Scientometric Study of World Research Publications on COVID-19 from the Scopus Database for the Period of 2019-2021
Notice bibliographique
Résumé
The present paper analyzes the scientometric study of COVID-19 research publications from the Scopus database between 2019 and 2021 with 248966 research publications and 2428009 citations. During the study period maximum of 163085(65.50%) research publications are contributed in the year 2021, followed by 85819(34.47%) publications in the year 2020, and 62(0.02) publications in the year 2019. The average research publication per year is 82989. The maximum of 60964(27.26%) contributions are from the United States, the citations are 84795(3.73), CPP is 1.39, H- index is 87 and RCI is 0.14. The maximum of 22753(18.69%) contributions are Biochemistry, Genetics, and Molecular Biology. The maximum of 266(13.23%) contributions are Mahase, E, from the United States. A maximum of 157579(63.29%) research publications are contributed by articles. The maximum of 3405(11.48%) contributions are the Harvard Medical School, the maximum of 3178(15.74%) contributions from are International Journal of Environmental Research and Public Health, the highest citations were 36889(10.98%) in the Journal of Medical Virology, with the CPP being 30.51, h-index is 82 and RCI is 1.83.
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 | 0,008 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,115 | 0,192 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 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) | 0,006 | 0,003 |
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 ».