Contributions of bibliometrics to the study of interdiscipline. A methodology for the analysis of the intersection between the fields of neurosciences and computational sciences
Notice bibliographique
Résumé
Despite the growing importance of interdisciplinary studies for the development of science, quantitative works on the subject are not abundant. Bibliometrics offers tools to analyze interdisciplinarity through a complementary approach to qualitative work. While there is a body of precedents in bibliometrics (1,2,3,4,5,6), methodological proposals for the construction of databases of the intersection of two disciplines are scarce.(7) Thus, a proposal is made to identify an interdisciplinary field with a set of scholarly articles. The objective of this work is to develop a methodology for defining the intersection between the fields of neuroscience and computational science. This area of study is not directly traceable from categorizations in databases. For this reason, three strategies are built to delimit an interdisciplinary corpus and compare the potential and limitations of each of them. The three strategies are focused, on the one hand, on keywords and, on the other hand, on citation and reference patterns using the Web Of Science database. It is found that it is possible to operationalize the interdiscipline with two types of approaches: 1. A semantic approach based on the use of keywords. A relational approach focusing on cross-references and citations between articles from the two disciplines. As a result, a basis for the study of the intersection between the fields of neurosciences and computational sciences from a bibliometric perspective is obtained, and a methodological proposal for the quantitative study of interdiscipline in other areas of knowledge is mad
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 | 0,046 | 0,173 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,152 | 0,189 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,024 | 0,022 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».