文献计量

当前话题为您枚举了最新的 文献计量。在这里,您可以轻松访问广泛的教程、示例代码和实用工具,帮助您有效地学习和应用这些核心编程技术。查看页面下方的资源列表,快速下载您需要的资料。我们的资源覆盖从基础到高级的各种主题,无论您是初学者还是有经验的开发者,都能找到有价值的信息。

bibliometrics文献计量指标计算
文献计量指标的自己算工具,还挺实用的。你有没有被 Google Scholar 的作者列表截断搞烦?或者遇到重名作者的数据也混进来?这套叫的小算法,思路就直接——不靠爬虫、不靠网页搜索,纯靠你的引用数数组来计算像、这样的常见指标,简单干净。 没有复杂配置,也不用填一堆字段。就一个bibliometrics(C, Y, A)函数,C是论文引用数的数组,是必填的。其他两个参数Y和A是可选的,用来扩展年份和作者信息,如果你想做得更细。 跟Publish or Perish或者 Google Scholar 比起来,它不自动抓数据,但胜在结果干净,逻辑透明。适合你自己有数据的时候,想快点出结果,不想一
我国湿地旅游研究综述文献计量分析
文献计量法的湿地旅游研究数据资源,蛮适合做旅游+生态方向项目的同学用来做背景或趋势提取。统计数据比较全,包括作者分布、被引频次、期刊来源这些信息。尤其是要搞可视化的,直接拿来就能开工,省不少时间。
基于SCI的智能优化算法文献计量研究(2001-2010)
研究对象与方法 本研究以SCI Web of Science数据库为数据源,对2001年至2010年间收录的智能优化算法相关文献进行计量分析。 研究结果 时间分布: 2001年至2010年间,智能优化算法相关文献数量呈逐年增长趋势,表明该领域的研究热度持续上升。 国家分布: 发文量排名前列的国家主要集中在欧美和亚洲,其中美国、中国和英国位居前三。 作者机构分布: 研究机构主要集中在高等院校和科研院所,表明智能优化算法研究力量主要集中在学术界。 结论与展望 智能优化算法研究已成为人工智能领域的重要方向,未来发展趋势包括: 算法理论与应用研究的进一步深入 跨学科交叉融合趋势加强 新兴应用领域
基于文献计量的三十年中国刺槐研究主题分析
通过对《中国学术文献网络出版总库》1984年至2014年收录的刺槐相关文献进行计量分析,本研究揭示了三十年来中国刺槐研究的主题演变趋势。研究结果有助于了解中国刺槐研究的现状,为未来研究方向提供参考。
基于文献计量学的《河北师范大学学报(自然科学版)》期刊发展研究
以《河北师范大学学报(自然科学版)》2006年至2010年刊载的943篇论文为样本,从载文量、引文情况、基金论文占比、作者构成等方面进行统计分析,并与同类期刊数据进行比较。研究结果表明,《河北师范大学学报(自然科学版)》应坚持开放办刊理念,积极吸引国家级重点项目论文,稳定现有作者队伍,确保稿件质量,不断提升办刊水平。
华南师范大学学报(自然科学版)2004–2008年载文与作者文献计量分析报告(2009)
文献计量学的统计,真是个挺冷门但又蛮实用的方向,尤其是你在搞教育类科研或者期刊相关工作的情况下。《华南师范大学学报(自然科学版)》2004—2008 年那份报告,还挺有料的。494 篇论文,全都细细统计了一遍,从基金占比到作者年龄,全都清清楚楚。比如基金论文比例高达65.53%,你要是做项目申报,这个数据蛮能点东西。 论文合作度也挺有意思,2.84 人/篇,合作氛围还是挺浓的,而且第一作者里40 岁以下的居然有78.95%,科研年轻化趋势还挺的。如果你关注青年教师科研成长,这些数据能给你不少灵感。 嗯,另外像平均出版时滞 265.76 天,就比较适合参考投稿周期;还有合著率 84%,合作模式也
科技文献分析概念
论文统计分析:利用文献计量学分析论文发文量、分布和机构等,评估科研水平和力量。 论文引文分析:利用统计学方法分析论文引用现象,揭示科学结构和发展规律: 引文数量分析:评价期刊和论文质量。 引文网状分析:揭示学科相关性。 引文链状分析:探索科学发展过程。
数据库任务文献
我需要下载一些积分以获取数据库作业文件。实际上,我并没有查看其中的具体内容,只是出于下载的目的而上传了文件。
参考文献-MATLAB_GUI_界面
参考文献: MATLAB程序设计教程 李海涛,邓樱编著 高等教育出版社,2002
Elhorst MATLAB空间面板计量模型
空间经济学的入门代码找不到?Elhorst 的 MATLAB 空间计量模型算是业内老前辈推荐的资源之一了。代码逻辑比较清晰,适合刚上手空间面板模型的朋友研究。空间权重矩阵怎么设?空间自相关怎么?里面都有例子,自己跑一跑就明白了。空间效应挺常见,尤其做城市、区域类数据时,地理相邻就是个天然的干扰项。这时候空间面板计量就能帮上忙。不用怕公式复杂,代码已经帮你搞定大半,照着改就行。哦对了,还有些不错的拓展资源,比如全局空间自相关、MGWR 安装包、GeoDa 可视化工具等,想深入的话可以顺着往下挖。如果你是做空间数据的,或者搞区域经济、房价传导那类研究,真建议你收藏一波。别忘了配合你自己的空间权重矩