Metamaterials Research: A Scientometric Assessment of Global Publications Output during 2007-16
Notice bibliographique
Résumé
The paper examines 9858 global publications output on metamaterials research, as covered in Scopus database during 2007-16. The study reveals that metamaterials research registered 15.27% growth and averaged citation impact to 10.08 citations per paper. The global share of top 10 most productive countries in metamaterials research is 84.97 % and their individual global share ranged from 3.30% to 25.57%. China accounted for the largest global share (25.71%), followed by USA (23.96%), U.K. (6.06%), India (5.26%), etc. Five of top 10 countries scored relative citation index above the world average i.e. more than 1: Germany (2.06), USA (1.81), U.K. (1.49), Canada (1.03) and Spain (1.01). The international collaborative publications share of top 10 most productive countries varied from 6.14% to 59.80%. Physics and astronomy, among subjects, contributed the largest publication share (59.36%), followed by engineering (56.71%), materials science (33.30%), computer science (20.32%), mathematics (6.74%) and chemistry (4.46%). The top 20 most productive organisations and authors together contributed 24.69% and 13.17% global publications share respectively and 35.72% and 25.96% global citation share respectively. The top 20 journals accounted for 45.97% share of global output (5743 papers) reported in journals. Of the total global output on metamaterials research, 52 papers were found as highly cited papers averaging 535.64 citations per paper in 10 years. These 52 highly cited papers involved the participation of 310 authors and 142 organisations and were published in 20 journals.
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 | 0,008 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,086 | 0,200 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».