为揭示森林群落研究态势及热点,该文基于中国期刊全文数据库(CNKI)和Web of Science(WOS)数据库3 977篇目标文献,采用文献计量和知识图谱分析相结合的研究方法,直观刻画了森林群落研究的演进态势及研究热点。结果表明:(1)在发文量上,CNK...为揭示森林群落研究态势及热点,该文基于中国期刊全文数据库(CNKI)和Web of Science(WOS)数据库3 977篇目标文献,采用文献计量和知识图谱分析相结合的研究方法,直观刻画了森林群落研究的演进态势及研究热点。结果表明:(1)在发文量上,CNKI数据库自1983年中国召开全国环境保护会议后发文量增速加快,受科教兴国战略的影响,国内发文量呈中高水平发展态势;WOS数据库在1992年联合国环境与发展大会召开后发文量呈增长趋势,直到2020年开始有所回落。(2)在核心作者上,CNKI数据库中共有核心作者147位,其发文量占发文总量的64.96%;WOS数据库中核心作者有117位,其发文量占总发文量的27.21%。(3)从关键词共现图谱、聚类图谱看,CNKI数据库中森林群落、物种多样性、群落结构、生物多样性等词出现频率较高,且与其他关键词联系紧密,反映出国内的研究热点是森林群落物种资源、结构特征、树种生长发育与生长环境;WOS数据库中management(监管)、community forest(共有林)、conservation(保护)、biodiversity(生物多样性)等词出现频率较高并与其他关键词联系紧密,表明国际森林群落研究热点为森林群落物种资源的保护与管理、群落结构特征、森林资源可持续发展。展开更多
目的:分析AI在急诊领域中相关研究的现状、热点和趋势。方法:检索Web of Science数据库核心集中有关AI在急诊领域应用的文献,运用CiteSpace软件对文献进行可视化分析。结果:共获得1685篇文献,发文量呈上升趋势,从2018年开始急剧上升。...目的:分析AI在急诊领域中相关研究的现状、热点和趋势。方法:检索Web of Science数据库核心集中有关AI在急诊领域应用的文献,运用CiteSpace软件对文献进行可视化分析。结果:共获得1685篇文献,发文量呈上升趋势,从2018年开始急剧上升。发文量和中心性排名最高的国家均为美国(692篇,0.44),我国(214篇)发文量排名第二。发文量和中心性排名最高的机构是哈佛大学。AI在急诊领域的研究热点主要聚焦在急诊入院率预测、疾病诊断及预测模型构建、临床决策系统辅助分诊、资源配置与优化等方面。仿真优化是未来AI在急诊领域的研究趋势。结论:人工智能在急诊领域的应用具有巨大的潜力,同时也面临着挑战,未来研究应以此为基础致力于现存问题的解决和新技术的发展,从而进一步推动人工智能在急诊领域的应用。展开更多
文摘为揭示森林群落研究态势及热点,该文基于中国期刊全文数据库(CNKI)和Web of Science(WOS)数据库3 977篇目标文献,采用文献计量和知识图谱分析相结合的研究方法,直观刻画了森林群落研究的演进态势及研究热点。结果表明:(1)在发文量上,CNKI数据库自1983年中国召开全国环境保护会议后发文量增速加快,受科教兴国战略的影响,国内发文量呈中高水平发展态势;WOS数据库在1992年联合国环境与发展大会召开后发文量呈增长趋势,直到2020年开始有所回落。(2)在核心作者上,CNKI数据库中共有核心作者147位,其发文量占发文总量的64.96%;WOS数据库中核心作者有117位,其发文量占总发文量的27.21%。(3)从关键词共现图谱、聚类图谱看,CNKI数据库中森林群落、物种多样性、群落结构、生物多样性等词出现频率较高,且与其他关键词联系紧密,反映出国内的研究热点是森林群落物种资源、结构特征、树种生长发育与生长环境;WOS数据库中management(监管)、community forest(共有林)、conservation(保护)、biodiversity(生物多样性)等词出现频率较高并与其他关键词联系紧密,表明国际森林群落研究热点为森林群落物种资源的保护与管理、群落结构特征、森林资源可持续发展。
文摘目的:分析AI在急诊领域中相关研究的现状、热点和趋势。方法:检索Web of Science数据库核心集中有关AI在急诊领域应用的文献,运用CiteSpace软件对文献进行可视化分析。结果:共获得1685篇文献,发文量呈上升趋势,从2018年开始急剧上升。发文量和中心性排名最高的国家均为美国(692篇,0.44),我国(214篇)发文量排名第二。发文量和中心性排名最高的机构是哈佛大学。AI在急诊领域的研究热点主要聚焦在急诊入院率预测、疾病诊断及预测模型构建、临床决策系统辅助分诊、资源配置与优化等方面。仿真优化是未来AI在急诊领域的研究趋势。结论:人工智能在急诊领域的应用具有巨大的潜力,同时也面临着挑战,未来研究应以此为基础致力于现存问题的解决和新技术的发展,从而进一步推动人工智能在急诊领域的应用。