Xuất dữ liệu Scopus, Web of Science để phân tích: định dạng, giới hạn

Xuất từ Scopus và Web of Science, hãy chọn định dạng theo phần mềm sẽ đọc tệp: CSV hoặc BibTeX của Scopus và văn bản thuần của Web of Science cho phân tích trắc lượng, RIS cho phần mềm quản lý tài liệu. Kèm đủ trường cần dùng và ghi ngày truy xuất.

Nhiều người xuất xong mới phát hiện thiếu tóm tắt, thiếu danh sách tài liệu tham khảo, hoặc phần mềm phân tích không đọc được tệp. Khi đó phải chạy lại truy vấn, mà dữ liệu lúc này đã khác lần trước. Chọn đúng từ đầu tiết kiệm công và giữ cho tập dữ liệu nhất quán.

Định dạng nào cho việc gì?

Cả hai nền tảng cho xuất nhiều định dạng. Bảng dưới gom những lựa chọn hay dùng; tên gọi trên giao diện có thể thay đổi nhẹ theo thời gian.

VOSviewer và bibliometrix đều có tài liệu ghi rõ định dạng nhận từ mỗi nguồn. Trước khi xuất hàng loạt, xuất thử mươi bản ghi rồi nạp vào phần mềm, chắc chắn đọc được mới xuất toàn bộ.

Chọn trường dữ liệu nào?

Scopus

Hộp thoại xuất của Scopus chia trường thành nhóm: thông tin trích dẫn, thông tin thư mục, tóm tắt và từ khoá, thông tin tài trợ, thông tin khác trong đó có danh sách tài liệu tham khảo. Phân tích đồng trích dẫn, ghép trích dẫn bắt buộc phải có tài liệu tham khảo. Tổng quan cần tóm tắt và từ khoá để sàng lọc.

Web of Science

Web of Science gọi là nội dung bản ghi: chỉ tác giả, tiêu đề, nguồn; thêm tóm tắt; bản ghi đầy đủ; bản ghi đầy đủ kèm tài liệu được trích. Cho trắc lượng, chọn mức cuối. Cho sàng lọc, mức có tóm tắt là đủ và tệp gọn hơn.

Nguyên tắc chung

Lấy dư hơn lấy thiếu. Thêm cột không tốn gì, còn thiếu cột thì phải xuất lại từ đầu, và lúc đó kết quả truy vấn đã có thể khác.

Giới hạn số bản ghi mỗi lần xuất

Mỗi nền tảng một giới hạn, tuỳ định dạng. Giới hạn khác nhau giữa CSV, RIS, BibTeX và giữa mức có hay không có tài liệu tham khảo. Con số cụ thể hiện ngay trong hộp thoại xuất; đó là nguồn đáng tin hơn mọi hướng dẫn chép lại.

Scopus. Nhiều hướng dẫn thư viện ghi CSV cho xuất số lượng lớn, tới vài chục nghìn bản ghi, còn các định dạng khác thấp hơn. Elsevier đã thay chức năng xuất hàng loạt trong năm 2025, nên hãy đọc giới hạn trên giao diện bạn đang dùng.

Web of Science. Với nội dung đầy đủ kèm tài liệu được trích, nhiều hướng dẫn ghi mức 500 bản ghi mỗi lần. Tập lớn phải xuất theo dải số thứ tự, như 1–500, 501–1000.

Chia lô theo dải số thứ tự. Đặt tên tệp theo dải, ví dụ wos_0001-0500.txt, để biết đã đủ chưa và ghép lại không sót.

Một mẹo nhỏ khi sàng lọc tổng quan: xuất thêm một tệp CSV gọn chỉ gồm tiêu đề, tóm tắt, DOI và năm để đọc nhanh trên bảng tính, bên cạnh tệp RIS dùng để nhập vào phần mềm sàng lọc. Hai tệp cùng một lần truy vấn nên khớp số bản ghi; nếu không khớp, có lô bị sót.

Ghi lại để tái lập được

Dữ liệu xuất ra là ảnh chụp tại một thời điểm. Ngay khi xuất, tạo một tệp ghi chú cạnh thư mục dữ liệu, ghi:

1. Tên cơ sở dữ liệu, với Web of Science ghi cả các chỉ mục con.
2. Nguyên văn câu truy vấn và các bộ lọc.
3. Ngày truy xuất và tổng số kết quả hiện trên trang.
4. Định dạng, nội dung đã chọn và danh sách tệp xuất theo dải.
5. Tổng số bản ghi đếm được trong các tệp sau khi ghép.

Nếu tổng số ở bước 5 khác tổng ở bước 3, có lô bị thiếu hoặc trùng. Kiểm ngay, đừng để tới lúc phân tích.

Ghép dữ liệu Scopus với Web of Science và loại trùng

Nhiều phân tích dùng cả hai nguồn để tăng độ phủ. Hai nguồn đặt tên trường khác nhau, nên phải chuyển về cùng cấu trúc trước khi ghép. Gói bibliometrix có hàm chuyển dữ liệu từ mỗi nguồn về một bảng chung và có hàm ghép kèm loại trùng; tham số cụ thể xem trong tài liệu của gói.

Loại trùng ưu tiên theo DOI vì đó là khoá chính xác nhất. Bản ghi thiếu DOI thì so tiêu đề đã chuẩn hoá (chữ thường, bỏ dấu câu) kết hợp năm và tạp chí. Không nên chỉ so tiêu đề, vì hai bài khác nhau đôi khi có tiêu đề rất giống. Sau khi loại trùng, ghi số bản ghi của từng nguồn, số trùng và số còn lại, vì phản biện thường hỏi.

Một chú ý quan trọng: danh sách tài liệu tham khảo của hai nguồn được định dạng khác nhau, nên phân tích đồng trích dẫn trên dữ liệu ghép có thể tách một tài liệu thành hai nút. Đọc kỹ các nút lớn nhất trên bản đồ trước khi diễn giải.

Tình huống mẫu: chuẩn bị dữ liệu cho một phân tích trắc lượng

Giả sử nhóm của bạn phân tích các công bố về giáo dục đại học Việt Nam trên cả hai nguồn. Trên Scopus, truy vấn cho vài nghìn kết quả; trên Web of Science, con số nhỏ hơn. Cách làm gọn là: chạy truy vấn trên Scopus, xuất CSV với đầy đủ nhóm trường, kể cả tài liệu tham khảo, chia lô nếu vượt giới hạn hiện trong hộp thoại. Trên Web of Science, xuất Plain text file với nội dung bản ghi đầy đủ kèm tài liệu được trích, theo dải 500 bản ghi.

Tất cả tệp đặt vào một thư mục goc/ và không bao giờ sửa. Một tệp ghi chú đặt cạnh đó ghi truy vấn, ngày, số kết quả, danh sách tệp. Phân tích làm trong một thư mục khác, đọc dữ liệu từ goc/ bằng mã lệnh, để mỗi bước làm sạch đều được ghi lại trong mã chứ không nằm trong trí nhớ.

Khi phản biện hỏi vì sao số bài trong bài báo khác với con số họ tự tra, bạn có đủ bằng chứng: ngày truy xuất, truy vấn, chỉ mục con, số trùng đã loại. Đó là khác biệt giữa một câu trả lời thuyết phục và một lần phải chạy lại toàn bộ.

Lỗi hay gặp khi xuất và cách tránh

Phần lớn sự cố xảy ra ở khâu xuất chứ không phải ở phần mềm phân tích:

Câu hỏi thường gặp