MétaCan
Menu
Retour à la cohorte
Enregistrement W2969622714 · doi:10.5958/2249-5576.2019.00020.7

Mobile Edge Computing: A Scientometrics Assessment of Global Publications Output during 2001–18

2019· article· en· W2969622714 sur OpenAlexaboutno aff
Bindu Gupta

Notice bibliographique

RevueInternational Journal of Information Dissemination and Technology · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScientometricsEnhanced Data Rates for GSM EvolutionComputer scienceLibrary scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

The present study has examined mobile edge computing global research output, as indexed in Scopus database during 2001–18 on a series of Bibliometrics 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 in fog computing, and the preferred media for research communication and characteristics of highly cited papers. The global research output (2716 papers) registered 42.48% annual growth rate and averaged to 6.77 citations impact per paper in the subject during the period. 80 countries participated in mobile edge computing research, of which the top 10 countries accounted for 89.51% global publication share and more than 100% of global citation share during 2001–18. China and USA tops the list of top 10 most productive countries in mobile edge computing research with 26.69% and 20.840% global publication share, followed by U.K. (7.29% share), Italy and Canada (6.44% and 6.11%), France (5.01%) and other 4 countries (from 3.94% to 4.86%) during 2001–18. USA tops the list (15.0 and 2.22), followed by Italy (10.73 and 1.59), Canada (9.59 and 1.42), Germany (8.89 and 1.31), U.K. (7.86 and 1.16), etc. in terms of citation impact per paper and relative citation index. 519 organizations and 561 authors participated in global mobile edge computing research, of which the top 15 organizations and authors contributed 21.80% and 8.21% global publication share and 22.54% and 9.71% global citations share during 2001–18. The world contributed 49.47% share of output in mobile edge computing research in top 15 most productive journals, and 28 of its papers have been rated as highly cited papers each with 101 to 844 citations per paper, averaging 222.61 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

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,469
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,326
Écart entre enseignants0,316 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Information Dissemination and TechnologyMême sujetIoT and Edge/Fog ComputingTravaux en français237 207