MétaCan
Menu
Retour à la cohorte
Enregistrement W4291110514 · doi:10.1016/j.psj.2022.102134

Scientometric evaluation of 100-year history of Poultry Science (1921–2020)

2022· article· en· W4291110514 sur OpenAlexaboutno aff
Esmaeil Vaziri, Ali Maghsoudi, Mansoureh Feizabadi, Hadi Faraji-Arough, Mohammad Rokouei

Notice bibliographique

RevuePoultry Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubject (documents)PublishingAgricultural scienceLibrary scienceBiotechnologyBiologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

To have a better contribution to the poultry production community, the Poultry Science Association founded journals including Poultry Science (PS) at 1921. Now, after 100 yr of publishing, PS ranks between the top 10 journals in the category of "agriculture, dairy, and animal science". One hundred years after publishing the first paper in PS, the poultry industry has been completely revolutionized. Hence, it will be interesting to establish scientometrics study of the PS development during the last century. Therefore, based on findings of the current study, among countries/authors' collaborations, future research fronts, and possibility of hot topics in the coming years may be predictable. Accordingly, a total of 22,451 articles were retrieved. For content analyses, according to the PS categorization for subject areas, 14 different subject areas were developed, including "behavior, breeding and quantitative genetics, education and extension, health and welfare, immunology, management and environment, metabolism and nutrition, microbiology and virology, modeling, molecular biology, physiology and anatomy, production, products, processing and marketing, and reproduction". Considering the 100-yr of PS, the most frequent subject area was "nutrition and metabolism" (14,109 articles), and "modeling" (1,114 articles) attracted less scholarly attention. However, considering the last decade (2011-2020), the most important subject area was "molecular biology" (1,420 of 2,466 articles; 57.58%), followed by "modeling" (544 of 1,144 articles; 48.88%). Moreover, the most frequent poultry species/strains were broilers (retrieved in 6,156 articles), followed by laying hens, turkeys, and quail. Considering collaboration of countries and researchers, it can be said that a total number of 108 countries contributed to PS, with the most prolific country being United States (with 9,421 articles; 43.16%), followed by China, Canada, the Netherlands, and Japan. Among the authors, Harms RH (287 articles), and Siegel PB (208) were the most prolific authors, and Siegel PB and Dunnington EA (71 articles) had more collaborations. To study keyword trends, including 3 time periods broilers was the central co-occurrent keyword, while the importance of chickens and turkeys declined during the time. Salmonella spp. was a constant representative of poultry microbiology during 100 yr. While "nutrition and metabolism" was the most important subject area, nutrition-related keywords (major items) were not concentrated and co-occurred with a variety of keywords from different subject areas. While "molecular biology" ranked first over the past decade, the importance of "nutrition and metabolism" should not be ignored. In fact, in recent years, molecular basis of the nutrition has been studied. In big-data era and due to developing the molecular biology technologies, it seems that using mathematical modeling and computational methodologies will increase and probably remains as one of the most attractive research areas for scientists at least in the upcoming future decades.

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 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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,009
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,073
Tête enseignante GPT0,293
Écart entre enseignants0,221 · 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

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePoultry ScienceMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207