Relationship among Economic Growth, Internet Usage and Publication Productivity: Comparison among ASEAN (Association of Southeast Asian Nations) and World’s Best Countries
Notice bibliographique
Résumé
Publication productivity, as measured by the number of papers, has been regarded as one of the main indicators of reputation of countries and institutions. Nevertheless, the relationship among research publications, economic growth and World Wide Web in ASEAN countries is still unclear. The main intention of this study was to identify publication productivity among ASEAN and the world’s top ten countries in the last 16 years (1996-2011). This study also aimed at finding the relationship among publication, gross domestic product (GDP) and internet usage. Furthermore, the publication trend in the 10 first Malaysian universities was evaluated for the same periods. Scopus database was used to find the overall documents, overall citations, citations per document and international collaboration from 1996 to 2011 for each country. The World Bank database (World Data Bank) was used to collect the data for GDP and the number of internet users. Moreover, to evaluate 10 top Malaysian universities, the number of published articles, conferences, reviews, and letters for the same periods was collected. The results of this study showed significant differences among ASEAN and top 10 countries regarding publication productivity. Moreover, a positive and significant relationship was observed between indices, GDP and internet usage for these countries. Surprisingly, international collaboration had a significant and negative relationship with economic growth. Malaysia had fewer citations per document (7.64) and international collaboration (36.9%) among ASEAN countries. In conclusion, international collaboration between academic institutes and researchers is influenced by economic growth and access to internet in the countries. Furthermore, publication trends in ASEAN countries are promising. However, policy makers and science managers should try to find different ways to increase the quality of the research publication and to raise citation per document.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».