State of the Art Research on Sustainable Use of Water Hyacinth: A Bibliometric and Text Mining Analysis
Notice bibliographique
Résumé
This study aims to present a systematic data-driven bibliometric analysis of the water hyacinth (Eichhornia crassipes) infestation problem around the globe. As many solutions are being proposed in academia for its management, mitigation, and utilization, it requires investigation through a systematic scrutinizing lens. In this study, literature records from 1977 to June 2020 concerning research on water hyacinth are taken from Scopus for text analysis. Trends in the publication of different article types, dynamics of publication, clustering, correlation, and co-authoring patterns between different countries are observed. The cluster analysis indicated four clusters viz. (i) ecological works related to species, (ii) pollutant removal process and methods, (iii) utilization of biofuels for biogas production, and (iv) modelling works. It is clear from the networking analysis that most of the publications regarding water hyacinth are from India, followed by China and the United States. Sentiment analysis with the AFINN lexicon showed that the negative sentiment towards the aquatic weed has intensified over time. An exploratory analysis was performed using a bigram network plot, depicting and outlining different important domains of water hyacinth research. Water hyacinth research has passed the pioneering phase and is now at the end of a steady growth phase or at the beginning of an acceleration phase. In this article, an overview is given for the entirety of water hyacinth research, with an indication of future trends and possibilities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,139 | 0,163 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».