:知识图谱|系统分类:科研笔记

Tutorial: Using the Structural Variation Analysis in CiteSpace

Figure 1. Select the Structural Variation Analysis (SVA) mode.

Figure 2. Keep going.

Figure 3. In this tutorial, we use the default value, but you may choose either the entire time frame or a sliding window of n years. CiteSpace will use the data that falls into the scope of the window to construct a baseline network.

Figure 4. The export can be used for statistical analysis as we did in the 2012 JASIST paper.

Figure 5. If choosing Y, CiteSpace will generate a scatterplot of the citers.

Figure 6. If choosing Y, CiteSpace will generate a spreadsheet that details the specific novel links found.

Figure 7. The visualization step.

Figure 8. Note the second panel appears to the left of the visualization. The first panel lists cited references. The second panel lists the citers.

Figure 9. The network is divided into clusters. Each cluster is labeled by keywords from citing articles. The coverage of each cluster is colored by the average year of publications of the citers associated with the cluster. Nodes are rendered by the usage of the last 180 days since the date of the search. In this case, the 180 days prior to 2/28/2017.

Figure 10. Novel links made by publications authored by Garfield.

背景：留言板 [952， 957]

[952]钟镇 2014-8-31 19:09

陈老师，您好。昨天晚上又再次阅读了您的另一篇文献——The Structure and Dynamics of Co‐Citation Clusters:A Multiple‐Perspective Co‐Citation Analysis，可能找到了答案。但不知道是否理解的正确。
[。。。。。。]

1. 从基于文本加权提取出来的聚类特征词汇以及相关的引文聚类，如何选取有价值的施引文献？毕竟最新的施引文献，是展开新科学研究的一个重要组成部分。

2. 基于第1个问题，如果有明确的施引文献筛选方法，那么该筛选方法是如何验证可行的？比如相关“施引文献”（非引文）后面被同行专家确认为是极为重要的。博主回复(2014-9-1 07:46)：建议你看一下我的另一篇文献，里面有关于类似问题的研究和讨论。
Chen, C. (2012) Predictive effects of structural variation on citation counts. Journal of the American Society for Information Science and Technology, 63(3), 431-449. DOI: 10.1002/asi.21694

https://www.researchgate.net/publication/230690861_Predictive_effects_of_structural_variation_on_citation_counts

[957]钟镇 2014-9-2 00:56

陈老师，您好。经您推荐，阅读了您2012年发表在JASIST上Predictive effects of structural variation on citation counts。限于自身的英文与数学水平较差，只能了解一下大概。能否这样理解该论文的主旨：
在包括合作、共词和共被引网络中，有不同数量的聚类。跨距类引用“reference"的施引文献，且合作人数或参考文献数高于一定水平的施引文献，具有成为学科生长点的潜质。验证的方法是根据具体的案例，即一些成功案例的论文都有类似的引文或共词结构。而引文数和合著人数对于引文影响力的贡献，已经得到其他学者的证明。但是关于结构迁移或演化，还是不太理解是如何测度的。
不知我理解的是否有误，还请陈老师赐教。

我上面介绍的方法和大部分其他方法不同之处在于“内在”和“外在”信息的运用。

判断一篇论文的重要性可以看它被下载了多少次，被引用了多少次，等等，这些指标都可看做“外在”指标。“内在”指标指的是论文本身即可导出的指标，像关键词的使用，合作者，和引用文献等等在论文完成时就定了的。这里证明的是结构变换论可以导出比现有其他外在和内在指标更敏锐的指标来预测一篇论文潜在的重要性。

这里的核心假设是，如果一篇论文和现有引文或语义结构不吻合，其引入新颖概念关系的可能性应大于那些更吻合的论文。这是个必要条件。不吻合也不能肯定。几个模型中的IRR参数表现这种情况是否出现和它的强度等等，表明这种办法比其他指标更能直接说明“为什么”。而“外在”指标则不能，因为下载量本身不包括任何关于“为什么”的信息。

再给你推荐一篇，其中有对我这个“内在”方法的讨论：

Factors Affecting Citation Rates of Research Articles

http://onlinelibrary.wiley.com/doi/10.1002/asi.23209/pdf

来源：http://blog.sciencenet.cn/blog-496649-824475.html

结构变异理论（Theory of Structural Variation）最初发表在2012年的一篇JASIST论文，其中也包括了几个案例研究，题为“结构性变化预测被引次数的效果。”

其核心问题是如何能够量化新发表的论文的新颖性。

结构变异分析(Structural Variation Analysis - SVA)一方面基于科学创造方面的研究，尤其是新颖的重组在创造性思维中的作用和影响。这是基于以下观察：科学发现或创新在很大的程度上都具有一个共性，就是新思维能够容纳原本看似风马牛不相及的观念。换句话说，类似于在不同岛屿之间架起的一座新桥梁。第2个验证条件就是这座新桥上是否确实吸引很快变得车水马龙。