MétaCan
Menu
Retour à la cohorte
Enregistrement W4309463160 · doi:10.3390/ijerph192215211

The Bibliometric Analysis of Studies on Physical Literacy for a Healthy Life

2022· article· en· W4309463160 sur OpenAlexaboutno aff
María Mendoza-Muñoz, Alejandro Vega-Muñoz, Jorge Carlos‐Vivas, Ángel Denche-Zamorano, José Camelo Adsuar, Armando Raimundo, Guido Salazar-Sepúlveda, Nicolás Contreras-Barraza, Nicolás Muñoz-Urtubia

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueChildren's Physical and Motor Development
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad Andrés BelloUniversidad Católica de la Santísima Concepción
Mots-clésBibliometricsLiteracyCompetence (human resources)MetadataProduction (economics)VisualizationData sciencePsychologySociologyComputer scienceWorld Wide WebPedagogyArtificial intelligenceSocial psychology

Résumé

récupéré en direct d'OpenAlex

This article empirically provides a global overview of physical literacy, which allows for the understanding of the structure of the epistemic community studying literacy for healthy living. Publications registered in the Web of Science are analyzed using bibliometrics (spatial, productive, and relational) based on data from 391 records, published between 2007 and April 2022, applying five bibliometric laws and using VOSviewer software for data and metadata processing and visualization. In terms of results, we observe an exponential increase in scientific production in the last decade, with a concentration of scientific discussion on physical literacy in seven journals; a production distributed in 46 countries situated on the five continents, but concentrated in Canada and the United States; co-authored research networks composed of 1256 researchers but with a production concentrated of around 2% of these, and an even smaller number of authors with high production and high impact. Finally, there are four thematic blocks that, although interacting, constitute three specific knowledge production communities that have been delineated over time in relation to health and quality of life, fitness and physical competence, education, and fundamental movement skills.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,949

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0110,007
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,131
Tête enseignante GPT0,485
Écart entre enseignants0,353 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetChildren's Physical and Motor DevelopmentTravaux en français237 207