Business Intelligence and Data Warehouse in Agrarian Sector: A Bibliometric Study
Notice bibliographique
Résumé
Business Intelligence with Data Warehouse technologies are known in the literature as solutions that allow access to business data dynamically and analytical operations on them. Scientific literature lacks works that investigate the current use of these technologies in the agrarian sector, at the international level in the last 10 years. This work presents a bibliometric analysis, which was done through the ProKnow-C methodology, of the application of Business Intelligence and Data Warehouse technologies in the agrarian sector. The objective is to investigate the dissemination of such technologies in this sector in national and international scale. The main findings were the following: number of papers in last years are increasing. Majority of papers were found in the journal named Computers and Eletronics in Agriculture, with a great number of colaborations between authors of France. Few colaborations between authors from different countries were found. Sandro Bimonte was the most cited author. France and India highlight in researches approaching Data Warehouse and Business Intelligence usage in agrarian sciences. The majority of references from Bibliographic Portfolio were from 2001-2010. 66% of papers use some open source technology. Star schema is the most used modelling technique and the use of Unified Modeling Language by authors of France in agricultural Data Warehouse modelling is encouraged. The main limitations were the impossibility of free access in some databases, absence of research on proprietary solutions of technology market in the rural sector and few number of keyword searches.
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 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,172 | 0,252 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 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) | 0,005 | 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 ».