A Bibliometric Analysis of the 100 Most Cited Articles on Problem-based Learning in Medical Education
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Problem-based learning (PBL) is an instructional approach used in medical education that is characterized by solving patient-based problems in small groups with tutor guidance. More than 50 years since PBL’s inception, many questions remain to be addressed about its processes and learning outcomes. This study examined the bibliometric characteristics of the 100 most cited articles on PBL in medical education to identify the landmark papers that have made significant contributions to PBL research. A search was conducted in the Scopus database to identify articles on PBL in medical education. Tables of citation rankings, research type, foci, and network visualizations of collaborations between authors and countries were generated. The 100 most cited articles were contributed by 212 authors in 23 journals between 1981-2016. Most articles (68%) were published in Medical Education, Academic Medicine and Medical Teacher. The majority of the articles (71%) originated from Netherlands, Canada, and the United States and six prolific authors were identified. The articles cover a broad range of topics from the theoretical basis for PBL to its effectiveness. The strong author and country collaborative networks indicate continued global interest in the PBL instructional method. Our findings show a paucity of studies on the actual implementation of PBL, its long-term impact, as well as rigorous qualitative studies.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,063 | 0,312 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 découle