Notice bibliographique
Résumé
Purpose Performing efficient literature searches and subscribing to the most comprehensive databases for interdisciplinary fields can be challenging since the literature is typically indexed in numerous databases to different extents. Comparing databases will help information professionals make appropriate choices when teaching, literature searching, creating online subject guides, and deciding which databases to renew when faced with fiscal challenges. The purpose of this paper is to compare databases for searching the chemical engineering literature. Design/methodology/approach This paper compares journal indexing and search recall across seven databases that cover the chemical engineering literature in order to determine which database and database pair provide the most comprehensive coverage in this area. It also summarizes published, database comparison methods to aid information professionals in undertaking their own comparative assessments. Findings SciFinder, Scopus, and Web of Science, listed alphabetically, were the leading databases for searching the chemical engineering literature. SciFinder-Scopus and SciFinder-Web of Science were the top two database pairs. No single database or pair provided 100 percent complete coverage of the literature examined. Searching a second database increased the recall of results by an average of 17.6 percent. Practical implications The findings are useful since they identify “best bets” for performing an efficient search of the chemical engineering literature. Information professionals can also use the methods discussed to compare databases for any discipline or search topic. Originality/value This paper builds on the previous literature by using a dual approach to compare the coverage of the chemical engineering literature across multiple databases. To the author’s knowledge, comparing databases in the field of chemical engineering has not been reported in the literature thus far.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,015 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».