Mapping the Scholarly Landscape of Self-Compassion and Mental Health (2010–2025): A Scopus-Based Bibliometric Analysis
Notice bibliographique
Résumé
Objectives: We aimed to map the global research landscape on self-compassion and mental health by analysing publications retrieved from the Scopus database with a focus on publication trends, prolific authors, leading journals, geographic distribution, and the matic developments. Methods: We conducted a bibliometric analysis using relevant Scopus-indexed literature from inception through July 2025. We specifically focused on articles from 2010 to 2025. We employed the terms “self-compassion” OR “self com-passion” AND “mental health”. Results: We retrieved a total of 2,437 documents, re-vealing a significant increase in publication output over the past decade, peaking be-tween 2020 and 2024. The most prolific authors during this period included Paul Gilbert and Yasuhiro Kotera, with 41 publications each. The United States, the United Kingdom, Australia, Canada, and China emerged as the leading countries in terms of research output. Keyword analysis highlighted recurring themes around mindfulness, resilience, depression, and emotional regulation. Influential articles by MacBeth & Gumley (2012) and Gilbert & Procter (2006) demonstrated foundational impact with over 1,200 citations each. Conclusion: The field of self-compassion and mental health research is expanding rapidly and is characterised by strong theoretical foundations, growing global interest, and interdisciplinary relevance.
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 | 0,013 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,263 | 0,314 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».