科学计量学：发现学科正在静悄悄发生的革命
通俗地理解，科学计量学（Scientometrics）是Science of Science。随着文献的快速增长，即使我们直接使用的是本学科最优秀的数据库，看的期刊是精挑细选之后的高引用期刊，也难以形成对学科的森林感。
在对学术史的追溯中，我们经常可以发现，因为某个突然事件，比如，某位科学家突然荣获诺贝尔奖，然后大量人去功利地狂追已经过时的范式或者趋势。却忘记了，获奖科学家主要成果是在上个世纪60，70年代做出的。学科正在静悄悄发生的革命，却被众多人视而不见。
科学计量学可以帮我们补上这一课。
科学计量学与社会网络分析
科学计量学，几乎所有概念都来自网络分析。如果你自身已经熟悉了社会网络分析，那么，对其了解与入门将极其简单。拿起你常用的社会网络分析包，将分析对象改为论文引用库即可。比如Python的NetworkX；比如R的SNA或者igraph；或者社会网络分析中的类Excel软件UCINET。
然后再使用其他你所熟悉的可视化工具可视化即可。比如Python的MatPlotLib；比如R的ggplot2；与UCINET搭配使用的NETDRAW，以及较通用的gephi等。
科学计量专用软件
在任何一个领域，都有一些类似于Excel这样，界面友好，使用简单的软件。（虽然这些软件的局限很大，到了最后，总会不断折腾得你抓狂。以及强迫你适应商业软件、宣传软件而非基于Python或R开发、销售自己的软件。）
同样，除了使用已有的社会网络分析软件包进行科学计量之外，也可以使用这些简单易用的软件。对他们的简单总结如下：
Thomson 公司产品
如果你是专业研究者，所在机构购买了Web of Knowledge等商业数据库，以下两款很合适：
citespace
citespace为华裔科学家陈超美所作。所以在国内小圈子普及率较高，除了Web of Knowledge 之外，同时还支持pubmed和citeseer等数据库。作者英文著作是：转折点
#Sci2
作者在本文中介绍的例子使用的是Sci2。
#ASE
正在开发，只内部提供，尚未公开，但是最推荐的，算法最智能的。如下图所示：
简单示例
拿某本刊物1978年来的文献为例，绘制文献关系图。
第一步：加载数据集。
我们加载的是常用的一个示范数据集：Scientometrics.isi
第二步，对数据集进行整理与生成网络。
如下图：
一般可以在去除重复数据之后，直接提取引文网络。
第三步，建模或可视化网络
建模时，新世纪网络科学三大里程碑：随机图、小世界、无标度均支持。如下图所示：
为了简化问题，让我们直接可视化网络，在本例中，我们使用GUESS进行数据可视化。如下图所示：
结果如下：
进一步，可以像平时调整GUESS一样，选取不同的网络布局方式。如下图所示的KK算法或FR算法：
如果未来安装了Gephi，则还可以使用它进行数据可视化。如下图所示，自1978年来，该刊物重要节点及其结构性如下图所示。
