A 30-year bibliometric assessment and visualisation of emotion regulation research: applying network analysis and cluster analysis
Notice bibliographique
Résumé
Purpose The emotion regulation research has drawn considerable attention from academicians and scholars in the contemporary world. As a result, the publications that are specifically dedicated to emotion regulation research are rapidly escalating. Therefore, this study aims to conduct a bibliometric analysis of research articles that have been published in the field of “emotion regulation.” The study primarily examines the growth and development of scholarly publications, seminal studies, influential authors, productive journals, research production and collaboration among countries, emerging research themes, research hotspots and thematic evolution of emotion regulation research. Design/methodology/approach The Web of Science Core Collection database was used to gather the study’s data, which was then analysed using VOSviewer and Bibliometrix, Biblioshiney open-source package of the R language environment. Findings The study’s results reveal that the research on emotion regulation has grown significantly over the last three decades. Notably, Emotion and Frontiers in Psychology are the most dominant and productive journals in the field of emotion regulation research. The most prominent author in the area of emotion regulation is identified as James Gross, followed by Gratz, Wang and Tull. The USA is at the forefront of research on emotion regulation and has collaborated with most of the developed countries like Germany, England and Canada. The keyword analysis revealed that the most potential research areas in the field of emotion regulation are functional magnetic resonance imaging, amygdala, post-traumatic stress disorder, borderline personality disorder, alexithymia, emotion dysregulation, depression, anxiety, functional connectivity, neuroimaging, mindfulness, self-regulation, resilience and coping. The thematic evolution reflects that the research on emotion regulation has recently focused on issues including Covid-19, non-suicidal self-injury, psychological distress, intimate partner violence and mental health. Originality/value The results of this study highlighted the current knowledge gaps in emotion regulation research and suggested areas for further investigation. The present study could be useful for researchers, academicians, planners, publishers and universities engaged in emotion regulation research.
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 | 0,007 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,122 | 0,122 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».