ScholarGate
Assistant
Process / pipelineReview / evidence synthesis

Analyse scientométrique par tranches temporelles — Suivre la science à travers des périodes

L'analyse scientométrique par tranches temporelles divise un corpus bibliographique en fenêtres temporelles discrètes — généralement des périodes de cinq ou dix ans — et applique des indicateurs scientométriques standards (nombre de publications, taux de citation, indice h, réseaux de collaboration, co-occurrence de mots-clés) au sein de chaque tranche. En comparant les résultats entre les tranches, les chercheurs peuvent reconstituer la croissance d'un domaine scientifique, ses changements d'orientation, la formation de nouvelles collaborations ou son déclin d'influence au fil du temps. L'approche combine la rigueur de la scientométrie quantitative avec une dimension longitudinale explicite.

Appliquer avec LacunaBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Sources

  1. Small, H. (1999). Visualizing science by citation mapping. Journal of the American Society for Information Science, 50(9), 799-813. link
  2. van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523-538. DOI: 10.1007/s11192-009-0146-3

Comment citer cette page

ScholarGate. (2026, June 3). Time-sliced Scientometric Analysis. ScholarGate. https://scholargate.app/fr/scientometrics/time-sliced-scientometric-analysis

Quelle méthode ?

Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.

Comparer côte à côte
ScholarGateTime-sliced Scientometric Analysis (Time-sliced Scientometric Analysis). Consulté le 2026-06-15 sur https://scholargate.app/fr/scientometrics/time-sliced-scientometric-analysis · Jeu de données : https://doi.org/10.5281/zenodo.20539026