Scientific Mapping of Papers Related to Health Literacy Using Co-Word Analysis in Medline.
Notice bibliographique
Résumé
Background and Objective: It is necessary to study the emerging trends and areas of knowledge and to predict the direction of future research on the concept of health literacy in order to promote community health.Therefore, this study was conducted with the aim of mapping research knowledge in the field of health literacy and showing the structure of knowledge and their evolution over time. Materials and Methods:This scientometrics research was conducted using Co-word analysis technique includes the steps include: Data retrieval, Data analysis and Mapping and Visualization Papers from the MEDLINE database during retrieved and analyzed.The bibliographic data analyzed using the visualization of similarities technique by text-mining and visualization techniques of VOSviewer.Results:A total of 7,429 documents, growth of scientific publications related to the field of health literacy has been increased rapidly over the past 10 years and continues to grow in recent years.The stronger studies were mainly conducted at research institutions of higher education in the Canada and United States.Four Core authors groups with a higher influence were identified.The keyword of "communication", "depression", "health education", and "internet" had respectively the highest frequency.The results of cluster analysis identified and categorized them into three major clusters.Health literacy field had a close relationship with the lifestyle dimensions, health information technology, mental health literacy and chronic diseases.Conclusions: Given the interdisciplinary nature of health literacy the areas of education, health, Information Communication Technology (ICT) science, and mental health will help the cooperation of experts in these areas to enrich scientific research and make them more applicable.
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 | 0,014 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,195 | 0,158 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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.
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 ».