Analisis Bibliometrik terhadap program reward pada Scopus menggunakan Biblioshiny
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui perkembangan publikasi ilmiah dalam bidang program yang berlandaskan sistem penghargaan (Reward) selama 2014-2024 menggunakan analisis bibliometrik pada Scopus melalui Biblioshiny. Hasil analisis menunjukkan bahwa topik ini mengalami perkembangan yang signifikan dalam beberapa tahun terakhir, dengan peningkatan jumlah publikasi dan variasi penulis yang berkontribusi, yaitu Pop, C. dari Technical University of Cluj-Napoca, Romania menduduki peringkat pertama sebagai penulis dengan kutipan sebanyak 517 pada artikel berjudul “Blockchain Based Decentralized Management Of Demand Response Programs In Smart Energy Grids” yang diterbit pada jurnal Sensors dari Switzerland. Dilanjut dengan Halpern, SD. dari University of Pennysylvania, Amerika Serikat sebagai peringkat kedua dengan jumlah kutipan 287 pada artikelnya yang berjudul “Randomized Trial of Four Financial-Incentive Programs For Smoking Cessation” pada New England Journal Of Medicine, yang kemudian juga diikuti oleh Patel, MS dari afiliasi yang sama dengan artikelnya yang berjudul “Framing Financial Incentives to Increase Physical Activity Among Overweight and Obese Adults a Randomized, Controlled Trial” dan terbit pada jurnal Annals of Internal Medicine. Produksi karya ilmiah terbanyak dilakukan oleh negara USA dengan total publikasi dokumen berjumlah 1081, UK dengan total 296, China dengan total 185, Canada dengan total 118, dan Australia dengan total 125.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,046 | 0,083 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,009 |
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 source (Gemma direct ou Codex distillé), 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 ».