Produção científica docente em tratamento temático da informação no Brasil: uma abordagem métrica como subsídio para a análise do domínio
Notice bibliographique
Résumé
Aiming at characterizing the scientific production of professors in the area of Subject Treatment of Information – S.T.I., 77 Journal articles by 19 post-graduation professors acting in the field, were selected, so as to detect the characteristics of this production and information sources utilized by authors- professors which may provide a wider knowledge of the area as an academic acting space. From the information provided by these articles, a database encompassing fields such as author, title of the article, title of publication, keywords, citations, country, language, year of publication and institution of the author, was compiled. The VantagePoint software, which organizes the information allowing the generation of lists and data-crossing matrices, which in turn enable one to verify the existing relationships among the fields, was used. As for the productivity of authors-professors who are distributed in 5 universities (USP, UNESP, UFMG, UnB and UFF), a data analysis showed that group kept an average of 4 to 5 articles per year, from 1990 to 2006. These articles were published in four languages – Portuguese, English, Spanish and France – in 27 Journals of 9 countries, being 18 published in Brazil and a strong trend to publish in renowned and high quality Journals was seen. An analysis of the 817 references contained in the articles, revealed a total of 659 authors cited and a 50% preference for books, as an information source, as well as the predominance of classical authors of the area, used as a theoretical base. In addition, some 20% of the professors’ production in the literature used in the area, was identified, thus characterizing the impact and importance of this production for the field. The subjects approached were identified from the key-words utilized, demonstrating a predominance of interest for the processes of the area, being indexing the most frequent subject.
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 | 0,017 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,045 | 0,047 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».