—————————————————————————————————————————————————

前沿综述
CiteSpace 与 VOSviewer 作为文献计量学可视化的核心工具，正通过技术融合与 AI 赋能实现范式升级。CiteSpace 6.0 版本引入的机器学习辅助聚类算法，可自动优化关键词分组策略，使学科热点识别准确率提升至 92%；其新增的动态时间线视图支持跨年度研究趋势的交互式探索，已应用于《Nature Reviews Physics》2025 年发表的量子计算领域综述。VOSviewer 则通过 API 接口与 Python 生态深度整合，支持将共被引网络数据导入 PyVista 生成三维可视化场景，在地球科学领域实现了文献分布与地理空间数据的叠加分析。
最新技术应用呈现三大趋势：①大语言模型赋能数据预处理，如利用 ChatGPT 自动清洗 Web of Science 导出数据中的格式错误，效率提升 3 倍；②动态可视化技术，通过 D3.js 实现网络图的实时交互与参数调整；③跨模态数据融合，在医学研究中结合文献计量图谱与临床数据构建疾病研究热点矩阵。交叉行业中，该技术体系已延伸至专利分析（如半导体技术路线图绘制）、教育评估（学科建设热点追踪）及政策制定（碳中和研究趋势预判），成为科研决策的智能辅助工具

专题一、文献计量学方法与应用简介

1.文献计量学方法基本介绍

2.与其他综述方法区别联系

3.各学科领域应用趋势近况

4.主流分析软件优缺点对比

专题二、主题确定、检索与数据采集

1.热点主题高效选择方法

2.目标主题可行性预判

3.CNKI数据库检索式构建

4.CNKI数据导出方法与注意事项

5.WOS数据库检索式构建

6.WOS数据导出与注意事项

专题三、VOSviewer可视化绘图精讲

1.Vosviewer界面与主要概念简介

2.WOS与CNKI数据导入

3.共被引网络图绘制与解读关键

4.叠加网络图绘制与解读关键

5.密度图绘制与解读关键

6.关键词合并方法与注意事项

7.VOSviewer与Pajek耦合展示

专题四、Citespace可视化绘图精讲

1.CiteSpace版面与主要概念介绍

2.WOS与CNKI数据导入、清洗方法

3.学科分布图绘制参数选择与解读

4.共现网络图绘制参数选择与解读

5.聚类图绘制参数选择与解读

6.突现图绘制参数选择与解读

7.时间线图绘制参数选择与解读

部分结果展示

专题五、R语言文献计量学绘图分析

1.R包安装调用、数据加载与过滤

2.发文趋势及引用分析与解读

3.文献来源分析与解读

4.合作网络分析与解读

5.文献分析与解读

6.关键词分析与解读

7.国家出版密度及合作分析与解读

部分结果展示

专题六、论文写作

1 典型结构模式剖析

2 软件搭配组合技巧

3 图表搭配组图策略

4 定向文献参考套路

5 模块化写作思路

专题七、论文投稿

1 期刊选择方法

2 投稿前准备工作

3 投稿过程注意事项

4 文献计量学常见审稿意见

5 拒搞后再投如何提高命中率

了解更多

V头像