视频字幕
CiteSpace是由美国德雷塞尔大学陈超美教授开发的科学计量学分析软件。它是一款专门用于科学计量学分析和知识图谱可视化的工具，能够帮助研究者分析文献共被引网络，识别研究热点和发展趋势。该软件在全球拥有超过十万用户，广泛应用于学术研究、政策制定和科技评价等多个领域，已成为科学计量学研究的重要工具。
CiteSpace具有四大核心功能模块。首先是文献共被引分析，用于识别研究前沿和发现知识基础。其次是作者合作网络分析，可以实现合作关系的可视化和核心作者的识别。第三是关键词共现分析，主要用于研究热点挖掘和主题演化追踪。最后是时间线分析，帮助研究者梳理发展脉络和进行趋势预测。这些功能模块相互关联，形成了完整的科学计量学分析体系。
数据准备是使用CiteSpace的关键步骤。主要数据来源包括Web of Science、中国知网、Scopus和PubMed等数据库。不同数据库有不同的格式要求，WoS使用纯文本格式，CNKI使用Refworks格式。数据清洗包括去重处理、格式标准化、缺失值处理和编码转换等步骤。在导入CiteSpace前，需要确保字段完整性，检查编码格式，并验证数据质量，这样才能保证后续分析的准确性。
参数设置是CiteSpace分析的核心环节。时间切片设置通常为1到3年，影响网络密度和分析精度。阈值参数包括Top N和Top百分比，一般设置为50到100或10%到20%。网络类型可选择文献共被引、作者合作或关键词共现。裁剪算法推荐使用Pathfinder保留重要路径，或使用最小生成树算法。合理的参数设置能够显著提高分析结果的质量和可解释性。
可视化图谱解读是CiteSpace分析的关键环节。节点大小表示引用频次或重要性，颜色代表时间或类别信息，位置反映相似性和关联度。连线粗细表示关联强度，颜色表示时间或类型，长度反映相似性距离。聚类分析中，模块化值Q大于0.3，轮廓值S大于0.5表示聚类效果良好。时间线图可以追踪发展脉络，识别突现词，判断研究前沿。掌握这些解读技巧对于准确理解分析结果至关重要。