Research trends in international science, technology, engineering, and mathematics education conference series: An analysis of a decade of proceedings
Notice bibliographique
Résumé
This paper reports on the results of a descriptive analysis of 675 publications included in the proceedings of five editions of the International Science , Technology , Engineering , and Mathematics in Education Conferences held in Australia, Canada, and China over 9 years between 2012 and 2021. Peer-reviewed academic journals are traditional sources of high quality and established research. Yet these papers might take months and sometimes years to get published. On the other hand, an analysis of research foci represented at international STEM conferences can be used as a source of the most recent trends in the field, and the developments of STEM education research across time and by national origins. In this analysis, 675 abstracts from five editions of the International STEM in Education Conference were coded into eight topics, followed by a descriptive analysis of the results. Four countries were consistently the top four contributors: Australia, Canada, China, and the United States. Thus, the study conducted a descriptive analysis and discussion of the trends among these countries. The results revealed trends in STEM education research, among which policy, curriculum, assessment; K-12 teaching and learning, are dominant topics of research investigation, while postsecondary STEM teaching and learning are less investigated. The results also demonstrated the dominance of some topics over others among the countries that most contributed to the conferences. For instance, Canada dominated in the studies of culture, gender, and social issues and in postsecondary STEM education. China paid much less attention to these topics, while putting more emphasis on historical and epistemological perspectives on STEM, policy and curriculum, and K-12 teaching and learning. Australian research focused on policy and curriculum; K-12 teaching and learning; and industry. Meanwhile, the United States showed the least difference in percentages between topics. Overall the analysis indicates a relatively low interest in postsecondary STEM education research, despite the growing demand for STEM professionals. This highlights the need for STEM education research focused on institutions of higher education. This analysis interprets the trend results in light of the issues in STEM education confronting various national jurisdictions.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,012 | 0,018 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».