Research progress on acid mine drainage treatment based on CiteSpace 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
Acid mine drainage has always been of global concern, primarily due to its low pH, high concentration of heavy metals and toxic substances, and serious impact on the surrounding environment and ecology of mines. However, the research progress and hotspots in this field of acid mine drainage processing are still unclear. To better understand the research hotspots and trends of acid mine drainage processing from 2004 to 2023, we used CiteSpace bibliometric software to visually analyze 1142 English-language research articles and reviews from the Web of Science core database. Results indicated that this field has received increas-ing attention from researchers worldwide, especially since 2017. The USA and China stand out as major contributors, yet their international collaboration doesn't match South Africa robust partnerships. Strengthening cooperation with other nations should be a priority for both the USA and China. The University of Quebec and University of South Africa were the most production institution. Vhahangwele Masindi from South Africa was the most active author. The top two core journals in this field were Science of the Total Environment and Water Re-search. Additionally, through keyword co-occurrence, clustering, and burst analysis, it is evi-dent that research on heavy metal mechanisms and resource recovery will be the future re-search hotspots in this field of acid mine drainage. This study provides researchers with an opportunity to understand the hotspots and trends in acid mine drainage research from a bibliometric perspective, and serves as a reference for future studies.
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 | 0,001 | 0,000 |
| 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