Exploring the Emerging Evolution Trends of Urban Resilience Research by Scientometric Analysis
Notice bibliographique
Résumé
Numerous studies in urban resilience have been published in the past decade. However, only a few publications have tracked the evolution trends of urban resilience research, the findings of which can serve as a useful guide for scholars to foresee worth-effort research areas and make the best use of precious time and resources. In order to fill the research gap, this study performed a scientometric analysis on the evolution trends of urban resilience research using a versatile software package-CiteSpace. The scientomentric analysis focuses on distribution of lead authors and their institutions, high frequency categories and keywords, high influential journals, author contribution, and evolutionary trends based on co-author analysis, co-word analysis, co-citation analysis and cluster analysis of documents. This study discoveries that first, the U.S., England, Australia, Canada, China and Sweden are the countries that make the most significant contributions in the advancement of urban resilience research; second, the existing urban resilience research focuses primarily on environmental studies, geography and planning development; third, hot topics of the urban resilience research keep shifting from 1993 to 2016; fourth, the knowledge body of urban resilience research consists of five clusters: resilience exploratory analysis, disaster resilience, urban resilience, urban resilience practice, and social-ecological systems; last, the emerging trends in urban resilience research include defining urban resilience, adaptation model, case studies, analytical methods and urban social-ecological systems, resulting in cutting-edge research areas in urban resilience.
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 | 0,022 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,132 | 0,178 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».