文献大分析：打开科研格局的新工具

公众号新闻

2024-05-23 00:05

作者：祝婉玲 / 华中师范大学心理学院

你有没有遇到过这样一种情况？

当你刚开始涉入某个研究领域时，仿佛踏入了一片森林，周围都是树，你向前向后跑，左顾右盼，看到的始终还是树，每棵树都有自己独特的姿态。

可能你在某天走到一棵树前，意识到它好像跟右后方向的一棵树有点类似，但是你对于这片森林的大小、边界、植物的种类、密度丝毫没有概念。

除非…你能飞起来俯瞰这片森林。

现在，好像我们真的可以做到了！作为一名处于数字化时代的科研狗，不得不说，大数据和人工智能的发展极大地改变了我们学习生活。若我们想了解一片森林，文献鸟Stork的高级功能文献大分析不仅能带我们飞上天，还能帮我们总结森林现在的地貌特点！

试问哪个科研人看了不心动？？我愿称它为古希腊掌管文献分析的神！有了它，我们不仅可以快速了解某个领域，写综述和元分析paper的工作量也会大大减少。

文献大分析功能的使用非常简单，但也有需要注意的地方，接下来我就详细介绍使用过程以及我的一些经验总结。

如何使用文献大分析

举个例子，若我想了解使用教育神经科学里使用fNIRS技术的文献现状，可以将关键词输入搜索框，点击分析即可。

首先，结果告诉我们在所有年限所有国家所有机构内，共发表了483篇关于fNIRS AND education的文章。Trend图表显示的是每年发表的文献数量，可以看出，从2013年至2023年这十年，教育神经科学里使用fNIRS技术的文章数量增长非常迅速。

那到底有多迅速呢？Growth Rate的分析结果告诉我们年增长率达到45%。

这些文章都是哪些国家的科研人员发表的呢？

下图是根据不同国家发表文章的数量制作的热图，颜色越深，表示发表的文章数量越多，可以看到中国独占鳌头，北美洲几个国家紧随其后。将鼠标放到具体的国家上，可以看到该国发表的文章的具体数量。

PS：说实话，有时候我觉得这个世界地图画得挺好的，点哪个地方就会告诉你国家的名字，做科研的同时补习一下地理知识，告别知识盲区哈哈哈哈。

此外，下面还有表格根据发表数量具体列出了国家排序。

若不论国家，单想看科研机构发表文章的排名，也是可以的。从下图我们可以看出，北京师范大学发表的相关文章最多，其次是华东师范大学、北京航空航天大学等。

更具体地，文献大分析还提供总文章影响因子的机构排序，它是基于该机构文章的数量和发表杂志的影响因子综合加权后的排序。可以看出，北京师范大学、华东师范大学发表的fNIRS AND education相关的文章从质量和数量上都没话说。哈佛医学院发表的文章质量也不错。

当然，医学生肯定更关注不同医院机构的发文量、工程师更关注不同公司的发文量，文献大分析也有相关的结果。替广大医学生和工程师给文献鸟点个赞！

文献大分析还有一个让我惊喜的地方，就是它也给大家列出来发表文章数量的期刊排序，以及具体每种期刊影响因子。可以看到，Brain Science Frontiers，Frontiers In Human Neuroscience， Neuroimage这几个杂志对fNIRS AND education领域的接受程度较高，有一些老牌教育期刊更偏传统，对脑科学技术的文章并不感冒，我们在投稿的过程中也可以优先考虑这几个杂志。

另外，我真的强烈建议“IF查与投”可以把下面的分析加进去，太贴心了！！除了期刊在该领域的发文量和影响因素，还有中科院分区以及文章的接收时长。

有了这些信息，我们在投稿时就可以根据自身情况选择期刊，少走弯路。例如如果我们想要尽快出成果的话，就可以选择接收时长比较快的期刊。当然，根据样本量的大小，这些数据会发生变化，我们也不能完全靠它决定自己的投稿期刊，作为参考它已经格外让人惊喜了。

我们还可以看到这些文献中的词频排序，不管是一个单词还是两个单词组成的短语，又或者更多单词的短语，文献鸟都能对其进行提取。这让我们能够快速了解一个领域的专有名字。

最后，还有几张炫酷的图充分展示了大数据的优势。

下图是一个Author Network图表，其中每个圆点表示一个作者，圆点越大，表明其发表文章数量和影响力越大，两位作者之间的连线表明他们共同发表过文章。所以可以看出来，大家发表的文章大多是团队协作而成，在这些团队中，有些是大组（网络更密集），如北京师范大学卢春明老师课题组，也有一些是小组。此外我们还能看到这些作者更详细的信息以及e-mail。

看到这里有没有被震撼到，是不是突然感觉自己成为领域内的专家了。

我们自己心中获得了关于这个领域的图式，大概了解了领域的发展、机构、期刊、作者等信息，这方便我们规划科研方案、构思主题、投稿以及了解同行。

我相信这是许多人都不具备的知识。没有文献大分析，我们很可能在看了许久的文献之后，才意识到某个课题组原来是专门做这个主题的、原来学习领域的文章都会关注认知负荷等等。

如何设置文献大分析的关键词

就像再好用的chatGPT也需要输入合适的指令，在文献大分析中，输入恰当的关键词尤为重要！

它的底层逻辑与数据库的搜索类似，根据我们所给它的关键词去搜索文献，然后再将这些文件进行整理分析。如果我们在第一步设置关键词时就出现问题，那么它搜索分析的结果可能与我们想看到的大相径庭。

例如，我们想了解教育心理学这个领域，直接输入"educational psychology"就是一个最大的误区。想象一下，真正教育心理学领域的研究会在自己的文章中写"educational psychology"这个短语吗？当然不会，那你分析的都是一些什么文献呢？我以"educational psychology"为关键词进行了文献大分析，并查看了Top Author List中排名第一的作者所发表的文章。

可以看出，基本上都是综述或者教育政策相关的文章，与我们最初的目的南辕北辙了。那我们应该怎么做呢？我建议尽量选择具体一些的主题词，例如"multimedia learning"或者"cooperative learning"等等。

此外，在PubMed等数据库中搜索文献的tips在这里同样适用，例如，使用限定词、逻辑符号，分析特定作者的文章等等。当我们以David Boas[Author]为关键词，可以看到他发表的文章数量、期刊和主题等，还能看到他的团队以及他都与谁在合作，我们立刻对这位大牛有了很多了解。

更多关于如何选择关键词的介绍可以参考《文献搜索：关键词30大常见错误和更改建议》这篇推文。

其他使用技巧

除了我们输入关键词让文献大分析帮我们搜索分析，我们也可以将自己在其他数据库搜索到的文献放进去让它帮我们分析。分析经过我们筛选过的文献的好处就是，结果会更加准确。当我们在做元分析时，不妨将自己筛选过的文章都丢进大分析里，先从整体上看看这些研究的特点，下笔会更加顺利。

此外，我们还可以看看某个主题在美国国立卫生研究院经费数据库(NIH)中的情况，中标的课题多吗？经费多少？哪些机构申请上了？研究的主题都是什么？这都是宝贵的信息呀。

总结

对于我来说，文献大分析的定位就是偶像剧里面霸总的特助或者管家，霸总只需要表明自己的需求，特助或者管家就能找到对应的资料并形成报告。

大家都说赚钱的底层逻辑是信息差，我觉得科研的进步也能够体现在信息差中。

当人家开会还在那狂炫茶歇时，你已经跟大牛加上了微信；当人家还在搜寻出国访学的机会时，你已经联系好了导师；当人家还在搜索文献时，你已经写好了综述；当人家还在慢慢探索这个领域时，你已经可以侃侃而谈……

以前我只知道埋头苦学，看文献、做实验，但是我对于某个范围以外的情况并不了解，我并不知道我这个主题国内有多少人在做，大家做的怎么样，我得到的都是一些碎片化的信息。我也在慢慢形成自己对这个领域的信息的认识，但我的认识始终比不上大数据那么全面。

简单来说，就是“格局”被限制住了。

因此文献大分析不仅仅是帮助我们了解领域行情，获得更多的信息，更重要的是，打开格局！

它体现在你思考问题的角度会更高，对科研主题的把握更游刃有余，从而能够激发创新思维。希望这个工具能够帮助你在科研的道路上更进一步，paper拿下！项目拿下！通通都拿下！

【如何使用】

文献大分析是文献鸟Stork的高级功能，需要付费使用，当然它也提供试用机会：登录文献鸟后，在关键词下方找到大分析，然后点击申请试用。

文献鸟可以免费推送你所关注的最新研究论文摘要，如需进一步了解文献鸟的VIP功能，可与我们联系。

（扫码👆，注册文献鸟）

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章