Electronic voting research papers in web of science: A bibliometric analysis
Notice bibliographique
Résumé
Purpose - The main aim of the paper is to investigate and recognize trends in Electronic Voting research at aninternational level Design/methodology/approach - Retrievalof the data was from the database of Web of Science on the topic Electronic Votingthat covered the period from 1988- 2020 to identify useful contributions that have been producedand published in the respective field A total of 994 data records were retrieved from the database Several trends predominatingin Digital Voting research including well known contributing countries, adopted patterns of the authorship, the degree of co-authorship, cross-country co-authorship, prominent sources for research publication, recognition of research in courseof citation trends like average citation per year, top-cited papers, citations received/citations per paper, etc were discovered by analysis of the data Findings–There have been constructive growth in the literature since 1988 as revealed by the analysis As evident from the analysis, half of the research output was contributed by the five countries – USA, England, China, Spain, and Germany with a total of 491 journals published When it comes to the effectiveness of the papers, Denmark leads with a PEI of 4 87 It is followed by Canada with PEI of 4 60 and Scotland with PEI of 2 80 Most of the journals belong to Computers Science and Political Science categories of Web of Science Also, the number of times these papers are cited per year is increasing rapidly for the given duration This shows there is an increase in research in the field of Digital Voting COVID-19 pandemic can be made accountable for the irregularity in the trend in 2020 that has halted the research in the field On performing linear regression, it was observed that we can expect positive growth in the number of citations in the coming years © 2020 Ubiquity Press All rights reserved
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,085 | 0,563 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».