A Bibliometric Network Analysis of Coronavirus during the First Eight Months of COVID-19 in 2020
Notice bibliographique
Résumé
The COVID-19 pandemic has affected all aspects of society. Researchers worldwide have been working to provide new solutions to and better understanding of this coronavirus. In this research, our goal was to perform a Bibliometric Network Analysis (BNA) to investigate the strategic themes, thematic evolution structure and trends of coronavirus during the first eight months of COVID-19 in the Web of Science (WoS) database in 2020. To do this, 14,802 articles were analyzed, with the support of the SciMAT software. This analysis highlights 24 themes, of which 11 of the more important ones were discussed in-depth. The thematic evolution structure shows how the themes are evolving over time, and the most developed and future trends of coronavirus with focus on COVID-19 were visually depicted. The results of the strategic diagram highlight 'CHLOROQUINE', 'ANXIETY', 'PREGNANCY' and 'ACUTE-RESPIRATORY-SYNDROME', among others, as the clusters with the highest number of associated citations. The thematic evolution. structure presented two thematic areas: "Damage prevention and containment of COVID-19" and "Comorbidities and diseases caused by COVID-19", which provides new perspectives and futures trends of the field. These results will form the basis for future research and guide decision-making in coronavirus focused on COVID-19 research and treatments.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,009 | 0,015 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».