Digital twin development towards integration into blue economy: A bibliometric analysis
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.
Notice bibliographique
Résumé
Digital Twin (DT) technology plays a crucial role in the modernization and optimization of numerous industrial sectors. The blue economy encompasses established sectors such as marine energy systems, shipbuilding and operation, aquaculture and fisheries, and emerging areas including coastal protection and deep-sea mining. Many of these sectors are crucial for attaining Sustainable Development Goals (SDGs), especially pertaining to climate action and marine biodiversity. The integration of DT technologies within the blue economy can offer added value by enhancing operational efficiency, improving risk management, and fostering sustainable practices. This paper uses bibliometric research methods to provide a state-of-the-art overview of this research area. Insights are obtained through several bibliometric indicators, including publication trends, country-based distribution patterns of scholarly communications, and research impact through citation analysis. Keyword co-occurrence analysis is carried out to identify key research themes within the main blue economy sectors. This analysis will enable the research community to understand the key research themes, trends, major research hotspots, and influential works to provides a foundation for innovation, efficiency, and sustainability, benefiting researchers and industry actors. Additionally, it provides policy makers with evidence-based insights crucial for crafting informed policies that promote sustainable development within the blue economy. • A bibliometric analysis of Digital Twin integration within blue economy sectors is presented. • Advancements in Digital Twin technology across various blue economy sectors are emphasized. • Main research areas, emerging trends, key knowledge sources and stakeholders are identified. • Multiple directions for future research in this domain are discussed.
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 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 | 0,036 | 0,038 |
| 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 découle