基于EXCEL及CNKI題錄文件實現對文獻主題的計量分析

鄒姝陽 鄒益民

〔摘 要〕給出一種利用EXCEL的VBA編程語言，以CNKI中提供的RefWork格式題錄文件作為數據來源，從中全自動抽取相關文獻信息，從而快速獲取文獻基本計量信息的方法。文中對所提出的方法及程序進行了具體的實證檢驗，針對2005－2010年間CNKI數據庫收錄的以“微博”為主題的各類學術論文發表情況，實現了對其文獻量、文獻著者、文獻所屬學科、主要來源文獻的統計分析，從而驗證了這種分析方法在文獻計量研究中的有效性和實用性。

〔關鍵詞〕文獻計量；論文題錄；CNKI；RefWork；EXCEL；數據透視表；微博

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１２．０２．０２０

〔中圖分類號〕Ｇ２５０.２５２ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１（２０１２）０２－００７３－０８

Bibliometric Analysis for Literature Topics

Based on EXCEL and CNKI Paper IndexZou Shuyang１ Zou Yimin２

（１．Central University of Finance and Economics，Culture and Communication Institute，Beijing 102206，China；

２．Lanzhou Petrochemical College of Vocational Technology，Lanzhou 7300602，China）

〔Ａｂｓｔｒａｃｔ〕A scheme is proposed to obtain basic literature quantitative information of academic paper quickly using EXCEL餾 VBA programming language,which extracted related literature information automatically from RefWork-formatted paper index files provided by CNKI.An actual case study for proposed methods and procedures was provided.With regard to published academic papers on topics related to“Microblog”included in CNKI database from 2005 to 2010,the quantitative analysis results refer to amount,authors,subjects,main sources of these literatures were also given.Thus,the effectiveness and practicality of this scheme in bibliometric analysis and research were verified.

〔Ｋｅｙ ｗｏｒｄｓ〕bibliometric analysis;paper index;CNKI;RefWork;EXCEL;Pivot Table;Microblog

微博是新近興起的一種互聯網熱門服務，是一個基于用戶關系的信息分享、傳播以及獲取平臺，用戶可以通過WEB、WAP以及各種客戶端組建個人社區，以140字左右的文字更新信息，并實現即時分享。微博的出現使網民成為“草根”網絡報道評論員。微博對網絡輿論生成模式的主要影響是它強大的即時性、移動性和互動性，從而容許作者更好地即時反映發生在身邊的新聞和意見，最后在用戶之間的鏈式互動中形成輿論強勢，進而影響網絡輿情。

文獻計量學從文獻的外部特征出發，通過統計分析可以發現科學文獻的生產、流通和應用等的內在規律［１］，但來源數據的獲取一直是文獻計量的瓶頸。縱觀以往以中國期刊網(CNKI)為數據源的文獻計量研究，需要統計的文獻基本信息多需繁瑣的手工錄入。筆者發現CNKI提供的RefWork題錄文件中含有文獻的眾多基本信息，于是開發了一款基于EXCEL中VBA宏語言的小型程序，據此可方便地從RefWork題錄文件中抽取所需信息，進而實現了初步的文獻計量功能。

本研究結果是筆者主持的中央財經大學2010年度本科生科研創新項目“基于微博的社會輿情研判與預警”研究內容的一部分。本文首先對CNKI收錄的2005年起至今（統計日期截止至2010年7月31日）關于“微博”的各類學術論文進行題錄檢索，并在此基礎上利用所開發的VBA程序進行文獻量、文獻著者、文獻所屬學科、主要來源文獻、關鍵詞等方面的統計分析，努力梳理其發展脈絡，從中發現我國相關領域研究的現狀與特點，作為項目研究的參考依據。經驗證，該方法不僅可以快速地獲取文獻基本信息，而且能根據研究者的需要進行各種個性化文獻計量研究，從而大大提高了文獻的檢索效率，具有很強的有效性和實用性。

１ 基本信息的獲取

１.１ CNKI、RefWork及EXCEL

CNKI（China National Knowledge Infrastructure）國家知識基礎設施是建立在Web服務基礎上的信息資源共享平臺和知識傳播與數字化學習平臺，收錄了1979年至今我國約7 700種綜合期刊與專業特色期刊的全文［２－４］。RefWork則是CSA(劍橋科學文摘)公司推出的聯機個人文獻書目管理系統，用于幫助用戶建立和管理個人文獻書目信息，很多著名的在線數據庫都為它提供了文獻題錄導入接口。經研究發現，CNKI產生的題錄文件提供了多種輸出格式，其中RefWork格式能夠提供眾多的論文基本信息，其輸出是以“.net”為擴展名的編碼格式為UTF-8的半結構化文件文本，包含被檢索論文的作者、篇名、期刊、年份、刊期、關鍵詞、摘要等文獻基本信息。

EXCEL是一款優秀的電子表格軟件，具有強大的數據處理功能，EXCEL內置的數據透視表則是一種從EXCEL等數據集中總結信息的分析工具，它有機的綜合了數據排序、篩選、分類匯總等數據分析功能，可靈活地以多種不同方式展示數據的特征，成為最常用、功能最全的EXCEL數據分析工具之一。而EXCEL中內嵌的VBA（Visual Basic For Applications）語言則極大地豐富了EXCEL對數據的自動處理能力，可用于創建自定義的解決方案。

綜上所述，CNKI的輸出文件提供了基本的文獻信息，如果配合EXCEL數據透視表等強大的數據分析功能，加上VBA的任務自動化編程，即可從中自動抽取所需的文獻信息，打破文獻基本信息依賴手工輸入的瓶頸，并完成所需的文獻計量分析。

２０１２年２月第３２卷第２期基于EXCEL及CNKI題錄文件實現對文獻主題的計量分析Ｆｅｂ.，１.２ 獲取CNKI RefWork輸出文件的步驟

以檢索近5年被CNKI收錄的有關“微博”的專業論文信息為例，獲取CNKI輸出的RefWork題錄文件的步驟如下：

（１）首先利用CNKI的“標準檢索”功能，指定“主題”作為檢索字段，以“微博”作為檢索關鍵詞，匹配模式設為“精確”；指定“發表時間”為2005-01-01至2010-07-31；在“選庫”欄目內去除“中國重要報紙全文數據庫”多選框，即不將報紙列入統計范圍。最后點擊“檢索文獻”按鈕即可檢索出近5年來相關主題被CNKI收錄的全部論文信息，按照以上檢索策略，共命中文獻480篇；

（２）為了減少處理次數，可以讓每頁的“顯示記錄數"設置為最大的50條記錄(默認為20條)；

（３）依次點擊“全選”、“存盤”按鈕，將當前頁面的全部文獻作為數據源，此時將彈出一個新的窗口，內含所有被選論文的題錄信息，此時其默認的輸出格式為“CNKI桌面版個人數字圖書館”，再按下左側的“RefWork”單選按鈕，以產生所需的RefWork格式文件，最后按下“輸出至本地文件”并在隨后的彈出窗口中給出相應的文件名，即可產生所需的擴展名為“.net”的題錄文件；

（４）對于其它頁面的檢索結果，可點按“下一頁”以選擇后續的論文，類似前述步驟可得到一組以“.net”為擴展名的輸出文件，這些文件即為本研究的數據來源文件。

２ 基于EXCEL VBA的題錄文件處理及文獻計量統計獲得上述全部論文的題錄文件之后，即可利用自編的VBA編程軟件，借助于EXCEL及數據透視表的強大功能完成對被檢索論文的計量分析。

筆者通過VBA編程實現以上功能。為方便使用，在名為“論文統計.xls”的EXCEL文件中將新增一個名為“論文統計”的菜單，下含有“導入題錄”，“論文匯總”及“論文統計”3個子菜單項，如后圖１所示。本功能需使用內部的“Auto-Open”及“Auto-Close”VBA宏程序，以便完成用戶菜單的設置與清除，其部分代碼如下所示。

Sub autozopen()

Application.CommandBars(″Worksheet menu bar″).Controls.Add(Type：=msoControlPopup, before：=1).Caption=″論文統計″‘設定主菜單

Application.CommandBars(″Worksheet menu bar″).Controls(″論文統計″).Controls.Add(Type：=msoControlButton,before：=1).Caption=″導入題錄″‘設定子菜單項

Application.CommandBars(″Worksheet menu bar″).Controls(″論文統計″).Controls(″導入題錄″).OnAction=″importdata″‘設定子菜單項“導入題錄”對應的VBA程序

…… ‘設定其它子菜單項“論文匯總”、“論文統計”及對應的VBA程序

End Sub

Sub autozclose()

Set mymenubar=CommandBars.ActiveMenuBar‘恢復原系統默認菜單

mymenubar.Reset

End Sub

２.１ 將CNKI的RefWork輸出文件導入EXCEL

本功能使用“導入題錄”子菜單項，在隨后出現的標準文件選擇窗口中選取先前由CNKI生成的一組RefWork題錄文件，即可將多個題錄信息文件導入EXCEL之中。此時，每一條題錄占10～12行，多條記錄依次以行序存放在名為“原數據”的EXCEL工作表中。

由于RefWork格式的題錄文件使用UTF-8編碼，若直接讀入EXCEL表格將顯示亂碼。故本程序首先使用ADO的Stream數據流讀入題錄文件，經格式轉換后存放至一個臨時文件，最后再讀入EXCEL數據表。其相應的主要代碼如下：

Set objstream=CreateObject(″adodb.stream″) ‘產生一個ADO的Stream數據流，以打開指定題錄文件

filetoopen=Application.GetOpenFilename(″題錄文件(*.net),*.net″,,″請選擇要導入的題錄文件″,,True)‘打開標準的文件選擇窗口供用戶指定需導入的題錄文件

If IsArray(filetoopen)Then

For Each cc In filetoopen‘逐個打開選擇的題錄文件

With objstream

.Type=2‘打開文本文件

.Mode=3‘打開后供“讀寫”

.Open

.LoadFromFile cc‘指定文件名

.Charset=″utf-8″‘指定打開UTF-8格式的.net文件

.Position=2‘讀取位置

allstring=.readtext‘讀至allstring變量中

.Close

End With

cc1=cc &″.tmp″‘生成一個名為*.net.tmp的臨時文件

Set fso=CreateObject(″Scripting.FileSystemObject″)

Set MyFile=fso.OpenTextFile(cc1,2,True)‘將allstring寫入其中

MyFile.Write(allstring)‘并將文件格式由UTF-8轉換為標準Unicode

MyFile.Close

j=ActiveSheet.［a65536］.End(xlUp).Row‘計算當前信息存放位置

With ActiveSheet.QueryTables.Add(Connection：=″TEXT;″+cc1,Destination：=Range(Cells(j+1,1),Cells(j+1,1)))‘讀取指定文件，并在當前位置轉存

.Name=″data″

.TextFilePlatform=936‘指定Unicode代碼頁為簡體中文

.TextFileParseType=xlDelimited‘指定數據分割符

End With

fso.DeleteFile(cc1)‘刪除名為*.net.tmp的臨時文件

Next cc

End If

２.２ 論文匯總處理

本功能使用“論文匯總”子菜單項，用于從一組指定題錄文件中忽略多余信息，僅提取感興趣的作者姓名、作者單位、論文題名、期刊名稱、發表時間（年／卷／期）、關鍵詞、期刊中圖分類號、中圖分類名及是否核心期刊等信息，此時每條文獻題錄記錄僅占一行，并存放在名為“已處理數據”的EXCEL工作表中。由于論文與其關鍵詞的一對多關系，為方便對關鍵詞的統計處理，另生成一個名為“已處理數據zKW”的EXCEL工作表，以存放關鍵詞信息，每一題錄將產生與關鍵詞數量對應的信息行。本程序除完成正常的信息提取之外，還對RefWork文件中部分信息缺失的題錄作了容錯處理，使程序具有相當的魯棒性。

考慮到核心期刊具有對期刊質量較好的指示作用，而由北京大學出版社編訂的“中文核心期刊要目總覽”每4年修訂1次，每次變化并不大，故將以最新的2008年第五版“中文核心期刊要目總覽”作為認定核心期刊的依據，保存在“2008中文核心”工作表中；為進一步了解不同作者的研究領域分布，以刊物的CN刊號中的中圖分類號字段作為學科／領域的一個區分指標，分類號與分類碼的關系保存在“中圖分類碼”工作表中，據此可確定論文所屬的研究領域。因篇幅所限，此部分代碼略去。

２.３ 論文的計量分析及圖示

本功能使用“論文統計”子菜單項，借助VBA編程軟件及數據透視表分析工具，用于從“已處理數據”工作表中提取出論文的相關信息，并完成對文獻的文獻量、文獻著者、文獻所屬學科、主要來源文獻的計量統計及其圖示。

Sheets(″處理后數據″).Select

Range(″A1″).Select‘計算″處理后數據″工作表中全部數據塊大小，并為其定義一個名稱“DataArea”

i=ActiveSheet.［a65536］.End(xlUp).Row

j=ActiveSheet.［z1］.End(xlToLeft).Column

Set DataArea=Range(Cells(1,1),Cells(i,j))

ItemNumber=Application.InputBox(Prompt:=″請輸入前n項：″,Title:=″請輸入一個數值″,Type:=1,Default:=20)‘等待用戶給定統計結果的最大顯示項數

以下按“作者姓名”對文獻進行統計，獲得按“是否核心”分頁；以“作者姓名”為行；以“年”為列，以“作者姓名”的計數項作為數據的數據透視表及其圖表顯示，其顯示結果如后圖２～４所示。

ActiveWorkbook.PivotCaches.Add(SourceType:=xlDatabase, SourceData:=z

DataArea).CreatePivotTable TableDestination:=″″,TableNamez

:=″數據透視表1″, DefaultVersion:=xlPivotTableVersion10‘新增數據透視表，按“作者姓名”統計

ActiveSheet.PivotTableWizard TableDestination:=ActiveSheet.Cells(3,1)

ActiveSheet.Cells(3,1).Select

With ActiveSheet.PivotTables(″數據透視表1″).PivotFields(″是否核心″)‘指定分頁方式

.Orientation=xlPageField

.Position=1

End With

With ActiveSheet.PivotTables(″數據透視表1″).PivotFields(″作者姓名″)‘指定行數據

.Orientation=xlRowField

.Position=1

End With

With ActiveSheet.PivotTables(″數據透視表1″).PivotFields(″年″)‘指定列數據

.Orientation=xlColumnField

.Position=1

End With

With ActiveSheet.PivotTables(″數據透視表1″).PivotFields(″作者姓名″)‘指定數據項

.Orientation=xlDataField

.Position=1

End With

Range(″A5″).Select

ActiveSheet.PivotTables(″數據透視表1″).MergeLabels=True

With ActiveSheet.PivotTables(″數據透視表1″).PivotFields(″作者姓名″)

.AutoSort xlDescending,″計數項:作者姓名″

.AutoShow xlAutomatic,xlTop,ItemNumber,″計數項:作者姓名″

End With

ActiveWindow.SmallScroll Down:=0

ActiveSheet.Name=″按作者統計″‘指定統計數據工作表名為：“按作者統計”

ActiveSheet.PivotTables(″數據透視表1″).PivotFields(″計數項:作者姓名″).Caption=″發表論文數″

Charts.Add‘增加一個統計圖表

ActiveChart.SetSourceData Source:=Sheets(″按作者統計″).Range(″A5″)

ActiveChart.Location Where:=xlLocationAsNewSheet

ActiveSheet.Name=″按作者統計圖″‘指定統計數據圖表名為：“按作者統計圖”

……類似的，以下分別實現“按期刊統計”、“按期刊的中圖分類統計”、“按作者單位統計”、“按論文關鍵詞統計”及“匯總統計”功能，產生相應的數據透視表及其圖表顯示，如后文中圖５～１０所示。

２.３.１ 文獻量分析

文獻量是指某一學科研究者在某一段時間內所發表論文數量的多少，而核心期刊則是指其中一部分學術水平較高、影響力較大的那些期刊，其收錄情況分析可以更好地衡量論文在某一學術領域的科研成就與實力。

某一學科領域學術論文發表的時間分布，在一定程度上反映該領域學術研究發展的脈絡。由圖１可直觀看出2006年無相關論文，2007-2010年（本年度末全部統計）相關研究論文數量無論是核心還是非核心均呈較明顯的增長趨勢，這和近年來我國微博領域的快速發展相吻合，已逐漸成為學術界研究的熱點問題。數據同時表明：同期核心期刊所占比重并不高，如何進一步提高論文質量還需要一定的努力。一般而言，當學科處于誕生和發展階段，科學文獻呈指數增加；當學科進入相對成熟階段，科學文獻的增長就不能總保持原有指數速率，增長率變小，但文獻壽命變長。從統計結果看，國內對“微博”領域的研究尚屬于快速發展階段。

從圖１左上角可觀察到新增加的菜單及菜單項。

２.３.２ 文獻著者分析

（１）文獻作者分析

文獻作者的分析有助于確定某學科研究的核心作者。

圖２與圖３左上角“B1”單元格可供用戶通過鼠標選擇“核心”、“非核心”或“全部期刊”作為統計范圍。

從圖２可見，就全部期刊而言，“本刊編輯部”、“劉興亮”、“喻國明”、“楊澍”、“閆肖鋒”等5位作者名列前茅，發表論文4～9篇；從圖３可見，就核心期刊而言，“喻國明”、“段鋼”、“陳霞”3位作者名列前茅，發表論文2篇；從圖４可見，就非核心期刊而言，“本刊編輯部”、“楊澍”、“閆肖鋒”、“劉興亮”4位教師名列前茅，發表論文4～9篇，而發表3篇論文的共有4人，發表2篇論文的共有23人。可見論文的發表無論在數量還是質量上均存在較大的不均衡。圖２ 論文著者分析（全部期刊）

（２）文獻作者單位分析

文獻作者單位的分析有助于確定某學科研究的核心機構，并據此判斷該機構在此領域研究的綜合實力。

從圖５可見，就全部期刊而言，“暨南大學新聞與傳播學院”、“新周刊”、“中國人民大學新聞學院”、“互聯網實驗室”、“復旦大學新聞學院”5個單位名列前茅，發表論文4～5篇，發表3篇論文的還有3個單位；從圖６可見，就核心期刊而言，“暨南大學新聞與傳播學院”、“復旦大學新聞學院”、“中國人民大學新聞學院”、“上海廣播電視臺廣播新聞中心采訪部”4個單位名列前茅，發表論文2～5篇；可見各單位研究實力也有一定的差異。

注意：圖５～６中的“空白”項的產生是因為CNKI題錄文件所收錄的部分文獻末提供相關單位信息所致，主要是博碩士論文等。圖５ 著者單位分析（全部期刊）

２.３.３ 文獻來源期刊分析

（１）主要來源期刊分析

主要來源期刊是指刊載某領域研究論文較多的期刊，分析主要來源期刊有助于確立某研究主題的核心期刊，把握該主題的主要研究成果。在論文投稿時，我們也可優先考慮將研究成果投向這些期刊，這樣既可提高命中率，也有利于擴大研究成果的影響。

從圖７可以看出，就全部期刊而言，“青年記者”、“IT經理世界”、“互聯網天地”、“廣告大觀(綜合版)”4種刊物發文量較多，分別為11～25篇；從圖８可以看出，就核心期刊而言，“中國記者”、“新聞與寫作”、“新聞記者”、“新聞戰線”4種刊物發文量較多，分別為4～8篇。

（２）來源期刊類別分析

來源期刊類別是指刊載某論文的期刊所屬的學科領域。筆者利用CN刊號中的中圖分類號作為學科領域統計的依據，得出圖９。從圖９中可見：“信息與知識傳播”、“經濟”、“自動化技術、計算機技術”、“工業技術”4類學科領域當前研究的重點，分別占45～104篇。圖６ 著者單位分析（核心期刊）

２.３.４ 文獻關鍵詞分析

通過文獻關鍵詞分析可大體把握相關學術研究的重點問題及其變化趨勢。從圖１０中可見：全部文獻中，“博客”、“互聯網”、“用戶”、“網站”、“傳統媒體”、“新浪”構成前6類關鍵詞，其數量分別為“48～148”。

３ 結 論

通過以上基于EXCEL以VBA技術對CNKI提供的題錄圖９ 來源期刊類別統計（全部期刊）

圖１０ 文獻關鍵詞分析（全部期刊）

信息的自動提取及計量分析，可以看出利用CNKI輸出的RefWork題錄文件快速自動獲取文獻基本信息的便捷性和可靠性。本文所介紹方法可以大大降低文獻計量研究的勞動強度，提高工作效率，降低錯誤發生率，使研究者可以集中精力于更有價值的文獻內容的深度挖掘。

通過本文方法，對“微博”這一研究領域進行了相應的實證研究，統計結果還客觀上揭示了“微博”這一研究方向近五年學術論文的產出狀況。從年份分布來看，近年來相關論文的數量快速上升，說明相關領域的研究方興末艾，也表明還有眾多工作需要完善。通過對本領域前人工作成果的研究，有助于梳理研究發展的脈絡，更好的把握研究方面，借鑒前人成功經驗，并發現研究中存在的不足，為筆者“基于微博的社會輿情研判與預警”研究項目的發展提供基礎支撐。本文所述方法可簡單地推廣至其它研究方向和領域，所提供的小工具軟件也為文獻檢索與挖掘提供了一種有益的思路及實現方法。

參考文獻

［１］邱均平.文獻計量學［Ｍ］.北京：科學技術文獻出版社，1988：43-198.

［２］林營志,蘇明星,劉波.結合EndNote和CNKI題錄輔助科技論文文獻編排［Ｊ］.農業網絡信息,2005,（3）:41-43.

［３］周春雷,王偉軍,成江東.CNKI輸出文件在文獻計量中的應用［Ｊ］.圖書情報工作，2007，51(7):124-126.

［４］宋麗華,伍若梅.基于CNKI文獻的我國個人數字圖書館的文獻計量分析［Ｊ］.現代情報,2009,29(11):76-80.