MétaCan
Menu
Retour à la cohorte
Enregistrement W2465392372 · doi:10.22047/ijee.2011.688

بررسی بروندادهای علمی مهندسی ایران در نمایه استنادی علوم قابل دسترس از طریق پایگاه اطلاعاتی دایالوگ طی سالهای 1990 تا 2008

2011· article· fa· W2465392372 sur OpenAlexaboutno aff
فریده عصاره, مظفر چشمه سهرابی, نفیسه دهقانپور

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2011
Typearticle
Languefa
DomaineMedicine
ThématiqueOphthalmology and Visual Health Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

This research intends to analyze Iranian Engineering Scientific Outputs during 1990-2008 in the Dialog Database. Dialog is a collection of more than 900 databases that covers also the ISI Science Citation index as SciSearch since 1990. This research has been done by scintometrics method and citation analysis. The number of documents indexed by Iranian writers in Science Citation Index has been 8396. Growth of Scientific outputs in the field of engineering during this period is 24 percent. Kaveh is the most productive author with 82 documents and ASTM is the highest cited author with 120 citations. The highest volume of documents indexed in the dialog related to Chemical Engineering and Electrical Engineering subject categories respectively. Iranian Journal of Chemistry & Chemical Engineering with 348 documents has released the highest number of productions. Among universities and research institutes, Sharif University of Technology has the highest scientific outputs in this area. Articles have the highest percentage of documents published in ISI journal by 97/24 percent and English with 99/8 percent is the main language of the published documents. The highest rate of participation of Iranian writers for publishing documents is with U. S. and Canada respectively.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,003
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,002
Communication savante0,0010,004
Science ouverte0,0090,004
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,1710,003

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 Opus0,716
Tête enseignante GPT0,702
Écart entre enseignants0,015 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetOphthalmology and Visual Health ResearchTravaux en français237 207