Discovering Global Trends of Design in Sustainable Transportation: A Bibliometric Analysis and Visualization
Notice bibliographique
Résumé
Several studies on sustainable transportation have been explored in multidisciplinary background fields. However, the social approach still lacks a connection between sustainable transportation studies and the design field. Hence, the bibliometric analysis was conducted to scope the design, sustainability, and transportation research trends. Bibliometric details extracted 254 documents from the Scopus database from 1969 until September 2023 with the research strings of "sustainable transportation design" OR "sustainable transportation" AND "transportation design" OR "design*." Adopted PRISMA was used as methodology, and the analysis of 254 documents was divided into five sections: Document Type and Language Used, Research Trend and Citation Pattern, Productive Author Analysis, Top Countries Contributed to The Publication and Topical Cluster by Keyword and Title-Abstract Analysis. The results showed the trend of research increasing over the years while the citation fluctuated due to the different times of citation impact. The Productive author was Awasthi (TC=308; NCP=3; h=3), and the top countries are the United States, China, and Canada. The top keyword data extracted from the Scopus database showed that "Sustainable Transportation" was the highest keyword in publications (TP=124; P=48.82%), the keywords "Transportation" came at the second-highest (TP=66; P=25.98%), and the third-highest keywords in the publication was "Sustainable Development" (TP=55; P=21.65%). The exciting part to acknowledge is that the keywords "design" with (TP=14; P=5.51%) also appeared in the Top 20 of the highest keywords in publication. The keywords, title and abstract analysis led to the topical cluster that showed the connection between sustainability, transportation and design through network map visualization. The study concluded with discussions on the contribution by feeding the gaps, limitations, suggestions on design perspectives, database comparison and in-depth content analysis.
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 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,133 | 0,183 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».