Highly Cited Papers in Sport Sciences: Identification and Conceptual 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
Highly cited papers reflect the top 1% of field and publication year papers. Highly cited papers are important in terms of the number of citations they receive in their subject area and often attract the attention of most researchers in terms of their high quality. Therefore, this study aimed to analyze highly cited papers in the field of sport sciences from a bibliometric perspective and to identify subject areas that have the potential to be highly cited. This research analyzed highly cited papers in the field of sport sciences published during 2010-2020, indexed in the Web of Science of the Clarivate Analytics. The results show that most of the highly cited papers in sport sciences are in sport medicine and published by prominent and renowned researchers. Moreover, most of these papers were contributed by researchers from the European and American continents. The results also show that the United States of America (USA), McMaster University of Canada, and Professor Lars Engebretsen led in publishing highly cited papers in sport sciences. It can be concluded that five thematic clusters were formed by highly cited papers in sport sciences, most of which were in the subject area of sport injuries and exercise physiology. Only highly cited papers in the field of sport sciences were analyzed, and a thorough analysis of all papers in this field is needed for a definite conclusion. This study identifies that the subject area has a great impact on a paper to be highly cited, and only some subject areas in the discipline of Sport Sciences have the potential to be highly cited.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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