Construction of a bibliometric dataset on gender studies
Notice bibliographique
Résumé
Feminist discussions are reflected in scientific production.(1) During the 1970s, various lines of research from different disciplines were institutionalized, conforming gender studies.(2,3) While "gender studies" often denotes a field, it can be understood as an umbrella term for a diversity of approaches. From other disciplines, a gender perspective can be adopted, recognizing the constitution of power relations between genders and considering their concrete expressions in different areas. Given the diffusion of this approach in multiple disciplines, its bibliometric approach presents difficulties. New computational tools can contribute to identifying publications linked to gender studies even when they are indexed as part of other disciplines. In this work, we applied bibliometric techniques and natural language processing to the Dimensions database to build a dataset of scientific publications that allows us to analyze gender studies and their influence on other disciplines.(4–6) This is achieved through a hybrid methodology that combines core journals and keywords in titles. We obtained a set of more than 1.5 million publications, in English, Spanish, French, and Portuguese, published between 1970 and 2020. It allows characterizing gender studies according to citations and collaborations, the participation of institutions, countries and regions, or the evolution of certain concepts or theories. The methodology used would be suitable for studying other cases that exceed disciplinary limits, such as schools of thought or political movements that have become scientific disciplines
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,010 | 0,016 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».