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
This work seeks to identify the most impactful journals, papers, authors, institutions, and countries that cite optometry journal articles. The Scopus database was searched for papers citing at least one article published in any of the 18 optometry journals included in that database (i.e. ‘optometry articles’). The 10 most highly cited papers that cite optometry journal articles were determined from 82,830 papers found. A h-index for “optometry journal citations” (the hOJC-index) was derived for each entity in the categories of journals, papers, authors, institutions and countries to serve as a measure of impact. The hOJC-index of the body of papers citing optometry journal articles is 370. Papers citing optometry journal articles have themselves been cited 2,054,816 times. Investigative Ophthalmology & Visual Science (hOJC = 154) is the most impactful journal citing optometry articles and Optometry and Vision Science the most prolific (5310 papers). The most impactful paper citing optometry journal articles (5725 citations) was published in Journal of Clinical Epidemiology. Ophthalmologist Seang Mei Saw (hOJC = 69) is the most impactful author and optometrist Nathan Efron is the most prolific (288 papers). Harvard University (hOJC = 127) is the most impactful and UNSW Sydney is the most prolific institution (1761 papers). The United States is the most impactful and prolific nation (hOJC = 313; 28,485 papers). Optometry journal articles are cited extensively by optometrists, ophthalmologists, and vision scientists world-wide, as well as authors from a broad spectrum of non-ophthalmic research domains. This work confirms the utility and influence of optometry journals.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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