大数据时代图书馆信息系统的舆情研究进展

科研全景（Scientific Landscape）在图书馆信息系统中具有重要作用，能够对文献进行信息计量学分析，目前常用的学术数据库如中国知网（CNKI）、万方、Web of Science对该功能均有集成。图书馆信息系统的科研全景分析功能，除了可以采用前述的VOSViewer软件生成外，另一个常用的科研文献分析软件为CiteSpace^[18]。CiteSpace由陈超美教授开发，主要用于生成科研全景。

鉴于“舆情”关键词是情报学的研究热点，本节基于CiteSpace主要研究“舆情”领域的数据可视化。

本节选取了CSSCI数据库中图书情报与档案管理领域已经发表的文献作为数据来源，选取的时间段为2010—2019年，选取文献的期刊来源学科为图书情报与档案管理。

首先，获得数据源。在CSSCI数据库中搜索的关键词为“舆情”，如图5-5所示。

图5-5　CSSCI核心期刊搜索视图

将搜索结果进行过滤，过滤表达式为：关键词＝舆情AND文献类型＝论文AND学科类型＝图书馆、情报与文献学AND年＝2010—2019。

搜索提交界面，如图5-6所示。

图5-6　CSSCI核心期刊搜索表达式视图

搜索后，得到结果856条，如图5-7所示。

图5-7　CSSCI核心期刊搜索结果视图

然后，将数据进行逐页、逐年导出成CSSCI的引文格式并统计，得到每年的文献，见表5-9。

表5-9　CSSCI核心期刊论文篇数逐年统计表

根据表5-9，生成每年研究的趋势图，如图5-8所示。

图5-8　CSSCI核心论文结果趋势图(www.xing528.com)

从图5-8中可以看到，2015—2016年相关研究最热，随后下降，每年占比如图5-9所示。

图5-9　CSSCI核心论文结果占比

从图5-9中可以看到，从绝对数量而言，过去四年的论文占论文总数的一半以上，说明“舆情”研究主题已经进入研究成熟期。通过CSSCI导出的引文格式并不能直接导入CiteSpace，需要用CiteSpace的工具将数据转化为Web of Science的格式，然后才能进行可视化分析，CiteSpace转化的工具如图5-10所示。

图5-10　CiteSpace的数据转化图

利用CiteSpace对上述CSSCI导出的856条数据进行数据转化，其中有效记录772条，如图5-11所示。

图5-11　CiteSpace的数据结果图

然后，基于转化后的CSSCI引文数据创建CiteSpace工程，如图5-12所示。

图5-12　CiteSpace的数据转化视图

其中，“Project Home”用于保存CiteSpace生成的图文件，“Data Directory”指向已经转化好的CSSCI引文数据，然后保存，进行创建工程。

创建好工程后，可以开始进行主面板，主面板界面如图5-13所示。

主面板的“Time Slicing”面板包含处理时间的分割类型，本书所有示例以2010—2019年为例，按年分割。

主面板的“Text Processing”面板包含处理的数据来源和数据类型。数据来源指对上述导出的CSSCI的文献中的特定字段进行分析，主要包含标题、摘要、关键词。而数据类型包含“Noun Phrases”和“Burst Terms”。“Noun Phrases”指根据文献聚类分析出来的新技术点，而“Burst Terms”的中文含义为“突现词”，往往是新技术和旧技术的知识图谱连接的关键节点，指突然爆发性技术关键词。

图5-13　CiteSpace的主面板

主面板的“Node Types”面板包含的类型主要有以下4类。①作者、机构或者国家（或地区）的合作网络分析：反映作者、机构或者国家的发文量。②主题、关键词、来源或分类的共现分析：反映主题、关键词或者领域的频次。③文献的共被引分析、作者的共被引分析以及期刊的共被引分析：反映文献、期刊或者作者的被引次数，连线的颜色代表首次共被引的时间。④论文、授权书、权利要求书的耦合分析。本书的分析主要为前三种类型。