Fog Computing Research: A Scientometric Assessment of Global Publications Output During 2012–18
Notice bibliographique
Résumé
The present study has examined fog computing global research output, as indexed in Scopus database during 2012–18 on a series of bibliometric measures, such as publications growth rate, global publications share, citation impact, the share of international collaborative papers, distribution of publications by broad subjects. In addition, the study discusses the citation profile of top organizations and authors in fog computing, and the preferred media for research communication and characteristics of highly cited papers. The study finds 1711 global research output registered (68.09%) annual growth rate. 81 countries participated in fog computing research, of which the top 10 countries accounted for 91.23% global publication share and more than 100% of global citation share during 2012–18. China and USA tops the list of top 10 most productive countries in fog computing research with 22.38% and 19.40% global publication share, followed by India (9.70%), Italy (7.36%), Australia (6.14%), etc. USA top the list (17.02% and 2.25%), followed by Australia (15.54% and 2.06%), UK (12.09% and 1.59%), Canada (11.03% and 1.46%), Spain (9.95% and 1.32%), etc. in terms of citation impact per paper and relative citation index. 401 organizations and 457 authors participated in global fog computing research, of which the top 10 organizations and authors contributed (15.02% and 7.48%) global publication share and (42.17% and 12.81%) global citations share during 2012–18. The world contributed (59.75%) share of output in fog computing research in top 20 most productive journals, and 19 of its papers have been rated as highly cited papers each with 100 to 1657 citations per paper, averaging 209.79 citations per paper
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».