The Landscape of Research on Contextualized Science Learning: A Bibliometric Network Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT The vast and rapidly growing amount of science education research makes it challenging for researchers to navigate and synthesize developments across the field, particularly concerning broad concepts evolving along divergent paths. To address this issue, a novel review methodology employing bibliometrics and network analysis was tested to identify and characterize clusters of research focused on the relationship between school‐based science learning and contexts where that science is applied, experienced, observable, or otherwise relevant (e.g., socio‐scientific inquiry, place‐based learning, culturally‐responsive pedagogy). Using a sample of 935 academic papers, the bibliometric network analysis revealed the landscape of contextualized science learning research, identifying 13 distinct clusters of scholarship. Bibliometric and qualitative data were used to describe the research trends within clusters and confirm they were conceptually meaningful and distinct. This methodology facilitated greater understanding of how research can become clustered into “invisible colleges” over time, offering a synthesis approach to grasp interrelated lines of research within an evolving landscape. The methodology has potential to identify other schools of thought or overarching themes in science education, enhancing researchers’ ability to perceive the field as a coherent landscape of interconnected ideas or to identify specific research trajectories within a broad concept.
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.
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 | 0,049 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,011 | 0,244 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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 découle