Bibliometric Analysis of Research History, Hotspots, and Emerging Trends on Flax with CiteSpace (2000-2022)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the growing health and environmental consciousness, flax (Linum usitatissimum L.) has attracted more attention owing to its great potential in the food, health care, and material industry. For such an important crop, it is crucial to understand its development history, current status, and hotspots and finally find the future directions of flax research. This paper mainly analyzed the published articles (collected from the Web of Science) related to flax from 2000–2022 and the cited references by these articles using the software of CiteSpace. Results showed that the number of studies on flax kept increasing and increased rapidly from 2010 to 2022. Canada and France are the leading countries in flax research with more than 970 articles published during the period. By analyzing the high-frequency keywords, five important research areas were found: (1) flax fiber quality and its application in composites, (2) chemical composition and products of flaxseed, (3) tolerance of flax to stress and genetics, (4) cellulose and lignin, (5) fiber-reinforced composites and flax fabric. With the strongest citation bursts, bio-composite with flax straw has become the hottest research area for flax. In the future, efforts should still be made to the simplified and efficient production of flax owing to the higher labor cost, and more attention should be paid to healthier flaxseed food and flax-based environmentally friendly biomaterials. Finally, decreasing the cost of cultivation and pre-processing and developing end products with higher values would greatly promote the development of the whole flax industry.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,214 | 0,236 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle