Topik potensial untuk publikasi penelitian kesehatan mental pekerja dengan menggunakan analisis bibliometrik
Notice bibliographique
Résumé
Dalam beberapa tahun terakhir, kumpulan bukti telah meyakinkan bahwa lingkungan kerja merupakan faktor penting kesehatan mental pekerja. Tujuan penelitian ini untuk mendeskripsikan terkait penelitian tentang Kesehatan mental pekerja dan sebagai bahan tambahan pemahaman tentang berbagai penelitian pada topik Kesehatan mental pekerja. Penelitian ini dilakukan dengan menggunakan pendekatan kualitatif dengan bibliometric. Data diambil pada tahun 1953-2023 dengan jumlah publikasi sebanyak 484 dokumen tanpa dilakukan limitasi dalam bentuk apapun. Sumber data dilakukan pada database scopus. Analisis dilakukan dengan bantuan software openrefine, vosviewer, dan Rstudio. Hasil penelitian menunjukkan bahwa Kesehatan mental pekerja saat ini masih menjadi topik yang dibicarakan meskipun penelitian fokus pada hasil Analisa keyword fokus terbesar pada topik Kesehatan mental. Namun dalam praktiknya peneliti banyak fokus pada Kesehatan mental pekerja selama masa covid 19. Negara dengan tingkat publikasi tertinggi terkait tema ini adalah United State dan Canada. Sedangkan penulis yang aktif dalam publikasi topik Kesehatan mental pekerja yakni Tsutsumi A dan Kawakami N. sebagai prediksi tema di masa depan ada beberapa diantaranya terkait Kesehatan mental, depresi dan juga professional perawatan Kesehatan.
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 | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,025 | 0,049 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,050 | 0,009 |
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 ».