Virtual Reality (VR) Potential for Education in the Future: A Bibliometric Analysis
Notice bibliographique
Résumé
Language learning apps, interactive multimedia, and virtual classrooms help students learn independently and differently, improving teaching and achievement. VR brings new scenarios and experiences to education. Many consider it a valuable learning tool. VR education can replace multimedia because it's affordable and improves critical thinking and community engagement. Education VR technology was bibliometrically analyzed from 2020 to 2024 using R Studio and Biblioshyni. VR education articles rose from 34 in 2020 to 172 in 2022. Educational and Information Technology published most VR articles, then Heliyon Journal. USAISR, FT Sam Houston, Wang Y, and Texas, USA are the top ten VR education authors. FT Sam Houston, USA, USAISR, and Texas had the most documents. The US had the most VR education articles from 2020 to 2024. China has 182 articles, Canada 84. Australia, Brazil, Germany, India, South Africa, Spain, and the Netherlands produced 80 articles. Human was the most-used VR term in education from 2020 to 2024, appearing 179 times. COVID-19 shows that time and space shouldn't limit research. VR was most cited in 44 education and IT articles. Chinese authors dominate VR research and US scientific publications, making VR media in education appealing in Indonesia
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 | 0,010 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,155 | 0,202 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».