Visibility of Nutrition Research and Dissemination Challenges in French Speaking Sub-Saharan Africa: A Bibliometric Analysis
Notice bibliographique
Résumé
Although sub-Saharan Africa (SSA) is one of the regions in the world that is most affected by malnutrition and hunger, food science and nutrition related-publications by in-country-based authors from this region are rare. The objective of this paper is to analyze scientific production in French speaking SSA countries in the area of nutrition and food sciences (NFS). A bibliometric analysis was performed using the ISI Web of Knowledge database. We explored data for quantity and quality of publications between 1990 and 2009. Among the 21 sub-Saharan African countries with French as the official language, only 11 had more than 20 publications on NFS. This represents 4.7% of the total publications of these countries. The vast majority of the publications were in English (76.7%) despite the official and primary academic language is French in all eleven countries. The average number of citations of articles in French was 0.9 per paper compared to 6.7 per paper published in English. France was the main collaborating country with France-based researchers co-authoring 31.8% of the papers. Collaboration with other African countries was low and usually limited to neighbouring countries. In absolute numbers, Cameroon, Cote d’Ivoire and Benin were the most productive countries. When adjusted for population size, Mauritius, Gabon and Cameroon were the most productive countries per capita and when adjusted for average GDP, Cameroon, Burkina-Faso and Benin were the most productive. French speaking countries in Africa had a very low publication record in NFS and papers published in French were barely cited as compared to those published in English.
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 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,099 | 0,144 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».