MétaCan
Menu
Retour à la cohorte
Enregistrement W3135406022 · doi:10.1111/itor.12952

Multiple criteria analysis of the popularity and growth of research and practice of visual analytics, and a forecast of the future trajectory

2021· article· en· W3135406022 sur OpenAlexaff
Ikpe Justice Akpan, Asuama A. Akpan

Notice bibliographique

RevueInternational Transactions in Operational Research · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésPopularityData scienceMultidisciplinary approachComputer scienceCitation impactCitationField (mathematics)BibliometricsSalience (neuroscience)VisualizationAnalyticsSensemakingKnowledge managementSocial scienceData miningPolitical scienceWorld Wide WebSociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract This study employs Google trends and data from the web of science to evaluate the popularity, growth, and impacts of visual analytics (VA) as a research field and data science technique. The paper undertakes quantitative analyses and visualization of the temporal trends, from VA's emergence in 2000 to the end of 2019. The trend analysis helps to forecast future growth in the research and practice of VA. The study highlights four outcomes. First, there is a robust direct relationship among the variables, including VA's growth on the Google trends, the scientific literature production (SLP), and usage of the published documents. Second, the SLP's growth pattern highlights VA's popularity as an emerging field with an overall annual increase of 17.4%. The high citation counts of the published scholarship indicate a significant impact and a continuous growth of the VA field. Third, VA contributes to diverse disciplines other than computer science and information systems, from business and economics to engineering, healthcare, biomedical and chemical sciences, and arts and humanities. VA helps researchers and practitioners in multidisciplinary fields analyze multidimensional data, enhance data visualization, knowledge discovery, generating insights, and make informed decisions. On the reverse, other disciplines contribute to propelling VA's popularity through research productivity, usage, and citation impacts. Finally, a trend analysis predicts sustained future growth of VA technology in research and practice to dissect and sensemaking of the increasingly massive and complex data structures, which is now the norm in many fields.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,073
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,073
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0300,024
Études des sciences et des technologies0,0010,001
Communication savante0,0070,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,463
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Transactions in Operational ResearchMême sujetData Visualization and AnalyticsTravaux en français237 207