科学知识图谱展示一个研究领域的结构：主要主题有哪些，它们之间如何关联，又如何演变。过去绘制图谱需要昂贵的数据库订阅。如今，借助免费工具即可完成：OpenAlex 是一个收录超过2亿篇学术文献的开放目录，VOSviewer 是莱顿大学开发的免费桌面软件，用于构建和可视化文献计量网络。
在中国情报学界，CiteSpace 更为常用，但下面的流程同样适用，也可以把同一份数据导入两种软件互相对照。本文以错误信息研究为例，演示完整流程。
第一步：用检索式界定领域
一切都取决于起始的文献集合。先写下：
- 概念与同义词：misinformation、disinformation、“fake news”、rumour/rumor、infodemic、fact-checking。
- 时间范围：例如2010年至今。
- 文献类型：一般为研究论文和综述，排除社论等。
- 语种：只收英文还是包括其他语种？注意不同语种的收录程度不同。
检验检索式的两种方法：确认领域内公认的核心论文已被检出；随机抽读20条结果，看是否相关。反复调整，直到两项检查都满意为止。
第二步：从 OpenAlex 获取数据
OpenAlex 提供网页界面和免费API。
- 网页界面：检索、设置筛选条件（年份、类型、语种），并将结果下载为CSV。适合探索性分析，以及下载上限以内的数据集。
- API：数据量较大时，用带检索条件的
works接口分页获取。文档中说明了各类筛选条件，在请求中附上邮箱可以进入速度更快的“礼貌通道”。
建议保留的字段：标题、摘要、发表年份、作者与机构、概念/主题、参考文献、被引次数。
第三步：清洗数据
- 删除重复记录和缺少标题的记录。
- 检查机构和国家名称的不同写法。
- 为 VOSviewer 制作同义词表（thesaurus 文件），合并同义词（如 rumor = rumour），并删除无意义的词（如 study、paper、results）。
这一步耗时往往超出预期，对最终图谱的影响也比任何软件参数都大。
第四步：在 VOSviewer 中构建网络
VOSviewer 可以读取文献数据，构建多种图谱：
| 图谱类型 | 节点 | 连线 | 反映 |
|---|---|---|---|
| 共词（术语共现） | 关键词或标题/摘要中的术语 | 共同出现 | 领域主题 |
| 共被引 | 被引文献或来源期刊 | 被同时引用 | 知识基础 |
| 文献耦合 | 文献、期刊、作者 | 拥有相同参考文献 | 当前研究前沿 |
| 合著 | 作者、机构、国家 | 合作发表 | 合作格局 |
第一次总览，建议从基于标题和摘要的术语共现图谱开始：
- 选择“基于文本数据创建图谱”，载入文件。
- 选择二值计数（每篇文献中一个术语只计一次）。
- 设置最低出现次数，使保留的术语在几百个左右。
- 检查术语列表，取消勾选泛泛的术语，或把它们加入同义词表。
- 生成图谱。VOSviewer 会自动聚类，并为每个聚类着色。
第五步：解读，而不只是展示
图谱是分析的起点，本身并不是结论。
- 为每个聚类命名：查看其主要术语，更重要的是阅读其中几篇被引最多的论文。
- 使用叠加视图：按平均发表年份给术语着色，可以看出新兴和衰退的主题。
- 关注“桥梁”：连接不同聚类的术语或论文，往往代表跨学科研究。
- 检验稳健性：改变最低出现次数或时间范围后，结构是否依然成立？
在错误信息研究的图谱中，你可能会看到这样几个聚类：信念与纠正的心理学；社交媒体扩散与网络分析；健康错误信息与新冠“信息疫情”；政治虚假信息与选举；基于机器学习的自动检测。叠加视图很可能显示，检测和AI相关主题是最新的。
第六步：透明报告
写明检索式、数据库、检索日期、清洗步骤、阈值和软件设置。缺少这些信息，别人既无法复现，也无法评判你的图谱。
需要注意的局限
- 收录永远不完整：OpenAlex 覆盖面广，但元数据质量参差不齐，较早的文献和非英文文献尤其如此。中文文献建议结合中国知网等数据库。
- 术语不等于概念：同一个词在不同学科中可能含义不同。
- 图谱反映的是选择：不同的检索式和阈值会得到不同的图景。应把图谱呈现为观察领域的一种视角，而不是唯一视角。
使用得当，这些免费工具能让一个分析人员在一天内完成过去需要团队数周才能完成的工作：清楚地看到谁在研究什么、主题之间如何关联，以及领域正走向何方。