MétaCan
Menu
Retour à la cohorte
Enregistrement W4400313760 · doi:10.1016/j.slast.2024.100162

Application of Artificial Intelligence in rehabilitation science: A scientometric investigation Utilizing Citespace

2024· article· en· W4400313760 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSLAS TECHNOLOGY · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesZhejiang Office of Philosophy and Social Science
Mots-clésMultidisciplinary approachRehabilitationScientometricsWeb of scienceData scienceCommonwealthBibliometricsField (mathematics)Library scienceComputer sciencePsychologyPolitical scienceMEDLINESocial scienceSociology

Résumé

récupéré en direct d'OpenAlex

This study presents a scientometric analysis of the intersection between rehabilitation science and artificial intelligence (AI) technologies, using data from the Web of Science (WOS) database from 2002 to 2022. The analysis employed a comprehensive search query with key AI-related terms, focusing on a wide range of publications in rehabilitation science. Utilizing the Citespace tool, the study visualizes and quantifies the relationships between key terms, identifies research trends, and assesses the impact of AI technologies in rehabilitation science. Findings reveal a significant increase in AI-related research in this field, particularly from 2017 onwards, peaking in 2021. The United States has been a leading contributor, followed by countries like England, Australia, Germany, and Canada. Major institutional contributions come from Harvard University and the Pennsylvania Commonwealth System of Higher Education, among others. A keyword co-occurrence network constructed through Citespace identifies nine distinct hot topics and various research frontiers, highlighting evolving focus areas within the field. Burst analysis of keywords indicates a shift from performance and injury-related research to an increasing emphasis on AI and deep learning in recent years. The study also predicts the potential impact of papers, spotlighting works by Kunze KN and others as significantly influencing future research directions. Additionally, it examines the evolution of knowledge bases in AI-related rehabilitation science research, revealing a multidisciplinary core that includes neurology, rehabilitation, and ophthalmology, extending to complementary fields such as medicine and social sciences. This scientometric analysis provides a comprehensive overview of AI's application in rehabilitation science, offering insights into its evolution, impact, and emerging trends over the past two decades. The findings suggest strategic directions for future research, policy-making, and interdisciplinary collaboration in rehabilitation science and AI.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,366
Score d'incertitude au seuil0,839

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0080,017
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,342
Écart entre enseignants0,320 · 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