Base de datos para Aprendizaje motor en las ciencias del movimiento humano: un análisis bibliométrico
Notice bibliographique
Résumé
El aumento de la producción científica en diversas áreas del movimiento humano brinda la oportunidad de realizar estudios bibliométricos en el área de aprendizaje motor. El objetivo del presente estudio fue sistematizar la información publicada en el área de aprendizaje motor entre los años 2000 y 2024, por medio de un análisis bibliométrico. Se seleccionaron 570 estudios relevantes en la temática, publicados entre 2000 y 2024 por medio de una búsqueda en la base de datos de Scopus. Se llevó a cabo un análisis de métricas de rendimiento y estructura que toma en cuenta: total de publicaciones, cantidad de documentos, tasa de crecimiento anual de artículos publicados, afiliaciones y autores más relevantes, redes de colaboración, más citados a nivel mundial, tendencias temáticas, entre otros. De los 570 documentos analizados se identificó a G. Wulf como la autora más relevante, la Universidad de Toronto como la afiliación más relevante, Estados Unidos de América como el país con mayor producción científica. El estudio más citado aborda un tema relacionado con el problema de grados de libertad. En conclusión, este trabajo brinda una perspectiva de la producción científica de la temática relacionada al aprendizaje motor en los últimos 25 años.
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 | 0,016 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,109 | 0,199 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».