XiaoMi-AI文件搜索系统
World File Search SystemBibliometric
在硅硅抑制胰腺脂肪酶
据估计，全球48％的儿童和马来西亚的70％以上的儿童遭受了幼儿龋齿（ECC）。本综述旨在系统地收集有关ECC的研究，并使用文献计量分析确定与IT相关的关键因素。在Scopus数据库中搜索了“幼儿龋齿”的关键字。根据选择标准选择了总共1,984篇文章。作者，国家，文档和关键字分析是使用Vosviewer 1.6.19进行的。美国是ECC研究的主要国家。关键词的文献计量分析表明，根据风险因素进一步对关键字进行了进一步排名。牙科护理是ECC的主要关键因素，其次是微生物组，饮食和社会经济。这种洞察力强调了在预防和管理ECC的背景下的理解和解决与牙科护理实践有关的问题的重点。这是一种多因素病因的疾病。因此，预防可能仍然是前进的最佳方法。马来西亚医学与健康科学杂志（2024）20（5）：391-397。 doi：10.47836/mjmhs20.5.45马来西亚医学与健康科学杂志（2024）20（5）：391-397。 doi：10.47836/mjmhs20.5.45
Scopus研究趋势的全球文献计量图
摘要 - 气候变化是全球主要的挑战，影响脆弱的人群。这项研究旨在进行文献分析以绘制研究趋势。考虑到2007 - 2023年期间的“气候正义”术语，应用了纳入和排除标准，并使用了文献计量指标。862个文件被确定，在过去的5年中，出版物的指数增长。最有影响力的期刊属于环境科学，经济学和社会科学等领域。美国，英国和澳大利亚领导科学产出。重要的主题包括分配正义，生态保护，气候责任和人类发展，与气候变化作为跨裁判主题有关。可以得出结论，气候正义是一个越来越多的研究领域，发表在高影响力期刊上，采用科学严谨和多学科方法。确定了未来研究的新线条，例如治理和气候正义。
全球研究TR
小儿急性髓样白血病（AML）是一种恶性血液学疾病，其特征是骨髓中髓样前体的克隆增生（1）。尽管在了解和治疗小儿AML方面取得了重大进展，但它仍然是儿童与癌症相关死亡率的主要原因（2）。在过去的几十年中，在识别遗传和分子标记中取得了很大进步，这些标志在预测预后和指导治疗结果中起着至关重要的作用（3-6）。这些进步导致了靶向疗法的发展和更精确的风险地层方法，从而显着改善了患者的结果（7-9）。然而，高复发和难治案件的高度继续强调了这一领域正在进行的研究和创新的需求（10）。小儿AML研究中的一个关键挑战是该疾病的固有异质性，这使治疗决策和预后复杂化（11，12）。虽然关键的遗传突变和分子异常（例如FLT3-ITD，WT1，CEBPA突变和KMT2A重排）已被确定为重要的预后标记（13-16），但在我们对这些标记相互作用和促进疾病进步的理解方面仍然存在显着的差距（17）。解决这些差距对于克服复发和难治性疾病的持续挑战以及更好地将个性化治疗策略纳入临床实践至关重要。此分析提供了1999年至2023年小儿AML预后全球研究趋势的全面书目概述。通过检查诸如出版趋势，领先国家，著名的机构，影响力期刊，主要研究类别，著名贡献者，开创性参考和新兴趋势等关键方面，旨在为文件的当前景观和未来的文件提供清晰的快照。分析特别关注基因组学，转录组学和表观基因组学的进步如何塑造预后和治疗结果。此外，它探讨了临床试验在制定治疗方案中的关键作用，并突出了新兴疗法，这些疗法显示出改善患者预后的希望。这种文献计量方法综合了广泛的研究数据，提供了详细的系统概述。通过确定显着的趋势和关键研究，它为研究人员，临床医生和决策者提供了宝贵的见解。
蜗牛耕作的书目全球研究趋势
摘要：蜗牛养殖（Helicanture）在世界许多地方被认为是重要的农业部门，因为它在动物蛋白的生产中作用。然而，对蜗牛研究全球研究状况的整体图片进行了更少的研究。我们旨在根据使用RSTUDIO软件在1949年至2023年间发表的有关蜗牛研究的总共212篇研究文章进行文献评估。关于蜗牛研究的研究与年数（r 2 = 0.474; y = 0.1162x – 228.03）呈正相关，这表明该领域正在受到全球关注。在出版和引文数字方面，最有生产力的国家是美国，而出版物最多的组织是日本的九州大学。“ Snail/s”是最相关的主题的关键字，软体动物研究杂志是主要的学术来源，A，Staikou和Neiman M是蜗牛研究中最有影响力的作者。生产，繁殖，生长，生物柴油，腹足类和粮食安全是该领域最重要的关键字热点。这些发现可以帮助科学家和其他利益相关者更好地理解蜗牛研究的方向，这对于未来的调查和该领域的农业实践很有价值。关键词：文献计量学，腹足动物，旋转，rstudio，可视化分析简介
人工智能与区块链融合的文献计量分析
摘要：分布式人工智能 (AI) 和区块链 (BC) 是最近兴起的去中心化人工智能概念，它指的是将信息和学习传输到各种点对点连接的机器，这些机器根据本地可用数据进行学习并单独做出决策。去中心化人工智能使用去中心化的共识机制，无需可信赖的第三方或中介，它为用户提供基于可信、数字签名和安全共享数据的流程、分析和决策，这些数据以去中心化的方式在 BC 上进行交易和存储。为了确定关注人工智能和 BC 的核心研究并寻找未来研究的途径，本研究对从 WoS 和 Scopus 数据库中检索到的 1,538 篇学术出版物的关键词进行了主题分析，并对作者、附属机构和来源进行了文献计量分析，以检查生产力、引用指标和书目耦合。通过强调数字化转型、环境/社会、去中心化 AI、DeFi 和网络安全等领域作为 BC-AI 融合的重点，本文旨在让研究人员全面了解这种融合，并可用于行业。
德国的绿色能源转型：文献计量研究
能源部门是所有经济体的基础，影响着所有其他部门（Yang，2022；Zema and Sulich，2022）。尽管德国是欧盟最大的碳排放国之一，但它在将发电过程转向可再生能源方面处于领先地位（Schumacher and Sands，2006）。有多个报告和科学论文描述了这种矛盾（Feder，2022；Ringel，2018）；然而，很少有人解释战略管理支持的技术变革（Sulich and Grudziński，2019；Švarova and Vrchota，2013）。这一转型在德语中被称为能源转型 (Feder, 2022)，它使德国从化石燃料过渡到清洁能源和核能，然后在其能源结构中实施更多可再生能源 (Grzesiak and Sulich, 2022; Li, 2021)。总的来说，科学期刊发表了大量关于绿色能源转型的贡献 (Moskalenko et al., 2022)，包括管理研究 (Shpak et al., 2021) 和基于技术的研究 (Maruf, 2021)，描述了德国能源转型。能源生产成本是影响德国工业和经济健康状况的关键因素 (Rubin et al., 2007; Yang, 2022)。到 2045 年实现净零排放需要大量投资，并清楚了解可用的发电选项，以及提供电网稳定性的能源结构（Shen 等人，2021 年）。这一变化也源于德国能源行业的战略方针（Gajdzik 等人，2021 年；Gruber，2021 年；Sulich 和 Grudziński，2019 年）以及对能源安全问题的新认识。因此，可再生能源目前占德国发电量的 32.1%，其中风能占大部分，占总量的 20.3%（Yang，2022 年）。德国仍然严重依赖化石燃料，化石燃料占 55.4%
循环供应链管理：文献分析...
引用：Zhang，A.，Duong，L。，Seuring，S。和Hartley，J。L.（2023）。循环供应链管理：基于文献分析的文献综述。国际物流管理杂志，https://doi.org/10.1108/ijlm-04-2022-0199。
从文献计量模式检测技术成熟度
摘要 对于行业和政府的决策者来说，根据易于获取的开源指标（例如出版物）识别新兴技术的能力非常重要。这项工作的科学贡献是提出了一种基于出版物数量来检测新兴技术成熟度的机器学习方法。出版物数量的时间序列具有区分新兴技术和成长技术的普遍特征。我们根据这些特征训练了一个人工神经网络分类器（一种监督式机器学习算法），以预测任意技术的成熟度（新兴技术与成长技术）。通过由 22 种技术组成的训练集，我们对 6 种测试技术获得了 58.3% 到 100% 的分类准确率，平均准确率为 84.6%。为了提高分类器性能，我们用合成的时间序列技术生命周期曲线扩充了训练语料库，这些曲线是通过计算原始训练集中曲线的加权平均值形成的。在合成数据集上训练分类器可提高准确率，范围从 83.3% 到 100%，测试技术的平均准确率为 90.4%。我们的分类器的性能超过了文献中竞争的机器学习方法，后者报告的平均分类准确率最高仅为 85.7%。此外，与当前方法相比，我们的方法不需要专业知识来生成训练标签，并且可以自动化和扩展。
深度学习教育研究的文献计量分析
本研究的目的是确定深度学习（DL）在教育中的作用、趋势和发展。所采用的研究方法是使用 VOSviewer 工具的文献计量分析方法。VOSviewer 用于分析每年在不同国家、机构、期刊、作者中的文献分布以及出现的关键词之间的关系。本研究的结果表明，教育领域关于 DL 文章的出版物增长了 31.69%，而作为学习媒体的 DL 文章增长了 11%。在教育领域发表与 DL 相关的文章最多的国家是美国，共有 460 篇相关文献和 13,162 次引用。研究教育领域 DL 成果最多的机构是斯坦福大学，共发表了 21 篇文章。此外，IEEE Access 中成果最多的期刊共发表了 58,219 篇文章，引用分数为 4.8。作者关系显示，与张燕的合著网络是最大的网络，共有 24 篇合著文章。出现次数最多的关键词是“深度学习”，它与“数据分析”和“人工智能”直接相关。还可以看出，未来研究可能出现的主题是与“深度学习”相关的主题，而“深度学习”与“虚拟现实”或“教育心理学”相关。这项研究有助于发现教育领域在开发或实施深度学习方面的研究空白，以提高教育质量并解决与教育世界相关的问题。
从文献计量模式检测技术成熟度
摘要 对于行业和政府的决策者来说，根据易于获取的开源指标（例如出版物）识别新兴技术的能力非常重要。这项工作的科学贡献是提出了一种基于出版物数量检测新兴技术成熟度的机器学习方法。出版物数量的时间序列具有区分新兴技术和成长技术的普遍特征。我们根据这些特征训练了一个人工神经网络分类器（一种监督式机器学习算法），以预测任意技术的成熟度（新兴技术与成长技术）。通过由 22 种技术组成的训练集，我们对 6 种测试技术获得了 58.3% 到 100% 的分类准确率，平均准确率为 84.6%。为了提高分类器性能，我们用合成的时间序列技术生命周期曲线扩充了训练语料库，这些曲线是通过计算原始训练集中曲线的加权平均值形成的。在合成数据集上训练分类器可提高准确率，范围从 83.3% 到 100%，测试技术的平均准确率为 90.4%。我们的分类器的性能超过了文献中竞争的机器学习方法，后者报告的平均分类准确率最高仅为 85.7%。此外，与当前方法相比，我们的方法不需要专业知识来生成训练标签，并且可以自动化和扩展。