Bibliometrische Analyse des Forschungsfortschritts in der Tunnelsicherheit basierend auf CiteSpace

Zusammenfassung

Diese Studie präsentiert eine bibliometrische Analyse der Tunnelsicherheitsforschung und nutzt Web of Science-Daten und das CiteSpace-Tool, um Publikationstrends, Zusammenarbeit und Forschungshotspots zu identifizieren. Die Analyse zeigt einen Fokus auf Brand- und Verkehrssicherheit, der sich hin zu intelligentem Management und Multi-Gefahren-Resilienz mit fragmentierter Zusammenarbeit verlagert.

Zusammenfassung

Aufgrund der stetig zunehmenden Komplexität von Tunnelräumen und der Diversifizierung der damit verbundenen Risiken ist ein umfassendes Verständnis der Tunnelsicherheitsforschung unerlässlich. Diese Studie nutzt CiteSpace, um eine bibliometrische Analyse von Publikationen zur Tunnelsicherheit in der Web of Science Core Collection durchzuführen. Die Ergebnisse zeigen, dass die Anzahl der Publikationen stetig zugenommen hat, mit einem deutlichen Anstieg nach 2017. Die Central South University ist der führende Beitragende, und Tunnelling and Underground Space Technology sticht als bedeutende Zeitschrift hervor. Die Forschung ist hochgradig interdisziplinär und umfasst Untertagetechnik, Brandschutztechnik und verwandte Disziplinen, obwohl die Kooperationsnetzwerke zwischen Autoren und Institutionen fragmentiert bleiben, was nur begrenzte Synergien widerspiegelt. Die Schlüsselwortanalyse zeigt, dass Forschungs-Hotspots sich auf Tunnelbrandsicherheit und Verkehrsunfallanalyse konzentrieren, mit einem Übergang von fundamentaler Theorie und Risikobewertung hin zu intelligentem und systemorientiertem Management. Das Feld verlagert sich von der traditionellen statischen Analyse hin zu dynamischer Betriebssicherheitsanalyse, Multi-Hazard-Koppelungsrisikobewertung und Systemresilienzbewertung. Dennoch bestehen weiterhin Herausforderungen bei der Integration digitaler Technologien und transdisziplinärer Zusammenarbeit. Im Gegensatz zu traditionellen narrativen Übersichtsarbeiten, die oft auf fragmentierten oder statischen Bewertungen basieren, bietet diese Studie einen reproduzierbaren bibliometrischen Rahmen zur dynamischen Kartierung der Entwicklung der Tunnelsicherheitsforschung. Es bietet methodisch strukturierte Einblicke, um aufkommende Trends zu erkennen und zukünftige interdisziplinäre Untersuchungen zu steuern.

Einleitung

Als kritische Komponente moderner Verkehrs- und Infrastrukturnetze haben Tunnel weltweit kontinuierlich an Umfang und Komplexität zugenommen. Die einzigartige und beengte Umgebung innerhalb der Tunnel stellt jedoch erhebliche Sicherheitsherausforderungen dar, darunter strukturelle Risse¹, Brandrisiken², Verkehrsgefahren³, Betriebssicherheitsbedenken⁴ und Probleme im Zusammenhang mit der Überwachung der gesamten Lebenszyklussicherheit⁵. Historische Daten zeigen durchgehend, dass Vorfälle in Tunneln, insbesondere Brände, häufig zu schweren Verlusten und Sachschäden führen⁶. Diese Vorfälle beschädigen nicht nur die Fahrzeuge und die Tunnelstruktur selbst, sondern zeigen auch die Unzulänglichkeiten bestehender Sicherheitsmaßnahmen⁷. Daher ist eingehende Forschung zur Tunnelsicherheit nicht nur grundlegend für den langfristig stabilen Betrieb der Infrastruktur, sondern auch notwendig, um die öffentliche Sicherheit zu gewährleisten, Notfallmanagementsysteme^zu optimieren, nachhaltige Entwicklung^zu fördern und das gesellschaftliche Wohlbefinden zu verbessern.

Frühe Forschungen zur Tunnelsicherheit lassen sich bis in die 1990er Jahre zurückverfolgen. Die Forschungsthemen konzentrierten sich hauptsächlich auf grundlegende Fragen wie die Ansammlung brennbarer Gase und die Evakuierung von Personal in Tunneln. In der Folge machte das Fachgebiet bedeutende Fortschritte, mit zahlreichen Wissenschaftlern, die umfangreiche und wertvolle Forschungen durchführten. Der Forschungsbereich wurde allmählich erweitert und umfasst Themen wie Tunnelunfallmechanismen, Brandschutzsystemdesign, Bausicherheitssteuerung und Optimierung der strukturellen Planung. Seit Beginn des 21^. Jahrhunderts, insbesondere in den letzten zwei Jahrzehnten, hat sich der Forschungsbereich mit dem rasanten Fortschritt der Digitalisierung und intelligenten Technologien weiter auf Grenzbereiche wie Strukturstabilitätsüberwachung^10,11, Unfallrisikovorhersage, Tunnelbeleuchtungssysteme, Fahrerverhalten und Fahrerinformationsinteraktionssysteme weiterentwickelt. Bestehende Forschung zur Tunnelsicherheit lässt sich grob in drei Hauptaspekte einteilen.

Erstens konzentrieren sich einige Studien auf die Übertragungsmechanismen von Brandkatastrophenketten unter mehrfaktorigen Kopplungsbedingungen¹². Diese Studien verwendeten Methoden wie statistische Unfallanalyse¹³, fallbasierte retrospektive Studien und probabilistische Risikobewertung (PRA), um Unfallkausalität, Risikobewertung¹⁴, Brandentwicklungsmechanismen, Evakuierungssimulation¹⁵ und Überwachung der strukturellen Sicherheit zu untersuchen. Zweitens konzentrieren sich mehrere Studien auf die Verbesserung proaktiver Präventions- und Kontrollfähigkeiten in dynamischen Umgebungen. Viele Wissenschaftler haben Computational Fluid Dynamics (CFD)-Simulationen¹⁶, BIM-GIS-integrierte Modellierung und Multi-Source-Sensornetzwerktechnologien genutzt, um die Ausbreitung von Brandrauch, die Abschwächung der Sichtbarkeit, die Optimierung dynamischer Evakuierungswege sowie Gesundheitsüberwachung und Frühwarnung während des Tunnelbetriebs^zu analysieren. Diese Studien haben die Tunnelbelüftung und Rauchabluftsysteme^weiter optimiert, intelligente^{Beleuchtungskonfigurationen} verbessert und die Erforschung menschlichen Verhaltensmodellierungen sowie digitaler zwillingsgesteuerter geschlossener Kontrolle vorangetrieben. Drittens konzentrieren sich bestimmte Studien hauptsächlich auf die Anwendung fortschrittlicher Technologien und das Streben nach nachhaltigem Tunnelbau. Einige Wissenschaftler haben digitale und intelligente Technologien wie Virtual Reality (VR)²⁰und Building Information Modeling (BIM)²¹für Tunnelexplosion²², unterirdische Hohlraumerkennung und Ausgrabungsunterstützung eingesetzt. Diese Studien untersuchen außerdem die koordinierte Entwicklung ökologischer, sozialer und wirtschaftlicher Faktoren während der Tunnelbauprozesse mit Schwerpunkt auf Nachhaltigkeit²³. Darüber hinaus haben einige Wissenschaftler bibliometrische Methoden angewandt, um Forschung zur Bodensetzung im Tunnelbau²⁴ zu überprüfen, visuelle Analysen der Infrastrukturinspektion^{durchzuführen} und den Zusammenhang zwischen Tunnelbeleuchtung und kohlenstoffarmer Entwicklung^{zu untersuchen 26}.

Tunnelsicherheit hat sich zu einem umfassenden und interdisziplinären Forschungsfeld^entwickelt. Systematische und integrierte Studien fehlen jedoch weiterhin, und die Entwicklung der Wissensstruktur sowie die Identifikation aufkommender Trends in diesem Bereich sind noch unklar genug, was es erschwert, zukünftige Forschungsrichtungen zu bestimmen. Narrative Reviews sind wertvoll, um Mechanismen zu interpretieren, ingenieurwissenschaftliche Praktiken zu vergleichen und Expertenwissen zu synthetisieren. Sie sind jedoch oft durch die Subjektivität der Literaturauswahl und durch ihre Schwierigkeit, die zeitliche Entwicklung großer Forschungsfelder quantitativ nachzuvollziehen, eingeschränkt. Die bibliometrische Analyse ergänzt die narrative Überprüfung durch transparente Abrufkriterien, wiederholbare Datenverarbeitungsverfahren und quantitative Indikatoren für Zusammenarbeit, Zentralität, Clustering und Burst-Evolution. In dieser Studie wurde CiteSpace nicht als Ersatz für fachkundige Interpretation eingesetzt, sondern als Visualisierungs- und quantitatives Kartierungswerkzeug, um die intellektuelle Struktur und aufkommende Themen der Tunnelsicherheitsforschung zu identifizieren. Der Umfang dieser Studie beschränkte sich auf die Tunnelsicherheit. Dieser Bereich umfasste Brandschutz, Rauchkontrolle, Evakuierung, Verkehrssicherheit, Fahrerverhalten, Tunnelbeleuchtung, Belüftung, Umweltkontrolle, Überwachung, Notfallmanagement, Risikobewertung und Systemrobustheit während des Tunnelbetriebs. Studien, die sich hauptsächlich mit der Sicherheit des Tunnelaushubs, der Vorhersage des Schildtunnelbaus, Sprengungen, Bodensetzung, Bauunterhalt und der Diagnose von Randrissen befassten, wurden ausgeschlossen, sofern sie nicht explizit die Ergebnisse der Betriebssicherheit behandelten. Diese Ausschlüsse wurden angewandt, weil sich das geotechnische Risiko in der Bauphase und das Sicherheitsmanagement in der Betriebsphase erheblich in Mechanismen, Datenquellen, Bewertungsindikatoren und technischen Maßnahmen unterscheiden^27,28.

Um systematisch die Merkmale und Trends der Forschung im Bereich der Tunnelsicherheit zu klären, führt diese Studie eine bibliometrische Analyse mit dem CiteSpace-Visualisierungstool auf Basis von Daten aus der Web of Science Core Collection (WoSCC) durch, wobei chinesischsprachige Publikationen und verschiedene informelle Forschungsmaterialien ausgeschlossen werden. Die Analyse umfasst die Merkmale der Publikationsergebnisse, bedeutende Fachzeitschriften, Kooperationsnetzwerke zwischen Kernautoren und Institutionen, die Verteilung und Clusterung von Forschungsschlüsselwörtern im Laufe der Zeit sowie aufkommende Grenzrichtungen²⁸. Im Gegensatz zu herkömmlichen Übersichtsansätzen etabliert diese Studie ein quantitatives, reproduzierbares und visualisierungsbasiertes bibliometrisches Protokoll. Es integriert multidimensionale Metriken wie Keyword-Burst-Erkennung, Zeitlinien-Clustering und Co-Occurrence-Centrality-Analyse. Anhand dieser Kennzahlen konstruiert die Studie einen umfassenden und dynamischen Wissensrahmen, der systematisch die intellektuelle Struktur und thematische Entwicklung des Fachgebiets klärt. Diese Studie verfolgt zwei primäre analytische Ziele. Das erste Ziel ist es, ein umfassendes und dynamisches Wissensrahmen mit dem Visualisierungstool CiteSpace zu entwickeln, um so die fragmentierte und statische Natur traditioneller Überprüfungsbewertungen zu überwinden. Die zweite besteht darin, zu untersuchen, ob die Tunnelsicherheitsforschung nachweisbare Phasenübergänge durchlaufen hat, insbesondere einen Wandel von konventionellen grundlegenden Theorien und statischer Risikoanalyse hin zu einem intelligenten, systematischen und mehrgefahrengekoppelten, dynamischen Sicherheitsmanagementsystem.

Protokoll

Diese Studie führte von 1992 bis 2026 eine systematische bibliometrische Analyse durch, um Forschungstrends im Bereich der Tunnelsicherheit zu identifizieren und zu visualisieren.

Literaturrecherche und Datenerhebung
Zugriff auf die Web of Science Core Collection (WoSCC) Datenbank. Die Suchstrategie wurde mit folgender themenspezifischer Abfrage durchgeführt: TS = [("Tunnel" und "Tunnelsicherheit")]. Nachdem die Anfrage eingegeben war, wurde der "Suchen"-Button angeklickt, um die Literatursuche auszuführen. Die Ergebnisse wurden gefiltert, indem "Artikel", "Review Articles" und "Early Access Publications" als Dokumenttypen ausgewählt wurden. Insgesamt wurden 15.861 Artikel und Übersichtsartikel gesammelt, die zwischen 1992 und 2026 veröffentlicht wurden. Diese Studie konzentriert sich auf Kernbereiche wie Tunnelbrandsicherheit, Verkehrssicherheit, Verkehrssicherheit und Personalevakuierung und zielt darauf ab, den Forschungsfortschritt und die Hotspots der Gesamtsicherheit von Tunneln zu überprüfen. Daher wurden Publikationen zur Aushubsicherheit von Tunneln, zur Sicherheitsvorhersage von Schildtunneln und zur Sicherheitsbewertung von Tunnelauskleidungsrissen ausgeschlossen. Nach diesem Screening-Prozess wurden 428 Artikel für weitere Analysen behalten. Im Abschnitt "Inhalt dokumentieren" wurde "Vollständiger Datensatz und zitierte Quellen" ausgewählt, und der gefilterte Datensatz wurde als "Plain Text"-Dateien exportiert. Jeder Datensatz wurde auf vollständige Zitations- und Mitautoreninformationen überprüft. Der detaillierte Screening-Prozess ist in einem Flussdiagramm dargestellt (Abbildung 1).

Datenvorverarbeitung
Der aus WoSCC exportierte Klartextdatensatz wurde mithilfe der Data | in eine Tabelle importiert Aus der Text-/CSV-Funktion . Tabulator- und Leerzeichen wurden als Trennzeichen ausgewählt, um den Text in Spalten zu unterteilen. Die resultierende Tabelle wurde verwendet, um die Datensätze für spätere Analysen zu filtern, zu sortieren und zusammenzufassen. Die Aufzeichnungen wurden nach Veröffentlichungsjahr aggregiert, um die jährlichen und kumulativen Publikationszahlen zu berechnen. Die Spalte Journal (SO) wurde gefiltert, um nur Zeitschriften mit drei oder mehr Artikeln zu erhalten. Die Institutionen wurden nach Häufigkeit und Zentralität sortiert, um die Top 10 Institutionen zu identifizieren, und Schlüsselwörter wurden nach Häufigkeit und Zentralität sortiert, um die Top 20 Schlüsselwörter zu identifizieren. Schlüsselwort-Cluster wurden nach Größe sortiert, und die sechs größten Cluster wurden beibehalten. Detaillierte Kriterien und Verfahren für jede Operation wurden in den entsprechenden analytischen Unterabschnitten beschrieben.

Zur Analyse der Zahlenentwicklung der veröffentlichten Literatur wurde die Spalte Veröffentlichungsjahr (PY) in der Tabellenkalkulationssoftware gefiltert und die Werte in numerisches Format umgewandelt. Die Unterlagen wurden dann nach Veröffentlichungsjahr aggregiert, um sowohl die jährlichen als auch die kumulierten Veröffentlichungszahlen zu berechnen. Ein Publikationstrenddiagramm wurde erstellt, indem ein Balkendiagramm für die jährliche Produktion erstellt und ein Liniendiagramm für die kumulierte Gesamtzahl überlagert wurde (Abbildung 2). Für die Analyse der Verteilungsmuster von Publikationszeitschriften wurde die Spalte Journal (SO) isoliert und die Anzahl der Datensätze für jede Zeitschrift berechnet. Die Veröffentlichungshäufigkeit wurde für jede Zeitschrift zwischen 1992 und 2026 berechnet, indem die Datensätze nach Zeitschriftentitel gruppiert und die Ergebnisse in absteigender Reihenfolge sortiert wurden. Zeitschriften mit drei oder mehr Artikeln wurden beibehalten, was zu 28 Zeitschriften führte, und die Ergebnisse wurden in einer zusammengefassten Tabelle (Tabelle 1) präsentiert.

Analyse der Zusammenarbeit der Autoren
Der WoSCC-Klartext-Datensatz wurde importiert und in CiteSpace mit dem Data | Import | Web-of-Science-Befehl sowie die Eingabe- und Ausgabeverzeichnisse wurden entsprechend angegeben. Nach einer eingehenden Überprüfung der abgerufenen Literatur stellte sich heraus, dass Publikationen von 1992 bis 2004 nur einen relativ kleinen Anteil des Datensatzes ausmachen. Noch wichtiger ist, dass der Forschungsinhalt und die Themen dieser Publikationen verstreut waren und eine schwache Relevanz für die Tunnelsicherheit zeigten. Die Einbeziehung dieser Arbeiten in die bibliometrische Analyse hätte übermäßige Redundanz eingeführt und die Identifikation von Forschungshotspots und sich entwickelnden Trends erschwert. Darüber hinaus konnte die im März 2026 gefundene Literatur die jährliche Publikationszahl für 2026 nicht vollständig repräsentieren. Daher war die CiteSpace-Analyse auf Literatur beschränkt, die zwischen 2005 und 2025 veröffentlicht wurde. Der Zeitraum wurde von 2005 bis 2025 basierend auf der Publikationsrelevanz festgelegt, wobei jährliche Zeitschnitte mit einem Zeitschnitt von 1 Jahr verwendet wurden.

CiteSpace wurde mit dem Autor als Knotentyp konfiguriert. Das Auswahlkriterium wurde auf den g-Index gesetzt (k = 15). Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Pruning-Menü wurden sowohl die Pathfinder- als auch die Pruning-Optionen für das zusammengeführte Netzwerk ausgewählt, um die Netzwerkstruktur zu vereinfachen. Die Analyse wurde durchgeführt, indem man auf Go klickte, um die Autoren-Kollaborationsnetzwerk-Visualisierung zu erstellen. Schriftgrößen und Farbschemata wurden angepasst, um die Lesbarkeit zu verbessern (Abbildung 3).

Institutionelle Zusammenarbeit und Analyse der Top-10-Institutionen
Der Knotentyp wurde in CiteSpace auf Institution gesetzt. Das Auswahlkriterium wurde auf den g-Index (k = 25) gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Menü Pruning wurden die Optionen Pathfinder und Pruning der zusammengeführten Netzwerke ausgewählt, um die Netzwerkkomplexität zu reduzieren.

Die Analyse wurde durchgeführt, indem man Go drückte, um die institutionelle Kollaborationskarte zu erstellen. Typografie und Farbeinstellungen wurden angepasst, um die Interpretierbarkeit zu verbessern (Abbildung 4). Die institutionellen Kollaborationsdaten wurden mit Output | Netzwerkübersicht als HTML, CSV, RIS | Speichere als CSV. Die CSV-Datei wurde dann in Microsoft Excel geöffnet. Die Spalten "Freq", "Centrality" und "Label" wurden kombiniert, und eine absteigende Sortierung wurde mit Sort & Filter | angewendet Absteigend. Die zehn besten Institutionen wurden extrahiert und zu einer Endtabelle zusammengestellt (Tabelle 2).

Keyword-Co-Occurrence und Analyse der Top 20 Keywords
In CiteSpace wurde der Knotentyp auf Keyword gesetzt. Der g-Index wurde auf k = 17 gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Pruning-Menü wurden die Optionen Pathfinder und Pruning der zusammengeführten Netzwerkoptionen ausgewählt, um das Netzwerk zu trimmen. Die Analyse wurde gestartet, indem man auf Go klickte, um die Schlüsselwort-Co-Occurrence-Map zu erhalten. Schrift- und Farbattribute wurden angepasst, um die visuelle Lesbarkeit zu verbessern (Abbildung 5). Der Keyword-Co-Occurance-Datensatz wurde über Output | exportiert Netzwerkübersicht als HTML, CSV, RIS | Speichere als CSV. Die CSV-Datei wurde in Microsoft Excel geöffnet. Die Spalten "Freq", "Centrality" und "Label" wurden kombiniert, und eine absteigende Sortierung wurde mit Sort & Filter | durchgeführt. Absteigend. Die 20 wichtigsten Schlüsselwörter wurden identifiziert und in einer Endtabelle (Tabelle 3) organisiert.

Keyword-Cluster und Top-6-Cluster-Analyse
Die Knotenkategorie wurde in CiteSpace auf Schlüsselwort gesetzt. Der g-Index wurde auf k = 17 gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Pruning-Menü wurden die Optionen Pathfinder und Pruning der zusammengeführten Netzwerke ausgewählt, um das Netzwerk zu verfeinern. Die Keyword-Clustering-Analyse wurde durchgeführt, indem man auf Go klickte. Cluster-Labels wurden mit dem Log-Likelihood-Ratio-(LLR)-Algorithmus extrahiert. Nur Cluster mit einem Silhouettenwert über 0,7 wurden beibehalten. Die Cluster-Karte wurde mithilfe der Cluster-Label-Optimierung erstellt | K: Schlüsselwörter, und die Anzeigeeinstellungen wurden für optimale Lesbarkeit angepasst (Abbildung 6). Cluster-Details wurden über Clusters | extrahiert Sieh dir Cluster-Inhalte an und organisiere sie in einem Microsoft Excel-Arbeitsblatt. Die Datentabelle wurde geöffnet, und die Spalte "Größe" wurde ausgewählt und mit Sort & Filter > Descending sortiert. Die Ergebnisse wurden in die endgültige Schlüsselwort-Clustering-Tabelle (Tabelle 4) zusammengefasst.

Keyword-Zeitleiste-Clusteranalyse
Der Knotentyp wurde als Schlüsselwort in CiteSpace beibehalten. Der g-Index wurde auf k = 17 gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Menü Pruning wurden die Optionen für Pathfinder und Pruning ausgewählt, um das Netzwerk zu beschneiden. Die Keyword-Clustering-Analyse wurde durch Klicken auf Go durchgeführt. Cluster-Labels wurden mit demselben LLR-Algorithmus und demselben Silhouette-Score-Schwellenwert (> 0,7) extrahiert. Timeline View wurde ausgewählt, um die Schlüsselwort-Timeline-Clustering-Karte zu generieren. Schrift- und Farbeinstellungen wurden angepasst, um die Lesbarkeit zu verbessern (Abbildung 7).

Keyword-Bursting-Analyse
Der Knotentyp wurde als Schlüsselwort in CiteSpace beibehalten. Der g-Index wurde auf k = 17 gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Pruning-Menü wurden die Optionen Pathfinder und Pruning der zusammengelegten Netzwerkoptionen für das Netzwerk-Pruning ausgewählt. Die Keyword-Analyse wurde durch Klicken auf Go durchgeführt. Die Option Burstness wurde ausgewählt, der Parameter γ auf 0,5 gesetzt und die minimale Burst-Dauer auf 2 Jahre, um die Keyword-Burst-Erkennungsanalyse durchzuführen. Die Daten wurden aktualisiert, um die Liste der 25 wichtigsten Schlüsselwörter mit den stärksten Zitationsbursts zu erstellen (Abbildung 8).

Ergebnisse

Publikationsproduktion und Wachstumstrends
Die erste Suche fand 15.861 Artikel und Übersichtsartikel zur Tunnelsicherheit, die zwischen 1992 und 2026 aus der Web of Science Core Collection veröffentlicht wurden (Stand: 26. März 2026). Nach manuellem Ausschluss von Publikationen, die nicht zum Forschungsschwerpunkt gehörten (z. B. Studien zur Sicherheit bei Tunnelaushub, zur Vorhersage der Tunnelsicherheit und zur Bewertung von Rissen bei Tunnelauskleidungen), wurden 4...

Diskussion

Diese bibliometrische Analyse bietet einen strukturierten Überblick über Forschungstrends in der Tunnelsicherheit. Durch die Integration multidimensionaler Metriken wie Keyword-Burst-Erkennung, Zeitlinienclustering und Co-Occurrence Centrality Analysis konstruiert diese Studie ein dynamisches Wissensrahmenwerk. Dieser Rahmen klärt die intellektuelle Struktur und die thematische Entwicklung des Fachgebiets. Im Gegensatz zu traditionellen narrativen Übersichtsarbeiten, die oft auf fragment...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
CiteSpace	Chaomei Chen	https://citespace.podia.com/	Bibliometrische Visualisierungssoftware zur Erstellung von Kooperationsnetzwerken, Schlüsselwort-Koexistenzkarten, Clusterkarten, Zeitleistenansichten und Burst-Erkennungsausgaben.
Microsoft Excel	Microsoft Corporation	https://www.microsoft.com/excel	Tabellenkalkulationssoftware zur Datenbereinigung, Sortierung, Häufigkeitsberechnungen und Tabellenvorbereitung.
Web of Science Core Collection	Clarivate	https://webofscience.clarivate.cn/wos/woscc/basic-search	Bibliografische Datenbank zur Abfrage der in der bibliometrischen Analyse enthaltenen Datensätze.