MétaCan
Menu
Retour à la cohorte
Enregistrement W2922006169 · doi:10.1139/er-2018-0105

Mapping sources of atmospheric pollution: integrating spatial and cluster bibliometrics

2019· article· en· W2922006169 sur OpenAlexvenueno aff
Shudi Zuo, Panfeng Dou, Yin Ren

Notice bibliographique

RevueEnvironmental Reviews · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScopusBibliometricsAir quality indexAir pollutionApportionmentCluster (spacecraft)Environmental scienceGeographyEnvironmental resource managementRegional scienceData scienceMeteorologyPolitical scienceComputer scienceLibrary scienceEcology

Résumé

récupéré en direct d'OpenAlex

The intensified degradation of regional air quality in recent years has prompted an increase in research teams to pursue various aspects of air pollution research including source apportionment (SA) resulting in rapidly growing output of this literature, a rapid shift in research emphasis, and an extensive inter-institutional and international collaboration. To explore these recent trends in air pollution research, we present a spatial and cluster bibliometric evaluation of atmospheric SA research, ascertaining the relationship among the main research bodies and knowledge clusters. The evolution trend of the knowledge clusters was depicted with an emphasis on the recent surge of research in Asia. We retrieved relevant articles from the Web of Science and Scopus data set with the key words “air” and “source apportionment”. In this field, the annual output of peer-reviewed papers has increased dramatically since 2005. Initially, air SA research was concentrated in developed countries from Europe and North America, but more recently it has been receiving substantial contributions from developing countries, most notably China and India. Meanwhile, there has been a methodological shift from single methods, such as source diffusion models or receptor models, to the integration of online high-resolution data monitoring with multiple models. In recent years, the main research objectives for atmospheric pollution research have changed from being focused predominantly on coarse particles to more focus on fine and ultrafine particles. Our bibliometric analysis yielded 666 knowledge nodes, forming 26 major co-citation clusters. Focusing on recently emerged knowledge clusters 7, 22, and 23, we identified four research themes based on the research frontier analysis: (i) practical research conducted to inform pollution-reducing policy, (ii) assessment of pollution-related health risks of human activities, (iii) analysis of pollutant composition and formation, and (iv) improvement of SA methods. The study provides an efficient and economical means to understand the history and the prospects for air SA research through a temporal and spatial analysis on the relationships among the main research bodies and knowledge clusters.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,204
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetAtmospheric chemistry and aerosolsCatégorieBibliométrieTravaux en français237 207