MétaCan
Menu
Retour à la cohorte
Enregistrement W4392643550 · doi:10.3390/ruminants4010010

Bibliometric Mapping of Academic Research Focusing on Animal Production and Climate Change in Association with Methane Emissions and Animal Productivity

2024· article· en· W4392643550 sur OpenAlexaboutno aff
Akeem Babatunde Sikiru, O. J. Makinde, Bossima Ivan Koura, Stephen Sunday Egena Acheneje, Maria N. T. Shipandeni, Oludayo Michael Akinsola

Notice bibliographique

RevueRuminants · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityClimate changeProduction (economics)Association (psychology)Environmental scienceMethaneNatural resource economicsAnimal productionGreenhouse gasAgricultural economicsEnvironmental resource managementEcologyEconomicsAnimal scienceBiologyPsychologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Climate change is a pressing global challenge, and animal production is a major contributor to methane emissions. This study examines the academic landscape of research on CH4 emissions and animal productivity, with a focus on cattle, sheep, and goats. Using a bibliometric analysis of 2500 documents published between 1987 and 2023, the study finds that research on this topic has increased significantly over time, with a record high in 2022. The leading countries in terms of research output are the United States, China, Brazil, Canada, and Italy. The study identifies several key research themes, including the impact of CH4 emissions on animal productivity parameters, the development of mitigation strategies, and the assessment of trade-offs and synergies between CH4 emissions reduction and other sustainability goals. The study concludes by highlighting the importance of continued research on CH4 emissions and animal productivity to develop and implement effective mitigation strategies. This study has important implications for policymakers, researchers, and the livestock industry. Policymakers can use the findings to inform the development of policies and regulations that support the reduction of CH4 emissions from animal production. Researchers can use the findings to identify gaps in the existing knowledge base and to develop new research directions. The livestock industry can use the findings to develop more sustainable production practices. By working together, policymakers, researchers, and the livestock industry can develop and implement effective mitigation strategies that reduce greenhouse gas emissions, protect the environment, and support sustainable food production.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,047
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,2160,343
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,347
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRuminantsMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207