INDICADORES BIBLIOMÉTRICOS SOBRE EDUCAÇÃO EM ENGENHARIA EM DIFERENTES BASES DE DADOS
Notice bibliographique
Résumé
Resumo: Buscando atender à necessidade do mercado por profissionais competentes, não só na área técnica, mas também com habilidades de liderança, empreendedorismo e inovação, surgem esforços ao redor do mundo para modernizar os cursos de engenharia, dando cada vez mais impulso ao campo de pesquisa em Educação em Engenharia.Uma das formas de avaliar o impacto da pesquisa cientifica e analisar seus resultados é através do uso de indicadores de ciência e tecnologia.Este trabalho se propôs a elaborar indicadores bibliométricos sobre educação em engenharia a partir das pesquisas disponibilizadas na Web of Science e Scopus nos últimos 20 anos (2000 a 2019).Foram analisados: número de publicações por ano; países, instituições e autores mais relevantes e tendências de pesquisa na área.Após a análise dos dados foi possível constatar a hegemonia dos EUA nas pesquisas em educação em engenharia através do número de publicações, principais instituições e autores.O Brasil não se destacou na área, sendo responsável por apenas uma pequena parcela das publicações analisadas, embora políticas públicas implantadas recentemente venham tentando gerar melhorias no panorama atual.Além disso, foram identificadas tendências de pesquisas em metodologias ativas de aprendizagem e uso de ferramentas computacionais de ensino, sendo necessários estudos futuros mais aprofundados para estabelecer o estado da arte destes temas, as redes de colaboração entre países, instituições e autores e uma projeção de crescimento da área.
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 | 0,021 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,092 | 0,162 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».