Exploring the emerging COVID-19 research trends and current status in the field of education: a bibliometric analysis and knowledge mapping
Notice bibliographique
Résumé
Background/purpose – The current study aims to analyze the thematic \nstructures and trends of scientific publications that examine the relationship \nbetween the COVID-19 pandemic and education, while presenting a \nroadmap for future research on this topic. \nMaterials/methods – The data were obtained from the Web of Science \nCore Collection (WoSCC) bibliographic database by identifying the \npublications that examine the relationship between the COVID-19 pandemic \nand education, then were analyzed using bibliometric methodology and \ncontent analysis. VOSviewer, GraphPad softwares, and visualization maps \nwere used to analyze the data and to present the findings. \nResults – The results of the study show that publications examining the \nrelationship between the COVID-19 pandemic and education focused on \n“online education” and “teacher education,” while the countries that \ncontributed the most to publications on this issue were USA, United \nKingdom, Canada, and Spain. It was determined that most publications \npreferred the “theoretical model” and the majority of the research data \nwere obtained through “scale/interview forms.” Furthermore, the findings \nof this study revealed that during the COVID-19 pandemic period, the \neditorial/refereeing processes of the articles submitted to academic journals \nwere carried out very quickly and the articles were published unusually \nquickly. \nConclusion – This study indicated that the majority of scientific studies on \nCOVID-19 are focused on the field of health, and that there is limited edition \nresearch on COVID-19-related education. To the best of the authors’ \nknowledge, the current study is the first research article in the international \nliterature to examine the thematic structures and trends of scientific \npublications on the relationship between solely education and COVID-19 \nthrough bibliometric and content analysis; and contributes to the knowledge \nbase on COVID-19-related education by mapping the existing knowledge.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,016 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,143 | 0,174 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».