The VOSviewer (Van Eck and Waltman

The VOSviewer (Van Eck and Waltman 2010) was used to construct and visualize journal
and keyword networks. The keyword co-occurrence network are formed when the key-
words (or nodes) appearing in the articles published in the ITM journals co-appear forming
a relationship (or link). These networks are useful to study the kind of knowledge that is
created in a domain (Choi et al. 2011; Yoon and Park 2005). Mainly, two types of keyword
co-occurrence networks were constructed, (1) title keyword co-occurrence network, (2)
and author supplied keyword co-occurrence network. To identify the emerging and fading
themes the burst detection algorithm implemented in the Science of Science Tool (Sci2-
Team 2009) was used. Keywords and Titles of the articles are the best place to look for
trends in a domain (Leydesdorff 2006). Before applying the burst detection routine, the
data were lowercased, tokenized, and a common set of stop words were removed from it.
The burst detection technique has been extensively used (Kleinberg 2003) to identify
emerging trends in their research domains (Chen 2006; Chen et al. 2009; Guo et al. 2011;
Mane and Borner 2004; Swar and Khan 2014).

Results (French) 2:

Le VOSviewer (Van Eck et Waltman 2010) a été utilisé pour construire et visualiser Journal
et réseaux clés. Le réseau de co-occurrence mot-clé sont formés lorsque les claviers
mots (ou noeuds) figurant dans les articles publiés dans des revues ITM co-semble former
une relation (ou lien). Ces réseaux sont utiles pour étudier le type de connaissances qui est
créé dans un domaine (Choi et al 2011;. Yoon et le parc 2005). Principalement, deux types de mot-clé
des réseaux de co-occurrence ont été construits, mot-clé réseau de co-occurrence (1) le titre, (2)
et auteur fourni réseau de co-occurrence de mots clés. Pour identifier les pays émergents et à la décoloration
thèmes l'algorithme de détection d'éclatement mis en œuvre dans la science de l'outil Science (Sci2-
Équipe 2009) a été utilisé. Mots-clés et les titres des articles sont le meilleur endroit pour chercher des
tendances dans un domaine (Leydesdorff 2006). Avant d'appliquer la routine de détection d'éclatement, les
données ont été minuscules, les tokenizés, et un ensemble commun de mots d'arrêt ont été retirés.
La technique de détection de rafale a été largement utilisé (Kleinberg 2003) pour identifier
les tendances émergentes dans leurs domaines de recherche (Chen 2006; . Chen et al 2009; Guo et al 2011;.
Mane et Borner 2004; Swar et Khan 2014).

Results (French) 3:

le vosviewer (van eck et waltman 2010) a été utilisé pour construire et visualiser les réseaux journal
et de mots clés.le mot - clé la cooccurrence network sont formés lorsque la clé -
mots (ou noyaux) figurant dans les articles publiés dans des revues de l'itm, co - figurer faisant
une relation (ou lien).ces réseaux sont utiles pour étudier le type de connaissances qui est
créé dans un domaine (choi et al., 2004).2011;yoon et park, 2005).essentiellement, deux types de mot clé
cooccurrence réseaux ont été construits, (1) titre (mot - clé) cooccurrence network, (2)
et auteur fournies keyword cooccurrence network.pour identifier les thèmes émergents et estompe
dans l'algorithme de détection de l'éclatement en outil de la science (sci2 -
équipe 2009) a été utilisé.mots - clés et les titres des articles sont le meilleur endroit pour chercher.tendances dans un domaine (leydesdorff, 2006).avant d'appliquer l'éclatement de détection ont été lowercased de routine, les données tokenized), et un ensemble commun de mots ont été retirées.
l'éclatement détection technique a été largement utilisé (kleinberg 2003) afin d'identifier les tendances émergentes dans leur domaine de recherche. (chen, 2006; chen et coll.2009; guo et coll.2011;
crinière et borner 2004; swar et khan 2014).