Bibliometric Analysis of Academic Studies on Student Support Systems in Open and Distance Learning
Notice bibliographique
Résumé
The aim of this research is to conduct a bibliometric analysis of educational studies utilising Student Support Systems (SSS) in Open and Distance Learning, as indexed and scanned in the Web of Science (WoS) database under SCI-Expanded, SSCI, and A&HCI. The study employs descriptive and bibliometric analysis methods including journal articles exported as a .txt file from the WoS database. The data (6.366 open-access articles between 2013 and 2023) have been mapped using the VOSviewer. The research findings indicate that the majority of educational studies involving SSS in Open and Distance Learning are constituted by articles, with the number of publications beginning to rise from 2017 and the highest number of publications occurring in 2021. The authors receiving the most shared citations in this field have been identified as Dragan Gasevic, Sanna Jarvela, Abelardo Pardo and Jonna Malmberg respectively. The countries producing the most publications related to Student Support Systems in Open and Distance Learning are, in order, the USA, Australia, the People's Republic of China, Taiwan, Spain, Canada, and Turkey. From the perspective of country citation analysis, the USA has received the most citations and the institutions receiving the most citations are the University of Hong Kong in Hong Kong, Monash University in Australia, Beijing Normal University in the People's Republic of China, and the National University of Science and Technology in Taiwan. Finally, the most frequently used keywords in published studies have been found to be, in order, higher education, e-learning, online learning, and learning analytics.
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 | 0,013 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,178 | 0,237 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».