Fuel Cells Research in Canada and in Other Leading Countries: A Bibliometric Study
Notice bibliographique
Résumé
• Canada ranks first in the multicriteria ranking of scientific research on fuel cells (first in papers per capita, first in scientific impact). • Canada follows leading Asian countries (Korea, Japan, Taiwan and China) in terms of research intensity (specialization). • At the world level, most publications that specify a fuel cell type mention SO or PEM fuel cells but biological fuel cell research is growing steadily. • Canada is unique in that it occupies the most advantageous position (high impact and high level of specialization) for both SOFCs and PEMFCs. • At the world level NRC is amongst the top ten governmental organizations and NGOs involved in FC research in terms of scientific output and is the leading scientific research institution in Canada. • Penn State is the leading university at the world level. • The most important collaboration hubs in Canada are NRC and UBC although scientific collaboration in Fuel Cell research is generally fragmented and mostly regional. • Canada occupies the most advantageous position in FC IP with above world average technological impact and specialization. • Ballard ranks second at the world level for its FC IP portfolio. Ballard ranks 5th for fuel cell papers among firms and also has an excellent scientific impact.
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,095 | 0,344 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».