Bibliometric Analysis of Articles on Web3
Notice bibliographique
Résumé
In this study, it is aimed to analyze the articles on Web3 and present the general situation about Web3 to researchers. Within the scope of this purpose, the trends of the studies published on Web3 according to years, the trends of the journals in which they were published, the institutions and countries that contributed the most, the keywords used in the studies, the topics and themes based on the studies, and the distribution of research areas were revealed. The research is based on bibliometric analysis. A total of 280 articles published in WoS and SCOPUS databases were analyzed. WoSViewer and Bibliometrix programs were used in data analysis. The findings were analyzed and interpreted separately in WoS and SCOPUS. As a result of the research, there was a significant increase in studies on Web3 in 2022, and the journals with the highest number of publications in WoS and SCOPUS differ. The countries that contributed the most to Web3 were China, The USA, India, England, Germany. The most cited countries are China, the USA, India, England, Iran and Canada. In general, it can be said that countries and institutions have conducted studies on Web3 by addressing many issues related to Web3. Within the scope of the results, Web3 studies address many different disciplines with many topics. However, there is a need to deepen the studies. The policies, practices and even the laws created by countries on Web3 are important for studies on Web3. Blockchain is one of the most studied topics, but it is understood that there are some hesitations about blockchain security. For this reason, Web3 studies can be conducted to increase blockchain security.
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 | 0,005 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,180 | 0,200 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».