Applying clustering coefficient to the pattern of international authorcollaboration in the topic of addiction and clinical research
Notice bibliographique
Résumé
OBJECTIVE: To apply cluster coefficient (CC) to the pattern of international author collaborations on the topic of addiction and clinical research using data from Medline and to visualize the results using Google maps and social network analysis (SNA). METHOD: We obtained 647 abstracts on December 22, 2017, from Medline based on the keywords of addiction and clinical research since 1989. The author names, countries, and keywords were recorded. We also made a note of the following features: (1) nation distribution for 1st author’s and most popular journals; (2) eminent authors in addiction and clinical research, (3) notable keywords representing addiction and clinical research, and (4) cluster coefficients similar or different between author and keyword networks. We programmed Microsoft Excel VBA routines to extract data from Medline. Google Maps and SNA Pajek software were performed to display the graphical representations with an easy-to-read feature for readers. RESULTS: We found that (1) the most number of papers on the topic of addiction and clinical research are from the U.S. (225, 37.19%) and Australia (86,14.21%); (2) the productive authors with the highest cluster coefficient in addiction and clinical research are Abe, Yoshinari(Canada) and Agid, Ofer(Japan); (3) the most linked keywords are clinical research and drug addiction; (4) both author and keyword networks present higher CC in their networks. CONCLUSION: Social network analysis provides wide and deep insight into the relationships among nations and co-authors. The results can provide readers with knowledge and concept diagram for future submission to a journal in addiction and clinical research.
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 | 0,013 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,034 | 0,032 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».