Research hotspots and trends in the comprehensive utilization of distillers’ grains: A bibliometric analysis
Notice bibliographique
Résumé
Distillers' grains (DGs) are industrial byproducts generated during the production of grain spirits, and their large-scale accumulation can easily lead to severe environmental pollution problems. This study provides the first comprehensive bibliometric analysis of DG-related publications from January 1940 to July 2025. The evolution of global research on DGs can be divided into four distinct stages: the initial stage (1940-1990), the emergence stage (1991-2003), the development stage (2004-2009), and the in-depth development stage (2010-2025). The results reveal that active research countries, institutions, and authors are concentrated mainly in Europe, North America, and Asia, with the United States, China, and Canada emerging as major contributors to DGs research. In particular, the United States and Canada have taken the lead in studies on the utilization of DGs. In terms of research topics, environmental issues caused by the accumulation of DGs have received increasing attention in recent years, especially in China. Current hotspots focus mainly on DGs as animal feed, including their effects on livestock health and product quality. By analysing research hotspots, trends and directions, it is expected that research on high-value utilization or deep processing of DGs by chemical methods will gradually become a popular field in the future and will become the main direction of DGs research. At present, the comprehensive utilization of DGs faces challenges such as unstable raw materials, high technical difficulty in comprehensive utilization, low economic benefits, and an incomplete evaluation standard; future efforts should therefore prioritize targeted technological innovation and fundamental research to overcome these bottlenecks. This study can provide researchers with insights for selecting topics and finding suitable research directions and can also serve as a reference for government departments in formulating plans and making funding decisions related to DGs waste management.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,111 | 0,173 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».