Mapping the intellectual structure and demystifying the research trend of cross listing: a bibliometric analysis
Notice bibliographique
Résumé
Purpose This study aims to conduct a comprehensive bibliometric analysis to determine the intellectual structure of cross-listing studies and suggests a road map for future research in this field. Design/methodology/approach A step-by-step procedure was carried out. With the help of a defined search string, 580 articles from reputed journals have been retrieved from the Scopus database. Bibliographic coupling and keyword analysis were executed to understand the current research scenario and future research directions in this research field. In addition, R Studio combined with VOSviewer was employed to analyse and visualise the data. Findings The results provide a deeper insight into publication trends, most prolific countries, institutions and journals in the area of cross-listing. The highest collaboration was observed between the authors in the USA and Canada. Moreover, the results contradict Bradford's and Lotka's laws. A thorough review of the literature identifies five clusters in this domain. Finally, keyword analysis offers a future road map in cross-listing research. Originality/value Researchers have shown greater interest in cross-listing topics over the past decades. Even though the research volume on this subject is increasing, the current retrospective is still insufficient. To the best of the authors' knowledge, this study is the first to provide valuable insights to practitioners, academicians, and prospective researchers about the intellectual structure of cross-listing and also offers future avenues in this research field through bibliometric analysis.
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 | 0,015 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,126 | 0,133 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».