Collaborative governance in forestry issues: A bibliometric analysis with VOS viewer software using Scopus database
Notice bibliographique
Résumé
This study aims to analyse scientific literature on collaborative governance in forestry issues published from 2001 to 2022. To ensure paper quality, the study will use VOSviewer software to visualise the bibliometric analysis from Scopus Database. Bibliometric analysis was used to analyse 72 papers about collaborative governance in forestry issues. VOSviewer software visualised publishing trends, country/institution/author contributions, journal distribution, highly cited articles, bibliographic coupling analysis, and keyword analysis. According to the study, collaborative governance in forestry publications has increased considerably in the last decade. Most research on this issue comes from the US, Canada, and Australia. Colorado State campus was the study's most affiliated campus, followed by Saskatchewan and Oregon. This study was published in Land Use Policy, Society and Natural Resources, and Ecology and Society. The combination of bibliographies and keyword concurrency networks showed that collaborative governance in forestry issues is closely linked to sustainable development, environmental governance, and forest governance. The study finds that collaborative governance in forestry issues needs more research, especially with collaborative governance as a framework. The bibliometric analysis provides a complete overview of publishing trends, country/institution/author contributions, journal distribution and highly cited articles, bibliographic coupling analysis, and keyword analysis in this field. Researchers, policymakers, and practitioners interested in collaborative governance in forestry may profit from the study. The results may identify key contributors, influential journals, and critical study areas linked to this topic.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,024 | 0,203 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».