李杰 胡志剛 侯劍華

摘要：[目的/意義]旨在了解CiteSpace在全球的應(yīng)用現(xiàn)狀及基于知識基礎(chǔ)的功能演化情況，以促進國內(nèi)學(xué)者對CiteSpace深入認識和應(yīng)用。[方法/過程]通過科學(xué)知識圖譜方法對Web of Science中收錄的965篇CiteSpace論文，從增長趨勢、地理分布、研究主題和引文演化四個方面進行了分析。[結(jié)果/結(jié)論] 過去16年，CiteSpace的應(yīng)用呈顯著增長趨勢，應(yīng)用遍布54個國家或地區(qū)，涉及337個不同的城市。我國是CiteSpace應(yīng)用論文的主要產(chǎn)出國，占比84.9%。在CiteSpace的應(yīng)用中，VOSviewer和Histcite是常常結(jié)合使用的軟件，Web of Science是主要數(shù)據(jù)源。文獻計量學(xué)中的共被引文獻、引文分析、共詞分析以及合著分析在CiteSpace應(yīng)用中最為頻繁。常被用來進行熱點、研究趨勢以及文獻綜述分析。引文歷時網(wǎng)絡(luò)分析完整呈現(xiàn)了CiteSpace I、CiteSpace II以及CiteSpace III的完整演化過程，并從期刊雙圖疊加層面，展示宏觀層面CiteSpace應(yīng)用論文和知識基礎(chǔ)論文的互動關(guān)系。

關(guān)鍵詞：CiteSpace；科研產(chǎn)出；科學(xué)圖譜；共詞分析；引文分析

分類號：G202

引用格式：李杰， 胡志剛， 侯劍華. CiteSpace全球應(yīng)用特征與核心功能演化[J/OL]. 知識管理論壇， 2023， 8（4）： 291-302[引用日期]. http：//www.kmf.ac.cn/p/352/.

CiteSpace由美國德雷賽爾大學(xué)陳超美教授于2003年開發(fā)，作為一款基于先進技術(shù)的知識可視化工具，在科學(xué)研究中迅速被大量使用[1]。自從2007年6月，國內(nèi)第一篇應(yīng)用CiteSpace進行科學(xué)知識圖譜繪制的論文發(fā)表以來[2]，國內(nèi)目前已經(jīng)有近6 400余篇關(guān)于CiteSpace的中文期刊論文，且仍處于高速增長中。尤其是近兩年，年發(fā)文量超過1 700篇。在信息資源管理、教育學(xué)、管理學(xué)、經(jīng)濟學(xué)乃至自然科學(xué)領(lǐng)域CiteSpace都得到了廣泛的傳播和應(yīng)用。而圍繞CiteSpace所發(fā)展起來的科學(xué)知識圖譜研究范式[3]，也因為其嚴(yán)謹?shù)亩糠治龇椒?、簡單易用的操作實現(xiàn)和生動直觀的可視化效果，在文獻分析和綜述方面表現(xiàn)出科學(xué)性和藝術(shù)性的統(tǒng)一，產(chǎn)生了深刻的學(xué)術(shù)影響和應(yīng)用價值。

對于CiteSpace應(yīng)用現(xiàn)狀維度的分析，國內(nèi)外學(xué)者已經(jīng)做了相關(guān)評述。2013年，侯劍華等[4]通過Web of Science簡要分析了軟件在國外的使用概況，并重點統(tǒng)計中國知網(wǎng)中313篇CiteSpace主題論文。該論文對于了解早期CiteSpace國內(nèi)外傳播和擴散有一定的借鑒意義，但是隨著時間的推進，CiteSpace的應(yīng)用更加深入，擴散更加廣泛，有必要進一步對其進行更加深入的分析和研究。2015年，陳悅等[5]基于國內(nèi)500多篇CiteSpace論文中對圖譜“誤用”和“濫用”現(xiàn)象進行分析，闡釋了CiteSpace工具的設(shè)計理念及其方法論功能。2016年，劉光陽[6]通過對各類中文數(shù)據(jù)庫中收錄的1 897篇論文進行分析，詳細梳理CiteSpace在國內(nèi)的傳播軌跡。在此基礎(chǔ)上，2019年，李杰等[7]進一步細化數(shù)據(jù)范圍，通過CSSCI數(shù)據(jù)庫專門考察我國社會科學(xué)領(lǐng)域CiteSpace的應(yīng)用情況并進行系統(tǒng)性的梳理，總結(jié)了CiteSpace在社會科學(xué)領(lǐng)域的傳播特征。

由于上述對CiteSpace的綜述研究多集中于其在國內(nèi)的應(yīng)用和影響上，因此對其在國際的應(yīng)用和擴散分析明顯不足。事實上，陳超美2006年關(guān)于CiteSpace的經(jīng)典文章在Web of Science中的被引量已經(jīng)超過1 384次，而直接應(yīng)用CiteSpace的國際論文數(shù)量也已經(jīng)接近1 000篇，尤其是近幾年的增長速度更為驚人。為了獲得CiteSpace近20年的擴散及功能演化情況，筆者將基于Web of Science中的CiteSpace主題論文，采用文獻計量和數(shù)據(jù)可視化的方式，進行深入挖掘。首先對CiteSpace主題論文在全球不同國家或區(qū)域、不同研究主題、不同期刊領(lǐng)域進行分析，并通過文獻共被引的方法，對CiteSpace主題論文的知識基礎(chǔ)及其聚類進行分析，以在文獻維度上認識CiteSpace功能的演化。

1? CiteSpace論文的國際增長趨勢

為全面獲取代表性的CiteSpace主題論文，筆者以Web of Science核心數(shù)據(jù)集的SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH以及ESCI為數(shù)據(jù)源。時間設(shè)置為“all year”，并通過主題CiteSpace進行檢索。共得到2005—2021年（截至2021年9月12日）出版的965篇論文。所采集的數(shù)據(jù)共包括8種文獻類型，其中以Article（490篇）、Review（259篇）、Proceedings Paper（202篇）以及Early Access（51篇）為主。圖1展示了2005—2021年CiteSpace主題論文的載文趨勢分布。結(jié)果顯示：在2005—2015年，CiteSpace主題論文相對比較緩慢；在2005—2011年，論文的年度產(chǎn)出不足10篇；一直到2016年，年度論文產(chǎn)出仍然不足50篇；2016年以后，CiteSpace主題論文呈現(xiàn)爆發(fā)式的增長。

2? CiteSpace國際論文的地域分布

CiteSpace在全球得到了廣泛的傳播和應(yīng)用。在國家或地區(qū)維度上，CiteSpace已經(jīng)被54個不同的國家和地區(qū)應(yīng)用。在所有國家和地區(qū)中，我國以發(fā)文量819篇排在首位，論文占比達到84.9%。排名前10位的國家和地區(qū)包括：UNITED STATES（美國，67篇）、AUSTRALIA（澳大利亞，32篇）、BRAZIL（巴西，21篇）、TURKEY（土耳其，17篇）、SPAIN（西班牙，19篇）、UNITED-KINGDOM（英國，25篇）、IRAN（伊朗，12篇）、CANADA（加拿大，16篇）以及PAKISTAN（巴基斯坦，13篇）。在城市分布的維度上，CiteSpace的應(yīng)用分布在337個不同的城市中，其中主要應(yīng)用城市群分布在我國東部。經(jīng)統(tǒng)計發(fā)現(xiàn)，城市排名前10位的城市均來自我國，分別為BEIJING（北京，177篇）、SHANGHAI（上海，80篇）、WUHAN（武漢，73篇）、GUANGZHOU（廣州，85篇）、CHENGDU（成都，76篇）、NANJING（南京，59篇）、XIAN（西安，47篇）、SHENYANG（沈陽，44篇）、TIANJIN（天津，41篇）和HONG-KONG（香港，39篇）。在合作維度上，我國主要合作對象為美國、加拿大、澳大利亞和英國，城市的合作也主要發(fā)生在與我國合作密切的國家中。可見，我國是CiteSpace主題論文最大的產(chǎn)出國，其他國家或地區(qū)與我國的差距很大。形成這種空間分布特征的原因是多方面的，其中一個重要方面是CiteSpace最早是在我國普及以及發(fā)展的。此外，通過CiteSpace軟件下載來看（https：//sourceforge.net/projects/citespace），從2018年9月2日到2021年9月13日CiteSpace總下載次數(shù)為1 170 844次，我國在全球用戶的下載中占比高達91%。

3? CiteSpace國際論文的研究主題

Citespace主題論文的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)見圖3。圖中節(jié)點的大小與關(guān)鍵詞的詞頻呈正比。在所有關(guān)鍵詞中，Citespace出現(xiàn)了524次，排名第一。在關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中，以Citespace形成了核心的主題群，網(wǎng)絡(luò)外圍的主題多是關(guān)于Citespace應(yīng)用論文的關(guān)聯(lián)方法、工具與應(yīng)用場景。與Citespace共現(xiàn)強度最大的10個關(guān)鍵詞分別為：bibliometrics（文獻計量學(xué)）、visualization analysis（可視化分析）、scientometrics（科學(xué)計量學(xué)）、knowledge mapping（知識圖譜）、VOSviewer、Web Of Science、co-citation analysis（共被引分析）、hotspots（熱點）、literature review（文獻綜述）以及research trends（研究趨勢）。高頻詞反映了CiteSpace在應(yīng)用中，最常用來進行文獻計量、可視化、科學(xué)計量與知識圖譜等分析，最常用的數(shù)據(jù)庫為Web of Science，CiteSpace的共被引功能最為常用。在研究主題圖中，越接近黃色的節(jié)點，關(guān)鍵詞的平均出現(xiàn)時間距離當(dāng)前的時間越近。從關(guān)鍵詞的分布可以得出，Citespace和VOSViewer的聯(lián)合應(yīng)用已經(jīng)成為一種趨勢。在研究的主題上，近期則集中在depression[8-10]（抑郁）、cancer[11-13]（癌癥）、supply chain[14-16]（供應(yīng)鏈）、acupuncture（針灸）[17-19]、COVID-19[20-22]（新冠）、internet of things[23-25]（物聯(lián)網(wǎng)）以及biochar[26-28]（生物炭）等方面。

為了進一步認識CiteSpace主題，將關(guān)鍵詞分為5個方面：工具類、方法類、數(shù)據(jù)庫類、研究目的類和研究主題類。CiteSpace主題論文最常使用CiteSpace外，還經(jīng)常使用VOSviewer作為聯(lián)合數(shù)據(jù)分析工具之一。此外，還有11篇論文中使用了引文歷史軟件HistCite；研究中 Web of Science是使用最為頻繁的數(shù)據(jù)庫，Scopus、CSSCI以及CNKI使用較少。這是因為CiteSpace輸入的標(biāo)準(zhǔn)數(shù)據(jù)為Web of Science格式，且其他數(shù)據(jù)庫在數(shù)據(jù)著錄等方面存在不同的缺陷，因此Web of Science在CiteSpace的數(shù)據(jù)分析中最受大家青睞和認可；文獻計量、科學(xué)計量以及可視化分析等是使用CiteSpace最常見的方法表述，但這些術(shù)語在表現(xiàn)主題上相對寬泛。相對比較具體的方法有共被引分析、引文分析、共詞分析、合著分析、共現(xiàn)分析、社會網(wǎng)絡(luò)分析以及聚類分析等；研究的目的多為進行熱點分析、研究趨勢分析、文獻綜述、繪制領(lǐng)域知識圖譜等。在應(yīng)用CiteSpace的研究問題上，主要分布在氣候變化、大數(shù)據(jù)、針灸、新冠以及癌癥等方面。

4? CiteSpace國際論文的引文分析

提取被引頻次不小于20的被引文獻，以分析CiteSpace主題論文的知識基礎(chǔ)結(jié)構(gòu)及其CiteSpace功能演化。被965篇施引文獻引用超過20次的共有51篇論著，共被引聚類分布見圖4。共被引網(wǎng)絡(luò)中文獻的時間跨度為1965—2019年，這表明CiteSpace主題論文不僅包含CiteSpace的原創(chuàng)性知識基礎(chǔ)，而且還包含與之相關(guān)的重要經(jīng)典文獻。CiteSpace最早開發(fā)于2003年，并在2004年以轉(zhuǎn)折點理論為重要技術(shù)來探測科學(xué)研究中的范式轉(zhuǎn)換。因此本部分以2005年為界，對CiteSpace的“知識基礎(chǔ)”論文進行分析。

表2中列出CiteSpace主題論文引用的2005年之前的知識基礎(chǔ)論文。從論文的學(xué)術(shù)貢獻來看，大量論文是科學(xué)計量學(xué)領(lǐng)域的開創(chuàng)性研究，并呈現(xiàn)了文獻計量/科學(xué)計量重要成果的發(fā)展核心路徑。這些科學(xué)計量學(xué)的開創(chuàng)性研究，成為后續(xù)CiteSpace開發(fā)的理論依據(jù)。1965年，普賴斯在Science發(fā)表的《科學(xué)論文的網(wǎng)絡(luò)》為后期基于網(wǎng)絡(luò)思維來剖析科學(xué)結(jié)構(gòu)提供了數(shù)理依據(jù)。普里查德在1969年發(fā)表的論文中更是給出了文獻計量學(xué)的概念，使得后續(xù)研究有了基礎(chǔ)的立足點。在后續(xù)文獻計量學(xué)發(fā)展中，學(xué)者們從科學(xué)文獻知識單元關(guān)系入手，又分別提出了文獻共被引、作者共被引以及基于文獻研究知識基礎(chǔ)和研究前沿的理論與方法。從經(jīng)典的文獻計量學(xué)文獻可以得出，文獻的共被引與文獻網(wǎng)絡(luò)分析是其核心知識基礎(chǔ)。此外，來自文獻計量學(xué)領(lǐng)域之外的相關(guān)數(shù)據(jù)挖掘研究論文亦有重要影響。陳超美教授通過結(jié)合文獻共被引網(wǎng)絡(luò)和L. C. Freeman的中介中心性概念[29]，提出了知名的科學(xué)網(wǎng)絡(luò)中轉(zhuǎn)折點的概念，為知識發(fā)現(xiàn)提供了理論和技術(shù)支撐。在網(wǎng)絡(luò)聚類普遍使用模塊化值Q來衡量聚類質(zhì)量的背景下，又引入了剪影值的聚類評估指標(biāo)，來衡量整體網(wǎng)絡(luò)的平均同質(zhì)性和聚類內(nèi)部被引文獻的同質(zhì)性。在文獻的分析中，詞頻和引證次數(shù)是最常使用的指標(biāo)，但在呈現(xiàn)知識演化上存在嚴(yán)重不足。在基于頻次分析的基礎(chǔ)上，陳超美引入J. Kleinberg的突發(fā)性探測技術(shù)[30-31]，來分析特定文獻單元在時間區(qū)間內(nèi)部激增變化。陳超美教授認為，在突發(fā)性研究中，文獻發(fā)生激增的時間段，在某種程度上可能切中了科學(xué)研究的要害，有利于認識科學(xué)前沿演化的本質(zhì)。

在51篇CiteSpace主題論文的高被引文獻中，共有14篇是陳超美教授發(fā)表的論文（見表3），這些論文在時間序列上較為完整地呈現(xiàn)了CiteSpace從誕生、成長到成熟的過程。2003年5月美國知名科學(xué)可視化學(xué)者凱蒂·博納首次發(fā)起了“Mapping Knowledge Domians”主題會議，并邀請了包括加菲爾德、陳超美等多位文獻計量學(xué)專家參加。本次會議的論文集首次于2004年在《美國科學(xué)院學(xué)報》發(fā)表，陳超美的關(guān)于“轉(zhuǎn)折點”的論文也是通過本次會議發(fā)表的。尋找科學(xué)研究中的轉(zhuǎn)折點，以獲取創(chuàng)造性的本質(zhì)成為CiteSpace I的特色功能。在CiteSpace I的基礎(chǔ)上，陳超美重新構(gòu)建CiteSpace的概念模型，形成由共被引網(wǎng)絡(luò)及術(shù)語混合網(wǎng)絡(luò)構(gòu)成的科學(xué)研究知識基礎(chǔ)和研究前沿之間的映射關(guān)系，并以典型研究（恐怖主義和生物滅絕）為案例，呈現(xiàn)了CiteSpace實現(xiàn)這一設(shè)想的過程。在2008—2009年陳超美發(fā)表了基于CiteSpace的數(shù)據(jù)與知識工程案例研究與基于新設(shè)計的SIG指標(biāo)的科學(xué)發(fā)展理論的研究。2010年，陳教授進一步對CiteSpace的功能進行完善，涉及基于施引文獻標(biāo)題、摘要或關(guān)鍵詞的共被引網(wǎng)絡(luò)聚類的命名，CiteSpace正式進入3.0時代。在不斷的發(fā)展和完善中，CiteSpace經(jīng)過典型案例（如再生醫(yī)學(xué)、罕見病藥物等）的成功應(yīng)用，功能得到不斷完善和加強，又先后在3.0版本的基礎(chǔ)上補充了文獻共被引網(wǎng)絡(luò)的結(jié)構(gòu)變異分析（structural variation analysis）以及期刊的雙圖疊加分析（Journals dual overlay map）。在CiteSpace理論與技術(shù)不斷完善的同時，陳超美教授開始撰寫和分享了大量的軟件學(xué)習(xí)指南，在2014年出版免費的英文手冊（The CiteSpace Manual），2016年正式出版《CiteSpace：科學(xué)文獻圖譜實踐手冊》。2017年，陳超美進一步借助CiteSpace軟件，系統(tǒng)且深入地對知識圖譜的研究進行了全面的梳理和分析，向CiteSpace的用戶進一步呈現(xiàn)CiteSpace用于系統(tǒng)性綜述和知識發(fā)現(xiàn)的可能性。CiteSpace目前已經(jīng)發(fā)展到了5.0，軟件在可視化設(shè)計、結(jié)果穩(wěn)定性以及功能完整性上都取得了較大的進步。在CiteSpace 5.8.R1以后，軟件更是增加了對科技論文中不確定性的分析。整體上來看，在功能上已經(jīng)實現(xiàn)了從最早基于結(jié)構(gòu)洞的科學(xué)發(fā)現(xiàn)與創(chuàng)造性理論（creativity），向目前科學(xué)不確定性（uncertainty）的研究[43]。從CiteSpace的功能演化過程可以得出，CiteSpace的理論技術(shù)與案例研究具有一定的交替性，這使得理論與實踐相得益彰，共同發(fā)展。

在文獻維度的引文分析基礎(chǔ)上，利用CiteSpace中的雙圖疊加圖，可以展現(xiàn)這些論文的來源期刊及其引用期刊的引證關(guān)系及在全期刊地圖上分布。在圖4中，左側(cè)是施引文獻的來源期刊結(jié)點，代表這些CiteSpace相關(guān)論文發(fā)表在哪些領(lǐng)域的期刊上；右側(cè)是引用文獻的來源期刊結(jié)點，代表這些CiteSpace相關(guān)論文引用的是哪些領(lǐng)域的期刊。無論從施引文獻來源還是從引用文獻的來源來看，CiteSpace作為科技文獻與可視化工具，已經(jīng)被廣泛應(yīng)用到經(jīng)濟學(xué)與政治學(xué)、心理學(xué)與教育學(xué)、動植物學(xué)、分子生物學(xué)等各個領(lǐng)域，幾乎覆蓋了全部學(xué)科領(lǐng)域，這表明CiteSpace已經(jīng)基本完成了全學(xué)科的擴散。

5? 結(jié)語

CiteSpace作為由華人學(xué)者開發(fā)并在國內(nèi)率先推廣應(yīng)用的一種科學(xué)知識圖譜繪制工具，相關(guān)研究不僅在國內(nèi)發(fā)文量很多，而且近年來在國際上也呈現(xiàn)出爆發(fā)趨勢。為了展現(xiàn)CiteSpace論文在國際上的應(yīng)用態(tài)勢，筆者檢索并基于Web of Science數(shù)據(jù)庫中在標(biāo)題或摘要中包含CiteSpace的近千篇論文，從時間、地域、主題、期刊和引文等角度對這些論文進行了全景式的分析和掃描，主要研究結(jié)論如下：①CiteSpace論文在2017年之后增長迅速，從原來的年發(fā)文量不足百篇，躍升到近300篇；②中國學(xué)者仍然是當(dāng)前CiteSpace國際論文的主要貢獻者，占全部論文總量的84.9%；③關(guān)鍵詞分析展現(xiàn)了科學(xué)知識圖譜方法的相關(guān)數(shù)據(jù)、工具和方法論基礎(chǔ)；④引用的論文體現(xiàn)了文獻計量學(xué)和科學(xué)知識圖譜的經(jīng)典方法和工具。

最后，從所采集的論文數(shù)據(jù)來看，CiteSpace的應(yīng)用還停留在淺層次，對于軟件的深層次應(yīng)用有所欠缺。一方面，以應(yīng)用為導(dǎo)向的研究論文，往往缺乏進一步深入挖掘軟件深層次功能的動機；另一方面，應(yīng)用類論文的來源主要為非文獻計量學(xué)領(lǐng)域，對基于文獻計量學(xué)理論和可視化技術(shù)的認識存在一定的學(xué)科屏障，因此僅僅停留在基礎(chǔ)的應(yīng)用上。為了進一步發(fā)揮CiteSpace在科學(xué)知識領(lǐng)域的挖掘和分析中的價值，作為軟件的應(yīng)用者應(yīng)該首先熟悉了解文獻計量學(xué)的基礎(chǔ)理論，以此為基礎(chǔ)采用CiteSpace靈活探索所關(guān)注的領(lǐng)域。

參考文獻：

[1] 李杰， 陳超美. CiteSpace科技文本挖掘及可視化 [M]. 3版. 北京： 首都經(jīng)濟貿(mào)易大學(xué)出版社， 2022. （LI J， CHEN C M. CiteSpace： text ming and visualization in scientific literature [M]. 3rd ed. Beijing： Capital University of Economic and Business Press， 2022.）

[2] 侯劍華， 陳悅. 戰(zhàn)略管理學(xué)前沿演進可視化研究 [J]. 科學(xué)學(xué)研究， 2007 （S1）： 15-21. （HOU J H， CHEN Y. Research on visualization of the evolution of strategic management front [J]. Studies in science of science， 2007（S1）： 15-21.）

[3] 陳悅， 劉則淵. 悄然興起的科學(xué)知識圖譜 [J]. 科學(xué)學(xué)研究， 2005 （2）： 149-154. （CHEN Y， LIU Z Y. The rise of mapping knowledge domain[J]. Studies in science of science， 2005 （2）： 149-154.）

[4] 侯劍華， 胡志剛. CiteSpace軟件應(yīng)用研究的回顧與展望 [J]. 現(xiàn)代情報， 2013， 33（4）： 99-103.（HOU J H， HU Z G. Review on the application of CiteSpace at home and abroad [J]. Journal of modern information， 2013， 33（4）： 99-103.）

[5] 陳悅， 陳超美， 劉則淵， 等. CiteSpace知識圖譜的方法論功能 [J]. 科學(xué)學(xué)研究， 2015， 33（2）： 242-253. （CHEN Y， CHEN C M， LIU Z Y， et al. The methodology function of CiteSpace mapping knowledge domains [J]. Studies in science of science， 2015， 33（2）： 242-253.）

[6] 劉光陽. CiteSpace國內(nèi)應(yīng)用的傳播軌跡——基于2006—2015年跨庫數(shù)據(jù)的統(tǒng)計與可視化分析 [J]. 圖書情報知識， 2017（2）： 60-74. （LIU G Y. The spread track of CiteSpace application in China——based on the statistical and visual analysis of cross-database data from 2006 to 2015 [J]. Documentation， information & knowledge， 2017（2）： 60-74.）

[7] 李杰， 李慧杰， 陳偉炯， 等. 國內(nèi)社會科學(xué)研究中知識圖譜應(yīng)用現(xiàn)狀分析[J].圖書情報研究， 2019（1）： 74-81.（ LI J， LI H J， CHEN W J， et al. Review application of knowledge visualization research in Chinese social science[J]. Library & information studies， 2019（1）： 74-81.）

[8] ZOU X H， SUN Y. Bibliometrics analysis of the research status and trends of the association between depression and insulin from 2010 to 2020 [J/OL]. Front psychiatry， 2021， 12： 683474[2023-04-11]. https：//www.frontiersin.org/articles/10.3389/fpsyt.2021.683474/full.

[9] ZHU X Q， HU J Q， DENG S H， et al. Bibliometric and visual analysis of research on the links between the gut microbiota and depression from 1999 to 2019? [J/OL]. Front psychiatry， 2021， 11： 587670 [2023-04-11]. https：//www.frontiersin.org/articles/10.3389/fpsyt.2020.587670/full.

[10] ZHOU Y， ZHU X P， SHI J J， et al. Coronary heart disease and depression or anxiety： a bibliometric analysis [J]. Front psychol， 2021， 12：669000[2023-04-11]. https：//www.frontiersin.org/articles/10.3389/fpsyg.2021.669000/full.

[11] ZHENG Y S， HUANG Y W， BIAN Y Y， et al. Analysis of the differences in lung cancer research trends between China and the United States based using project funding data [J]. Annals of translational medicine， 2021， 9（3）： 215.

[12] XU Z Y， GAO X， REN B H， et al. A bibliometric analysis of segmentectomy versus lobectomy for non-small cell lung cancer research （1992-2019） [J]. Medicine （Baltimore）， 2021， 100（13）： e25055.

[13] WU C C， WANG Y Z， HU H Y， et al. Bibliometric analysis of research on the comorbidity of cancer and pain [J]. Joural of pain research， 2021， 14： 213-228.

[14] ZHOU X Y， LI T C， MA X Q. A bibliometric analysis of comparative research on the evolution of international and Chinese green supply chain research hotspots and frontiers [J]. Environmental science and pollution research， 2021， 28（6）： 6302-6323.

[15] SU Z W， ZHANG M Y， WU W B. Visualizing sustainable supply chain management： a systematic scientometric review [J/OL]. Sustainability， 2021， 13（8）： 4409[2023-04-11]. https：//doi.org/10.3390/su13084409.

[16] GUAN G F， JIANG Z J， GONG Y， et al. A bibliometric review of two decades research on closed-loop supply chain： 2001-2020 [J/OL]. IEEE access， 2021， 9： 3679-3695[2023-04-11]. https：//ieeexplore.ieee.org/document/9308918.

[17] ZHAO Y Q， HUANG L， LIU M J， et al. Scientific knowledge graph of acupuncture for migraine： a bibliometric analysis from 2000 to 2019 [J]. Joural of pain research， 2021， 14： 1985-2000.

[18] ZHAO T T， GUO J， SONG Y F， et al. A bibliometric analysis of research trends of acupuncture therapy in the treatment of migraine from 2000 to 2020 [J]. Joural of pain research， 2021， 14： 1399-1414.

[19] ZHANG J H， ZHANG Y X， HU L Y， et al. Global trends and performances of magnetic resonance imaging studies on acupuncture： a bibliometric analysis [J]. Front neurosci， 2021， 14： 620555 [2023-04-11]. https：//www.frontiersin.org/articles/10.3389/fnins.2020.620555/full.

[20] WANG Y N， AHMED A， AZAM A， et al. Applications of additive manufacturing （AM） in sustainable energy generation and battle against COVID-19 pandemic： the knowledge evolution of 3D printing [J/OL]. Journal of manufacturing systems， 2021， 60： 709-733[2023-04-11]. https：//doi.org/10.1016/j.jmsy.2021.07.023.

[21] SANCHEZ-TENA M A， MARTINEZ-PEREZ C， VILLA-COLLAR C， et al. Impact of COVID-19 at the ocular level： a citation network study [J]. Journal of clinical medicine， 2021， 10（7）： 1340.

[22] LI D， WANG S W， SU X M. Bibliometric analysis on utilization of new information technology in the prevention and control of Covid-19-China， 2020 [J]. China CDC weekly， 2021， 3（8）： 165-169.

[23] YANG X J， WANG X Y， LI X G， et al. Exploring emerging IoT technologies in smart health research： a knowledge graph analysis [J]. BMC medical informatics and decision making， 2020， 20（1）： 260.

[24] HU X P， SUN L J， ZHOU Y X， et al. Review of operational management in intelligent agriculture based on the Internet of Things [J]. Frontiers of engineering management， 2020， 7（3）： 309-322.

[25] DAIM T， LAI K K， YALCIN H， et al. Forecasting technological positioning through technology knowledge redundancy： patent citation analysis of IoT， cybersecurity， and Blockchain [J/OL]. Technological forecasting & social change， 2020， 161： 120329[2023-04-11]. https：//doi.org/10.1016/j.techfore.2020.120329.

[26] BILIAS F， NIKOLI T， KALDERIS D， et al. Towards a soil remediation strategy using biochar： effects on soil chemical properties and bioavailability of potentially toxic elements [J/OL]. Toxics， 2021， 9（8）： 184[2023-04-11]. https：//doi.org/10.3390/toxics9080184.

[27] YAN T T， XUE J H， ZHOU Z D， et al. The trends in research on the effects of biochar on soil [J]. Sustainability， 2020， 12（18）： 23.

[28] WU P， WANG Z Y， WANG H L， et al. Visualizing the emerging trends of biochar research and applications in 2019： a scientometric analysis and review [J]. Biochar， 2020， 2（2）： 135-150.

[29] FREEMAN L C. A set of measures of centrality based on betweenness [J]. Sociometry， 1977， 40（1）： 35-41.

[30] KLEINBERG J. Bursty and hierarchical structure in streams [C]// Proceedings of the eighth ACM SIGKDD international conference on knowledge discovery and data mining. Edmonton： Association for Computing Machinery， 2002： 91–101.

[31] KLEINBERG J. Bursty and hierarchical structure in streams [J]. Data mining and knowledge discovery， 2003， 7（4）： 373-397.

[32] PRICE D J D S. Networks of scientific papers [J]. Science， 1965， 149（3683）： 510-515.

[33] PRITCHARD A. Statistical bibliography or bibliometrics [J]. Journal of documentation， 1969， 25（4）： 348-349.

[34] SMALL H. Co-citation in the scientific literature： a new measure of the relationship between two documents [J]. Journal of the American Society for Information Science， 1973， 24（4）： 265-269.

[35] FREEMAN L C. Centrality in social networks conceptual clarification [J]. Social networks， 1978， 1（3）： 215-239.

[36] WHITE H D， GRIFFITH B C. Author cocitation： a literature measure of intellectual structure [J]. Journal of the American Society for Information Science， 1981， 32（3）： 163-171.

[37] ROUSSEEUW P J. Silhouettes： a graphical aid to the interpretation and validation of cluster analysis [J/OL]. Journal of computational and applied mathematics， 1987， 20： 53-65[2023-04-11]. https：//www.sciencedirect.com/science/article/pii/0377042787901257.

[38] PERSSON O. The intellectual base and research fronts of JASIS 1986–1990 [J]. Journal of the American Society for Information Science， 1994， 45（1）： 31-38.

[39] WHITE H D， MCCAIN K W. Visualizing a discipline： An author co-citation analysis of information science， 1972–1995 [J]. Journal of the American Society for Information Science， 1998， 49（4）： 327-355.

[40] HOOD W W， WILSON C S. The literature of bibliometrics， scientometrics， and informetrics [J]. Scientometrics， 2001， 52（2）： 291-314.

[41] B?RNER K， CHEN C， BOYACK K W. Visualizing knowledge domains [J]. Annual review of information science and technology， 2003， 37（1）： 179-255.

[42] CHEN C M. Searching for intellectual turning points： progressive knowledge domain visualization [J]. Proceedings of the National Academy of Sciences of the United States of America， 2004， 101（Sl）： 5303-5310.

[43] CHEN C. A glimpse of the first eight months of the covid-19 literature on microsoft academic graph： themes， citation contexts， and uncertainties [J/OL]. Frontiers in research metrics and analytics， 2020， 5：607286[2023-04-11].https：//www.frontiersin.org/articles/10.3389/frma.2020.607286/full.

[44] CHEN C M. CiteSpace II： Detecting and visualizing emerging trends and transient patterns in scientific literature [J]. Journal of the American Society for Information Science and Technology， 2006， 57（3）： 359-377.

[45] CHEN C M， SONG I Y， YUAN X J， et al. The thematic and citation landscape of data and knowledge engineering （1985-2007） [J]. Data & knowledge engineering， 2008， 67（2）： 234-259.

[46] CHEN C， CHEN Y， HOROWITZ M， et al. Towards an explanatory and computational theory of scientific discovery [J]. Journal of informetrics， 2009， 3（3）： 191-209.

[47] CHEN C， IBEKWE-SANJUAN F， HOU J. The structure and dynamics of cocitation clusters： a multiple-perspective cocitation analysis [J]. Journal of the American Society for Information Science and Technology， 2010， 61（7）： 1386-1409.

[48] CHEN C M， HU Z G， LIU S B， et al. Emerging trends in regenerative medicine： a scientometric analysis in CiteSpace [J]. Expert opinion on biological therapy， 2012， 12（5）： 593-608.

[49] CHEN C. Predictive effects of structural variation on citation counts [J]. Journal of the American Society for Information Science and Technology， 2012， 63（3）： 431-449.

[50] CHEN C， DUBIN R， KIM M C. Emerging trends and new developments in regenerative medicine： A scientometric update （2000-2014） [J]. Expert opinion on biological therapy， 2014， 14（9）： 1295-1317.

[51] CHEN C， DUBIN R， KIM M C. Orphan drugs and rare diseases： a scientometric review （2000-2014） [J]. Expert opinion on biological therapy， 2014， 2（7）： 709-724.

[52] CHEN C， LEYDESDORFF L. Patterns of connections and movements in dual-map overlays： a new method of publication portfolio analysis [J]. Journal of the American Society for Information Science and Technology， 2014， 65（2）： 334-351.

[53] CHAOMEI C. The CiteSpace manual [EB/OL]. [2022-10-11]. http：//blog.sciencenet.cn/blog-496649-840691.html.

[54] CHEN C. CiteSpace： a practical guide for mapping scientific literature [M]. New York ：Nova Science Publishers， Incorporated， 2016.

[55] CHEN C M. Science mapping： a systematic review of the literature [J]. Journal of data and information science， 2017， 2（2）： 1-40.

[56] CHEN C， SONG M. Visualizing a field of research： a methodology of systematic scientometric reviews [J/OL]. Plos one， 2019， 14（10）： e0223994[2023-04-11]. https：//doi.org/10.1371/journal.pone.0223994.

Global Application and Core Function Evolution of CiteSpace

Li Jie1，2? ?Hu Zhigang3? ?Hou Jianhua4

1National Science Library， Chinese Academy of Sciences， Beijing 100190

2Department of Information Resources Management， School of Economics and Management， University of Chinese Academy of Sciences， Beijing 100190

3WISE Lab， Dalian University of Technology， Dalian 116024

4School of Information Management， Sun Yat-sen University， Guangzhou 510006

Abstract： [Purpose/Significance] This study aims to comprehend the current global status of CiteSpace application and functional evolution based on knowledge foundations. Additionally， it seeks to facilitate the understanding and implementation of CiteSpace within the Chinese scientific community. [Method/Process] Knowledge mapping methods were employed to analyze 965 papers related to CiteSpace from the Web of Science Core Collections. The analysis covered growth trends， geographical distribution， research topics， and citation evolution. [Result/Conclusion] The findings reveal a consistent upward trend in CiteSpaces application over the past 16 years. The application demonstrates a diverse distribution across 54 different countries/regions and 337 cities. Notably， China emerges as the most productive country， accounting for 84.9%. In CiteSpace applications， VOSviewer and Histcite are often used together， and Web of Science is the main data source. Widely adopted bibliometric methods include co-citation analysis， citation analysis， co-word analysis， and co-authorship. The applications purposes encompass hotspot analysis， tracking research trends， and conducting literature reviews. The diachronic citation network analysis elucidates the complete evolution of CiteSpace I， CiteSpace II， and CiteSpace III. Furthermore， dual overlay maps of journals effectively demonstrate the interaction between CiteSpace application papers and knowledge-based papers.

Keyword： CiteSpace? ? scientific outputs? ? science map? ? co-words analysis? ? citation analysis