MétaCan
Menu
Retour à la cohorte
Enregistrement W4308314704 · doi:10.18280/ijdne.170509

Scientific Research Trend in Biorefineries in India: Analysis and Systematic Review

2022· article· en· W4308314704 sur OpenAlexvenueno aff
Donaji Jiménez-Islas, Miriam Edith Pérez-Romero, José Álvarez García, Amador Durán‐Sánchez

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundJunta de ExtremaduraConsejo Nacional de Ciencia y TecnologíaEuropean Commission
Mots-clésScopusWeb of scienceBibliometricsPublicationQuartileCitationRanking (information retrieval)BiorefineryDatabaseLibrary scienceData scienceComputer scienceGeographyInformation retrievalEngineeringMathematicsPolitical scienceStatisticsMEDLINE

Résumé

récupéré en direct d'OpenAlex

The aim of this article is to provide a comparative analysis regarding the production of the scientific research of biorefineries in India using Web of Science and Scopus databases. The rate of growth of publications, production, citation, correlation and overlap between databases, authors, journals and universities has been analyzed. The results of both databases show exponential growth of publications in India from 2015-2020 on the topic of biorefineries. The index of citations per document is similar in WoS and Scopus. The correlation of citations was found to be high between databases used. Most Indian authors publish in quartile 1 (Q1) journals. Most of the published documents are review and the highest number of citations were found in the journal "Renewable and Sustainable Energy Reviews". Both databases present a series of publications on the topic of biorefinery by authors from India, the difference between the databases lies in the indexing criteria and the updating of the 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0540,057
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,287
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetEnergy and Environment ImpactsTravaux en français237 207