就小青个人经验而言，整理文献肯定是为了写paper，而这些文献都是为了当下正在写的这篇paper提供佐证（或对比等作用），所以写完这篇paper就逐渐忘掉了这批文献是很正常的（当然还一定会对某些写的特别精彩的文献留下一定印象）。
当开始下一篇paper，就开始新一轮的文献阅读整理应用，如此反复，学科内的小部分重要经典文献就会留下印象，常规文献则根据自己每篇paper的重点更新迭代，想不起来也无妨。久而久之，就能在心中形成一个自己的书架，顶层放着一小沓重要文献，中层放着几叠自己认为有不同闪光点的文献，下层则放着一大堆略有印象的文献。
下面具体说说小青总结整理文献的方法。
工具
scopus 和 vosviewer（一个文献分析的软件，免费）
用途：将大量文献按关键词（或其他信息）分类，找出相互联系和主要大类，适合粗读阶段
1
关键词搜索不必多说，建议使用AND OR （）以及 * 的精准搜索方法。小青这里想搜索value co-creation这个概念在consumer logistics方面的应用，用了以下关键词搜索的方法。
2
这个搜索在scopus里面只搜到了29篇paper，作为示例，没有继续refine结果，但是如果搜索结果太多，小青会用Year，Subject area，Source title等继续缩小范围，这里就不详细说明，如下图所示。
3
确定相关的文献后，选定并下载文献关键信息，小青一般选择CSV export，然后一般前三栏信息都选上，反正CSV格式文件都很小，下载很快。
4
下面就用到vosviewer这个软件，这个小青真心觉得是个好上手，用途广的软件。在这个软件中，将刚刚生成的CSV文件打开，方法如下：
选择Create
Create a map based on bibliographic data
Scopus (如果是使用web of science搜索也可以用), input CSV file
用author keywords做一个co-occurrence analysis
5
对关键词可以做删选和初步处理，确保没有重复，相似或无关的关键词出现。
选择合适的关键词，也可对原CSV文件进行处理
6
以下还有几个步骤小青就不详细说了，按照要求选择就可以，然后结果呈现如下
7
有了clustering的结果，就可以对这一组文章有一个大概的了解，包括关键的theme，他们之间的联系和重点。
这里只是基于29篇文章做的演示，可能不能很好的现实这个方法的好处。当需要阅读几十甚至几百篇文章的时候，这个方法能有效的把大量文章分为几个突出的类别，且分类基本符合逻辑，为后续精读划出条理，明确思路。
8
这个方法还可以分析作者的相关性，abstract的关键词分析提取，reference list的相关性等等，针对不同整理目标，可以使用不同方法，很强大也很简答！
相关问答
请问是不是要先把文献存到里面？
直接从scopus或者web of science下载导入
分析完的文献可以按cluster导出每个item对应的文章吗？
不能哟，不过能通过关键词对应到原文章，但是有时一篇文章中的几个关键词可能分属于不同cluster，所以这个分类结果只是提供粗略参考，具体怎么归纳还需要自己考量
我怎么回去看哪个关键词是哪个文章的呢？
原始数据里会有呀，另外还可以通过分类结果加上对文章的整理理解，判断出文章应该归入哪一类，有些文章可能归入不止一类
只适用于英文文献嘛
中文也可以
请问从web of science 导出文件tsv格式，用openrefine 软件做完数据清理保存为tsv，但用vosviewer打开总是那个格式错误“ incorrect number of columns ‘’ ，有没有成功解决的啊？
你看看下载的csv文件有没有错位，有的行会无故多出一列，把这些错位的行清理一下再试试？
转自：“青藤学术辅导”微信公众号
如有侵权，请联系本站删除！
