Research Trends and Thematic Insights from the Most Cited Cybernetics Studies in the Last Ten Years Using Text Mining and Bibliometric 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
According to the Web of Science (WoS) bibliometric data source, a total of 201,913 documents have been produced in all years, and 93,836 in the last decade, in the field of Computer Science and Cybernetics. 29,113 relevant documents are classified as research articles. In this study, the 1,000 most cited research articles from the past decade in the Computer Science and Cybernetics field were analyzed using text mining methods and bibliometric tools. The analysis aims to evaluate the topics that have received significant attention in this field over the past ten years and to identify prominent subject headings for researchers, using advanced text mining techniques. In addition to traditional bibliometric analysis, a more in-depth thematic classification was performed using machine learning-based text mining techniques. The data were obtained from high-impact bibliometric sources such as Web of Science on 15/05/2025, in plain text and Excel formats. The top three countries in terms of publication volume in this field are China (80.90%), the USA (16.30%), and Australia (12.80%). The leading institutions include the Chinese Academy of Sciences (f=91, 9.10%), the Ministry of Education of China (f =73,7.30%), and Guangdong University of Technology (f=59, 5.90%). The two journals publishing the highest number of the top 1,000 cited works are IEEE Transactions on Cybernetics (53.00%) and IEEE Transactions on Systems, Man, and Cybernetics: Systems (29.70%).. Apart from Cybernetics, the most closely associated research areas were Automation and Control Systems (f=827,82.70%), Computer Science-Artificial Intelligence (f=599,59.90%), and Ergonomics (f=64,6.40%).
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,060 | 0,349 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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