Visual Analysis of the Research Context of Opinion Leaders Based on CiteSpace
Notice bibliographique
Résumé
Since 2000, an increasing number of studies of opinion leaders has analyzed their roles from different perspectives in a wide range of industries. However, few studies had attempted to comprehensively review the existing literature in the past. The purpose of this research is to map the thread and skeleton of the research on opinion leaders from 2000 to 2021. A total of 3,872 related articles have been collected from Wos for scientometrics analysis. The research results show that (1) The research literature on opinion leaders has been in the ascending stage all along, and scholars remain enthusiastic on this research. (2) The most significant contributions mainly come from the United States, Britain, Canada, China, and Australia, but showing no high cooperation intensity. (3) According to the keyword time zone view, it is found that, with the development of time, its influence is gradually reflected on the internet with the development of science and technology. (4) Nine research classifications are able to be drawn in cluster analysis. By using Citespace software, this study is to analyze the last 20-year literature on opinion leaders and sort out their development context, while the data used in this study is merely retrieved from the WoS core database. The boundaries of this study, in the future, could be expanded by considering other types of databases and documents so as to integrate a more comprehensive knowledge map of opinion leaders.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».