Thematic Categorization and Analysis of Peer Reviewed Articles in the LISA Database, 2004-2005
Notice bibliographique
Résumé
A Review of: Gonzalez-Alcaide, Gregorio, Lourdes Castello-Cogolles, Carolina Navarro-Molina, et al. “Library and Information Science Research Areas: Analysis of Journal Articles in LISA.” Journal of the American Society for Information Science and Technology 59.1 (2008): 150-4. Objective – To provide an updated categorization of Library and Information Science (LIS) publications and to identify trends in LIS research. Design – Bibliometric study. Setting – The Library and Information Science Abstracts (LISA) database via the CSA Illumina interface. Subjects – 11,273 item records published from 2004-2005 and indexed in LISA. Methods – First, a search was set up to retrieve all records from 2004-2005, limited to peer review items (called “arbitrated works” by the authors (150)) and excluding book reviews. Second, thematic descriptor terms used for the records were identified. Frequency counts for descriptor term occurrence were compiled using Microsoft Access and Pajek software programs. From the results of this search, the top terms were analyzed using the Kamada-Kawai algorithm in order to eliminate descriptor term co-occurrence frequencies under 30. A cluster analysis was used to depict thematic foci for the remaining records, providing a co-word network that visually identified topic areas of most frequent publication. Conclusions were drawn from these findings, and recommendations for further research were provided. Main Results – The authors identified 18 “thematic research core fields” (152) clustered around three large categories, “World Wide Web”, “Education”, and “Libraries”, plus 12 additional peripheral categories, and provided a schematic of field interrelationships. Conclusion – Domains of greatest focus for research “continue to be of practical and applied nature,” (153) but include increased emphasis on the World Wide Web and communications technologies, as well as on user studies. A table of the most frequently occurring areas of research along with their top three descriptor terms is provided (Table 1, 152) (e.g., “World Wide Web” as the top area of research, with “online information retrieval” (268 occurrences), “searching” (132 occurrences), and “web sites” (115 occurrences)).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,188 | 0,214 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».