Total numbers matter. Landscape of China’s scientific publications in 2018-2020 on the energy issue
Notice bibliographique
Résumé
This study aims to reveal and analyze the landscape of China’s scientific publications in 2018–2020 on the subject “Energy Engineering and Power Technology” using bibliometric data from the Lens platform. Bibliometric data of 26,623 scholarly works that satisfy the query: “Filters: Year Published = (2018–); Publication Type = (journal article); Subject = (Energy Engineering and Power Technology); Institution Country/Region = (China)” were used to analyze their main topics disclosed by Fields of Study and Subject; the leading contributors to these R&D activities were also detected. Chinese Academy of Sciences, China University of Petroleum, Tsinghua University, Xi’an Jiaotong University, China University of Mining and Technology are the leading institutions in the subject. Most research works were funded by National Natural Science Foundation of China. China carries out its research not only in conjunction with the leading economies: United States, United Kingdom, Australia and Canada, but also with the developing countries: Pakistan, Iran, Saudi Arabia and Viet Nam. Materials science, Chemical engineering, Computer science, Chemistry, Catalysis, Environmental science are the top Fields of Study. Analysis of co-occurrence of Fields of Study allowed to identify 5 thematic clusters: 1. Thermal efficiency and environmental science; 2. Materials science for energy storage and hydrogen production; 3. Catalysis and pyrolysis for better fossil fuels; 4. Computer science and control theory for renewable energy; 5. Petroleum engineering for new fossil fuel resources and composite materials. The results of the work can serve as a reference material for scientists, developers and investors, so that they can understand the research landscape of the “Energy Engineering and Power Technology” subject.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,023 | 0,068 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,011 |
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 ».