Visualization and Analysis of Mapping Knowledge Domain of Fluid Flow Related to Microfluidic Chip
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Microfluidic chips are important tools to study the microscopic flow of fluid. To better understand the research clues and development trends related to microfluidic chips, a bibliometric analysis of microfluidic chips was conducted based on 1115 paper records retrieved from the Web of Science Core Collection database. CiteSpace and VOSviewer software were used to analyze the distribution of annual paper quantity, country/region distribution, subject distribution, institution distribution, major source journals distribution, highly cited papers, coauthor cooperation relationship, research knowledge domain, research focuses, and research frontiers, and a knowledge domain map was drawn. The results show that the number of papers published on microfluidic chips increased from 2010 to 2023, among which China, the United States, Iran, Canada, and Japan were the most active countries in this field. The United States was the most influential country. Nanoscience, energy, and chemical industry and multidisciplinary materials science were the main fields of microfluidic chip research. Lab on a Chip, Microfluidics and Nanofluidics, and Journal of Petroleum Science and Engineering were the main sources of papers published. The fabrication of chips, as well as their applications in porous media flow and multiphase flow, is the main knowledge domain of microfluidic chips. Micromodeling, fluid displacement, wettability, and multiphase flow are the research focuses in this field currently. The research frontiers in this field are enhanced oil recovery, interfacial tension, and stability.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».