MétaCan
Menu
Retour à la cohorte
Enregistrement W4400126032 · doi:10.2166/wpt.2024.164

Global publication trend in the field of resource recovery from wastewater: A bibliometric analysis

2024· article· en· W4400126032 sur OpenAlexafffund
Mohit Jain, Vijaya Raghavan

Notice bibliographique

RevueWater Practice & Technology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWastewaterResource (disambiguation)ProductivityScarcityNatural resource economicsChinaWater scarcityBusinessEnvironmental economicsEnvironmental scienceEnvironmental resource managementEconomicsEnvironmental engineeringPolitical scienceGeographyEconomic growthLawComputer scienceAgriculture

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In the 19th century, wastewater was not given the proper attention, leading to its mismanagement and neglect. The increase in wastewater volume over time led to the adoption of treatment methods. Technological advancements have enabled a shift from wastewater treatment to resource recovery. Recently, resource recovery from wastewater has gained global attention, generating a wealth of information. Therefore, it is critical to evaluate that information as it could shed light on unexplored areas. A bibliometric analysis was conducted over 20 years, from 2002 to 2021. The study revealed that publication productivity was initially low, but there was a significant increase in productivity starting in 2013. A 5-fold increase in contributions was observed from 2013 to 2021, specifically in the number of countries. Among these countries, China and the USA were the major contributors, accounting for 50% of the publication productivity. Further, the importance of international collaboration in this field is evident, as it accounted for 40% of the publication. Wastewater is now recognized as a valuable renewable resource, rather than a liability, and continued exploration is necessary to find solutions to freshwater scarcity challenges.

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)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0840,137
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,011
Tête enseignante GPT0,269
Écart entre enseignants0,258 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Practice & TechnologyMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207