Mapping the Research Landscape of Conservation Agriculture as a Panacea for Achieving Soil Health and Sustainable Development Goals Using Scientometrics
Notice bibliographique
Résumé
This work mapped the research chronology and conceptual trends on conservation agriculture-soil health-sustainable development goals nexus by analyzing data from related literature. This is the first-time different bibliometric methods such as VOSviewer, Flourish, as well as Bibliometrix and Biblioshiny models in RStudio were simultaneously used to investigate the research impacts and/or interactions between conservation agriculture (CA), soil health and sustainable development at global scale. On 20th February 2024, a search was launched on the web of science core collection using related search terms to extract relevant data. After the screening and elimination, the search produced 835 papers which were used in the bibliometric analysis. The revealed that USA (31%), India (27%), Australia (7%), England (6%), China (6%), Canada (5%), and other countries had below 5% of the published documents. Many of the papers covered zero hunger (38%), climate action (30%), life on land (26%), while other SDGs had relatively low coverage. The study found the adoption of no till, cover cropping, and organic amendments by the authors as the common CA practices. The hybrid bibliometric approach provided a clear roadmap in understanding the global research trajectory on CA-soil health and SDGs nexus, as well as the roles of countries, authors, institutions, publishing journals. This knowledge could support in championing future debates on CA potential for effective discussion and policies, especially in the developing countries where there have been low publications.
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 | 0,011 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,181 | 0,215 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».