論文の概要: A bibliometric analysis of research based on the Roy Adaptation Model: a
contribution to Nursing
- arxiv url: http://arxiv.org/abs/2003.13030v1
- Date: Sun, 29 Mar 2020 14:02:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-27 14:19:51.987496
- Title: A bibliometric analysis of research based on the Roy Adaptation Model: a
contribution to Nursing
- Title（参考訳）: roy適応モデルに基づく研究の書誌学的分析:看護への貢献
- Authors: Paulina Hurtado-Arenas, Miguel R. Guevara
- Abstract要約: 1970年代にSor Callista Royが提唱した看護モデルであるRoy Adaptation Modelに基づく研究の現代の文献分析を行う。
Web of ScienceとSCOPUSという2つの主要な科学データベースからの情報を使用しました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Objective. To perform a modern bibliometric analysis of the research based on
the Roy Adaptation Model, a founding nursing model proposed by Sor Callista Roy
in the1970s. Method. A descriptive and longitudinal study. We used information
from the two dominant scientific databases, Web Of Science and SCOPUS. We
obtained 137 publications from the Core Collection of WoS, and 338 publications
from SCOPUS. We conducted our analysis using the software Bibliometrix, an
R-package specialized in creating bibliometric analyses from a perspective of
descriptive statistics and network analysis, including co-citation, co-keyword
occurrence and collaboration networks. Results. Our quantitative results show
the main actors around the research based on the model and the founding
literature or references on which this research was based. We analyze the main
keywords and how they are linked. Furthermore, we present the most prolific
authors both in number of publications and in centrality in the network of
coauthors. We present the most central institutions in the global network of
collaboration. Conclusions. We highlight the relevance of this theoretical
model in nursing and detail its evolution. The United States is the dominant
country in production of documents on the topic, and the University of
Massachusetts Boston and Boston College are the most influential institutions.
The network of collaboration also describes clusters in Mexico, Turkey and
Spain. Our findings are useful to acquire a general vision of the field.
- Abstract（参考訳）: 目的。
1970年代にSor Callista Royが提唱した看護モデルであるRoy Adaptation Modelに基づく研究の現代の文献分析を行う。
方法。
記述的かつ縦断的な研究。
Web of ScienceとSCOPUSという2つの主要な科学データベースからの情報を使用しました。
我々はwosのコアコレクションから137冊、スコプスから338冊の出版物を得た。
我々は,共引用,共キーワード発生,協調ネットワークなど,記述的統計とネットワーク分析の観点から書誌分析を専門とするr-package software bibliometrixを用いて分析を行った。
結果だ
その結果,本研究のモデルに基づく研究の主体と,本研究の基盤となる文献や参考文献を定量的に示すことができた。
主キーワードとそのリンクの仕方を分析する。
さらに,共著者のネットワークにおける出版数と中央集権性の両方において,最も多彩な著者を紹介する。
我々は、グローバルなコラボレーションネットワークにおいて、最も中心的な機関を提示する。
結論だ
看護におけるこの理論モデルの関連性を強調し,その進化について詳述する。
アメリカ合衆国はこのテーマに関する文書の制作において支配的な国であり、マサチューセッツ大学ボストン校とボストン・カレッジは最も影響力のある機関である。
協力のネットワークは、メキシコ、トルコ、スペインのクラスターも記述している。
我々の発見は、この分野の一般的なビジョンを得るのに役立つ。
関連論文リスト
- SciMMIR: Benchmarking Scientific Multi-modal Information Retrieval [65.47003941584244]
科学領域内の画像テキストペアリングにおけるMMIR性能を評価するための最新のベンチマークは、顕著なギャップを示している。
オープンアクセス用紙コレクションを利用した特殊な科学的MMIRベンチマークを開発する。
このベンチマークは、科学的文書に詳細なキャプションのある数字や表から抽出された、530Kの精巧にキュレートされた画像テキストペアからなる。
論文 参考訳（メタデータ） (2024-01-24T14:23:12Z) - Discovering Mental Health Research Topics with Topic Modeling [13.651763262606782]
本研究は,精神保健研究論文の大規模データセットを解析することにより,現場における一般的な傾向を把握し,ハイインパクトな研究トピックを特定することを目的とする。
本データセットは、精神保健に関する96,676件の研究論文からなり、その要約を用いて、異なるトピック間の関係を調べることができる。
分析を強化するため,精神保健研究に応用された機械学習モデルの包括的概要を提供するために,ワードクラウドも生成した。
論文 参考訳（メタデータ） (2023-08-25T05:25:05Z) - A Comprehensive Study of Groundbreaking Machine Learning Research:
Analyzing highly cited and impactful publications across six decades [1.6442870218029522]
機械学習(ML)は、コンピュータ科学やその他の関連分野の研究分野として注目されている。
重要なトレンド、影響力のある著者、そしてこれまでの重要な貢献を識別するために、高度に引用された出版物の風景を理解することが不可欠である。
論文 参考訳（メタデータ） (2023-08-01T21:43:22Z) - pyBibX -- A Python Library for Bibliometric and Scientometric Analysis
Powered with Artificial Intelligence Tools [0.0]
pyBibXは、Scopus、Web of Science、PubMedからソースされた生データファイルの総合的な書誌的および科学的な分析を行うために開発されたピソンライブラリである。
このライブラリは総合的なEDAを実行し、視覚的に魅力的な図形を通して結果を提示する。
埋め込み、トピックモデリング、テキスト要約、その他の一般的な言語処理タスクを含むAI機能を備えている。
論文 参考訳（メタデータ） (2023-04-27T20:06:07Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Research Topic Flows in Co-Authorship Networks [0.0]
本稿では,研究論文の著者とその研究分野間の流れを解析するためのグラフ構造を提案する。
我々の方法は、出版物のコーパス(すなわち、著者と抽象的な情報)のみを構築するために必要である。
本手法をコンピュータ科学と数学の分野で60年以上研究されてきた論文20冊の総合コーパスに適用することにより,TFNの有用性を実証する。
論文 参考訳（メタデータ） (2022-06-16T07:45:53Z) - Revise and Resubmit: An Intertextual Model of Text-based Collaboration
in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。
既存のNLP研究は個々のテキストの分析に重点を置いている。
編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文 参考訳（メタデータ） (2022-04-22T16:39:38Z) - Machine Learning-Based Disease Diagnosis:A Bibliometric Analysis [0.0]
機械学習(ML)は、疾患診断の新しい適応可能なツールとして、研究者や実践家からかなりの注目を集めている。
MLの進歩と本分野における論文・研究の普及に伴い,機械学習による疾患診断(MLBDD)の完全検査が必要である。
この記事では、2012年から2021年までのMLBDDの論文を包括的に研究する。
論文 参考訳（メタデータ） (2022-01-08T04:04:51Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳（メタデータ） (2021-06-03T03:00:12Z) - Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
引用グラフを用いて科学論文の要約作業を再定義します。
我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。
我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
論文 参考訳（メタデータ） (2021-04-07T11:13:35Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。