Enterprise risk management: A bibliometric analysis of research Trends
Notice bibliographique
Résumé
A bibliometric study of 510 enterprise risk management (ERM) papers from the Web of Science Core Collection (WOS-CC) database from 2004 to 2023 is presented in this article. The study's main goal was to give a bibliometric overview of ERM research, focusing on annual publications, references, journals, authors, author affiliations, and nations. Each article's author, document type, publication year, source, volume, edition, pages, number of citations, and references were obtained from WOS in BibTex format. To help the research, Biblioshiny evaluated this data. The survey indicated that ERM research has increased fast over the previous two decades, with a consistent upward trend and increasing pace in the past five years. "What's wrong with risk matrices?" by Cox, LA (2008) was the most cited publication in this topic, and the Journal of Risk and Financial Management was the most influential journal. David L. Olson of the University of Nebraska Lincoln was the most prolific author, and UNL was the premier research institution in this area, according to the survey. ERM research was heavily influenced by the US and several other countries. To further ERM research, the paper recommends international collaboration. More research can refine the identification of ERM research hotspots and emerging trends, according to the report.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,492 | 0,796 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».