From the United States to China:The Transfer of Research Centres in Information Science
Notice bibliographique
Résumé
This study not only analyses the centres of research in Information Science (IS), including the migration of central topics and central countries, but also analyses the relationship between the shifting of centres of research and their transformation.In addition, this study explores the relationship between the formation of the centre of research and the academic influence of the country on IS itself.We collected 25,150 articles, including 313,293 references about citation analysis, from databases SCI-E and SSCI between 1977 and 2016 as our data source.The following findings were obtained through this study: the transfer (transfer time) of central research topics in the IS domain has accelerated, from 12 to 8 years between 1980 and 1990, to 6 to 4 years between 2000 and 2010, and to 3 years between 2011 and 2016.The number of central research topics has also grown, from one between 1997 and 2006, to two from 2006 to 2013 to three from 2013 to 2016.The geographical centres of IS research were the US and Britain between the 1970s and 1980s, but gradually migrated through neighbouring countries, and finally to Asia by 2000.China, which became the centre of research for IS in 2005 for the first time, has been ranked first since 2011.In addition, countries acting as centres of research enjoy not only a high output of literature but also great academic influence.The theoretical and practical implications of our findings are discussed.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,008 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».