Mobile Cloud Computing: A Scientometric Assessment of Global Publications Output during 2007-16
Notice bibliographique
Résumé
The paper examines 3779 global publications on mobile cloud computing research, as covered in Scopus database during 2007-16, experiencing an annual average growth rate of 139.6% and qualitative impact averaged to 4.22 citations per paper. The top 10 most productive countries individually contributed global share from 2.91% to 22.41%, with largest global publication share coming from China (22.41%), followed by USA (19.32%), etc. Together, the 10 most productive countries accounted for 85.74% share of global publication output during 2007-16. Five out of 10 countries have scored relative citation index above the world average of 1: Malaysia (2.41), USA (1.87), U.K. (1.79), Canada (1.43) and Italy (1.16) during 2007-16. The international collaborative publications share of top 10 most productive countries varied from 9.74% to 67.19% in mobile cloud computing research during 2007-16. Computer Science, among subjects, contributed the largest publication share (85.79%), followed by engineering (28.37%), mathematics and social sciences (10.64% and 5.58%) etc. during 2007-16. The top 20 most productive organizations and authors together contributed 18.92% and 9.98% respectively as their share of global publication output and 37.07% and 24.28% respectively as their share of global citation output during 2007-16. Among the total journal output of 5673 papers, the top 20 journals contributed 30.01% share to the global journal output during 2007-16. Of the total mobile computing research, the top 15 highly cited publications registered citations from 99 to 848 and they together received 3834 citations, with 255.60 citations per paper. These 15 highly cited papers involved the participation of 26 authors and 27 organizations. These 15 highly cited papers were published in 8 journals, of which 4 papers were published in IEEE Communication Surveys and Tutorials, 2 papers in Mobile Networks and Applications, and 1 paper each in other 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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,044 | 0,097 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 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 | 0,001 |
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 ».