Tungsten Inert Gas Welding Research Trends: A 60-Year Bibliometric Analysis Using Vosviewer and Biblioshiny
Notice bibliographique
Résumé
Abstract Tungsten Inert Gas (TIG) welding constitutes a key process in the fabrication of welded structures, with widespread application across various sectors of modern industry. It continues to be the subject of extensive research due to its technical advantages and versatility. However, despite its industrial importance, TIG welding has not yet been the focus of a comprehensive bibliographic review. Therefore, the objective of this study is not only to present the current state of knowledge but also to identify key process directions and emerging research trends through a bibliometric analysis of 8,789 publications indexed in Web of Science. The analyses were performed mainly in VOSviewer 1.6.20 and Biblioshiny tools, determining the networks of connections between bibliometric entities: keywords, journals, authors, countries, and funding agencies. The analysis results were used to illustrate the dynamics of research topics over a 60-year publication history on the TIG process. Current research trends include, among others, the advancement of TIG welding variants to improve process efficiency, the application of artificial intelligence, the application of optimization methods, and deep learning. The most urgent research needs involve determining the weldability of special metals, assessing the environmental degradation of TIG-welded joints, and applying data mining techniques for the optimization of the TIG process. The study may serve as an objective, comprehensive, and author-unbiased complement to traditional systematic review articles on TIG welding and related processes.
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 | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,199 | 0,225 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».