Derwent Data Analyzer在情报分析服务中应用

Posted 2021-04-26 科睿唯安知识产权

文章根据上海交通大学图书馆杨眉老师主讲的《DDA在情报分析服务中的应用》网络研讨会演讲内容整理后编制而成

扫码可以在线收听网络课程

别错过今天的录音分享哦~

热闹的高校开学季匆匆过去，不少教师与学子又要重新回到图书馆里安营扎寨，开启紧张忙碌的学术生活。不同于公众传统的刻板印象，如今，无论在哪一所高校，图书馆都正经历着重大变革；它们不再仅是图书、期刊及各种学术资料的仓库，而更是提供学术情报分析服务、引领学术科研前沿方向的重镇。

由被动转向主动、从幕后走向台前的职能转变，让各大高校图书馆开启了全新的跨越发展模式，同时也不免面临着来自校内外方方面面、形形色色的情报分析需求的巨大压力。以上海交通大学图书馆为例，其收到的情报分析需求中，不仅有比较基础的机构知识库的论文专利数据整理，也有更多的针对科学研究与创新现状的分析，如学科竞争力分析、创新实力分析、领域态势分析等；此外，前沿热点探测等一些前瞻性的需求，也正与日俱增。当前，学者研究发散多元，即使是同一类学术分析服务，也会因用户身份的不同而各有侧重。而基于早期成果、抢占先机的现实需求，学者们对学术分析服务往往也有着更高的时效性要求。如何高效合理地解决上述需求，实现支持学校一流学科建设、使科研管理决策更加科学合理的目标？借助Derwent Data Analyzer（简称DDA）的助力，上海交通大学图书馆进行了一些有益的探索。

机构知识库数据整理

截至2018年12月，上海交通大学共有在校师生超过5万人，分属30个学院/直属系、31个研究院，以及其他附属或直属的医院、医学研究所、单位、企业等。要将这支数量惊人、归属关系复杂的“交大人”队伍的学术研究成果分门别类、条分缕析，显然绝非易事。不过，通过在DDA中构建学院与学者叙词表，交大图书馆正在逐步攻克难关。

图1：学院叙词表图示

来源：科睿唯安Derwent Data Analyzer

同样，通过以工号等校内身份认证标识设定唯一标识符，DDA还可帮助构建学者叙词表，并建立学者/作者与学院/组织机构之间的关联关系。特别在对大批量学术文献进行作者归属判定时，这一功能无疑将带给用户事半功倍的美好体验。

图2：作者—组织机构对应表图示

来源：科睿唯安Derwent Data Analyzer

领域态势分析

在学术领域愈分愈细的今天，DDA强大的数据处理与分析功能为研究者提供了一条便捷的领域态势分析路径。如图3所示，通过在DDA中导入数据→以唯一标识符进行列表比较→建立细分技术分组→转分组为字段的方式，用户便可相对简易地完成细分技术领域的设定。

图3：细分技术领域设定图示

来源：科睿唯安Derwent Data Analyzer

完成细分技术领域设定后，用户便可在DDA中对细分技术字段和已有的其他字段进行共现或自相关矩阵分析。共现矩阵即抽取任意两个字段的矩阵数据，可用于分析机构发文的年度分布、发明人专利的细分技术领域分布等（如图4）；自相关矩阵即某一字段与自身之矩阵数据的关联，可用于展示作者、机构或国家之间的合作关系，并制作合作关系图表（如图5）。

图4：共现矩阵—机构发文年度分布分析图示

来源：科睿唯安Derwent Data Analyzer

图5：自相关矩阵—机构发文合作关系分析图示

来源：科睿唯安Derwent Data Analyzer

论文研究热点探索

科技发展日新月异，学术研究亦是一日千里。学者与科研工作者们如何才能在各领域乱花迷眼的研究成果中，找出当下最具热度与前景的主题？DDA中的因子矩阵、因子图谱功能，就是一个上佳的选择。

在对相关论文的标题、作者关键词等文本字段进行自然语言处理，并对主题词进行规范后，用户便可在DDA中生成因子矩阵或因子图谱。图6与图7，便是交大图书馆利用DDA，针对三大顶级学术期刊Cell（《细胞》）、Nautre（《自然》）、Science（《科学》）进行的论文热点因子图谱与因子矩阵分析。

图6：因子图谱分析图示

来源：科睿唯安Derwent Data Analyzer

图7：因子矩阵分析图示

来源：科睿唯安Derwent Data Analyzer

如图6与图7所示，领域内研究热点的年度变化情况，以及不同主题聚类之间的相关性，都已清晰地呈现在用户面前。此时再“按图索骥”，便可一举而中。

高被引学者入围

阈值分析

如何处理众多学科庞大的数据总量及其之间的多样化差异，一直是科研绩效评价中的一个难点问题。而在针对高被引学者入围阈值的分析中，上海交通大学图书馆将DDA与Excel的优势功能相结合，提升了效能。

首先，利用DDA导出某一学科中高被引论文的所有作者字段，而后通过Excel将该字段与其他高被引论文作者集合进行匹配，调整为统一格式，并与作者编号一一对应（如图8）。

图8：DDA字段导出与Excel格式调整图示

来源：科睿唯安Derwent Data Analyzer

而后，将调整后的对应关系表导入DDA中构建叙词表，并用该叙词表进行作者清理、建立分组（如图9）：

图9：叙词表与分组建构图示

来源：科睿唯安Derwent Data Analyzer

实践证明，采用上述方法，一个熟练的图书馆馆员，仅需1-2天时间便可处理一个学科的作者数据，实现了显著的效率提升。

学海无涯，书山有路。科睿唯安推出的基本科学指标数据库（ESI），至今仍是全球科学界评价高校、机构乃至国家与地区学术水平与影响力的重要工具之一；如今，通过DDA等强大工具在图书馆情报分析服务中的应用，科睿唯安将继续为广大高校、科研机构与学者照亮辛勤而满载希望的学术生涯。

欢迎您扫码或点击文后【阅读原文】收听杨眉老师课程分享！

欢迎关注

科睿唯安德温特与标准事业部

期待与企事业单位从事国际业务的人员，以及“商标”、“域名”、“标准”、“品牌保护”和“专利”等领域的人员共同交流。