《表2 6 篇[8-13]关键文献详细信息》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《自我忽视研究基础及热点的文献计量学分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：被引用频次数据来源于WoS

将检索SCI-E和SSCI引文数据库所得384篇文献数据（包括题目、摘要、主题词、关键词和引用的参考文献）导入CiteSpace软件，设置“Time Slicing”的值为3，即将1998年—2017年分成7个时段进行处理，节点类型（node type）选择“Cited Reference”，阈值设定为Top 30。选择最小生成树算法（minimum spanning tree，MST）和Prunning Slice Network算法进行剪枝，绘制文献共被引网络图谱。将其中模块值（Q值）和平均轮廓值（S值）两个指标作为评判图谱绘制效果的依据，Q值越大代表聚类效果较好，Q值>0.3说明划分出来的社团结构是显著的；S值越接近1，聚类的同质性越高，当S值≥0.7时，聚类是高效率令人信服的，当S值≥0.5时，聚类效果认为是合理的[6]。本研究绘制的网络图谱Q=0.795 2，S=0.520 2。关键文献中介中心性的高低可反映该文献对学科研究领域的枢纽作用，可帮助寻找该研究领域经典的知识基础[7]。本研究选择中介中心性排名前6位的文献作为关键文献，详细信息见表2。