MétaCan
Menu
Retour à la cohorte
Enregistrement W3173150748 · doi:10.1111/ijfs.15215

Unravelling scientific research towards the green extraction of phenolic compounds from leaves: a bibliometric analysis

2021· article· en· W3173150748 sur OpenAlexaff
Nushrat Yeasmen, Md. Hafizur Rahman Bhuiyan, Valérie Orsat

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNutraceuticalWeb of scienceBibliometricsScientific literatureComputer sciencePolitical scienceLibrary scienceChemistryMEDLINEBiologyFood scienceBotany

Résumé

récupéré en direct d'OpenAlex

Summary Phenolic compounds (PCs) have been finding increasing applications in functional foods, cosmetic, pharmaceutical and nutraceuticals due to their nutritional and antioxidant properties. Considering the drawbacks of conventional extraction methods, there is an ongoing challenge for researchers to develop green extractions (GE) of PCs in a sustainable and eco‐friendly way. A bibliometric study is a valuable tool to provide quantitative information for evaluating the scientific research activity based on the available published scientific literature. This bibliometric study aims for the first time to unravel the scientific exploration towards the GE of phenolics from plant by‐products, that is, leaves by focussing on scientific publications collected through the Web of Science database. Consequently, insights into the evaluation of publication trends, authors, countries, organisations, keywords, journals, publishers and citations in support of GE were established. The critical evaluation of the results showed an increase in research, during the last decade, on GE of PCs from leaves. The study also revealed Europe as the leader in terms of publications, citations, countries, organisations, as well as authors contributing to this research topic. Following the analysis, directions for future research have also been suggested.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devishigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,949

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0610,110
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,100
Tête enseignante GPT0,400
Écart entre enseignants0,300 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Bibliométrie

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel · Autre devis
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

Citations23
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetPhytochemicals and Antioxidant ActivitiesCatégorieBibliométrieTravaux en français237 207