A Bibliometric Analysis of Educational Studies About “Museum Education
Notice bibliographique
Résumé
This study aimed at analyzing the scientific publications about museum education with regard to bibliometric indicators. The study was carried out as a case study, one of the qualitative research methods. The bibliometric data were taken from the WoS database produced by Clarivate Analytics. An online scanning was performed in WoS database. The scan interval involved the dates between 1975 and April 4, 2020. 359 studies related to the museum education were detected in this scan. It was determined that out of these records, 148 of them (%41,22) were included in education/educational research category. The analyses revealed that the type of publications which was encountered mostly were academic articles with 148 studies. In addition to this, it was found that 109 articles were published in the last five years. This rate exhibits that the educational research about the museum education has gained acceleration in recent years. It was detected in the analyses that a total of 470 different key words were used in 148 articles. Moreover, the analyses revealed that the most effective journal was “Journal of Museum Education”. It was determined by the analyses that the researchers from 25 different countries published articles that made contributions to the field. Within this context, it was found that the most active country was the USA and it was followed by Italy, Canada and England. Turkey is ranked 6 out of 25 countries with 7 publications and this shows that serious contributions are made in this field.
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 | 0,010 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,175 | 0,199 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».