MétaCan
Menu
← Retour à la cohorte
Enregistrement W6888786064 · doi:10.22077/jgdms.2024.7422.1104

A Review of Using Green Industrial Internet of Things in Sustainable Development and Energy Management: A Bibliometrics Analysis

2025· article· fa· W6888786064 sur OpenAlexaff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2025
Typearticle
Languefa
DomaineEngineering
ThématiqueMilitary Technology and Strategies
Établissements canadiensBritish Columbia Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésBibliometricsEnergy consumptionSustainable developmentExpansiveThe InternetConsumption (sociology)SustainabilityGreen computing

Résumé

récupéré en direct d'OpenAlex

چکیده: هدف مطالعه حاضر ارائه یک تحلیل کتاب‌شناختی از پژوهش‌های مربوط به اینترنت اشیاء صنعتی سبزِ منتشر شده در دو پایگاه اطلاعاتی WOS و Scopus در بازه زمانی 2024-2013 است. در مجموع 467 مقاله‌ی پژوهشی در حوزه اینترنت اشیاء صنعتی سبز از این دو پایگاه بازیابی شد. روند رشد سالانه پژوهش‌های این حوزه تا پایان سال 2023 برابر 63.68 درصد بوده که حاکی از استقبال فزاینده پژوهشگران از این موضوع است. دسته‌بندی کلمات کلیدی پرتکرار، حاکی از سه مقوله کلیدی در این حوزه است که عبارت‌اند از: 1) مضامین کلیدی (شامل مفاهیمی مانند اینترنت اشیاء صنعتی سبز، پایداری، کارایی انرژی، صنعت نسل 4 و 5، کلان‌داده‌ها)، 2) سخت‌افزارها (شامل ابزارها و دستگاه‌های کلیدی اینترنت اشیاء مانند سیستم فیزیکی سایبری، شبکه حسگر بی‌سیم، سنسورها، ارتباطات بی‌سیم، سرورها، وسایل نقلیهی هوایی بدون سرنشین و باتری‌ها) و 3) نرم‌افزارها (شامل فناوری‌های محاسباتی مانند هوش مصنوعی، یادگیری ماشین، بلاک‌چین، بهینه‌سازی، یادگیری عمیق، پردازش ابری، رایانش لبه‌ای، دسترسی چندگانه غیر متعامد، رایانش لبه‌ای موبایل، یادگیری تقویتی، رایانش مِه) قابل توجه است. این تحقیق علاوه بر شناسایی تحقیقات، مجلات و کشورهای تأثیرگذار در این حوزه، برای محققینی که قصد انجام مطالعات مروری، مانند فراترکیب و فراتحلیل در حوزه ایننترنت اشیاء صنعتی سبز را دارند، درک جامعی از دانش موجود در این زمینه و شکاف‌های تحقیقاتی ارائه می‌دهد. همچنین، به سیاست‌گذاران علم و فناوری در تدوین راهبردهای تحقیقاتی و تصمیمات تأمین مالی در این حوزه کمک کند.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,038
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,1210,168
Études des sciences et des technologies0,0020,002
Communication savante0,0060,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,177
Tête enseignante GPT0,476
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetMilitary Technology and Strategies→Travaux en français237 207→