MétaCan
Menu
Retour à la cohorte
Enregistrement W195925378

UNDERSTANDING THE EVOLUTION OF INFORMATION SYSTEMS RESEARCH FROM THE PERSPECTIVE OF CO-AUTHORSHIP NETWORK: A COMPREHENSIVE DATA ANALYSIS FROM 1993 TO 2012

2014· article· en· W195925378 sur OpenAlexaboutno aff
Guijie Zhang, Yuqiang Feng, Luning Liu, Zhen Shao, Yangyang Han, Jianben Wu

Notice bibliographique

RevueJournal of the Association for Information Systems · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScientometricsRanking (information retrieval)Social network analysisData scienceField (mathematics)EliteInstitutionPerspective (graphical)Information systemNetwork analysisComputer sciencePhenomenonBibliometricsSociologyLibrary scienceSocial sciencePolitical scienceWorld Wide WebInformation retrievalEngineeringSocial mediaEpistemologyMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Based on the articles published in three top journals in the field of information systems (MISQ, ISR and JMIS) from 1993 to 2012, we conduct a research of the structure, characteristics and development trend of co-authorship network through scientometrics and social network analysis approaches. We gain a number of insights after synthetical analysis. In the last two decades the whole co-authorship network density in information systems faces a tendency of decrease. The co-authorship network presents properties of “small world”. The number of articles published by scholars and institutions in the three elite journals all display a ‘long tail’ phenomenon. The field of information systems has a stable development in the biggest component, and has not yet went into a mature and steady stage. Quite a lot of outstanding scholars and educational resources came from USA, Canada and Hong Kong, and USA has held eight institutions of the top ten. The ranking of an entire institution can be influenced by even one or two authors, indicating that outcome from one level might propagate to the next level.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0180,026
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,358
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Association for Information SystemsMême sujetComplex Network Analysis TechniquesTravaux en français237 207