Knowledge mapping of protective clothing research—a bibliometric analysis based on visualization methodology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In order to further understanding of the research status and fronts, a novel method was adopted in the textile and apparel field to perform knowledge mapping of protective clothing research over the last 20 years. The database of 1735 articles was built based on records retrieved from the Web of Science. Visualization software, CiteSpace, combined with Google Earth was applied to determine intellectual basis and research fronts for the protective clothing domain. Research area analysis indicated that the top ranked field was the “Materials Science” with a number of articles of 427. Publication distribution revealed that the Textile Research Journal was the most popular cited and citing journal of the protective clothing articles. The USA and China were the two primary countries contributing to the protective clothing research evidenced by the frequency, bursts and centrality. Donghua University, North Carolina State University and the University of Alberta, with a high publication frequency and centrality, were identified to be the main research drivers. The intensity of red nodes in the geographical visualization map proved the core status of Europe and America in the global cooperation network. According to the co-occurrence analysis, the three keywords of exposure, performance and heat stress were detected to be the most popular research topics over the last 20 years, corresponding to the study of exposure environment, performance evaluation and thermal physiology. The keywords in recent years suggested the research trend of enhancing the mechanism and fundamental investigation of the heat transfer process and fabrics.
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.
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 | 0,068 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,114 | 0,144 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 découle