A Bibliometric Analysis of Scientific Literature on Livelihood Adaptation in ASEAN Countries During the COVID-19 Pandemic
Notice bibliographique
Résumé
COVID-19 has significantly impacted people's livelihoods, affecting not only health but also economic and living conditions.This research aims to survey scientific literature to uncover general trends and analyse livelihood indicators during 2019.Employing a bibliometric methodology, this paper draws upon data from the Scopus database up until 2022 and visualises the data using VOSviewer.During the COVID-19 period, the study identified 101 articles penned by authors from ASEAN countries on the topic of livelihood.The findings suggest that the most influential article is "Livelihood and COVID-19 in ASEAN Countries," authored by Wang C. and Harris J.Moreover, the most influential author is Wang C., who wrote "The Impact of the COVID-19 pandemic on the Physical and Mental Health of Asians: A Study of Seven Middle-Income Countries in Asia" in 2021, which has garnered 102 citations within the research topic.By mapping the linkages between keywords, this study discovered that a significant body of research on this topic continues to focus on environmental issues related to human interaction.Therefore, this study encourages scholars to delve deeper into livelihoods based on food security, as many individuals struggle to find food during regional restrictions imposed due to COVID-19, and to broaden research into the most recent livelihood adaptations in relation to their social environment.
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 | 0,011 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,224 | 0,308 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».