Exploring new frontiers of experiential learning landscape: a hybrid review
Notice bibliographique
Résumé
Purpose Experiential learning is crucial in education, as it offers hands-on, practical experiences that enable individuals to develop their skills and knowledge more engagingly and interactively. In recent years, experiential learning has become a significant aspect of education. To provide academic scholars with a thorough roadmap for further investigation, this study aims to provide useful insights into the bibliometric and content analysis of experiential learning, including keywords, well-known authors, publications, nations and topics. Design/methodology/approach This research does a rigorous bibliometric analysis to give a thorough and visually instructional assessment of the evolution and advancement of the literature on experiential learning. Its fast development between 1976 and 2022 is meticulously tracked in the research. By using VOSviewer and Biblioshiny tools, the present study presents a concise overview of 507 records retrieved from the Scopus database using the keyword “Experiential Learning”, following the Preferred Reporting Items for Systematic Reviews and Meta-Analysis protocol. Deeper text mining was done using Python libraries “Pandas” and “Natural Language Toolkit” and regular expressions. Findings The findings reveal a surge in the number of publications on experiential learning and provide insights, particularly using the theory, context, characteristics, methodology analysis, supporting researchers and practitioners to understand learning better and provide perspectives for future research. Descriptive bibliometric analysis showed that most contributions are from the USA, the UK and Canada. In-depth content analysis revealed five clusters: developments in learning, management education, engineering curricula, organisational learning and knowledge management and entrepreneurship education. The keyword co-occurrence analysis enabled linkages between relevant fields of study and significant research domains. The most commonly used theories were: experiential learning theory, social learning theory, relational coordination theory, empowerment theory, feedback learning theory, effectuation theory and human capital theory. Originality/value This study uses information from the Scopus database to do a bibliometric analysis of experiential learning from 1976 to 2022. This study serves as a valuable resource for researchers in the field, helping them to position their work more explicitly within the existing literature and highlighting potential areas for future research. It does this by thoroughly analysing the literature on experiential learning using bibliometrics.
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 | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,028 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».