MétaCan
Menu
Retour à la cohorte
Enregistrement W4409329075 · doi:10.3390/agriculture15080826

Progress and Trends in Coupled Model Intercomparison Project (CMIP) Research: A Bibliometric Analysis

2025· article· en· W4409329075 sur OpenAlexaff
Yufeng Ju, Nasrin Azad, Weiting Ding, Hailong He

Notice bibliographique

RevueAgriculture · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCoupled model intercomparison projectEnvironmental scienceClimate changeBiologyClimate modelEcology

Résumé

récupéré en direct d'OpenAlex

Understanding of the Coupled Model Intercomparison Project (CMIP) and its research progress and applications is critical to answer scientific questions related to climate change. While numerous scientific papers based on CMIP have been published, there is no quantitative study examining scientific research on climate variability, predictability, and change supported by CMIP. Therefore, the statistical characteristics of CMIP-related publications, including journals, disciplines, co-occurrence and burst detection of keywords, and bibliographic coupling, were analyzed using bibliometric analysis. The results show that research based on CMIP has increased exponentially from 2000 to 2023. About 20% of the research was published in the Journal of Climate and Climate Dynamics. CMIP-related research spanned several disciplines, including meteorology, atmospheric science, geosciences, and environmental sciences. The United States, China, and the United Kingdom ranked top three for CMIP publications. The prominent focus of related research involved the whole climate system, including climate change and variability, climate behavior, the carbon cycle, sea surface temperature, sea ice, modeling, bias correction, simulations, climate sensitivity, extreme events, soil moisture, hydrology, and future change. This study can help relevant scientists better understand the developments and trends of CMIP research, thereby facilitating the use of CMIP data.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,378
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0180,197
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,376
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetClimate variability and modelsCatégorieBibliométrieTravaux en français237 207