STEAM Education with Gamification: A Bibliometric Analysis
Notice bibliographique
Résumé
STEAM education with gamification, a method that integrates game elements into the learning process, has proven to be a powerful tool. It not only encompasses various forms of gamified education but also has the potential to captivate and inspire students, breathing life into the course material. This study aims to present a comprehensive summary of the research carried out in the domain of STEAM education, with a particular emphasis on gamification. The focus will be on analyzing studies published in the past seven years. A meticulous bibliometric analysis was conducted to investigate the patterns in the published literature on STEAM education with gamification from 2017 to 2023. The relevant documents were retrieved by using keywords related to steam and gamification in the title, abstract, and keywords of the documents. Thus, 34 documents were acquired from the Scopus database for bibliometric analysis. The review analyzes the rate of publication growth, identifies the papers with the highest number of citations, determines the primary sources of these articles, evaluates the productivity of authors, examines the leading countries contributing to the field, and identifies the prominent subject areas within the research domain. Thailand has the highest output level in terms of publications and citations, as inferred from the results of our analysis. The Ceur Workshop Proceedings are widely acknowledged as the foremost scholarly resource in their subject. We have identified the most important keywords related to gamified STEAM education by conducting keyword analysis. Factorial Analysis provides a visual summary of the complex relationships between various concepts related to educational technology.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,030 | 0,107 |
| 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) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».