Bibliometric analysis of blueberry (Vaccinium corymbosum L.) research publications based on Web of Science
Notice bibliographique
Résumé
This study aimed to identify and analyze the 3,872 article and review type papers of blueberry research based on Web of Science. Papers mainly written in English (3,769, 97.34%), were from 10,102 authors, 83 countries or territories, 2,033 organizations and published in 770 Journals and three book series. The top five Journals were HortScience (278, 7.18%), Journal of the American Society for Horticultural Science (272, 7.024%), Journal of Agricultural and Food Chemistry (116, 2.996%), Journal of Economic Entomology (97, 2.505%), Food Chemistry (92, 2.376%). The top five countries and regions were USA, Peoples R China, Canada, Chile and Brazil. The six most paper contributed organizations were USDA ARS, University of Florida, Michigan State University, University of Georgia, Agriculture and Agri-Food Canada, and University of Maine. The top five authors were Hancock, James F.; Rowland, Lisa J.; Ehlenfeldt, Mark K.; Lyrene, Paul M.; and Strik, Bernadine C. All keywords of the blueberry research based on Web of Science were separated into seven clusters for different research topics. This review could provide a valuable guide for designing future studies. This work is also useful for student identifying graduate schools and researchers selecting journals.
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 | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,117 | 0,129 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».