MétaCan
Menu
Retour à la cohorte
Enregistrement W2943992917 · doi:10.1139/er-2018-0112

Temporal and spatial variations in haze research: a bibliometric analysis

2019· article· en· W2943992917 sur OpenAlexvenueno aff
Yaling Lu, Yuan Wang, Bo Li, Jiao Li, Hongqiang Jiang

Notice bibliographique

RevueEnvironmental Reviews · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésHazeScience Citation IndexChinaCitationRegional scienceBeijingGeographyIndex (typography)Citation indexPolitical scienceBibliometricsLibrary scienceComputer scienceMeteorologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This study examines haze research literature published between 1998 and 2018 using bibliometric methods based on databases of the Science Citation Index, the Social Science Citation Index, the Conference Proceedings Citation Index – Science, and the Conference Proceedings Citation Index – Social Science and Humanities. Of 7911 retrieved publications, 92% are journal articles. From the temporal variation, changes in the key words of these studies between 1998 and 2018 showed the dynamic evolution of categories of haze research. Scientists have studied haze from the initial suspended particles to the characteristics, components, sources, influence factors, and hazards of the particles and finally established a mature research system. The spatial analysis revealed hot spot regions and international cooperation. The results showed the United States and China were the two countries with the most articles. Spatial proximity provided convenience in country cooperation. The modular analysis showed the United States and China were the two core countries in collaboration with other countries/regions and played key roles in international collaboration. In addition, haze events are trans-boundary issues urging cooperation among countries. These findings are useful for the future endeavor of haze related academic 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 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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,217
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,031
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)0,0060,005

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 Opus0,142
Tête enseignante GPT0,396
Écart entre enseignants0,255 · 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

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetAir Quality and Health ImpactsTravaux en français237 207