MétaCan
Menu
Retour à la cohorte
Enregistrement W4400144854 · doi:10.30798/makuiibf.1396650

Analysis of G20 Countries in terms of Scientific Publication Performances

2024· article· en· W4400144854 sur OpenAlexaboutno aff
Sinan Dündar, Ömer Faruk Gürcan, İlker Karadağ

Notice bibliographique

RevueMehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitationComputer scienceRank (graph theory)Normalization (sociology)Index (typography)Quality (philosophy)Information retrievalStatisticsLibrary scienceMathematicsSociologySocial scienceWorld Wide WebEpistemology

Résumé

récupéré en direct d'OpenAlex

The achievement of countries in generating scientific publications is also a reflection of their efforts in the scientific domain. The quantitative volume of these publications is not a criterion alone, but the fact that they are a source of inspiration for other scientists carrying out their studies in other countries is an important indicator in terms of evaluating the quality of publications. Based on this emphasis on scientific publications, this research aimed to assess the performance of nineteen G20 countries upon scientific publication data issued by The SCImago Journal & Country Rank and covering the years 1996-2022. The evaluation criteria do not only consist of the number of scientific documents, but also number of citable documents, number of citations, number of self-citations, number of citations per document and H-index values. Fuzzy Step-wise Weight Assessment Ratio Analysis (Fuzzy SWARA) method is employed to determine the priorities of the criteria with the participation of ten researchers from different scientific disciplines. As an outcome of the application of this method, the order of importance of the criteria is determined as H-index, number of citable documents, number of citations per document, number of citations, number of documents and self-citation. The performance order of nineteen countries is performed by using the CODAS-LN method, which includes a logarithmic normalization version of the COmbinative Distance-based ASsessment (CODAS) method and is a very convenient approach in cases where the data is not normally distributed. The results revealed that the United States has a superior position in terms of scientific publication performance, while the United Kingdom, Germany, Canada and France are aligned in the top five order. The consistency of the applied method is also confirmed by two different sensitivity analyses.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,989
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,016
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,386
Écart entre enseignants0,298 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueMehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi DergisiMême sujetMulti-Criteria Decision MakingTravaux en français237 207