在做研究时，我们经常要快速地了解一个某个领域，但怎么才能快速了解呢。citespace是一个很好的工具，能够让你快速地找出一个领域的知识基础和研究前沿。那具体怎么用呢？接下来，以STEM教育为例，进行分析。
一、研究目的
1、STEM教育的研究前沿是什么？
2、STEM教育的知识基础是什么？
二、分析方法
1、数据库：WoS（webof science）
2、检索式：主题=STEM
3、类别：教育教学研究、教育科学研究
4、数据筛选：利用研究类别多次筛选指导只剩教育类（原因：stem的特殊情况）
5、检索结果：1568篇文章
三、分析过程
问题1 ：我如何知道某个领域当前研究热点及过去产生过的研究热点。
回答：利用关键词词共现分析。
转换成表格：
你发现了什么：
1、STEM教育自身相关理论。代表关键词有：科学、数学、技术、科学教育、工程；
2、STEM教育关注对象。代表关键词有：学生、性别、女性、教师、职业、大学生；
3、STEM教育课程研究。代表关键词有：学校、教室、课程、大学、高中、项目、本科生科研、课程、评价。
4、STEM理论研究内容。代表关键词有：动机、选择、同一性、态度、直觉、自我效能、信仰、学业成就、能力
还发现了什么：
与国内研究相比，关键词“Gender”“Women” 在STEM教育中出现频次很高，研究者通常假设女性在STEM学科中处于劣势，由此认为女性在STEM相关职业中同样处于劣势。
问题2：我如何知道某个研究领域的知识结构，包括这个领域的知识基础、研究前沿的演变，以及在演变过程中起到关键作用的文献？
回答：利用文献共被引分析功能。
共引分析的主旨：通过同时被其他文献引用的频次来表达文献间的关系，即两份文献同时被其他文献引用，其引用的频次越高，表明关系越密切，亦即意味着这两份文献的学科背景相似。
问题3：文献共被引分析是如何操作的？
第一步：运行软件
第二步：结果可视化
第三步：布局调整
第四步：进行聚类
第五步：网络调整
第六步：选择聚类命名算法
问题4：我如何阅读共被引分析的图谱？
问题5：这个图谱靠谱吗？
主要看两个值：模块值和平均轮廓值。
模块值：判断社团结果是否显著。Q>0.3，意味着划分出来的社团结构是显著的。
平均轮廓值：各样本点轮廓值的平均数。聚类是否令人信服。S>0.7，表示聚类是高效率令人信服的。在0.5以上，聚类一般认为是合理的。
问题6：聚类的标签词是怎么得来的？为什么会有相同的标签词？
聚类标签词来源于施引文献。通过引用聚类的相关施引文献中通过算法提取标签词，以此来表征对应于一定知识基础的研究前沿。
在可视化分析中，每个聚类以其排序最高的特征词条来表示。
STEM的共被引图谱：一共有56个聚类。其中有22个大聚类。
问题7：文献共被引分析中的节点、连线、颜色分别代表什么？
节点：代表分析的对象
节点大小：出现频次（或被引频次）越多，节点越大
节点内圈颜色及厚薄度：代表不同时间段出现（或被引）频次
节点之间的连线：表示共现（或共引）关系
节点之间连线的粗细：表示共现（或共引）的强度
节点之间连线的颜色：表示第一次共现（或共引）的时间
颜色从蓝色的冷色到红色暖色的变化表示时间从早期到近期的变化。
图谱可以显示形成的知识聚类、聚类之间的联系及随时间之间的演变。
问题8：如何找到关键的节点文献？
关键节点1——中介中心性高的节点：表示一个点在多大程度上位于图中其他“点对”的“中间”。【紫色圆圈表示】
每个节点之间是什么关系？
关键节点2——突现引文：引用量突然上升或突然下降的节点。这一节点通常代表某一研究的转变。【突现引文节点用红色表示】
关键节点3:——被引频次最高的文献：表示文献很重要。【圆圈最大的节点】
有意思的是，不同类型的关键节点可能是一样的哟~
STEM教育高中介中心性的文章：
Citespace还可以这样玩！
时间线视图（侧重勾勒聚类之间的关系和每个聚类中文献的历史跨度）
从图中可以发现：
（1）在哪些年份，该聚类开始出现，即有了第一篇参考文献；
（2）在哪些年份，该聚类的成果开始增多；
（3）在哪些年份，该聚类开始趋冷，关注度降低；
（4）在整个聚类发展过程中，在哪些年份出现了哪些标志性文献（如高被引文献、高中介性文献等），这些文献怎样影响着整个聚类的走势。
时区视图：（从时间维度上表示知识演进的视图。清晰地展示出文献的更新和相互影响）
从图中可以发现：
（1）哪个时期的文献最多？哪个时期的文献最少
（2）时期与时期之间的传承关系是什么？
请开始你的citespace show吧~
