Bibliométrie
Eric Marcon
12 January 2021
Abstract
Utilisation de Google Scholar et de Scopus avec R pour analyser les publications d’une structure ou d’un auteur.
1 Google Scholar
Le package scholar permet d’accéder à l’API de Google Scholar. L’objectif est d’analyser la production d’un auteur (ou d’une structure) disposant d’un identifiant, donc d’une page, Google Scholar.
Le paramètre de base est l’identifiant de l’auteur :
# AuthorID <- "4iLBmbUAAAAJ" # Eric Marcon
AuthorID <- "8XqZyDUAAAAJ" # UMR EcoFoGLa vignette du package fournit la majorité du code utile.
vignette(topic = "scholar", package = "scholar")1.1 Information sur l’auteur
La fonction get_profile retourne une liste avec les informations sur l’auteur.
library("scholar")
get_profile(AuthorID)## $id
## [1] "8XqZyDUAAAAJ"
##
## $name
## [1] "UMR EcoFoG"
##
## $affiliation
## [1] "Research Unit"
##
## $total_cites
## [1] 38736
##
## $h_index
## [1] 96
##
## $i10_index
## [1] 501
##
## $fields
## [1] "verified email at ecofog.gf - homepage"
##
## $homepage
## [1] "http://www.ecofog.gf/"
##
## $coauthors
## [1] "Bruno Herault" "Chris Baraloto"
## [3] "JACQUES BEAUCHENE" "Lilian Blanc"
## [5] "Vivien Rossi" "Didier Stien"
## [7] "Céline Leroy" "Eric Marcon"
## [9] "C. E. Timothy Paine" "Ivan Scotti"
## [11] "Fabien Hubert Wagner" "Plínio Sist"
## [13] "Bruno Clair" "Clément Stahl"
## [15] "Heidy Schimann" "meriem FOURNIER"
## [17] "Claire Fortunel" "Julien Ruelle"
## [19] "Olivier Roux" "Nadine Amusant"1.2 Liste des publications
La fonction get_publications retourne un dataframe contenant toutes les publications.
Les colonnes contiennent le titre, la liste des auteurs (séparés par des virgules), le nom du journal, la pagination (sous la forme Volume (numéro), pages), le nombre de citations et les années correspondantes (sous la forme de vecteurs), et deux identifiants internes de la publication (cid et pubid).
Publications <- get_publications(AuthorID)
colnames(Publications)## [1] "title" "author" "journal" "number"
## [5] "cites" "year" "cid" "pubid"1.3 Citations par année
Evolution du nombre de citations d’un auteur :
library("ggplot2")
get_citation_history(AuthorID) %>%
ggplot(aes(x = year, y = cites)) +
geom_line() +
geom_point() +
labs(caption= format(Sys.time(), "%Y-%m-%d %H:%M (GMT %Z)"))
Suivi d’un article en particulier (le plus cité: les articles sont classés par ordre décroissant du nombre de citations) :
NumArticle <- 1
Reference <- with(Publications[NumArticle, ],
paste(author, " (", year, ") ", journal, ". ", number, sep=""))
get_article_cite_history(AuthorID, Publications$pubid[NumArticle]) %>%
ggplot(aes(year, cites)) +
geom_segment(aes(xend = year, yend = 0), size=1, color='darkgrey') +
geom_point(size=3, color='firebrick') +
labs(caption = Reference)
1.4 Réseau d’auteurs
get_coauthors retourne un dataframe contenant les coauteurs déclarés par l’auteur sur sa page et leurs coauteurs.
La profondeur n_deep du graphe permet d’augmenter le nombre de niveaux de coauteurs mais ne peut pas être mise à 0 pour obtenir seulement les coauteurs directs.
Les valeurs par défaut sont 5 coauteurs et une profondeur de 1.
get_coauthors(AuthorID, n_coauthors = 5, n_deep=1) %>%
# Bug in get_coauthors
filter(substr(coauthors, start = 1, stop = 8) != "Sort By ") %>%
plot_coauthors
Les coauteurs réels, définis par le nombre de publications écrites en commun, sont à rechercher dans le tableau des publications.
### Paramètres
# Augmenter pour limiter le nombre de coauteurs affichés
MinCopublications <- 25
# Eliminer les documents non cités (mémoires, artefacts)
MinCitations <- 2
# Eliminer les coauteurs les moins productifs
MaxCoauteurs <- 100
library("magrittr")
# Vecteur des coauteurs de publications, sans accents
get_publications(AuthorID) %>%
dplyr::filter(cites >= MinCitations) %>%
mutate(AuthorsASCII=iconv(author, from="UTF-8", to="ASCII//TRANSLIT")) %$%
AuthorsASCII %>%
# Suppression des accents transformés en ' sur MacOS
str_replace("'", "") ->
AuthorsASCII
# Auteurs uniques
AuthorsASCII %>%
paste(collapse=", ") %>%
str_split(pattern=", ") %>%
unlist %>%
# Uniformisation de la casse
str_to_upper() %>%
unique ->
UniqueAuthors
# Elimination de ... (= et al.)
UniqueAuthors <- UniqueAuthors[UniqueAuthors != "..."]
# Matrice d'autorat: une ligne par article, auteurs en colonnes, valeurs logiques
PaperAuthoredBy <- sapply(UniqueAuthors, function(Author) str_detect(str_to_upper(AuthorsASCII), Author))
# Filtrage des auteurs
tibble(Author=UniqueAuthors, NbPapers=colSums(PaperAuthoredBy)) %>%
filter(NbPapers >= MinCopublications) %>%
arrange(desc(NbPapers)) %>%
slice(1:MaxCoauteurs) ->
NbPapersPerAuthor
# Recalcul de la matrice d'autorat réduite
PaperAuthoredBy <- sapply(NbPapersPerAuthor$Author,
function(Author) str_detect(str_to_upper(AuthorsASCII), Author))
# Matrice d'adjacence
adjacencyMatrix <- t(PaperAuthoredBy) %*% PaperAuthoredBy
# Graphe d'adjacence
# (https://paulvanderlaken.com/2017/10/31/network-visualization-with-igraph-and-ggraph/)
library("igraph")
g <- graph.adjacency(adjacencyMatrix, mode = "undirected", diag = FALSE)
V(g)$Degree <- degree(g, mode = 'in') # Nombre de liens
V(g)$Name <- NbPapersPerAuthor$Author # Etiquettes des noeuds
# Figure
library("ggraph")
ggraph(g, layout = "auto") +
geom_edge_diagonal(alpha = 1, label_colour = "blue") +
geom_node_label(aes(label = Name, size = log(Degree), fill = Degree)) +
scale_fill_gradient(high = "blue", low = "lightblue") +
theme(
plot.background = element_rect(fill = "beige"),
panel.border = element_blank(),
panel.grid = element_blank(),
legend.position = "none",
axis.text = element_blank(),
axis.title = element_blank(),
axis.ticks = element_blank()) +
labs(title = paste("Coauthorship Network of", get_profile(AuthorID)$name),
subtitle = paste("Publications with at least", MinCitations, "Google Scholar citations included"),
caption = paste("Coauthors with at least", MinCopublications, "copublications"))
Nombres de publications :
knitr::kable(NbPapersPerAuthor, caption="Nombre de documents par auteur",
longtable = FALSE, booktabs = TRUE) %>%
kableExtra::kable_styling(bootstrap_options = "striped")| Author | NbPapers |
|---|---|
| A DEJEAN | 92 |
| B HERAULT | 86 |
| C BARALOTO | 83 |
| J ORIVEL | 55 |
| D BONAL | 48 |
| C LEROY | 37 |
| B CORBARA | 36 |
| L BLANC | 32 |
| V ROSSI | 32 |
| B THIBAUT | 30 |
| E MARCON | 28 |
| J CHAVE | 26 |
| JC ROGGY | 25 |
2 Scopus et Web of Science
Le package bibliometrix permet d’exploiter les données des bases de données commerciales majeures.
La vignette du package décrit l’ensemble de ses possibilités.
vignette(topic = "bibliometrix-vignette", package = "bibliometrix")2.1 Lecture des données
Voir la première partie de la vignette. Sur le site de Scopus (utilisé en exemple), sélectionner les références utiles et les exporter dans un fichier Bibtex. L’export doit contenir tous les champs, y compris le résumé et les documents cités.
Le fichier est ensuite lu et converti:
library(bibliometrix)
# Fichier de données au format bibtex, exporté de Scopus
M <- convert2df("scopus.bib", dbsource="scopus", format="bibtex")##
## Converting your scopus collection into a bibliographic dataframe
##
## Done!
##
##
## Generating affiliation field tag AU_UN from C1: Done!2.2 Analyses basiques
Les analyses de base sont retournées par la fonction biblioAnalysis.
Le résultat est un objet de type bibliometrix.
Les méthodes summary et plot renvoient tous les résultats à l’écran.
k <- 5 # Nombre d'auteurs à afficher
BA <- biblioAnalysis(M)
summary(BA, k)##
##
## MAIN INFORMATION ABOUT DATA
##
## Timespan 2001 : 2020
## Sources (Journals, Books, etc) 299
## Documents 859
## Average years from publication 8.12
## Average citations per documents 32.73
## Average citations per year per doc 3.632
## References 42751
##
## DOCUMENT TYPES
## article 793
## book chapter 3
## conference paper 19
## data paper 2
## editorial 1
## erratum 4
## letter 4
## note 4
## review 28
## short survey 1
##
## DOCUMENT CONTENTS
## Keywords Plus (ID) 5239
## Author's Keywords (DE) 2629
##
## AUTHORS
## Authors 5279
## Author Appearances 11438
## Authors of single-authored documents 7
## Authors of multi-authored documents 5272
##
## AUTHORS COLLABORATION
## Single-authored documents 7
## Documents per Author 0.163
## Authors per Document 6.15
## Co-Authors per Documents 13.3
## Collaboration Index 6.19
##
##
## Annual Scientific Production
##
## Year Articles
## 2001 1
## 2002 4
## 2003 27
## 2004 18
## 2005 16
## 2006 21
## 2007 31
## 2008 26
## 2009 50
## 2010 76
## 2011 67
## 2012 69
## 2013 51
## 2014 50
## 2015 70
## 2016 61
## 2017 53
## 2018 53
## 2019 46
## 2020 69
##
## Annual Percentage Growth Rate 24.96303
##
##
## Most Productive Authors
##
## Authors Articles Authors Articles Fractionalized
## 1 DEJEAN A 145 DEJEAN A 26.75
## 2 BARALOTO C 106 BARALOTO C 15.72
## 3 ORIVEL J 93 ORIVEL J 15.04
## 4 HRAULT B 87 HRAULT B 14.41
## 5 LEROY C 74 LEROY C 11.73
## 6 BONAL D 73 CORBARA B 11.03
## 7 CORBARA B 71 BONAL D 8.51
## 8 CRGHINO R 56 CLAIR B 8.37
## 9 CHAVE J 53 CRGHINO R 8.34
## 10 STAHL C 45 ALMRAS T 7.50
##
##
## Top manuscripts per citations
##
## Paper DOI TC TCperYear
## 1 PHILLIPS OL, 2009, SCIENCE 10.1126/science.1164033 1032 79.4
## 2 DAZ S, 2016, NATURE 10.1038/nature16489 775 129.2
## 3 LUYSSAERT S, 2007, GLOBAL CHANGE BIOL 10.1111/j.1365-2486.2007.01439.x 635 42.3
## 4 TER STEEGE H, 2013, SCIENCE 10.1126/science.1243092 569 63.2
## 5 LIANG J, 2016, SCI 10.1126/science.aaf8957 412 68.7
## 6 BRIENEN RJW, 2015, NATURE 10.1038/nature14283 410 58.6
## 7 MOUILLOT D, 2013, PLOS BIOL 10.1371/journal.pbio.1001569 399 44.3
## 8 SIEFERT A, 2015, ECOL LETT 10.1111/ele.12508 354 50.6
## 9 KUNSTLER G, 2016, NATURE 10.1038/nature16476 323 53.8
## 10 PHILLIPS OL, 2010, NEW PHYTOL 10.1111/j.1469-8137.2010.03359.x 308 25.7
##
##
## Corresponding Author's Countries
##
## Country Articles Freq SCP MCP MCP_Ratio
## 1 FRANCE 392 0.71014 222 170 0.434
## 2 USA 22 0.03986 3 19 0.864
## 3 UNITED KINGDOM 21 0.03804 0 21 1.000
## 4 BRAZIL 19 0.03442 0 19 1.000
## 5 GERMANY 14 0.02536 0 14 1.000
## 6 JAPAN 13 0.02355 4 9 0.692
## 7 BELGIUM 11 0.01993 0 11 1.000
## 8 CANADA 9 0.01630 1 8 0.889
## 9 NETHERLANDS 5 0.00906 0 5 1.000
## 10 SWITZERLAND 5 0.00906 0 5 1.000
##
##
## SCP: Single Country Publications
##
## MCP: Multiple Country Publications
##
##
## Total Citations per Country
##
## Country Total Citations Average Article Citations
## 1 FRANCE 10633 27.1
## 2 UNITED KINGDOM 2578 122.8
## 3 BELGIUM 1114 101.3
## 4 USA 1070 48.6
## 5 ARGENTINA 775 775.0
## 6 NETHERLANDS 708 141.6
## 7 BRAZIL 492 25.9
## 8 GERMANY 416 29.7
## 9 ITALY 395 98.8
## 10 JAPAN 332 25.5
##
##
## Most Relevant Sources
##
## Sources Articles
## 1 PLOS ONE 37
## 2 ANNALS OF FOREST SCIENCE 36
## 3 BIOTROPICA 20
## 4 COMPTES RENDUS - BIOLOGIES 20
## 5 NEW PHYTOLOGIST 15
## 6 SCIENTIFIC REPORTS 15
## 7 ECOLOGY 14
## 8 FOREST ECOLOGY AND MANAGEMENT 14
## 9 FUNCTIONAL ECOLOGY 14
## 10 GLOBAL CHANGE BIOLOGY 14
##
##
## Most Relevant Keywords
##
## Author Keywords (DE) Articles Keywords-Plus (ID) Articles
## 1 FRENCH GUIANA 93 FRENCH GUIANA 330
## 2 TROPICAL FOREST 31 ARTICLE 220
## 3 TROPICAL RAINFOREST 23 ANT 174
## 4 FUNCTIONAL DIVERSITY 18 BIODIVERSITY 156
## 5 FUNCTIONAL TRAITS 17 ANIMALS 147
## 6 TENSION WOOD 17 TREE 136
## 7 AMAZONIA 16 ECOSYSTEM 135
## 8 AMAZON 15 TROPICAL FOREST 135
## 9 BIODIVERSITY 15 ANIMAL 126
## 10 TROPICAL TREES 15 RAINFOREST 124Pour les afficher séparément, il faut stocker le résultat dans une variable (qui est une liste) et appeler ensuite chacun de ses membres.
# plot(BA) renvoie tous les graphiques à la suite. Stocker.
BAP <- plot(BA)# Graphiques disponibles
BAP$MostProdAuthors
BAP$MostProdCountries
BAP$AnnualScientProd
BAP$AverArtCitperYear
BAP$AverTotCitperYear
2.3 h index
L’indice h peut être calculé par auteur ou source, et depuis un nombre d’années choisi.
Pour tous les auteurs :
Hindex(M, elements = dominance(BA)$Author, years=50)$H %>%
arrange(desc(h_index))## Author h_index g_index m_index TC NP PY_start
## 1 BARALOTO C 46 89 2.421053 7996 106 2003
## 2 BONAL D 36 73 1.714286 5829 73 2001
## 3 CHAVE J 32 53 1.684211 5813 53 2003
## 4 HRAULT B 31 58 2.066667 3578 87 2007
## 5 DEJEAN A 25 39 1.315789 2347 144 2003
## 6 ORIVEL J 23 35 1.533333 1632 93 2007
## 7 LEROY C 20 28 1.052632 1030 74 2003
## 8 CORBARA B 20 32 1.052632 1194 71 2003
## 9 CRGHINO R 18 25 1.285714 789 56 2008
## 10 STAHL C 16 30 1.333333 951 45 2010Pour l’indice de toute la base bibliographique :
(h <- Hindex(M, elements="*", years=50)$H)## Author h_index g_index m_index TC NP PY_start
## 1 * 77 132 3.666667 28116 859 2001Le graphique rang-citations peut être tracé par le package entropart.
library("entropart")
# Courbe rang-abondance, ajustée à une distribution log-normale
autoplot(as.AbdVector(M$TC), ylab = "Nombre de citations", xlab = "Rang", Distribution = "lnorm") +
# Ajout de l'indice h
geom_hline(yintercept = h$h_index) +
geom_vline(xintercept = h$h_index)
2.4 Documents et auteurs cités
Les documents les plus cités par la base bibliographique sont retournés par la commande citations, par article ou par auteur.
CAR <- citations(M, field = "article")
CAR$Cited[1:5] %>%
as_tibble %>%
rename(Article = CR, Citations=n) %>%
knitr::kable(caption =
"Citations les plus fréquentes par les documents de la base de données bibliographique",
longtable = TRUE, booktabs = TRUE) %>%
kableExtra::kable_styling(full_width=TRUE, bootstrap_options = "striped")| Article | Citations |
|---|---|
| KRAFT, N.J.B., VALENCIA, R., ACKERLY, D.D., FUNCTIONAL TRAITS AND NICHE-BASED TREE COMMUNITY ASSEMBLY IN AN AMAZONIAN FOREST (2008) SCIENCE, 322, PP. 580-582 | 18 |
| CHAVE, J., COOMES, D., JANSEN, S., LEWIS, S.L., SWENSON, N.G., ZANNE, A.E., TOWARDS A WORLDWIDE WOOD ECONOMICS SPECTRUM (2009) ECOLOGY LETTERS, 12, PP. 351-366 | 16 |
| CRGHINO, R., LEROY, C., DEJEAN, A., CORBARA, B., ANTS MEDIATE THE STRUCTURE OF PHYTOTELM COMMUNITIES IN AN ANT-GARDEN BROMELIAD (2010) ECOLOGY, 91, PP. 1549-1556 | 13 |
| FINE, P.V.A., MESONES, I., COLEY, P.D., HERBIVORES PROMOTE HABITAT SPECIALIZATION BY TREES IN AMAZONIAN FORESTS (2004) SCIENCE, 305, PP. 663-665 | 13 |
| NEPSTAD, D.C., TOHVER, I.M., RAY, D., MOUTINHO, P., CARDINOT, G., MORTALITY OF LARGE TREES AND LIANAS FOLLOWING EXPERIMENTAL DROUGHT IN AN AMAZON FOREST (2007) ECOLOGY, 88, PP. 2259-2269 | 13 |
Les auteurs les plus cités :
CAU <- citations(M, field = "author")
CAU$Cited[1:5] %>%
as_tibble %>%
rename(Auteur=CR, Citations=n) %>%
knitr::kable(
caption="Auteurs les plus cités par les documents de la base de données bibliographique",
longtable = TRUE, booktabs = TRUE) %>%
kableExtra::kable_styling(bootstrap_options = "striped")| Auteur | Citations |
|---|---|
| DEJEAN A | 927 |
| BARALOTO C | 522 |
| ORIVEL J | 495 |
| BONAL D | 492 |
| CHAVE J | 442 |
2.5 Collaborations
Un réseau de collaboration entre les pays des auteurs est retourné par la fonction biblioNetwork.
NbCountries <- 15
# Create a country collaboration network
mAU_CO <- metaTagExtraction(M, Field = "AU_CO", sep = ";")
NetMatrix <- biblioNetwork(mAU_CO, analysis = "collaboration",
network = "countries", sep = ";")
# Plot the network
netC <- networkPlot(NetMatrix, n = NbCountries, Title = "Country Collaboration",
type = "circle", size = TRUE, remove.multiple = FALSE)
Le réseau des auteurs est obtenu de la même façon.
NbAuthors <- 15
# Réseau d'auteurs
AuthorNet <- biblioNetwork(M, analysis = "collaboration",
network = "authors", sep = ";")
netA <- networkPlot(AuthorNet, n = NbAuthors, Title = "Author Collaboration",
type = "circle", size = TRUE, remove.multiple = FALSE)
3 Analyse des résumés
Les résumés des publications se trouvent dans la colonne AB de la base importée par bibliometrix.
Ils sont en Anglais.
3.1 Corpus
Le package tm permet de constituer un corpus.
library("tm")
M$AB %>%
VectorSource %>%
VCorpus %>%
tm_map(PlainTextDocument) %>%
tm_map(content_transformer(tolower)) ->
MonCorpusLa fonction tm_map permet d’appliquer une fonction quelconque à chaque élément du corpus, c’est-à-dire à chaque résumé.
Les fonctions standard, n’appartenant pas au package tm, doivent être appliquées par l’intermédiaire de la fonction content_transformer pour ne pas dégrader la structure du corpus : dans le code précédent, la fonction tolower est appliquée à chaque résumé pour le passer en minuscules, alors que la création de corpus est en majuscules.
3.2 Nettoyage du corpus
Des mots sémantiquement identiques ont plusieurs formes.
Le traitement le plus rigoureux consiste à les réduire à leur radical mais le résultat n’est pas très lisible.
La fonction stemDocument permet de le faire : il suffit de l’utiliser à la place de PlainTextDocument dans le code ci-dessus.
Un bon compromis consiste à supprimer les formes plurielles, par une fonction ad-hoc : ce sera fait plus tard.
Les déterminants, conjonctions, etc. sont les mots les plus fréquents mais n’ont pas d’intérêt pour l’analyse.
La fonction removeWords permet de retirer une liste de mots.
stopwords fournit la liste de ces mots dans une langue au choix.
removeNumbers retire les nombres comme one, two, etc. et la fonction removePunctuation retire la ponctuation.
MonCorpus %<>% tm_map(removePunctuation) %>%
tm_map(removeNumbers) %>%
tm_map(removeWords, stopwords("english"))Une liste de mots complémentaire est nécessaire pour supprimer des mots inutiles mais fréquents. Elle peut être complétée de façon itérative pour retirer des mots parasites du résultat final.
ExtraWords <- c("use", "used", "using", "results",
"may", "across", "high", "higher", "low", "show",
"showed", "study", "studies", "studied", "however",
"can", "our", "based", "including", "within", "total",
"among", "found", "due", "also", "well", "strong",
"large", "important", "first", "known", "one",
"two", "three")
MonCorpus %<>% tm_map(removeWords, ExtraWords)3.3 Mots du corpus
L’objectif est de transformer le corpus en un vecteur d’abondance des mots utilisés.
TermDocumentMatrix crée un objet spécifique au package tm qui pose des problèmes de traitement.
Cet objet est transformé en un vecteur d’abondances.
TDM <- TermDocumentMatrix(MonCorpus, control = list(minWordLength = 3))
AbdMots <- sort(rowSums(as.matrix(TDM)), decreasing = TRUE)Le vecteur de mots contient des formes singulières et plurielles. Elles peuvent être regroupées selon un modèle simple : si un mot existe avec et sans s ou es final, la forme singulière est sans s ou es. Des pluriels particuliers peuvent être ajoutés selon les besoins.
# Adapté de https://github.com/mkfs/misc-text-mining/blob/master/R/wordcloud.R
aggregate_plurals <- function (v) {
aggr_fn <- function(v, singular, plural) {
if (! is.na(v[plural])) {
v[singular] <- v[singular] + v[plural]
v <- v[-which(names(v) == plural)]
}
return(v)
}
for (n in names(v)) {
n_pl <- paste(n, 's', sep='')
v <- aggr_fn(v, n, n_pl)
n_pl <- paste(n, 'es', sep='')
v <- aggr_fn(v, n, n_pl)
# cas particuliers
if (endsWith(n, "y")) {
n <- substr(n, 1, nchar(n)-1)
n_pl <- paste(n, 'ies', sep='')
}
if (n == "genus") {
n_pl <- "genera"
v <- aggr_fn(v, n, n_pl)
}
}
return(v)
}
AbdMots %<>% aggregate_plurals3.4 Nuage de mots
Le résultat final est un nuage de mots.
library("wordcloud")
df <- data.frame(word = names(AbdMots), freq = AbdMots)
wordcloud(df$word, df$freq, max.words = 100, random.order = FALSE,
rot.per = 0.35, use.r.layout = FALSE, colors = brewer.pal(8,
"Dark2"))