Notice bibliographique
Résumé
Purpose This study aims to examine the volume of ehealth literacy documents during 2006–2022, and the nature of citation of ehealth documents by country, organizations, sources and authors. Design/methodology/approach The study adopted a bibliometric approach. Bibliographic data was collected on citation of ehealth documents by country, organizations, sources and authors from Scopus and mapped and visualized the citations using VosViewer. Findings A total of 1,176 documents were produced during 2006–2022, indicating a high rate of document production in this sub-discipline. Among the 102 countries that contributed documents on the subject, 58 qualified for the analysis. The USA had the highest number of cited documents on eHealth literacy, followed by Canada and Australia. The average publication year for the USA was 2018, with 348 publications and an average of 24.12 citations. Canada had a high average citation count of 44.69. Furthermore, the document examined citations by organizations. Research limitations/implications The research implications of the study suggest that eHealth literacy is an actively growing field of research, with a substantial impact on the academic community, and researchers should focus on collaboration with high-impact institutions and journals to increase the visibility and recognition of their work, while also paying attention to the need for more research representation from African countries. Practical implications The study’s findings indicate a high rate of document production and growing interest in eHealth literacy research, with the USA leading in the number of cited documents followed by Canada, while Canadian eHealth literacy research receives relatively higher citation rates on average than the USA. Originality/value The study’s originality lies in its examination of citation patterns and global contributions to eHealth literacy literature, offering valuable insights for researchers. It identifies key authors, high-impact journals and institutions, providing valuable guidance for collaboration. The research highlights a growing interest in eHealth literacy, underscoring its potential impact on public health and digital health interventions.
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 | 0,016 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,074 | 0,160 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».