An Immersive Virtual Learning Environment for the Development of Hard Skills: A Scientometric Analysis and Systematic Review
Notice bibliographique
Résumé
A scientometric analysis and systematic review of an immersive virtual learning environment (IVLE) designed to improve the development of hard skills comprised this study. The review focused on the period between 2016 and 2023 and was conducted using the Scopus database. This study employed a scientometrics analysis and systematic review methodology. In this study, a comprehensive analysis was conducted on a corpus of 12 scholarly articles that have been published within the last 8 years. This study looked at the aggregate magnitude and trajectory of scholarly publications and looked at a number of trends in scholarly research, including annual reports, article counts, article distribution across different sources, finding the most useful sources, keyword analysis, looking into the best collaboration groups, looking at how themes have changed over time, judging contributions, and practical implications. The primary findings regarding the data and document types indicated that a total of 12 articles were published across 10 different sources within the timeframe of 2016 to 2023. The research conducted on IVLE for the development of hard skills exhibited fluctuations in its pace, alternating between deceleration and positive acceleration. The growth rate of the articles peaked in 2022. The primary publication with the greatest of source is “Lecture Notes in Networks and Systems.” Keyword Plus growth rate for terms like “virtual reality,” “e-learning,” and “teaching” The nations exhibit a high degree of collaboration in the field of research. The findings indicated that the authors hailing from Mexico and Colombia exhibited the greatest frequency (n = 2). The thematic evolution of the study indicated two significant advancements: firstly, the emergence of e-learning studies that have propelled the field of e-learning, and secondly, the integration of virtual reality into e-learning practices. The classification of applications encompasses various components: title, solution, learning strategy, and learning tasks.
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 | Revue systématique | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».