Daftar alat pemetaan literatur review

 

Daftar alat pemetaan Sastra Inovatif

Sumber: https://musingsaboutlibrarianship.blogspot.com/p/list-of-innovative-literature-mapping.html 

21 Februari 2021 - Diperbarui dengan Litmaps

23 Feb 2021 - Diperbarui dengan Citationchaser dari Neal Haddaway

12 Mar 2021 - Ulasan terbaru tentang Litmaps

16 April 2021 - Menambahkan ulasan saya -  3 alat baru untuk dicoba untuk pemetaan Sastra — Makalah Terhubung, Inciteful, dan Litmaps

26 Juli 2021 - InCiteful yang diperbarui, temukan hubungan antara 2 makalah dan Vosvewer - dukungan untuk Lens.org

9 Agustus 2021 - Diperbarui untuk menambahkan ResearchRabbit

 

Saya telah melacak dan bermain dengan alat kelas baru yang mencoba membantu Anda memahami tinjauan literatur dengan memanfaatkan ledakan metadata Scholarly terbuka gratis (terutama kutipan) dan teks lengkap yang tersedia untuk membuat peta atau jaringan makalah yang mungkin serupa menggunakan berbagai teknik.

 

Sebagian besar alat ini adalah open source atau setidaknya 100% gratis.   

 

Alat-alat ini semua menggunakan teknik kutipan tradisional yang hanya menetapkan kutipan terjadi tetapi tidak berusaha untuk menentukan konteks kutipan atau sentimen. Untuk alat yang mencoba melampaui tautan kutipan tradisional, lihat scite (sebutan penyebutan, kutipan pendukung, kutipan sengketa)   dan Cendekiawan Semantik berdasarkan jenis kutipan   (Latar Belakang Kutipan , Metode Kutipan, dan Hasil Kutipan).

 

Nama	Sumber data	Memasukkan	Grafik jaringan dihasilkan	makalah yang disarankan	Komentar
CiteSpace	WOS, Scopus, Crossref, Lens.org, dan lainnya dengan konversi	File masukan	Beberapa metode (misalnya kopling bibliometrik, cocitation, kutipan)	tidak	Lebih banyak alat pemetaan Sains daripada dukungan tinjauan literatur
VOSviewer	Menerima WOS, Scopus,Dimensions, Microsoft Academic Graph , Crossref, COCI , OCC , Lens.org , Wikidata dan banyak lagi		Beberapa metode (misalnya kopling bibliometrik, cocitation, kutipan)	tidak	Lebih banyak alat pemetaan Sains daripada dukungan tinjauan literatur
Buka Peta Pengetahuan	Basis atau PubMed	Kata kunci	Grafik co-word berdasarkan judul, nama jurnal, nama penulis, kata kunci subjek, abstrak.	tidak	Tidak berdasarkan kutipan
Whocites (sumber)	beasiswa Google	Rangkaian Kata Kunci	Merekam 10 makalah atau buku teratas dari pencarian GS, Menggunakan 'pencarian dalam kutipan' Google Cendekia memeriksa untuk melihat apakah ada penulis yang tercatat ke database telah mengutip salah satu publikasi.	tidak	sangat lambat
Tokek Kutipan	Indeks OpenCitations dari Crossref Open DOI-to-DOI Citations (COCI) & OpenCitations Corpus (OCC)	Beberapa makalah	Makalah yang dikutip oleh seed paper atau mengutip seed paper	Kebanyakan dikutip atau mengutip makalah oleh kertas benih. Anda dapat mengulangi dan mengembangkan jaringan dengan menambahkan ini sebagai kertas benih
Jaringan Kutipan Lokasi	Grafik Akademik Microsoft atau Crossref atau OpenCitations	Satu kertas atau beberapa kertas	Referensi kertas masukan	Paling banyak dikutip oleh jaringan lokal	Juga memiliki jaringan penulisan bersama
CoCites	NIH Open Citation Collection (NIH-OCC).	Satu kertas atau beberapa kertas	Belum ada grafik. Menggunakan cocitations dari 100 makalah terakhir yang dikutip dari makalah masukan.	Urutkan menurut cocitations atau kesamaan (% cocitations)	Keefektifan divalidasi terhadap tinjauan sistematis
Makalah Terhubung	Semantic Scholar Open Research Corpus	Satu kertas	Metrik kesamaan berdasarkan konsep cocitations dan bibliometric coupling	Fungsi tambahan untuk mendeteksi "Karya sebelumnya" (paling banyak dikutip oleh jaringan lokal) dan "karya turunan" (karya yang mengutip sebagian besar jaringan lokal	Tersedia di halaman Arxiv
Papergraph	Semantic Scholar Open Research Corpus	Satu kertas	20 X 20 kutipan atau referensi kertas masukan	Paling banyak dikutip oleh jaringan lokal
menghasut	Grafik Akademik Microsoft , Crossref, OpenCitations , Semantic Scholar Open Research Corpus	Satu kertas atau beberapa kertas	Grafik kutipan kedalaman 2 (dua arah) di sekitar kertas benih, hingga 150 ribu kertas.	Diurutkan berdasarkan kertas terpenting dalam grafik (peringkat halaman) dan Urutan berdasarkan "kesamaan" (Adamic/Adar)	Memungkinkan pengeditan kueri SQL ke kertas permukaan dari grafik jaringan yang dihasilkan. Temukan hubungan antara 2 kertas
Litmap	Microsoft Academic Graph  (terutama), dengan beberapa impor data sebelumnya dari  Crossref dan Semantic Scholar . Saat ini hanya mencakup item dengan DOI	Satu atau Beberapa makalah	Grafik proyek dibuat dengan pencarian kata kunci dan menambahkan artikel. Node adalah kertas yang ditambahkan, edge adalah referensi. Node diurutkan berdasarkan tanggal publikasi dengan makalah terbaru di sebelah kanan.	Saran Radar- melakukan pencarian jaringan kutipan 2 derajat dari artikel proyek Anda, lalu daftarkan 20 artikel tertinggi teratas yang paling terhubung ke proyek Anda.	Menunjukkan hubungan kronologis
Citation Chaser  ( Tersedia sebagai paket R )	Lens.org	Beberapa makalah	Ya	Cukup tampilkan semua (hingga batas API) kutipan maju dan kutipan mundur dari makalah masukan menggunakan data Lens.org	Dibayangkan untuk digunakan sebagai suplemen untuk tinjauan sistematis "pengejaran kutipan" untuk dengan mudah mengekstrak dan mengurangi kutipan maju dan mundur dari kumpulan makalah
PenelitianKelinci	Microsoft Academic Graph  , pencarian kata kunci menggunakan  Lens.org   Pubmed	Beberapa makalah	Grafik jaringan kutipan (jaringan dan garis waktu), grafik penulisan bersama	"Makalah terkait", "Referensi", "Kutipan", "Penulis yang disarankan"	Memvisualisasikan makalah yang ada dalam koleksi sebagai simpul Hijau, makalah lain yang dianggap akan berwarna biru.

 

Untuk mendapatkan gambaran awal yang cepat tentang area yang luas -  CiteSpace  dan  VOSviewer 

 

Dari alat-alat ini,  CiteSpace  dan  VOSviewer  secara teknis adalah alat pemetaan bibliometrik/alat pemetaan Sains yang digunakan secara tradisional oleh ahli bibliometrik tetapi dapat diadaptasi untuk tujuan tinjauan pustaka. Lihat ulasan 2020 baru-baru ini tentang area tersebut.  Mereka cenderung cukup kikuk untuk digunakan dan tidak direkomendasikan untuk peneliti yang tidak memiliki pengetahuan di bidang bibliometrik/analisis jaringan dan tidak ingin belajar.

 

The general use case is to import a big list of articles (typically by exporting results from a citation index like Scopus using keywords or APIs like Microsoft Academic), and then create a visualization of a network graph, with papers as nodes and links showing cocitation or bibliometric coupling relationships. Another common use is to mine the text,abstracts and keywords to create a cocurrance term map to see what terms are used. 

 

 

 

VOSviewer - Term occurance map - Title/abstract - Corporate Social Responsibility 2015-2020 from Microsoft Academic Graph data

Some like CiteSpace can even auto label clusters!

  

CiteSpace auto clustering and labelling of papers from Scopus on topic Team Creativity

 

CiteSpace dan VOSviewer   serta semua alat yang tercantum di halaman ini dibatasi oleh sumber data yang digunakan dan sementara beberapa sumber seperti Microsoft Academic Graph sangat besar dan yang lainnya terhormat (misalnya Scopus, Web of Science), Google Cendekia adalah satu-satunya orang yang sering bertanya tentang. 

 

Sayangnya, satu-satunya cara untuk mendapatkan data Google Cendekia adalah melalui pengikisan yang lambat dan tidak efisien, tetapi ada alat WhoCites  yang digunakan untuk melakukan ini. 

 

Pendapat saya tentang Citespace dan Vosviewer

For me, these tools are good to map out broad areas where the literature is dense (say 2 decades worth exist) and you want a first look at what clusters of research there might be out there (exploratory reading). For instance if you wanted to see what are the general research themes around "Corporate Social Responsibility"/CSR (a huge area), entering the keyword in Google Scholar will just give you thousands of papers. 

 

Sure the top ranked papers will be usually impactful and highly cited but it does not give you a feel on what strands of research have emerged around CSR. With Vosviewer, you can generate such maps in less than 10 minutes and then sample read papers from each cluster identified to get a good taste of the research themes. 

 

I personally see such tools as "see forest for trees" type of tool and mostly to be used early in the literature review process.

 

But I suppose you could use CiteSpace and VOSviewer  in a later stage of research when you have already papers you want to cite and you want to feed the papers into them to see if there are any unexpected connections or clusters emerging  

 

Overall, they tend to be quite clunky to use compared to the newer tools (see below) and are not recommended for researchers who are not knowledgable in the bibliometrics areas/network analysis and do not want to learn.

 

 

For recommending more papers using one or few relevant papers - Citation Gecko, Connected Papers, Inciteful, Cocites etc

As nice as tools like CiteSpace and VOSviewer are, they generally can not recommend any new papers to read that are similar to papers you already have (often called 'seed' papers).

 

Here are some brief notes are some of these tools

 

 

Citation Gecko - iterative expansion of seed papers

Citation Gecko is one of the first tools that did that, where you would enter a number of seed papers (via bibtex files or a search of the index) and it would try to identify related papers that either cited a lot of the seed papers you entered or alternatively papers that were cited by a lot of your seed papers.

 

 

Citation Gecko - yellow nodes are 'seed papers', black nodes are papers found by Citation Gecko that are cited by the seed papers

 

One of the nice touches of Citation Gecko  is it allow iterative expansion, where you could add selected identified/recommended papers as seed papers and the process continues.

 

My take on Citation Gecko

Citation Gecko  is one of the first tool of it's kind in this class I am aware of and is an excellent example of what such tools are capable. It's also one of the few tools on this list that supports iterative expansions

 

There are some shortcomings of this tool though. Firstly compared to some of the newer tools that emerged after it such as Connected Papers, Inciteful, I find it can be fairly slow and sometimes unstable if you enter too many seed papers.

 

The greater weakness I think is that currently Citation Gecko's source of citaton data is Crossref only. While most major publishers do contribute their references open to Crossref, there are some major holdouts. Even with Elsevier's announcement in Dec 2020, that they would start contributing to Crossref , there are still quite a few publishers like ACS and IEEE not contributing as such Citation Gecko would have relatively poor coverage and recommendations compared to tools that use data sources like Microsoft Academic Graph, S2ORC which is more complete (albeit with question marks over quality) such as  Inciteful or Connected Papers 

 

 

Connected Papers - Generate more papers with just one paper. Find seminal papers and review papers!

Connected Papers is a very slick and recent (June 2020) tool to emerge. One of the major issues with Citation Gecko is that you often need quite a few seed papers before you can get off the ground. 

 

Connected Paper just needs one! And unlike some tools that requires the singular seed paper to be well cited, Connected Paper can work on even very new papers which have no citations. This is because it generates a graph based on a similarity metric that uses both cocitations (papers that are cited by the same papers) as well as bibliometric coupling (papers that cite the same papers), so even if a paper is new with zero citations it can still generate a graph based on papers with similar references.

 

They state it is

"based on the concepts of Co-citation and Bibliographic Coupling.According to this measure, two papers that have highly overlapping citations and references are presumed to have a higher chance of treating a related subject matter."

and

"builds a Force Directed Graph to distribute the papers in a way that visually clusters similar papers together and pushes less similar papers away from each other."

 

Note this isn't fool proof, some very new papers with few known references can cause Connected Papers   to fail.

 

 

Connected Papers map based on seed - Science mapping software tools: Review, analysis, and cooperative study among tools

 

Menariknya, Connected Papers tidak berhenti menghasilkan "puluhan" node/paper ini. Anda juga dapat menemukan "karya sebelumnya" atau "karya turunan"

 

Karya-karya sebelumnya dideteksi dengan melihat makalah mana yang paling sering dikutip dalam jaringan yang dihasilkan. Dengan asumsi jaringan yang dihasilkan berdasarkan kesamaan tepat sasaran dan sebagian besar pekerjaan serupa mengutip pekerjaan yang paling penting, secara teori Anda akan mendapatkan karya mani.

 

Karya sebelumnya terdeteksi oleh Connected Papers 

 

 

Dalam arah sebaliknya, ide yang sama diterapkan untuk menemukan "Karya turunan" , yang jika berjalan dengan benar mungkin menemukan beberapa makalah ulasan, makalah survei, tinjauan sistematis, Meta-analisis dll.

 

 

Karya turunan terdeteksi oleh Connected Papers

 

Pendapat saya tentang Makalah Terhubung

Connected Papers  saat ini adalah salah satu favorit saya untuk digunakan. Ini cepat dan mudah digunakan. Memiliki cakupan yang baik dari sebagian besar disiplin ilmu. Temuan "pekerjaan sebelumnya" dan "Pekerjaan turunan" bekerja jauh lebih baik dari yang saya harapkan. 

 

Meskipun Anda dapat membuat grafik baru dari kertas baru apa pun yang ditemukan oleh kertas Terhubung, ini memulai grafik baru lagi yang mengecewakan bagi pengguna yang kuat yang mungkin ingin dapat memperluas dan menambahkan grafik tambahan?

 

Pengembang berasal dari bidang Ilmu Komputer dan mereka telah memiliki beberapa daya tarik dalam kemitraan dengan Arxiv dan konferensi di bidang tersebut , jadi kami dapat yakin itu dioptimalkan untuk bidang itu. Pengalaman saya sendiri adalah bahwa itu bekerja dengan baik baru-baru ini di bidang lain juga.

 

 

Inciteful - Mudah digunakan tetapi dengan fitur untuk power user

Similar to Connected Papers this is able to work on singular new papers with zero cites.

 

As details in documentation, you enter one seed paper, it will look for papers that cite that paper and those that it cites. This will continue for one more level (limited up to 150k papers) and the set of papers found this way are then used to generate various lists like "similar paper", "most important paper in the graph", "Recent Papers by the Top 100 Authors", "The Most Important Recent Papers", "Top Authors", "Institutions" etc.

"When you start with a paper (we call it the seed paper), Inciteful builds a network around the seed paper by finding all of the papers which that papers cites and which cite that paper. The we do it again with all of those papers we found in the first search. "

 

Inciteful , you can tweak the "distance" from the seed paper to control set of papers found

 

 

Inciteful is a power user tool, from the example above you can see that the set of paper in the graphs are found using a minimal distance of 1 and maximum of 2 and from years 2005-2015. You can increase say this to a distance of 1 to 3 (which will catch more papers) and/or limit the years involved.

 

Juga sementara algo default untuk kesamaan dan kepentingan (Adamic/Adar dan PageRank masing-masing) diatur, Anda dapat melakukan beberapa perubahan terbatas jika Anda terbiasa dengan SQL. Setiap daftar memiliki tombol "SQL" kecil di bagian bawah dan ketika Anda mengkliknya, Anda akan dibawa ke editor SQL. 

 

Tombol SQL di tombol daftar Inciteful

 

 

Misalnya, mengklik tombol SQL di bawah daftar kesamaan memberi Anda perintah SQL default yang dapat Anda ubah. (Tertarik dengan skema database SQL  untuk melihat apa yang dapat Anda atur?)

 

Kueri SQL default untuk menemukan dan memberi peringkat makalah serupa di inciteful

 

Pendapat saya tentang Inciteful

Inciteful mungkin adalah alat tercepat dalam kelompok ini. Saya telah melihatnya memproses 100k kertas dalam beberapa detik. Di sisi lain, pengalaman saya adalah kesamaan dan daftar makalah penting yang dihasilkannya bisa kurang tepat sasaran dibandingkan dengan  Connected Papers .

 

Yang mengatakan bahwa trik utama dengan Inciteful adalah Anda tidak boleh berhenti di situ setelah makalah generasi pertama. Anda harus lebih menyempurnakan grafik dengan menambahkan kertas.

 

Ini dapat dilakukan secara langsung dengan menambahkan makalah langsung dengan Judul, DOI, PubMedID, ID akademik Microsoft.

 

Tambahkan makalah ke grafik Inciteful secara langsung berdasarkan judul/DOI atau dengan memfilter

 

Atau, seseorang dapat memfilter kertas yang sudah ditemukan dalam daftar kesamaan yang penting dan kemudian mengklik tombol plus ungu di sebelah setiap kertas untuk menambahkannya ke grafik.

 

 

Menambahkan makalah yang ditemukan oleh Inciteful ke grafik dengan mengklik tanda tambah di sebelahnya.

 

Bagi mereka yang ingin tahu apa yang terjadi ketika Anda menambahkan beberapa kertas... Menurut dokumentasi, ketika Anda memilih beberapa kertas, sistem akan bertindak seolah-olah ada kertas benih hipotetis yang mengutip semua kertas yang telah Anda pilih (mungkin kertas Anda mungkin mempublikasikan di masa depan?) dan bekerja sesuai.

 

 

Pendapat saya tentang Litmaps - menunjukkan hubungan kronologis

Relatif sedikit alat yang lebih baru di kelas ini yang membuat peta yang menunjukkan hubungan kronologis.

 

Pengecualian adalah alat bibliometrik yang lebih formal dan lebih lama seperti Citespace ( fitur pengiris waktu yang rumit tetapi kuat ) dan  CitNetExplorer  (kebanyakan hanya menerima data WOS). 

 

Saya akan mengatakan bahwa Litmaps menggabungkan estetika yang lebih modern dari Citation Gecko atau Connected Papers, tetapi dengan pemetaan yang memvisualisasikan hubungan kronologis.

 

Seperti Inciteful dan Citation Gecko, tetapi tidak seperti makalah Connected, Anda dapat melakukan pembangunan berulang pada peta Anda.

Ini adalah alat fleksibel yang memungkinkan Anda memasukkan kertas menggunakan salah satu metode berikut ke dalam proyek Anda

 

·         cari indeks kertasnya

·         impor dari bibtex, Zotero

·         salin dan tempel string DOI

·         dari Catatan ORCID

 

 

 

Impor metode ke Litmaps

 

 

 

 

 

Litmap memiliki kesamaan dengan Inciteful dalam hal Anda dapat memulai pencarian hanya dengan satu kertas benih (ini akan menyarankan lebih banyak), itu benar-benar dirancang untuk bekerja dengan lebih dari satu kertas. 

 

Sebenarnya ini berfungsi seperti manajer referensi, di mana Anda dapat menambahkan lebih banyak artikel, menandainya, dll.

 

Menambahkan tag ke Litmaps

 

 

Litmaps memiliki dua cara untuk menyarankan makalah.

 

Firstly, it can suggest papers from the papers you have already added to your projec, using the "Suggestions Radar"

 

 

 

Suggestions Radar on Litmaps

 

It will as you will have guessed suggestion papers based on what you already have in your project (you can also just use it on a subset of tagged papers). But how does it know what to suggest? 

 

The FAQ says

 

We do a 2º citation network search from your project articles. This means we search through the citation network to find the articles connected to your project graph by references and citations. These are the 1º citation search results. We then go one step further and find all the articles connected to those 1º articles. We then use all of those connections to give a list of the top 20 highest articles most connected to your project. 

 

This is a fairly typical method, similar to what is used in Inciteful or Papergraph for example.

 

As can be imagined, this method can be very slow if you have a lot of papers included in your projects as the network explodes in size. One way around it is to tag papers and run the Suggestion Radar on papers with those tags only. 

 

One thing that Litmap does that no other tool does that can be potentially very powerful is that it offers a second method of finding relevant papers by blending keyword search with citation relationships.

 

Idenya adalah ini. Katakanlah Anda memasukkan serangkaian makalah tentang ide atau konsep tertentu. ke dalam proyek Anda Dalam contoh mainan ini, saya memasukkan makalah mani dan paling berpengaruh tentang konsep "kapasitas serap"  yang didefinisikan sebagai 

"kemampuan perusahaan untuk mengenali nilai informasi baru, mengasimilasinya, dan menerapkannya untuk tujuan komersial". 

Beberapa makalah ini termasuk Cohen dan Levinthal (1990), Cohen dan Levinthal (1989) dan Zahra dan George (2002.

 

 

 

Beberapa makalah mani tentang  kapasitas serap

 

 

Katakanlah Anda ingin melihat apakah ada makalah tentang Manajemen Pengetahuan yang terkait atau dipengaruhi oleh konsep/makalah ini.

 

Cukup lakukan pencarian kata kunci dan Litmaps akan mengeluarkan hasil yang relevan.

 

Mirip dengan saran Radar, ini bisa lambat jika terlalu banyak kertas yang sudah ada di proyek, tetapi jika kertas di proyek diberi tag, kita bisa mempercepatnya dengan hanya mengerjakan kertas dengan tag tertentu di proyek.

 

Yang menarik adalah pencarian ini tidak hanya akan memberi Anda makalah dengan kata kunci tetapi peringkat relevansi semuanya akan memperhitungkan "kuantitas dan keterusterangan tautan kutipan ke grafik proyek Anda (dihasilkan sama seperti Radar Saran)." 

 

Dengan kata lain, peringkat relevansi akan memastikan makalah yang memiliki kata kunci cocok dengan "Manajemen Pengetahuan" dan paling banyak (dalam hal angka) dan hubungan kutipan langsung dengan kapasitas penyerapan konsep (diwakili oleh makalah seminal dalam proyek) akan muncul di atas.

  

For example, we can see above that the top paper on Knowledge management - Alavi, 2001 cites Cohen, 1990 and has 4 second degree citations to the other papers in the project.

 

For each option found by the search, one can choose three options

 

a) Add - which does what you expect it to do and adds the paper to your projects. This will always affect future searches and/or Suggestion Radar suggestions.

 

b) Ignore -  prevents that specific result from popping up again and again in your highly linked search results but doesn't change the underlying algorithm. 

 

c) Avoid means that citation pathways running through that node no longer contribute to the analysis

 

 

Overall seems to be one of the more complete tools out there blending citation based relationships with search in an iterative way. It also provides visualization via timelines, something that isn't commonly seen.

 

 

My take on Cocites - well calibrated tool for Medical/Life Science users

It is fair to say that leaving aside the formal bibliometric tools (Vosviewer etc), most of these newer tools have not being rigorously validated or tested for effectiveness or efficiency. While such tools look cool, it is fair to wonder if such tools actually save you time or are effective in finding papers you would otherwise have missed using conventional searching techiques.

 

Cocites is one of the few tools listed here that has been studied in such a way. 

 

This is a well studied and validated tool, design for finding related articles in domains covered well by Pubmed. 

 

In particular, it was tested to see how well it could retrieve articles identified by a random set of systematic reviews and meta-analysis and 

 

"In a well-defined, randomly selected sample of reviews, the combined use of CoCites’ co-citation and citation searches retrieved a median of 75% of the included articles. The method performed better when the query articles were more similar and more frequently cited. CoCites’ co-citation and citation searches combined retrieved 88% of included articles when all were in PubMed."