Notice bibliographique
Résumé
Among the visible effects as Sustainable Development (SD) transitions from theory into practice, there are Green Jobs (GJs). There are multiple variants in naming this phenomenon in the labor market. Among them are green collars, green employment, and sustainable employment, all indicating a profound inconsistency in the GJ definition. This article aims to identify keyword-specified areas around which the topic of GJs revolves in the scientific literature indexed in the Scopus database. The usage of two methods has achieved this goal. First is the Structured Literature Review (SLR) variation with queries, and it is used to explore the scientific database to determine GJ's definition consistency by the queries syntax. The second method is the search results analysis performed in the Scopus database online to identify the most cited publications and most contributing authors. Then the bibliometric analysis was performed to create bibliometric maps of the most critical keywords in VOSviewer software. The combination of those two approaches allowed this research to indicate the most influential research directions on GJs. The results are presented in graphical forms, and tables with main co-occurring keyword clusters were identified. GJs are a key part of green economy development, where green self-employment and green entrepreneurship play a pivotal role. The presented results can inspire other researchers who are looking for a research gap or describing the state of the art. Politicians and decision-makers can be influenced by the presented contextualization of green job's meaning in the labor market.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,024 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».