Mapping Research Trends in the Community of Inquiry Framework within Online Courses: A Bibliometric Analysis
Notice bibliographique
Résumé
The Community of Inquiry (CoI) framework has become a foundational model for understanding online learning environments, focusing on cognitive, social, and teaching presence. This study provides a comprehensive bibliometric analysis of research trends in the CoI framework within online courses from 2003 to 2023. The analysis identifies key contributors, top institutions, and prominent research terms, offering insights into the evolution of CoI research over the last two decades. Results indicate a significant increase in research activity, particularly following the COVID-19 pandemic, with the United States and Canada leading contributions. However, there is a growing global interest in CoI research, with emerging contributions from countries such as China, Turkey, and South Africa. Key institutions, including Purdue University and the University of Calgary, and influential authors such as Peter J. Shea and Jennifer C. Richardson, have played pivotal roles in advancing the field. The analysis also reveals the broad application of the CoI framework in fully online, blended, and hybrid learning environments, emphasizing its versatility. Despite limitations related to database coverage and keyword reliance, this study provides valuable insights into the current state of CoI research and highlights areas for future exploration. The findings underscore the importance of the CoI framework in enhancing the quality of online education and its adaptability across diverse educational contexts.
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 | 0,036 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,082 | 0,220 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 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 ».