Highly Cited Papers in Sport Sciences: Identification and Conceptual Analysis
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.
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 | 0,025 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,095 | 0,105 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 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 ».