Bewertung von Methoden der Clusteranalyse in ChatGPT im Vergleich zur R-Sprache mit Visualisierungen von Autorenzusammenarbeiten und Schlagwort-Kooccurenzen in Artikeln des Journal of Medicine (Baltimore) 2023: Bibliometrische Analyse

HINTERGRUND: Analysen von Autorenzusammenarbeiten und Schlagwort-Kooccurenzen werden häufig in der bibliografischen Forschung verwendet. Es wurden jedoch keine Studien vorgestellt, die einen einfachen, aber effektiven Ansatz, wie die Nutzung von ChatGPT mit Code Interpreter (ChatGPTCI) oder der R-Sprache, zur Erstellung von clusterorientierten Netzwerken eingeführt haben. Diese Forschung zielt darauf ab, Methoden der Clusteranalyse in ChatGPTCI und R zu vergleichen, länderspezifische Autorenzusammenarbeiten zu visualisieren und dann den effektivsten Ansatz zu demonstrieren. METHODEN: Die Forschung konzentrierte sich auf Artikel und Übersichtsarbeiten aus Medicine (Baltimore), die 2023 veröffentlicht wurden. Bis zum 20. August 2023 hatten wir Metadaten für 1976 Artikel aus den Kernsammlungen von Web of Science gesammelt. Die Effizienz und Effektivität der Clusterdarstellungen zwischen ChatGPTCI und R wurden durch die Bewertung ihres Zeitaufwands verglichen. Die beste Methode wurde dann verwendet, um eine Reihe von Visualisierungen länderspezifischer Autorenzusammenarbeiten, die auf sozialen Netzwerk- und Clusteranalysen basieren, zu präsentieren. Visualisierungstechniken, die Netzwerkgrafiken, Chorddiagramme, Kreisdiagramme, Circle Packing Plots, Heat-Dendrogramme, Dendrogramme und Wortwolken enthalten, wurden demonstriert. Wir hoben außerdem die Forschungsprofile von 2 produktiven Autoren mithilfe von Zeitachsenvisualisierungen hervor. ERGEBNISSE: Die Forschungsergebnisse umfassen: (1) die aktivsten Mitwirkenden waren China, die Nanjing Medical University (China), die Medizinische Fakultät und Dr. Chou aus Taiwan, wenn man Länder, Institutionen, Abteilungen und einzelne Autoren betrachtet; (2) die am meisten zitierten Artikel stammten aus Medicine (Baltimore) und machten 4,53% aus: New England Journal of Medicine, PLOS ONE, LANCET und The Journal of the American Medical Association mit entsprechenden Beiträgen von 3,25%, 2,7%, 2,52% und 1,54%; (3) die visuelle Clusteranalyse in R erwies sich als effizienter und effektiver als ChatGPTCI, wobei die benötigte Zeit von 1 Stunde auf nur 3 Minuten reduziert wurde; (4) 7 clusterfokussierte Netzwerke wurden mit R auf einer benutzerdefinierten Plattform erstellt; und (5) die Forschungstragenden von 2 prominenten Autoren (Dr. Brin aus den Vereinigten Staaten und Dr. Chow aus Taiwan) sowie die Themen der Artikel in Medicine 2023 wurden mithilfe von Zeitachsenvisualisierungen dargestellt. SCHLUSSFOLGERUNGEN: Diese Forschung hob die effizienten und effektiven Methoden zur Durchführung von Clusteranalysen von Autorenzusammenarbeiten unter Verwendung von R hervor. Für zukünftige verwandte Studien, wie die Analyse von Schlagwort-Kooccurenzen, wird R als praktikable Alternative für die bibliografische Forschung empfohlen.