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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

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 tête enseignante, pas un consensus.

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