中國知網(wǎng)文獻(xiàn)共被引方法及實(shí)證研究

冉從敬　李旺　謝真強(qiáng)

關(guān)鍵詞： 中國知網(wǎng)； 共被引分析； 智慧醫(yī)療； ＣｉｔｅＳｐａｃｅ

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．０１３

〔中圖分類號〕Ｇ２５０.２ 〔文獻(xiàn)標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０９－０１５４－１１

１９７３ 年， 美國情報學(xué)家Ｓｍａｌｌ Ｈ［１］ 首次提出了文獻(xiàn)共被引（Ｃｏ－ｃｉｔａｔｉｏｎ） 的概念， 作為測度文獻(xiàn)間關(guān)系程度的一種研究方法。而后隨著研究的逐漸深入， Ｗｈｉｔｅ Ｈ Ｄ 等［２］ 在１９８１ 年將文獻(xiàn)共被引拓展至作者與期刊層面， 形成了作者共被引分析（ＡｕｔｈｏｒＣｏ－ｃｉｔａｔｉｏｎ Ａｎａｌｙｓｉｓ， ＡＣＡ）與期刊共被引分析（Ｊｏｕｒ?ｎａｌ Ｃｏ－ｃｉｔａｔｉｏｎ Ａｎａｌｙｓｉｓ）的研究方法。隨著科學(xué)知識圖譜的興起， 其一直是科學(xué)計量學(xué)、知識計量學(xué)領(lǐng)域的一種重要的研究方法與研究手段， 基于學(xué)者的不斷摸索， 共被引分析與科學(xué)知識圖譜相結(jié)合，分析結(jié)果逐漸被可視化的展示出來?？茖W(xué)知識圖譜是以知識域（Ｋｎｏｗｌｅｄｇｅ Ｄｏｍａｉｎ）為對象， 顯示科學(xué)知識發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一種圖像［３］ ?？茖W(xué)知識圖譜這一概念在２００３ 年美國國家科學(xué)院舉行的研討會中被第一次提出， 而后隨著科學(xué)技術(shù)的發(fā)展，學(xué)者將科學(xué)知識圖譜這一概念與技術(shù)相融合， 從而衍生了各類知識圖譜繪制工具。在眾多可視化軟件中， 由美國Ｄｒｅｘｅｌ 大學(xué)陳超美研發(fā)的ＣｉｔｅＳｐａｃｅ 由于其繪制圖譜信息量大， 圖譜美觀， 可以從多個層面為學(xué)者提供研究視角而廣受歡迎。隨著ＣｉｔｅＳｐａｃｅ工具的普及， 國內(nèi)外產(chǎn)生了許多關(guān)于應(yīng)用ＣｉｔｅＳｐａｃｅ及其知識圖譜的學(xué)術(shù)論文。國外學(xué)者如Ｊａｙａｎｔｈａ ＷＭ 等［４］ 通過Ｓｃｏｐｕｓ 數(shù)據(jù)庫檢索了１９７０—２０１９ 年關(guān)于享樂價格模型的相關(guān)文獻(xiàn)， 而后使用ＣｉｔｅＳｐａｃｅ軟件對數(shù)據(jù)進(jìn)行分析和可視化； Ｒａｗａｔ Ｋ Ｓ 等［５］ 運(yùn)用ＣｉｔｅＳｐａｃｅ 分析了２０１１—２０２０ 年在教育領(lǐng)域使用ＩＣＴ 發(fā)表的文獻(xiàn)的科學(xué)計量特征； Ｗｉｄｚｉｅｗｉｃｚ－ＲｚｏńｃａＫ 等［６］ 通過ＷＯＳ 數(shù)據(jù)庫檢索了１９９６—２０１８ 年關(guān)于ＰＭ 結(jié)合水研究領(lǐng)域的相關(guān)文獻(xiàn)， 并使用ＣｉｔｅＳｐａｃｅ軟件可以確定測量氣溶膠結(jié)合水的過去趨勢和未來可能的方向。國內(nèi)學(xué)者如陳曉玲等［７］ 以ＷＯＳ 數(shù)據(jù)庫中ＳＣＩ－Ｅ、ＳＳＣＩ、ＣＰＳＩ 三大核心數(shù)據(jù)庫收錄為數(shù)據(jù)來源， 運(yùn)用ＣｉｔｅＳｐａｃｅ 分析了２０１２—２０１６ 年東北三省的研究熱點(diǎn)和學(xué)科趨勢； 花龍雪等［８］ 以中國知網(wǎng)收錄的“過程挖掘” 領(lǐng)域相關(guān)文獻(xiàn)為樣本， 運(yùn)用ＶＯＳｖｉｅｗｅｒ 和ＣｉｔｅＳｐａｃｅ 兩款軟件對文獻(xiàn)特征、熱點(diǎn)主題和前沿趨勢進(jìn)行分析； 李靈芝等［９］ 運(yùn)用ＣｉｔｅＳｐａｃｅ 針對ＷＯＳ 數(shù)據(jù)庫中基礎(chǔ)設(shè)施韌性評估核心文獻(xiàn)展開文獻(xiàn)分布、共現(xiàn)分析、共被引分析等計量分析并得出結(jié)論。

分析已有研究發(fā)現(xiàn)， 國內(nèi)外多數(shù)學(xué)者均運(yùn)用ＣｉｔｅＳｐａｃｅ 對ＷＯＳ 數(shù)據(jù)庫與ＣＳＳＣＩ 等數(shù)據(jù)庫的論文進(jìn)行共被引分析， 而針對中國知網(wǎng)ＣＮＫＩ 數(shù)據(jù)庫時僅僅是進(jìn)行了關(guān)鍵詞分析， 較少運(yùn)用ＣｉｔｅＳｐａｃｅ 針對ＣＮＫＩ 數(shù)據(jù)庫文獻(xiàn)進(jìn)行文獻(xiàn)共被引分析、作者共被引分析與期刊共被引分析。即便現(xiàn)有的極少數(shù)學(xué)者進(jìn)行了相關(guān)研究， 也是通過手動下載參考文獻(xiàn)并導(dǎo)入對應(yīng)文章的方式來實(shí)現(xiàn)［１０－１１］ 。通過下載最新版ＣｉｔｅＳｐａｃｅ６.２.３ 并分析發(fā)現(xiàn)， 當(dāng)前版本可以對ＷＯＳ 數(shù)據(jù)庫與ＣＳＳＣＩ 等數(shù)據(jù)庫下載的文獻(xiàn)數(shù)據(jù)進(jìn)行共被引分析、關(guān)鍵詞共現(xiàn)分析、作者耦合與機(jī)構(gòu)耦合分析等， 幫助相關(guān)研究者探究某一研究領(lǐng)域的研究熱點(diǎn)、研究前沿、知識基礎(chǔ)、主要作者和機(jī)構(gòu)等， 預(yù)測某一研究領(lǐng)域的未來發(fā)展走向。但是將ＣＮＫＩ 數(shù)據(jù)庫導(dǎo)出的文獻(xiàn)數(shù)據(jù)導(dǎo)入ＣｉｔｅＳｐａｃｅ 中進(jìn)行分析時， 只能進(jìn)行關(guān)鍵詞共現(xiàn)分析、作者共現(xiàn)分析與機(jī)構(gòu)共現(xiàn)分析等， 無法進(jìn)行文獻(xiàn)共被引分析， 從而導(dǎo)致相關(guān)學(xué)者無法在ＣＮＫＩ 的海量文獻(xiàn)資源中找到高被引論文、高被引期刊與高被引作者， 一定程度上阻礙了相關(guān)學(xué)者鑒別領(lǐng)域?qū)W科共同體， 不利于學(xué)者歸納相關(guān)領(lǐng)域的學(xué)科范式。針對上述情況， 本文通過分析發(fā)現(xiàn)， ＣＮＫＩ 數(shù)據(jù)庫導(dǎo)出的題錄數(shù)據(jù)不包含參考文獻(xiàn)， 進(jìn)而無法對其進(jìn)行共被引分析， 這導(dǎo)致研究者在進(jìn)行中文文獻(xiàn)共被引分析時只能基于ＣＳＳＣＩ 數(shù)據(jù)庫來完成。對于一些自然科學(xué)學(xué)科來說， ＣＳＳＣＩ 數(shù)據(jù)庫所包含的數(shù)據(jù)量有限， 檢索邏輯較為單一， 數(shù)據(jù)導(dǎo)出流程較為繁瑣， 這不僅降低了研究效率， 還無法得出更加精準(zhǔn)的研究結(jié)果。基于此， 為了提升相關(guān)研究者的研究效率， 探索共被引分析的新渠道， 更加廣泛地剖析學(xué)科知識領(lǐng)域的研究熱點(diǎn)、前沿與趨勢， 本文嘗試提出一種基于ＣｉｔｅＳｐａｃｅ 的ＣＮＫＩ 文獻(xiàn)共被引分析方法， 旨在實(shí)現(xiàn)對ＣＮＫＩ 數(shù)據(jù)庫的文獻(xiàn)共被引分析、作者共被引分析與期刊共被引分析， 為相關(guān)研究者提供新的共被引分析思路。本研究不僅將擴(kuò)寬學(xué)者的研究渠道，還有助于提升相關(guān)學(xué)者的研究效率， 因而具有一定現(xiàn)實(shí)意義。

１研究設(shè)計

通過前期ＣｉｔｅＳｐａｃｅ 的使用經(jīng)驗并閱讀相關(guān)文獻(xiàn)資料， 可獲知當(dāng)運(yùn)用ＣｉｔｅＳｐａｃｅ 對ＣＮＫＩ 文獻(xiàn)數(shù)據(jù)進(jìn)行關(guān)鍵詞分析時， 通用步驟是在ＣＮＫＩ 中檢索文獻(xiàn)，導(dǎo)出Ｒｅｆｗｏｒｋｓ 格式， 而后將數(shù)據(jù)導(dǎo)入到ＣｉｔｅＳｐａｃｅ中將其轉(zhuǎn)換為與從ＷＯＳ 文獻(xiàn)數(shù)據(jù)庫中下載到的“全紀(jì)錄與參考文獻(xiàn)” 一致的純文本形式。由此可見， ＣｉｔｅＳｐａｃｅ 在進(jìn)行分析時并不對數(shù)據(jù)庫進(jìn)行限制， 而是對數(shù)據(jù)文本格式有特定限制。因此， 只要文獻(xiàn)數(shù)據(jù)格式符合軟件要求， 那么就可以對ＣＮＫＩ數(shù)據(jù)庫文本進(jìn)行共被引分析。為了實(shí)現(xiàn)這一設(shè)想，本文需要解決如下問題： ＣＮＫＩ 參考文獻(xiàn)獲取、參考文獻(xiàn)的數(shù)據(jù)文本格式構(gòu)建與參考文獻(xiàn)寫入方式構(gòu)建。本文所使用編程語言為Ｐｙｔｈｏｎ， 具體研究步驟如圖１ 所示。

１.１參考文獻(xiàn)獲取

當(dāng)使用ＣＮＫＩ 檢索文獻(xiàn)時， 在確定檢索條件后開始檢索， 隨后便會顯示檢索條件下的所有文獻(xiàn)；當(dāng)點(diǎn)開文獻(xiàn)后， 可以看到該論文的標(biāo)題、摘要等信息。而在引文網(wǎng)絡(luò)中， 便可以看到參考文獻(xiàn)的詳細(xì)信息。當(dāng)點(diǎn)擊該篇文章時， 可以獲取參考文獻(xiàn)所屬文章的ＵＲＬ， 通過對ＵＲＬ 進(jìn)行解析， 可獲取參考文獻(xiàn)的基本信息。由于ＣＮＫＩ 數(shù)據(jù)庫中少量文獻(xiàn)存在參考文獻(xiàn)缺失和無法顯示的現(xiàn)象， 所以需要通過引文網(wǎng)絡(luò)中的“期刊” 字段來確定該文獻(xiàn)是否有參考文獻(xiàn)， 返回結(jié)果為Ｔｒｕｅ 則爬取參考文獻(xiàn)信息，返回結(jié)果為Ｆａｌｓｅ 則循環(huán)結(jié)束。由于ＣＮＫＩ 的參考文獻(xiàn)只顯示１０ 條， 所以本文使用Ｌｅｎ（）函數(shù)來判斷是否存在下一頁參考文獻(xiàn)， 如不存在則終止循環(huán)， 如存在則讀取下一頁的參考文獻(xiàn)信息。最后，結(jié)合ＵＲＬ 解析出的參考文獻(xiàn)標(biāo)題、文獻(xiàn)類型標(biāo)志、作者、所屬期刊， 以及期刊的年、卷、期、頁等信息， 爬取特定主題下論文的參考文獻(xiàn)， 將其儲存在Ｔｅｘｔ 文檔中。

１.２參考文獻(xiàn)數(shù)據(jù)文本構(gòu)建

通過閱讀文獻(xiàn)可知， 國內(nèi)外相關(guān)領(lǐng)域?qū)W者多使用ＷＯＳ 數(shù)據(jù)庫來進(jìn)行文獻(xiàn)共被引分析， 其重要因素為ＷＯＳ 數(shù)據(jù)庫可以導(dǎo)出“全紀(jì)錄與參考文獻(xiàn)”的純文本形式， 該文本格式主要包含的因素如圖２ 所示。

由圖２ 可知， ＷＯＳ 數(shù)據(jù)庫“全紀(jì)錄與參考文獻(xiàn)” 純文本格式主要包含ＰＴ（出版物類型）、ＡＵ（文獻(xiàn)作者）、ＡＦ（作者全名）、ＴＩ（文獻(xiàn)標(biāo)題）、ＳＯ（出版物名稱）、ＤＴ（文獻(xiàn)類型）、ＡＢ（摘要）、Ｃ１（作者地址）與ＣＲ（參考文獻(xiàn)）等關(guān)鍵信息。正因為有了這些信息， ＣｉｔｅＳｐａｃｅ 才可以對相關(guān)文獻(xiàn)數(shù)據(jù)進(jìn)行關(guān)鍵詞分析、共被引分析等操作。當(dāng)使用ＣｉｔｅＳｐａｃｅ 對ＣＮＫＩ 數(shù)據(jù)庫文獻(xiàn)進(jìn)行分析時， 最基本的操作是在ＣＮＫＩ 數(shù)據(jù)庫中選中文獻(xiàn)并導(dǎo)出Ｒｅｆ?ｗｏｒｋｓ 格式。由于ＣｉｔｅＳｐａｃｅ 對文獻(xiàn)數(shù)據(jù)名稱有特殊要求， 所以需要將導(dǎo)出的文獻(xiàn)數(shù)據(jù)命名為ｄｏｗｎｌｏａｄ＿ＸＸ 的形式才可以被ＣｉｔｅＳｐａｃｅ 所識別， 而后通過Ｄａｔａ＞Ｉｍｐｏｒｔ／ Ｅｘｐｏｒｔ→ＣＮＫＩ→Ｆｏｒｍａｔ Ｃｏｎｖｅｒｓｉｏｎ 等操作對ＣＮＫＩ 數(shù)據(jù)進(jìn)行轉(zhuǎn)換。轉(zhuǎn)換后的文本格式如圖３ 所示。

由圖３可知， ＣＮＫＩ 數(shù)據(jù)庫下載的數(shù)據(jù)經(jīng)過ＣｉｔｅＳｐａｃｅ 轉(zhuǎn)換后的格式與ＷＯＳ 的“全紀(jì)錄與參考文獻(xiàn)” 純文本數(shù)據(jù)格式基本相同， 唯一的差別是ＣＮＫＩ 轉(zhuǎn)換后文本的ＣＲ 為空值。產(chǎn)生這一現(xiàn)象的原因是ＣＮＫＩ 數(shù)據(jù)庫尚未開放參考文獻(xiàn)導(dǎo)出權(quán)限，這也就解釋了ＣｉｔｅＳｐａｃｅ 無法對ＣＮＫＩ 數(shù)據(jù)庫導(dǎo)出的數(shù)據(jù)進(jìn)行文獻(xiàn)共被引分析的原因。由此筆者斷定， 只要將ＣＮＫＩ 轉(zhuǎn)換后數(shù)據(jù)文本中的ＣＲ 字段按照ＷＯＳ 中ＣＲ 字段的文本格式進(jìn)行補(bǔ)全， 那么ＣｉｔｅＳｐａｃｅ 便可以識別ＣＮＫＩ 數(shù)據(jù)文本的ＣＲ 字段，從而完成對ＣＮＫＩ 文本數(shù)據(jù)的共被引分析。

通過觀察ＷＯＳ “全紀(jì)錄與參考文獻(xiàn)” 純文本格式中的ＣＲ 字段本文可以得知， 其參考文獻(xiàn)的基本格式為“作者、發(fā)文年份、期刊、ｖ、ｐ、ＤＯＩ”等字段， 并且每個字段后均有１ 個空格與半角符號的逗號， 而ＣＲ 字段后的參考文獻(xiàn)第一作者處空１個空格， 其他參考文獻(xiàn)作者處均空３ 個空格。同時，通過使用ＣｉｔｅＳｐａｃｅ 發(fā)現(xiàn)， 數(shù)據(jù)可視化主要展示的是對應(yīng)參考文獻(xiàn)的作者、發(fā)文年份與期刊信息， 而后面的ｖ、ｐ、ＤＯＩ 可以忽略不計。但為了保證ＣｉｔｅＳｐａｃｅ 可以順利讀取本文添加后的數(shù)據(jù)文本格式， 本文把ｖ、ｐ、ＤＯＩ ３ 個數(shù)據(jù)設(shè)定１ 個固定的內(nèi)容， 即： “Ｖ６， ＤＯＩ １０.１１８６／ ｓ４０１６８－０１８－０４７０－ｚ”，ＣＲ 的最終格式確定為“作者， 發(fā)文年份， 期刊，Ｖ６， ＤＯＩ １０.１１８６／ ｓ４０１６８ －０１８ －０４７０ －ｚ”。因此，在寫入?yún)⒖嘉墨I(xiàn)時， 按照上述格式寫入即可。

１.３參考文獻(xiàn)寫入

通過前文的分析， 本文確定了參考文獻(xiàn)寫入的基本格式。由于每篇論文都有多條參考文獻(xiàn)， 并且在進(jìn)行共被引分析時所需數(shù)據(jù)量巨大， 如果采取手動寫入方式， 則需要耗費(fèi)大量的時間， 因而本文借助Ｐｙｔｈｏｎ 自編代碼完成參考文獻(xiàn)的重寫與寫入。

１.３.１參考文獻(xiàn)重寫

在將參考文獻(xiàn)寫入ＣＮＫＩ 并轉(zhuǎn)換為文檔之前，需要對前期獲取的特定主題下相關(guān)論文的參考文獻(xiàn)進(jìn)行拆分重寫。本文將從ＣＮＫＩ 上獲取的參考文獻(xiàn)格式設(shè)置為“［序號］ 文獻(xiàn)主要責(zé)任者．文獻(xiàn)題名［文獻(xiàn)類型標(biāo)志］．連續(xù)出版物題名（其他題名信息），年，卷（期）：頁碼．”， 而在進(jìn)行參考文獻(xiàn)重寫時需要作者、期刊、年份這３ 個字段。同時， 本文觀察發(fā)現(xiàn)上述３ 個字段均以符號“．” 進(jìn)行分割，因此將“作者” 定義為“Ｎａｍｅ”， 則Ｎａｍｅ 的提取方式為“Ｎａｍｅ ＝ｒｅｆ．ｓｐｌｉｔ（‘．）［１］．ｓｐｌｉｔ（‘，）［０］．ｓｔｒｉｐ（）”； 將“年份” 定義為Ｙｅａｒ， 則Ｙｅａｒ 的提取方式為“Ｙｅａｒ ＝ ｒｅｆ．ｓｐｌｉｔ（‘．） ［－１］．ｓｐｌｉｔ（‘（ ）［０］．ｓｔｒｉｐ（ ）”； 將“期刊” 定義為“Ａｒｔｉｃｌｅ”， 則Ａｒｔｉｃｌｅ 的提取方式為“Ａｒｔｉｃｌｅ ＝ ｒｅｆ．ｓｐｌｉｔ（‘．）［２］．ｓｔｒｉｐ（）”。在完成上述數(shù)據(jù)的提取后， 分別獲得了文獻(xiàn)的“Ｎａｍｅ” “Ｙｅａｒ” 與“Ａｒｔｉｃｌｅ” 字段數(shù)據(jù)。最后結(jié)合前文確定的ＣＲ 格式“作者， 發(fā)文年份，期刊， Ｖ６， ＤＯＩ １０.１１８６／ ｓ４０１６８－０１８－０４７０－ｚ”， 運(yùn)用“ｅｆ１＝‘ｎａｍｅ＋，‘＋ｙｅａｒ＋，‘＋Ａｒｔｉｃｌｅ＋，Ｖ６，ＤＯＩ１０.１１８６／ ｓ４０１６８－０１８－０４７０－ｚ” 完成字符串拼接，從而實(shí)現(xiàn)Ｐｙｔｈｏｎ 參考文獻(xiàn)自動重寫［１２］ 。

１.３.２參考文獻(xiàn)寫入

通過前文準(zhǔn)備工作， 本文通過爬蟲程序獲取了特定主題下相關(guān)論文的參考文獻(xiàn)， 確定了參考文獻(xiàn)重寫格式并通過Ｐｙｔｈｏｎ 代碼進(jìn)行實(shí)現(xiàn)。參考文獻(xiàn)重寫后， 本文以文獻(xiàn)標(biāo)題為文件名， 文件內(nèi)容為參考文獻(xiàn)的所有參考文獻(xiàn)重寫后的內(nèi)容， 而后通過下列代碼來讀取所有參考文獻(xiàn)重寫后的文獻(xiàn)信息并返回字典結(jié)果：

完成文本寫入后， 會生成ＷＯＳ 格式的數(shù)據(jù)文本“ｄｏｗｎｌｏａｄ．ＣＮＫＩ”。此處需要強(qiáng)調(diào)的是， 該文本已經(jīng)是系統(tǒng)可以識別的文檔， 無需再通過ｄａｔａ－ｉｍ?ｐｏｒｔ－ＷＯＳ－Ｒｅｍｏｖｅ Ｄｕｐｌｉｃａｔｅｓ 進(jìn)行文本轉(zhuǎn)換。如果進(jìn)行該操作就會造成數(shù)據(jù)缺失， 從而導(dǎo)致實(shí)驗失敗， 所以只需將“ｄｏｗｎｌｏａｄ．ＣＮＫＩ” 存放到ＣｉｔｅＳｐａｃｅ的ｄａｔａ 中直接進(jìn)行文獻(xiàn)共被引分析即可。

２中國知網(wǎng)文獻(xiàn)共被引方法實(shí)證

２.１數(shù)據(jù)來源與預(yù)處理

隨著智慧城市、智慧社區(qū)相關(guān)概念與技術(shù)的普及， 智慧醫(yī)療一詞也逐漸走入了大眾的視野。而早在２００９ 年， 國際商業(yè)機(jī)器公司（ＩＢＭ） 就提出了“智慧地球” （Ｓｍａｒｔ Ｐｌａｎｅｔ）戰(zhàn)略概念， 智慧醫(yī)療成為其戰(zhàn)略下的六大領(lǐng)域之一。隨著ＩＢＭ 大中華區(qū)軟件集團(tuán)與ＩＢＭ 中國開發(fā)中心ＣＤＬ 共同宣布成立“ＩＢＭ 醫(yī)療行業(yè)解決方案實(shí)驗室”， “智慧醫(yī)療” 在中國落地有了切實(shí)可行的方案和實(shí)踐。自２００９ 年以來， 中國智慧醫(yī)療建設(shè)投資規(guī)模也逐年遞增， 且隨著醫(yī)養(yǎng)護(hù)一體進(jìn)程不斷加快， 構(gòu)建旨在打造健康檔案區(qū)域醫(yī)療信息共享平臺的智慧醫(yī)療， 對傳統(tǒng)醫(yī)療生態(tài)圈在國家宏觀政策、行業(yè)信息化戰(zhàn)略、微觀技術(shù)變革、資源創(chuàng)新融合等方面都有著重要意義［１３］ 。智慧醫(yī)療作為一個與“互聯(lián)網(wǎng)＋醫(yī)療健康”正加速相關(guān)的創(chuàng)新服務(wù)模式， 不僅僅關(guān)注于解決醫(yī)改難題， 更在一定程度上決定著“智慧城市” “健康中國” 的戰(zhàn)略實(shí)施。

智慧醫(yī)療的主要實(shí)現(xiàn)方式為通過打造全社區(qū)健康檔案的醫(yī)療信息平臺， 利用先進(jìn)的物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)患者與醫(yī)療設(shè)備、醫(yī)療機(jī)構(gòu)、醫(yī)務(wù)人員之間的互動交流， 從而逐步實(shí)現(xiàn)信息化資源共享， 達(dá)成更加智能的服務(wù)體系。當(dāng)前， 隨著人工智能、傳感技術(shù)等高科技技術(shù)在醫(yī)療領(lǐng)域的廣泛應(yīng)用， 國內(nèi)外智慧醫(yī)療的建設(shè)水平已經(jīng)逐步加深， 并在一定程度上實(shí)現(xiàn)了醫(yī)療服務(wù)智能化［１４］ ， 并有望在不久的將來達(dá)到醫(yī)療服務(wù)智慧化水平， 從而從根本上解決“看病難、看病貴” 等關(guān)鍵問題， 做到真正的“人人健康， 健康人人”。新冠肺炎疫情是中華人民共和國成立以來傳播速度最快、感染范圍最廣、防控難度最大的重大突發(fā)公共衛(wèi)生事件。在疫情發(fā)生的過程中， 隨著感染人數(shù)的劇增， 部分地區(qū)醫(yī)療系統(tǒng)幾近崩潰， 醫(yī)療資源不足、尋醫(yī)問藥困難、檢測診斷治療滯后等問題頻繁發(fā)生， 給醫(yī)療機(jī)構(gòu)帶來前所未有的壓力。在傳統(tǒng)醫(yī)療服務(wù)模式難以滿足患者和大眾在疫情期間醫(yī)療需求的同時， 以５Ｇ 網(wǎng)絡(luò)、區(qū)域聯(lián)合平臺、大數(shù)據(jù)ＡＩ 技術(shù)、互聯(lián)網(wǎng)醫(yī)院等為代表的新興科技先后落地到疫情防控之中， 發(fā)揮了新科技優(yōu)勢， 貢獻(xiàn)了前所未有的力量［１５－１７］ ， 這也導(dǎo)致了學(xué)者對“智慧醫(yī)療” 領(lǐng)域興趣倍增， 相關(guān)研究呈現(xiàn)井噴式發(fā)展。圖４ 為２０１０—２０２０ 年智慧醫(yī)療領(lǐng)域研究文獻(xiàn)增長圖。分析圖４ 可知， ２０１０—２０２０年相關(guān)學(xué)者在“智慧醫(yī)療” 領(lǐng)域發(fā)文數(shù)量總體呈現(xiàn)上升趨勢， 說明在近５ 年相關(guān)學(xué)者對該領(lǐng)域的關(guān)注度有增無減。尤其是新冠疫情期間， 發(fā)文量呈現(xiàn)直線上升趨勢， 并且研究愈發(fā)深入， 這表明當(dāng)前及今后智慧醫(yī)療的相關(guān)研究結(jié)論對該領(lǐng)域的深入探討具有一定借鑒意義。

作為一項被管理部門和社會公眾普遍重視的議題， “智慧醫(yī)療” 在學(xué)界也擁有著一定的相關(guān)研究文獻(xiàn)。然而， 筆者通過文獻(xiàn)調(diào)研發(fā)現(xiàn)， 國內(nèi)相關(guān)學(xué)者較少對智慧醫(yī)療領(lǐng)域的相關(guān)文獻(xiàn)進(jìn)行文獻(xiàn)計量研究， 而對智慧醫(yī)療領(lǐng)域的相關(guān)文獻(xiàn)進(jìn)行共被引分析則是少之又少。為了驗證本研究方法的實(shí)用性， 厘清智慧醫(yī)療領(lǐng)域的近五年的共被引情況， 本研究結(jié)合前文的研究思路， 選?。茫危耍?數(shù)據(jù)庫中“智慧醫(yī)療” 領(lǐng)域相關(guān)文獻(xiàn)作為實(shí)證數(shù)據(jù)， 對其進(jìn)行文獻(xiàn)共被引分析， 厘清該領(lǐng)域下文獻(xiàn)共被引、作者共被引與期刊共被引情況， 幫助相關(guān)學(xué)者鑒別領(lǐng)域?qū)W科共同體與歸納相關(guān)領(lǐng)域的學(xué)科范式， 從而為后疫情時代的常態(tài)化疫情防控提供實(shí)現(xiàn)路徑的參考。

本研究選擇ＣＮＫＩ 期刊數(shù)據(jù)庫作為數(shù)據(jù)來源，跨庫來源選擇“期刊、碩士、博士”， 將檢索主題設(shè)置為“智慧醫(yī)療”， 檢索時間設(shè)置為２０１０ 年１ 月１ 日—２０２０ 年１２ 月３１ 日。通過上述檢索條件， 合計檢索到２ ５２８條文獻(xiàn)數(shù)據(jù)， 其中學(xué)術(shù)期刊文獻(xiàn)數(shù)據(jù)２ ２４２條， 碩士論文文獻(xiàn)數(shù)據(jù)２７２ 條， 博士論文文獻(xiàn)數(shù)據(jù)１４ 條。將上述文獻(xiàn)導(dǎo)出為Ｒｅｆｗｏｒｋｓ 文本格式，并使用本文提出的參考文獻(xiàn)重寫與寫入方法對上述數(shù)據(jù)進(jìn)行預(yù)處理， 最終得到本文的研究數(shù)據(jù)。

２.２國內(nèi)智慧醫(yī)療領(lǐng)域文獻(xiàn)共被引分析

圖５ 顯示了ＣＮＫＩ 數(shù)據(jù)庫下“智慧醫(yī)療” 的文獻(xiàn)共被引網(wǎng)絡(luò)， 表１ 列出了被引頻次大于２０ 的文獻(xiàn)信息。從圖５ 與表１ 可以得知， 在“智慧醫(yī)療”領(lǐng)域的研究文獻(xiàn)中， 相關(guān)作者更傾向于引用綜述“智慧醫(yī)療” 領(lǐng)域理論沿革、厘清“智慧醫(yī)療” 領(lǐng)域發(fā)展路徑與剖析“智慧醫(yī)療” 領(lǐng)域發(fā)展現(xiàn)狀的相關(guān)論文來進(jìn)行理論綜述。如學(xué)者項高悅等［１８］ 撰寫的《我國智慧醫(yī)療建設(shè)的現(xiàn)狀及發(fā)展趨勢探究》一文被相關(guān)學(xué)者廣泛引用， 該文總結(jié)了近幾年的“智慧醫(yī)療” 領(lǐng)域文獻(xiàn)及相關(guān)研究成果， 闡述智慧醫(yī)療的概念、發(fā)展現(xiàn)狀， 分析智慧醫(yī)療的發(fā)展前景及存在問題， 并提出相關(guān)建議， 為智慧醫(yī)療的進(jìn)一步研究提供參考。再如學(xué)者宮芳芳等［１９］ 撰寫的《我國智慧醫(yī)療建設(shè)初探》一文就智慧醫(yī)療的概念、主要內(nèi)容、發(fā)展動態(tài)進(jìn)行系統(tǒng)的研究探討， 指出智慧醫(yī)療建設(shè)中應(yīng)注意的問題， 并對我國全面推進(jìn)智慧醫(yī)療建設(shè)提出建議， 該研究也在一定程度上促進(jìn)了相關(guān)領(lǐng)域理論研究的進(jìn)一步深化。此外， 圖５ 與表１ 也顯示被引頻次較高的文獻(xiàn)多集中于２０１３—２０１６ 年， 產(chǎn)生這一現(xiàn)象的原因是此時“智慧醫(yī)療”領(lǐng)域相關(guān)研究處于理論研究向?qū)嵺`研究轉(zhuǎn)型的階段， 論文發(fā)表數(shù)量快速增長。同時， 由于前期相關(guān)理論研究已經(jīng)相當(dāng)充實(shí)， 其中不乏有研究視野相當(dāng)前沿的論文產(chǎn)生， 研究視角不局限于理論研究， 慢慢向“智慧醫(yī)療大數(shù)據(jù)” “人工智能與智慧醫(yī)療”等方向邁進(jìn)， 從而促使高被引現(xiàn)象的產(chǎn)生。由此可見， ２０１３—２０１６ 年的相關(guān)研究為“智慧醫(yī)療” 領(lǐng)域的蓬勃發(fā)展提供了強(qiáng)大的理論基礎(chǔ)。

２.３國內(nèi)智慧醫(yī)療領(lǐng)域作者共被引分析

２.４國內(nèi)智慧醫(yī)療領(lǐng)域期刊共被引分析

學(xué)術(shù)期刊是學(xué)術(shù)傳播的重要紐帶與載體， 也是學(xué)術(shù)研究的基礎(chǔ)， 是發(fā)文質(zhì)量的象征［２３］ 。圖７ 顯示了ＣＮＫＩ 數(shù)據(jù)庫下“智慧醫(yī)療” 的期刊共被引網(wǎng)絡(luò)， 表３ 列出了被引頻次大于５０ 的期刊信息。由圖７ 可知， 收錄“智慧醫(yī)療” 相關(guān)研究的期刊主要集中在醫(yī)學(xué)信息、醫(yī)院管理等相關(guān)領(lǐng)域， 可見在此期間， “智慧醫(yī)療” 相關(guān)研究的學(xué)科交叉現(xiàn)象還不是很明顯， 但是該領(lǐng)域的相關(guān)研究已經(jīng)和計算機(jī)、信息管理與數(shù)字化領(lǐng)域有了交叉趨勢。節(jié)點(diǎn)大小代表該期刊共被引次數(shù)［２４］ ， 圖７ 顯示節(jié)點(diǎn)最大的是《醫(yī)學(xué)信息學(xué)雜志》， 其出現(xiàn)頻次為１９１ 次。這表明相比于其他醫(yī)學(xué)期刊， 《醫(yī)學(xué)信息學(xué)雜志》刊出的論文閱讀受眾面更廣， 更受廣大學(xué)者所青睞， 從側(cè)面也反映出該期刊比較傾向于收錄“智慧醫(yī)療” 領(lǐng)域相關(guān)文獻(xiàn)， 使得該期刊逐步形成了“智慧醫(yī)療” 領(lǐng)域研究集聚效應(yīng)。如果有學(xué)者想對“智慧醫(yī)療” 領(lǐng)域進(jìn)行縱深探索或者有興趣了解“智慧醫(yī)療” 領(lǐng)域前沿動態(tài)， 可優(yōu)先閱讀該期刊文獻(xiàn)。與此同時， 《中國數(shù)字醫(yī)學(xué)》《中國醫(yī)院管理》《中國衛(wèi)生信息管理雜志》《中國全科醫(yī)學(xué)》與《中國醫(yī)院》這５ 本期刊的被引頻次均超過１００，且其中介中心性相對較高， 也可作為讀者或?qū)W者了解“智慧醫(yī)療” 領(lǐng)域的優(yōu)質(zhì)期刊。

２.５實(shí)證研究結(jié)論

綜上所述， ２０１０—２０２０ 年， 相關(guān)學(xué)者在“智慧醫(yī)療” 領(lǐng)域發(fā)文數(shù)量總體呈現(xiàn)上升趨勢， 可見國內(nèi)對“智慧醫(yī)療” 的學(xué)術(shù)探索由理論研究逐步向?qū)嵺`探索深化。通過運(yùn)用本文提出的方法對中國知網(wǎng)“智慧醫(yī)療” 領(lǐng)域進(jìn)行文獻(xiàn)共被引分析可獲得如下結(jié)論：

１） 通過文獻(xiàn)共被引分析可以發(fā)現(xiàn)， “智慧醫(yī)療” 領(lǐng)域文獻(xiàn)對理論探索論文引用頻次相對較高，且引用的論文發(fā)文年度多集中于２０１３—２０１６ 年?？梢?， 國內(nèi)針對“智慧醫(yī)療” 的研究仍舊處于起步階段， 且研究較多聚焦于理論探索， 針對實(shí)踐應(yīng)用方面的研究有待加強(qiáng)。

２） 通過作者共被引分析可以發(fā)現(xiàn)， 聚焦于“智慧醫(yī)療” 相關(guān)研究多為醫(yī)學(xué)領(lǐng)域?qū)W者， 計算機(jī)領(lǐng)域?qū)W者也略有涉獵， 但是占比較低。如果可以促進(jìn)醫(yī)學(xué)領(lǐng)域?qū)W者與計算機(jī)、大數(shù)據(jù)、人工智能等領(lǐng)域研究者深度合作， 那么該領(lǐng)域研究層次將會實(shí)現(xiàn)質(zhì)的飛躍。

３） 通過期刊共被引分析可以發(fā)現(xiàn)， “智慧醫(yī)療” 領(lǐng)域研究者在文獻(xiàn)閱讀時更傾向于閱讀和“智慧醫(yī)療” 研究相關(guān)的醫(yī)學(xué)類期刊， 而對與“智慧醫(yī)療” 相關(guān)的技術(shù)類期刊、管理類期刊等關(guān)注度較低。這也側(cè)面反映發(fā)表在醫(yī)學(xué)類期刊上的“智慧醫(yī)療” 相關(guān)文獻(xiàn)研究層次更深、研究視角更廣、研究成果更加前沿， 從而吸引了大量學(xué)者閱讀與引用， 進(jìn)一步促進(jìn)了領(lǐng)域的深度發(fā)展。

通過上述的實(shí)證分析表明， 本文所提出的中國知網(wǎng)文獻(xiàn)共被引分析的方法， 不僅可以實(shí)現(xiàn)對中國知網(wǎng)文獻(xiàn)數(shù)據(jù)進(jìn)行共被引分析， 厘清中國知網(wǎng)數(shù)據(jù)庫中某領(lǐng)域的高被引論文、高被引作者與高被引期刊， 而且也可剖析出文獻(xiàn)之間的聯(lián)系是否密切， 從而為相關(guān)研究者開展學(xué)術(shù)研究提供參考與借鑒。與此同時， 該方法的提出也拓寬了國內(nèi)學(xué)者進(jìn)行共被引分析的渠道， 創(chuàng)新了文獻(xiàn)共被引分析的研究方法， 為相關(guān)研究者提供了新的共被引分析思路。本文所研究設(shè)計的方法在提升相關(guān)研究者的研究效率、探索共被引分析的新渠道， 對更加廣泛地剖析學(xué)科知識領(lǐng)域發(fā)展及其研究熱點(diǎn)、前沿與趨勢等方面具有一定現(xiàn)實(shí)意義。

３總結(jié)與展望

當(dāng)前， 由于ＣＮＫＩ 數(shù)據(jù)庫題錄數(shù)據(jù)并未包含參考文獻(xiàn)， 導(dǎo)致無法借助ＣｉｔｅＳｐａｃｅ 對ＣＮＫＩ 文獻(xiàn)進(jìn)行文獻(xiàn)共被引分析、作者共被引分析與期刊共被引分析， 一定程度上影響了基于ＣＮＫＩ 數(shù)據(jù)庫文獻(xiàn)開展文獻(xiàn)計量分析的效率和深度。本文從文獻(xiàn)共被引分析的角度出發(fā)， 對中國知網(wǎng)文獻(xiàn)共被引分析進(jìn)行了探索， 創(chuàng)新性地通過修改數(shù)據(jù)文本格式來實(shí)現(xiàn)中國知網(wǎng)文獻(xiàn)的共被引分析。針對數(shù)據(jù)獲取與文獻(xiàn)清洗的復(fù)雜性工作， 本文采用Ｐｙｔｈｏｎ 代碼實(shí)現(xiàn)參考文獻(xiàn)數(shù)據(jù)格式重寫和寫入的快速處理， 極大提高了研究效率， 為學(xué)者基于共被引分析剖析其他學(xué)術(shù)領(lǐng)域研究現(xiàn)狀提供了新思路。該方法核心步驟包括：

①運(yùn)用Ｐｙｔｈｏｎ 自編爬蟲程序自動獲取了中國知網(wǎng)“智慧醫(yī)療” 領(lǐng)域文獻(xiàn)的參考文獻(xiàn)， 并將其寫入ｔｅｘｔ 文檔中； ②通過將ＷＯＳ 數(shù)據(jù)庫與中國知網(wǎng)數(shù)據(jù)庫下載的數(shù)據(jù)文本格式進(jìn)行對比， 提取文本特征， 構(gòu)建ＣｉｔｅＳｐａｃｅ 可識別的參考文獻(xiàn)格式； ③通過自編Ｐｙｔｈｏｎ 代碼對中國知網(wǎng)下載的數(shù)據(jù)進(jìn)行批量重寫， 并將重寫后的數(shù)據(jù)批量寫入到通過ＣｉｔｅＳｐａｃｅ 轉(zhuǎn)換后的Ｒｅｆｗｏｒｋ 格式文檔中， 實(shí)現(xiàn)了基于ＣｉｔｅＳｐａｃｅ 的中國知網(wǎng)文獻(xiàn)共被引分析。以國內(nèi)“智慧醫(yī)療” 領(lǐng)域文獻(xiàn)數(shù)據(jù)的實(shí)證分析驗證了本文所提出方法的適用性， 提供了基于ＣＮＫＩ 文獻(xiàn)數(shù)據(jù)開展文獻(xiàn)共被引分析的渠道。

需要說明的是， 由于ＣＮＫＩ 數(shù)據(jù)庫存在反爬機(jī)制， 導(dǎo)致采用本方法獲取參考文獻(xiàn)時需要使用手動更新ＵＲＬ， 與從ＣＳＳＣＩ 數(shù)據(jù)庫與ＷＯＳ 數(shù)據(jù)庫快速實(shí)現(xiàn)數(shù)據(jù)導(dǎo)出相比具有一定的工作量要求， 數(shù)據(jù)搜集的效率仍然有待提高。同時， 由于ＣＮＫＩ 中某些文獻(xiàn)的引文網(wǎng)絡(luò)中沒有參考文獻(xiàn)字段， 導(dǎo)致無法基于自編程序獲取該文獻(xiàn)的參考文獻(xiàn)， 從而使得該文獻(xiàn)無法進(jìn)行分析， 存在數(shù)據(jù)缺失現(xiàn)象。后續(xù)研究將優(yōu)化數(shù)據(jù)獲取算法， 提高數(shù)據(jù)搜集效率， 思考更加自動化的獲取參考文獻(xiàn)方式， 從而提高研究效率；同時探索更加合理的參考文獻(xiàn)獲取方式， 避免數(shù)據(jù)缺失的現(xiàn)象發(fā)生。