Understanding gaps in research networks: using “spatial reasoning” as a window into the importance of networked educational research
Notice bibliographique
Résumé
This paper finds its origins in a multidisciplinary research group’s efforts to assemble a review of research in order to better appreciate how “spatial reasoning” is understood and investigated across academic disciplines. We first collaborated to create a historical map of the development of spatial reasoning across key disciplines over the last century. The map informed the structure of our citation search and oriented an examination of connection across disciplines. Next, we undertook a network analysis that was based on highly cited articles in a broad range of domains. Several connection gaps —that is, apparent blockages, one-way flows, and other limitations on communications among disciplines—were identified in our network analysis, and it was apparent that these connection gaps may be frustrating efforts to understand the conceptual complexity and the educational significance of spatial reasoning. While these gaps occur between the academic disciplines that we evaluated, we selected a few examples for closer analysis. To illustrate how this lack of flow can limit development of the field of mathematics education, we selected cases where it is evident that researchers in mathematics education are not incorporating the important work of mathematicians, psychologists, and neuroscientists—and vice versa. Ultimately, we argue, a more pronounced emphasis on transdisciplinary (versus multidisciplinary or interdisciplinary) research might be timely, and perhaps even necessary, in the evolution of educational research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,026 |
| Communication savante | 0,019 | 0,071 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».