Análisis de dominio sobre riesgos y clima en la Web of Science
Notice bibliographique
Résumé
Design/Methodology/Approach: The study has a justified quantitative approach in the bibliometric methods and the social networks analysis. The Web of Science database allowed to recover the scientific production on Risks and Climate. Primary indicators are calculated, and multivariate representations of the domain are made. \nResults/Discussion: Increases in scientific output were identified in 2006 and 2008, where the variation rate shows its highest expression. There is high productivity and collaboration in the United States, England and Australia respectively, and the participation of Latin American countries in the scientific production of the subject was identified. James D. Ford and Tristan Pearce are the authors with the largest number of collaborative works (13 articles) on the topics of climate change in the Canadian Arctic and adaptation of the Eskimos. Environmental Sciences and Ecology (Environmental Science & Ecology) predominate in thematic categories. The most influential journals have an impact factor greater than 4. The most cited author is the Intergovernmental Panel on Climate Change (IPCC), the highly cited journals were: Climatic Change and Global Environmental Change-Human and Policy Dimensions. \nConclusions: Domain analysis reveals patterns that cannot be observed with the naked eye in the thinking and language of professional groups. Bibliometrics is the most widespread and used approach. The study allowed us to carry out an in depth analysis of the topic Risk and Climate, identifying the features that characterize it in the scientific production indexed in the Web of Science. \nOriginality/Value: It is a topic that worries the scientific community worldwide, based on the growing increase in articles on the subject. The study is a reference for future research on risks and climate. It meets a demand from the Coastal Ecosystem Research Center of Ciego de Ávila in Cuba, which needed to know the scientific production on this topic for its research and scientific development.
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 | 0,022 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,048 | 0,046 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».