博文
全部博文|未分类|
CiteSpace使用指南|
信息可视化|
创造性思维|
引文空间|
文献综述|
CiteSpace图谱|
科学前沿图谱|
CiteSpace讲座|
CiteSpace用户提醒|
CiteSpace新版|
全文本引文分析|
Scholarly Impact|
CiteSpace应用|
Scholarly Metrics and Analytics|
Frontiers in Research Metrics and Analyt|
Uncertainty|
CiteSpace盗版|
科学学|
学术诚信|
- 共被引网络及其施引文献可以告诉我们什么？
- 以艺术研究的主题为例， 图解如下。 详见下面链接的blog。 https://citespace.podia.com/blog/a54133db-8264-4e2d-9dd5-adaa9fc01905 最早出现的，已经淡出的，仍在继续的，和正在兴起的研究主题： AI 自动生成的聚类概要以及重要参考文献： Cluster #0: 毕加索艺术的多维解读与历史重构 Summary: ...
- 几大艺术研究聚类的自动概要比较：gpt-4o vs gpt-4o-mini vs deekseek-chat
- 这是一个关于艺术研究的共被引网络。其中最大的三个聚类由三种大型语言模型（LLMs）进行了总结。总结结果又由另一种 LLM 进行了匿名评估。以下是我对这些评估性总结的综合概括。 https://citespace.podia.com/blog/d3ddd50f-683d-41ff-a17e-2f7857c7a223 所有模型一致认为 聚类 #0 涉及 拉斐尔 （ Raphael ）的早期 ...
- CiteSpace 6.4.R2: 进一步优化文献综述流程
- 热度 2
- 文献综述过程中的一个关键步骤在于：我们不但需要从宏观上 有效地 了解相关研究主题及其联系，而且需要进一步找到最具有代表性的工作。 下面几个引文聚类的描述完全由GPT自动生成，没有经过人工修改润色。重要的是这些描述把我们自己所收集的数据中最具有代表性的论文和宏观主题联系到了一起，从而进一步体现了施引和被引 ...
