Analysis of Text Mining from Full-text Articles and Abstracts by Postgraduates Students in Selected Nigeria Universities
Notice bibliographique
Résumé
Purpose: This study analysed text mining from full-text articles and abstracts by postgraduate students in selected Nigeria universities.Design/methodology/approach: The study adopted a survey research design using a questionnaire as the instrument for data collection from 357 postgraduate students drawn using Raosoft sample size calculator. Six research questions were developed and answered.Finding: The findings demonstrate that postgraduate students mined texts from full texts articles mostly to write a dissertation, for personal academic development and to prepare research seminars. It also revealed that postgraduate students mined texts from abstracts majorly to write dissertations and prepare for research seminars; postgraduate students mined texts using information extraction technique, information retrieval technique, and summarization. The texts are mined mostly form PDF format, followed by Microsoft word format and HTML format (Web pages). Postgraduate students prefer mining texts from full-text articles than from abstracts and the sources postgraduate students mostly mine text is through the World Wide Web, followed by library databases.Research limitations/implications: The current study only used a questionnaire, a self-reported survey to collect data from the respondents of the study. Including other data collection instruments such as interviews would provide a holistic view of the data mining scenario from both the full-text articles and abstracts among the postgraduate students in Nigerian universities and this would make the generalisation of the study findings easier and more worthwhile.Originality/value: Research on data mining either from full-text articles or abstracts were predominantly conducted in Advance countries. This study seems to be one of the pioneer studies in this area in Nigeria and Africa as a whole. It is the original idea by the author; and it is assumed that understanding the nature and context-related information in data mining by the postgraduate students is an original idea.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».