Bibliometric Analysis of Research History, Hotspots, and Emerging Trends on Flax with CiteSpace (2000-2022)
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.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,201 | 0,271 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».