PUBLICATION OF RESEARCH DATA MANAGEMENT IN OPEN ACCESS JOURNAL ANALYSIS BASED ON SCOPUS DATA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The study aims to determine: (1) the number of open access resources for research data management publications indexed by Scopus, including the year of publication, source of publication, authors, institutions, countries, types of documents and funding agencies; (2) mapping research data management based on keywords. The results of the study showed that the number of open access resources for research data management publications has started since 1981 and the number has continued to increase starting in 2014 and the highest number occurred in 2019, namely 49 publications. The most publicized journals that open access to research data management was the Data Science Journal, which was 11 publications. The most productive author of conducting research data management publications was Cox, A.M. and Pinfield, S. The largest institutions contributing to the publication of open access research data management were the University of Toronto and New York University. The countries that contributed the most were the United States with 50 publications, then China with 38 publications. The most open access research data management in the form of articles as many as 107 and 37 conference paper publications. The institutions that provided the most funding sponsors were the Deutsche Forschungsgemeinschaft and the National Science Foundation. The results of keyword mapping with VOSViewer showed that big data, research data management, information management, data management, medical research topics, software, information processing, and metadata were the most researched topics.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,006 | 0,024 |
| Science ouverte | 0,015 | 0,014 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle