Корзина (0)
В корзине пусто!
«Библиометрические инструменты в помощь исследователю». Изучение темы через анализ авторских коллективов. И снова VOSviewer.

«Библиометрические инструменты в помощь исследователю». Изучение темы через анализ авторских коллективов. И снова VOSviewer.

160
0
6 Ноября, 2018

В предыдущих частях мы пробовали использовать VOSviewerдля анализа ключевых слов для того, чтобы выделить отдельные направления исследований, связанных с пептид-нуклеиновыми кислотами. Как мы видели, слабой стороной такого подхода является высокая вариативность терминов (синонимов и однокоренных слов) и наличие малоинформативных слов, что требует от исследователя дополнительных усилий по редактированию тезауруса.

 

Альтернативным подходом может быть разбиение публикационного массива на коллективы авторов с дальнейшим анализом их исследовательских направлений. Такая стратегия имеет несколько достоинств, позволяя исследователю: 

 

  • увидеть коллективы и их географию

  • отслеживать сотрудничество коллективов и перемещения исследователей 

  • замечать эволюцию направлений для отдельных коллективов

  •  

Очевидно, что подход становится слишком трудоемким, если в изучаемой теме работают тысячи авторов, тем более если они участвуют в крупных международных коллаборациях. В остальных случаях визуализация авторских коллективов в VOSviewer позволяет добиться хороших результатов.

 

Шаг 1. запускаем файл VOSviewer.exe

Шаг 2. нажимаем Create

Шаг3. выбираемCreate a map based on bibliographic data

 

 

Шаг 4. на вкладке Scopusуказываем расположение файла CSV(см. предыдущие посты)

Шаг 5. выбираем в соответствующих разделах Co-authorship, Authors, Full counting.

 

Для первой визуализации имеет смысл снять выделение в опции Ignore documents with a large number of authors, чтобы увидеть полную картину. Далее, если мы заметим, что большие коллаборации слишком сильно влияют на разделение коллективов, мы сможем варьировать этот параметр.

 

На этом же этапе можно указать программе на файл тезауруса, но это уже будет файл с именами авторов, мы вернемся к нему позже.

Шаг 6.

Далее программа предлагает ограничиться анализом авторов, которые имеют минимум 5 публикаций, что выделит всего лишь 264 из 6402 фамилий (4%). 

Выбор значения для фильтра определяется задачей. Снижая порог, мы будем видеть на графе авторов с несколькими публикациями, в число которых как правило попадают молодые ученые, технический штат и коллабораторы из смежных областей (напр. сотрудник ЦКП, сделавший анализ), а также те, кто перестал заниматься темой, но попал в начало выбранного нами периода). Напротив, повышая порог и удлиняя временной диапазон, мы увидим активных ученых (как правило, руководителей исследовательских групп). 

 

На последнем этапе программа с большой вероятностью укажет, что не все авторы связаны друг с другом, и предложит показать только самую большую сеть авторов, имевших совместные публикации. Но поскольку нас интересуют все авторские коллективы, мы откажемся и выберем «No».

Полученный результат разительно отличается от того, что VOSviewer показывал для терминов (method: association strength, attraction= 3, repulsion= -1; resolution= 1.5).

Программа показывает «изолированные» исследовательские группы и сотрудничество между отдельными авторами. 

 

Однофамильцы

На графе также можно заметить и одинаковые фамилии – так, в красном кластере (в центре) 7 авторов имеют фамилию Zhang и 6 – Wang, но инициалы у них разные. А вот в зеленом и желтом кластерах (слева) можно увидеть более 10 исследователей по фамилии Kim, при этом сосуществуют пары {Kim D. и Kim D.-E.},  {Kim J. и Kim J.-W.}, {Kim Y. и Kim Y.-C.}, {Kim H. и Kim H.-J.}. В том же кластере есть пара имен {Park H. и Park H.G.}. Учитывая, что они появились в одном кластере (то есть сотрудничают с одними и теми же соавторами), мы можем предположить, что каждая пара имен относится к одному исследователю и заменить их на уникальные фамилии.  Сделать это можно, используя тезаурус с уже знакомыми полями label и replace by.

Для идентификации однофамильцев удобно воспользоваться вкладкой Items в левой части интерфейса VOSviewer, предварительно разгруппировав фамилии авторов (снять выделение Group items by cluster).

Кластеризация

В сгруппированном виде вкладка Items позволяет просматривать списки фамилий внутри каждого из кластеров. При значении показателя resolution = 2 (меню Analysis/Clustering) VOSviewer разделил 264 исследователя PNA между 43 кластерами. 

Что делать, если кластер получается слишком крупный и объединяет фамилии авторов, которые работают в разных коллективах (что мы может знать заранее из прочитанных обзоров или предположить, исходя из расположения авторов на границе между 2 кластерами)?

1. Увеличивать показатель resolution в меню clustering (с шагом в 0.5 от 1 до 2.5-3).

2. Вернуться на шаг 5, выбрать опцию Ignore documents with a large number of authors и указать какого размера коллаборации следует игнорировать. Этот шаг оправдан, если в исследуемой теме много больших международных коллабораций, из-за которых не удается рассмотреть отдельные коллективы. Удаляя такие исследования, мы одновременно убираем с карты всех авторов, которые регулярно участвуют в больших проектах, но не ведут самостоятельных исследований (что случается, например, в медицине, где участие в клинических испытаниях определяется не только наличием исследовательского опыта). 

Полученное разбиение авторов можно сохранить в виде уже знакомых нам файлов map и network. Таким образом, в будущем мы сможем получить доступ к списку имен в каждом кластере.

Что дальше? Имея перед собой исходный файл csv (выгруженный из Scopus), а также map и network файлы, наш исследователь готов к изучению отдельных коллективов любым удобным ему способом. 

Можно завести бумажную тетрадь на 48 страниц (у нас 43 кластера) и на каждой странице делать пометки о том, чем занимается данная группа; или использовать электронную записную книгу, или распечатать граф и что-то помечать на нем.  

Уместным будет лишь один совет – если ваш интерес к теме не временный, с самого начала закладывайте возможность использования, обновления и реструктурирования информации, которую уже получили. По мере погружения в тему картина усложнится, и наш исследователь может захотеть добавить для отдельных групп новую информацию – историю грантов, активность в качестве редактора или рецензента, возможности коллаборации, кулинарные пристрастия.... 

В качестве примера приведем несколько иллюстраций, которые можно было бы легко получить для описания кластера #27:

 

Ключевые слова из статей кластера:

 

Граф «авторы – журналы» (такие графы иногда позволяют увидеть предпочтения авторов), а также «специфические журналы», в которых публикуются только избранные  авторы.

Конечно, на этом месте читатель, который уже успел разобраться с VOSviewer, может погрозить автору пальцем – договаривались, чтобы «без программирования», а вторая картинка явно не из VOSviewer и не из Excel.

 

Ну что же, в следующих постах поговорим как раз о таких диаграммах и о новом инструменте. 

160
0
6 Ноября, 2018
Ваш комментарий будет первым

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, пользовательских данных (сведения о местоположении; тип и версия ОС; тип и версия Браузера; тип устройства и разрешение его экрана; источник откуда пришел на сайт пользователь; с какого сайта или по какой рекламе; язык ОС и Браузера; какие страницы открывает и на какие кнопки нажимает пользователь; ip-адрес) в целях функционирования сайта, проведения ретаргетинга и проведения статистических исследований и обзоров. Если вы не хотите, чтобы ваши данные обрабатывались, покиньте сайт.

x