李 杰，魏瑞斌

（1.中國科學(xué)院文獻情報中心，北京 100190；2.安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，蚌埠 233030）

1 引言

VOSviewer 是由荷蘭萊頓大學(xué)科學(xué)元勘中心（CWTS） 的凡·艾克 （Ness Jan van Eck） 和瓦特曼（Ludo Waltman） 博士在2009 年推出的一款用于文獻計量網(wǎng)絡(luò)構(gòu)建和可視化的工具[1]。它將引文分析、文獻耦合、文獻共被引、共詞分析、聚類分析等文獻計量學(xué)方法集成到軟件當中，并可以分析用戶從Web of Science、Scopus、Dimensions 和PubMed等文獻數(shù)據(jù)庫中獲取的數(shù)據(jù)。通過VOSviewer 能實現(xiàn)對文獻中的作者、機構(gòu)、國家、期刊、關(guān)鍵詞、術(shù)語等不同單元進行分析，可以構(gòu)建合作網(wǎng)絡(luò)、共詞網(wǎng)絡(luò)、文獻引證網(wǎng)絡(luò)、文獻共被引網(wǎng)絡(luò)以及術(shù)語共現(xiàn)網(wǎng)絡(luò)等知識網(wǎng)絡(luò)類型。此外，VOSviewer 還支持對課免費獲取的數(shù)據(jù)資源的分析，包括了Crossref、Europe PMC、Microsoft Academic、Semantic Scholar、OpenCitations 以及Wiki-Data 等。鑒于該軟件在處理文獻信息方面功能強大，加之免費和持續(xù)的改進，越來越受到科學(xué)計量和領(lǐng)域分析的專家學(xué)者的青睞。

在以往的研究中，雖然文獻[2]以Web of Science 和中國知網(wǎng)期刊全文數(shù)據(jù)庫為數(shù)據(jù)源，從發(fā)文時間、作者、學(xué)科和研究主題4 個方面進行定量分析。但從最近的檢索結(jié)果看，Web of Science 平臺的數(shù)據(jù)，尤其是2020 年和2021 年出現(xiàn)了一個非常迅猛的增長。本文將通過更為全面視角和數(shù)據(jù)集來對VOSviewer 在英文文獻中的應(yīng)用情況進行統(tǒng)計分析，并結(jié)合相關(guān)數(shù)據(jù)對該領(lǐng)域的知識基礎(chǔ)結(jié)構(gòu)進行較為深入的分析，以期對國內(nèi)學(xué)者應(yīng)用該軟件提供參考。

2 數(shù)據(jù)獲取和研究方法

2.1 數(shù)據(jù)獲取

本文在 Web of Science 平臺，以主題為“VOSviewer” 進行檢索，時間截至2021年9月，數(shù)據(jù)庫為SCI-EXPANDED、SSCI、A&HC、CPCI-S、CPCISSH和ESCI，共檢索到相關(guān)論文1 221 篇。如圖1 所示，主題為VOSviewer 的論文開始于2009 年，截至2021 年9 月，論該主題的論文數(shù)量呈現(xiàn)為一個的指數(shù)增長的趨勢。這表明VOSviewer 正在被越來越多的研究者應(yīng)用在科學(xué)研究過程中使用。從時間上看，2009—2014 年，VOSviewer 主題論文年產(chǎn)出不足10篇，增長速度并不快。從2017 年開始，論文的增加速度明顯較快。從論文的年度占比分布看，2020 年論文年度占比達到了29.1%，截止到2021 年9 月，更是占比達到了總論文的40.1%。這說明，VOSviewer 主題的論文進行了一個快速增長期，受到了越來越多研究者的關(guān)注。該軟件的應(yīng)用值得引起國內(nèi)研究者的關(guān)注。

圖1 VOSviewer 的應(yīng)用趨勢分布Fig.1 Application trend distribution of VOSviewer

2.2 研究方法

本文將主要從兩個方面對該領(lǐng)域的研究現(xiàn)狀進行分析。

（1） 統(tǒng)計分析。分別從地理空間的分布、領(lǐng)域期刊分布以及研究主題角度進行分析。地理統(tǒng)計統(tǒng)計分析，有助于認識VOSviewer 在全球分布的空間特征以及影響力情況；領(lǐng)域和期刊的分析，有助于認識VOSviewer其應(yīng)用的核心領(lǐng)域及期刊的分布情況；主題分析用于揭示VOSviewer 主要應(yīng)用于哪些主題的論文中，以及VOSviewer 主要被用來研究和解決哪些問題等。

（2） 文獻共被引。對VOSviewer 主題論文的高被引參考文獻及其組成的知識結(jié)構(gòu)進行分析，從而獲得在VOSviewer 應(yīng)用中的核心文獻特征。

3 VOSviewer 應(yīng)用現(xiàn)狀分析

3.1 作者的空間分布

從統(tǒng)計結(jié)果看，本數(shù)據(jù)集中的作者分布于全球685個城市和92 個國家或地區(qū)，這反映了VOSviewer 在被全球科學(xué)者應(yīng)用的廣泛性。從作者所在區(qū)域看，亞洲地區(qū)發(fā)文642 篇，位列第一。西歐地區(qū)發(fā)文472 篇，排名第2。拉美地區(qū)208 篇，排名第3。中國學(xué)者發(fā)文量為370 篇，占比30%，位列高產(chǎn)國家或地區(qū)首位。美國學(xué)者和英國學(xué)者分別以115 篇和113 篇分列第2和第3，占比約為9%。雖然該軟件的開發(fā)者來來自荷蘭，但荷蘭學(xué)者的總發(fā)文量僅為36 篇，排名為第16。論文的產(chǎn)出與一個國家科學(xué)研究的活躍度和科研人員規(guī)模密切相關(guān)，這也使得小國家的總發(fā)文量偏小（圖2）。

圖2 作者的全球城市分布Fig.2 Global city distribution of authors

從城市分布看，VOSviewer 的應(yīng)用在歐洲、中國和美國東部最為密集。這是因為在中國和美國的東部密集地分布了大量的科研機構(gòu)。歐洲國家眾多，城市分布上也會呈現(xiàn)出密集的特征。在高產(chǎn)城市中，排名前10 的城市，中國占到了8 個。排名前10 的城市依次為北京 （76 篇）、上海 （60 篇）、香港 （50 篇）、廣州 （44 篇）、武漢 （41 篇）、德黑蘭 （36 篇）、成都（35 篇）、圣地亞哥 （29 篇）、南京 （28 篇） 以及蘭州（25 篇）。

從論文被引的角度看，論文總被引超過1 000 次的國家或地區(qū)分別為Netherlands （荷蘭，3 565 次）、China （中國，2 196 次）、Spain （西班牙，1 264 次）、United States （美國，1 238 次） 以及United Kingdom（英國，1 221 次）。結(jié)合發(fā)文量可以發(fā)現(xiàn)，荷蘭的發(fā)文量相對比較少，但論文的總體影響力是最高的，平均被引達到了99 次。中國論文排名第一，論文的總被引排名第二，但篇均被引僅為6 次。這是因為VOSviewer原創(chuàng)性和創(chuàng)新性的成果來源于荷蘭，因此在引證上表現(xiàn)尤為突出。中國雖然論文發(fā)表很多，但多停留在VOSviewer 的應(yīng)用上，創(chuàng)新性還存在一定的不足。

圖3 展示了發(fā)文量不小于10 篇的32 個機構(gòu)之間的合作關(guān)系。節(jié)點大小與機構(gòu)的發(fā)文量成正比，節(jié)點的顏色越接近紅色則表示機構(gòu)的總被引次數(shù)越高。在所有機構(gòu)中，來自中國的機構(gòu)表現(xiàn)仍然突出。排名前3的機構(gòu)都來自于中國，分別為蘭州大學(xué)（23 篇）、香港大學(xué) （22 篇） 以及四川大學(xué) （21 篇）。此外，格拉納達大學(xué) （20 篇）、安納杰國立大學(xué) （19 篇）、智利大學(xué)（17 篇）、武漢大學(xué)（17）、西班牙阿爾梅里亞大學(xué) （16篇）、北京理工大學(xué) （15 篇） 以及中國醫(yī)科大學(xué) （15篇）。作為軟件的開發(fā)單位，萊頓大學(xué)以發(fā)文13 篇，位列15 位。在總被引和篇均被引上，排在前兩位的機構(gòu)都來自荷蘭，分別為萊頓大學(xué) （被引總頻次為2 994次，篇均被引230 次） 和阿姆斯特丹大學(xué) （被引總頻次為477 次，篇均被引48 次）。來自中國的機構(gòu)中，僅僅只有香港大學(xué)的發(fā)文總被引（329 次） 和篇均被引（15 次） 都位于前10 位。在所有機構(gòu)的合作中，香港大學(xué)與維也納大學(xué)、波蘭科學(xué)院、匈牙利科學(xué)院以及它們之間建立了較強的合作關(guān)系。

圖3 作者的機構(gòu)合作網(wǎng)絡(luò)Fig.3 Institutional collaborative network of authors

3.2 學(xué)科與期刊分布

VOSviewer 刊載在171 個學(xué)科領(lǐng)域，其中由載文量不小于10 篇的52 個領(lǐng)域組成的共現(xiàn)網(wǎng)絡(luò)如圖4 所示。排在前5 位的領(lǐng)域為Environmental Sciences （環(huán)境科學(xué)，158篇）、Information Science &Library Science （信息與圖書館學(xué)，150 篇）、Management （管理學(xué)，122 篇）、Green&Sustainable Science&Technology （綠色與可持續(xù)科學(xué)與技術(shù)，100 篇） 以及Business （商業(yè)，90 篇）。通過VOSviewer 提供的聚類算法對網(wǎng)絡(luò)進行聚類，得到6 個不同的聚類，分別為生物醫(yī)學(xué)；環(huán)境科學(xué)；管理、商業(yè)與經(jīng)濟領(lǐng)域；信息、計算機以及圖書館學(xué)；護理科學(xué)務(wù)與醫(yī)學(xué)信息計量領(lǐng)域。這從一定程度反映出，VOSviewer 作為一款文獻計量工具，在不同的學(xué)科都得到了廣泛應(yīng)用，突出了它在科學(xué)研究中的通用性。

圖4 論文的學(xué)科分布Fig.4 Subject distribution of papers

VOSviewer 主題的論文發(fā)表在719 種學(xué)術(shù)期刊上，其中載文量不小于10 篇的僅僅為8 種期刊，如表1 所示。Sustainability 以發(fā)文量60 篇，排名第一。排名第二的為科學(xué)計量領(lǐng)域的知名期刊Scientometrics。該刊物上不僅刊載了VOSviewer 的理論與方法技術(shù)的論文，同樣也刊載了一部分案例分析類的論文。從論文的出版平均年份來看，除了Scientometrics 之外，其他期刊刊載VOSviewer 在近期相對是比較活躍的。其中，高載文量期刊Sustainability 和International Journal of Environmental Research and Public Health 論文集中出現(xiàn)在2020 年。作為MDPI 的開源期刊，過去一年該期刊錄用了大量的文獻計量學(xué)的論文，其中有一大部分使用了VOSviewer 作為分析工具。從期刊載文的分布看，VOSviewer 主題的論文呈現(xiàn)出集中與分散相結(jié)合的特征。其分散分布體現(xiàn)了該類研究論文的跨學(xué)科性，其集中分布反映出某些學(xué)術(shù)期刊對這些研究的青睞。但采用同一工具和類似方法的不同主題分析，可能在一定時期會被期刊減少錄用。因此，可以預(yù)見，后續(xù)部分期刊或會減少此類論文的發(fā)表，而一些新興的載文期刊或?qū)⒊蔀樾碌母弋a(chǎn)期刊。

表1 論文分布的主要期刊Table 1 Major journals of papers published

3.3 研究主題分析

通過VOSviewer 選取了詞頻不小于5 次的關(guān)鍵詞，并生成了共詞網(wǎng)絡(luò)，如圖5 所示。關(guān)鍵詞網(wǎng)絡(luò)圖中共包含117 個關(guān)鍵詞，為了使得可視化更加清晰，僅僅顯示了共線頻次不小于10 次的共詞關(guān)系。在所有關(guān)鍵詞中，詞頻排名前10 的關(guān)鍵詞依次為bibliometrics（文獻計量，719 次）、VOSviewer （449 次）、scientometrics （科學(xué)計量，105次）、web of science （103次）、scopus （93 次）、citation analysis （引文分析，84次）、visualization analysis （可視化分析，67次）、citespace （66 次）、co-citation analysis （共被引分析，54次） 以及l(fā)iterature review （文獻綜述，49次）。從圖5 中可以看出，VOSviewer 主要應(yīng)用與領(lǐng)域的文獻與科學(xué)計量、可視化分析以及文獻綜述中，在使用中主要使用的方法為引文分析、共被引分析和共詞分析。這是因為，VOSviewer 作為科學(xué)計量與文獻計量領(lǐng)域的新興工具，主要用來可視化呈現(xiàn)文獻內(nèi)部的知識單元的關(guān)聯(lián)特征。在應(yīng)用過程中，最常用的數(shù)據(jù)庫為Web of Science 和Scopus，這是因為不僅VOSviewer 可以直接對這兩種數(shù)據(jù)庫的數(shù)據(jù)進行分析，而且兩種數(shù)據(jù)庫也具有較高的質(zhì)量和數(shù)據(jù)完整性。

圖5 VOSviewer 應(yīng)用論文的關(guān)鍵詞網(wǎng)絡(luò) （詞頻出現(xiàn)次數(shù)不小于5 次，共包含117 個關(guān)鍵詞）Fig.5 Keyword network of VOSviewer application papers(the frequency of words is not less than 5 times,and there are 117 keywords in total)

進一步對關(guān)鍵詞按照類別分為數(shù)據(jù)庫、工具類、方法類和研究主題與目的。如表2 所示，Web of Science和Scopus 為使用最為頻繁的數(shù)據(jù)源；除VOSviewer外，CiteSpace、Gephi 以 及 Bbibliometrix常常與VOSviewer 同時被使用。方法類的主題主要為文獻計量學(xué)和計量學(xué)中常見的分析方法，包括了引文分析、可視化分析、共被引分析、合著分析以及共詞分析等。在研究的主題與目的關(guān)鍵詞中，VOSviewer 主要被用來繪制知識圖譜、進行研究趨勢分析或是來進行領(lǐng)域的綜述等研究。在研究主題中，新冠、可持續(xù)發(fā)展、社交媒體、可持續(xù)發(fā)展以及供應(yīng)鏈等分析。

表2 VOSviewer 應(yīng)用論文各分類中的代表關(guān)鍵詞Table 2 Representative keywords in each category of VOSviewer application papers

在時間趨勢上，提取了出現(xiàn)平均年份不小于2020年的45 個關(guān)鍵詞，如圖6 所示。VOSviewer 應(yīng)用論文涉及Scopus 數(shù)據(jù)庫的平均出版時間為2020 年，表明研究在使用Scopus 發(fā)表的論文集中在2020 年左右，這是因為VOSviewer 開始版本是以Web of Science 為標準數(shù)據(jù)的，Scopus 數(shù)據(jù)引入的較晚。在工具方面，與CiteSpace、biblioshiny 以及bibliometrix 等知識圖譜工具的結(jié)合也成新興的熱點。在研究主題方面，VOSviewer 主要用來分析當下的科技關(guān)注熱點，諸如internet of things （物聯(lián)網(wǎng)）、blockchain （區(qū)塊兩）、artificial intelligence （人工智能）、depression （抑郁）、circular economy （循環(huán)經(jīng)濟）、small and medium enter-prises （中小企業(yè)）、covid-19 （新冠） 以及industry 4.0（工業(yè)4.0）等。在軟件的功能的進一步應(yīng)用中，bibliographic coupling （文獻耦合） 成為新興的應(yīng)用方向。

圖6 平均年份不小于2020 年的關(guān)鍵詞詞云（共包含45 個關(guān)鍵詞）Fig.6 Keyword word cloud with an average year no less than 2020(including 45 keywords in total)

4 知識基礎(chǔ)

在每一個研究領(lǐng)域，都會由于作者的引用行為形成一批同行認同的基礎(chǔ)性研究成果。這些研究成果為后續(xù)的研究在理論、方法或者是研究過程等方面提供研究基礎(chǔ)。本文從VOSviewer 主題論文中提取了參考文獻被引頻次不小于20 次的論文構(gòu)建其知識基礎(chǔ)及其結(jié)構(gòu)，共提取了1963—2018 年的66 篇論著，得到的共被引網(wǎng)絡(luò)如圖7 所示。從文獻共被引網(wǎng)絡(luò)來看，左側(cè)的文獻是以科學(xué)知識圖譜相關(guān)論文為主要組成，右側(cè)則主要為文獻計量的基礎(chǔ)論文和文獻計量學(xué)方面的應(yīng)用型的論文。

圖7 VOSviewer 應(yīng)用論文的文獻共被引網(wǎng)絡(luò) （僅僅顯示了共被引強度不小于20 的關(guān)系）Fig.7 The literature co-citation network of VOSviewer application papers(showing only the relationship with co-citation strength of not less than 20)

進一步按照論文涉及的內(nèi)容特征，將其總結(jié)為5個部分 （表3）。主要包含了VOSviewer 的理論背景文獻、VOSviewer 自身的技術(shù)設(shè)計文獻、CiteSpace 工具的技術(shù)與案例文獻、數(shù)據(jù)庫比較與分析方面的文獻以及應(yīng)用型的文獻。從文獻的分布時間來看，VOSviewer文獻圖譜研究是基于文獻計量學(xué)中的文獻耦合、文獻共被引、作者共被引以及共詞分析等理論發(fā)展而來，這些早期原創(chuàng)性理論和概念的提出成為目前以文獻作為基礎(chǔ)繪制科學(xué)知識圖譜的基礎(chǔ)。在前期文獻計量學(xué)理論與方法基礎(chǔ)上，VOSviewer 的團隊對基于知識單元共現(xiàn)的可視化呈現(xiàn)和計算進行了系統(tǒng)的研究和分析，并在此基礎(chǔ)上提出了具有一定先進性的文獻圖譜繪制方案。在實際的研究中，關(guān)于CiteSpace 等工具基礎(chǔ)和應(yīng)用型的文獻被帶來大量應(yīng)用。在這些軟件中，涉及了CiteSpace、SCIMAT 以及基于R 語言的Bibliometrix工具包。在長期的發(fā)展過程中，以VOSviewer 為主題的論文也積累了大量的應(yīng)用型的文獻。從分析中發(fā)現(xiàn)最為活躍的應(yīng)用型的文獻的學(xué)者為MERIGO，他有6篇專門分析期刊的論文和4 篇關(guān)注主題的分析論文出現(xiàn)在了網(wǎng)絡(luò)。但是，作為文獻計量學(xué)領(lǐng)域外的學(xué)者，在應(yīng)用型的文獻中還存在大量的誤用。例如，對該高產(chǎn)學(xué)者論文的調(diào)研發(fā)現(xiàn)，論文祝往往是對軟件生成結(jié)果的直接解讀，缺少數(shù)據(jù)清洗和消歧的過程，存在大量的低級錯誤（如作者重復(fù)、主題單復(fù)數(shù)未處理等）。

表3 VOSviewer 高被引文獻的分類Table 3 Classification of highly cited articles in VOSviewer

5 研究結(jié)論與討論

從文獻計量分析結(jié)果看，在Web of Science 平臺收錄的期刊中，利用VOSviewer 進行科學(xué)研究的論文數(shù)量在經(jīng)過緩慢增長之后已經(jīng)進入一個迅猛發(fā)展階段。從作者空間分布、學(xué)科與期刊分析看，VOSviewer 已經(jīng)得到了不同國家學(xué)者的普遍認可。從統(tǒng)計結(jié)果看，國內(nèi)學(xué)者在Web of Science 核心合集收錄出版物上的發(fā)文量占到總體的30%，這反映了中國學(xué)者對VOSviewer使用比較活躍，借助VOSviewer 發(fā)表了大量的案例研究類論文。VOSviewer 作為一款以文獻為處理對象的工具，它在不同學(xué)科都有一定的應(yīng)用前景，在文獻綜述、學(xué)科結(jié)構(gòu)的刻畫、文獻關(guān)系的分析、不同層次的合作網(wǎng)絡(luò)研究等主題都有其獨特的優(yōu)勢。從研究者所采用的數(shù)據(jù)看，目前還主要集中在Web of Science、Scopus 等引文數(shù)據(jù)庫，對于通過學(xué)術(shù)搜索引擎和維基百科等互聯(lián)網(wǎng)資源獲取相關(guān)數(shù)據(jù)的研究還很少。這是因為在商業(yè)性的數(shù)據(jù)庫在數(shù)據(jù)的精確性、完整性以及更新的及時性上要比免費的數(shù)據(jù)庫根據(jù)優(yōu)勢，所分析的結(jié)果信度要更高。結(jié)合論文內(nèi)容看，在國際科學(xué)計量學(xué)領(lǐng)域，已經(jīng)開發(fā)并得到廣泛應(yīng)用的文獻計量工具鮮見國內(nèi)學(xué)者的身影，國內(nèi)學(xué)者在工具的應(yīng)用方面占據(jù)了絕對的規(guī)模優(yōu)勢，但在軟件和方法的原理層面涉及較少，因此也很難出現(xiàn)有創(chuàng)新性和影響力較大的研究成果。