تحلیل استنادی پژوهش های کووید-۱۹ در پایگاه استنادی اسکوپوس
Publish place: Caspian Journal of Scientometrics، Vol: 9، Issue: 2
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 135
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CJS-9-2_009
تاریخ نمایه سازی: 16 اردیبهشت 1402
Abstract:
سابقه و هدف: بیماری کووید-۱۹ یک بیماری تنفسی با قابلیت انتقال سریع است که اکثر کشورها را به خود درگیر کرده است. این پژوهش با هدف تحلیل استنادی پژوهش های کووید-۱۹ در پایگاه استنادی اسکوپوس از سال ۲۰۱۹ تا سال ۲۰۲۱ می باشد.
مواد و روش ها: پژوهش حاضر از نوع کاربردی است که با رویکرد علم سنجی انجام شده است. جامعه پژوهش شامل ۴۲۶۹ مقاله پژوهشی است که طی سال های ۲۰۲۱-۲۰۱۹ در حوزه موضوعی ویروس کرونا منتشر شده است. برای ترسیم و تجزیه و تحلیل شبکه استنادی، از نرم افزارهای VOSviewer، Ucinet و Excel استفاده شده است.
یافته ها: در پایگاه اسکوپوس، پراستنادترین مقالات کووید-۱۹ مربوط به کشور چین می باشد. کشور آمریکا بیشترین میزان تولید مقالات در این حوزه را با ۴۶۷ مقاله به خود اختصاص داده است."Li Y"، "Li X" و "Wang J" بیشترین نمره را در مرکزیت رتبه، شاخص نزدیکی و شاخص بینابینی به دست آوردند. پژوهشگران ایرانی بیشترین همکاری بین المللی را با کشورهای آمریکای شمالی، اروپا و چین داشته اند.
نتیجه گیری: کشورهای آمریکا و چین هم در تولید مقاله و هم در استناد بیشترین سهم را در این حوزه داشته اند. کشور ایران نیز به دلیل هم تالیفی با این کشورها در خوشه اول و برتر جهان قرار گرفته است.
Keywords:
Authors
نجمه نوارباف زاده
Shoushtar Faculty of Medical Sciences, Shoushtar, Iran
مصطفی رستمی
Higher Education Institute of Ethics and Education, Qom, Iran
زهرا مهری
Shoushtar Faculty of Medical Sciences, Shoushtar, Iran
علی اکبر خاصه
Payame Noor University, Tehran, Iran
محمد نیک زادیان
Department of Medical Emergencies, Shoushtar Faculty of Medical Sciences, Shoushtar, Iran
مجتبی کلانتر
Department of Occupational Health and Safety Engineering, Shoushtar Faculty of Medical Sciences, Shoushtar, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :