MétaCan
Menu
Retour à la cohorte
Enregistrement W3158748375 · doi:10.5539/ep.v10n2p1

Global Research Collaboration for Vapour Intrusion

2021· article· en· W3158748375 sur OpenAlexvenueaboutno aff
Jeroen Provoost

Notice bibliographique

RevueEnvironment and Pollution · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial network analysisCollaborative networkProductivityIntrusionRegional scienceChinaSocial network (sociolinguistics)Network analysisPolitical scienceEconomic growthKnowledge managementEngineeringComputer scienceGeographyEconomicsWorld Wide WebSocial media

Résumé

récupéré en direct d'OpenAlex

The complexity of the vapour intrusion (VI) transport pathway has received an ever-increased interest worldwide, and an improved and consolidated understanding of the VI issue requires collaboration between international research groups. This study uses the social network analysis methodology, applied to bibliometric authorship for VI research, to discover trends in collaboration, identify lead scientists, organisations, and countries. Furthermore, some of the external factors influencing the collaboration and productivity were assessed. The data suggests that the global research network for VI produced over a time span of 54 years 566 publications via 157 sources. The research network is composed of 437 organisations and 1053 authors from 33 countries. This suggests an increasingly active international collaborative research effort. However, inter-continental cooperation is much less than continental. The top five most central countries in the network are the USA, followed by Canada, China, The Netherlands, and Italy. The researchers with the most publications are from these five countries as well as the top organisations. The social network analysis conducted shows a good approximation of the collaborative structure for the key countries, organisations and researchers involved. Since 2010, the research community has become more stable.

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)0,009
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0180,046
Études des sciences et des technologies0,0020,001
Communication savante0,0060,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,022
Tête enseignante GPT0,331
Écart entre enseignants0,309 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and PollutionMême sujetComplex Network Analysis TechniquesTravaux en français237 207