Exploring Differentiated Learning: A Bibliometric Examination of Research Development and Directions
Notice bibliographique
Résumé
Purpose: To chart the progress and trajectory of differentiated learning research in Scopus database-indexed publications from 1954 - 2023. The first publication was found in 1994. Methodology: Using bibliometric analysis method. A literature review was performed to ensure that relevant research on bibliometric topics was conducted. A Boolean search engine was utilized to search the Scopus database from 1954 to 2023. The analysis of citations, document content, and networks was carried out using R and Rstudio tools, VosViewer, and Microsoft Excel. Using the Boolean operator TITLE-ABS-KEY (differentiated and learning) to search Scopus and generate 7,012 documents. Filtering is done with the Boolean operator (LIMIT-TO (SUBJAREA, "soci")) AND (LIMIT TO (DOCTYPE, "ar")) AND (LIMIT-TO (SRCTYPE, "j")) AND (LIMIT TO (LANGUAGE, "English")) for social science field restrictions, source documents are only journals and articles in English, resulting in 1. 425. analysis using Scopus, R, and Rstudio to determine the number of articles per year, per journal, author, affiliation, country, and topic/sector. To visualize using VOSviewer and Microsoft Excel data processing. Results: 848 publications matched the function, subject, and criteria set. Annual growth rate of 7.33%, most publications in 2022 by US country with affiliation from University of Toronto US. Jordan J was the most prolific author. Applications/Originality/Value: This bibliometric analysis is limited to Scopus data. Other national and international databases should have been considered in this study. This research offers a concise summary of the available literature for researchers engaged in differentiated learning and offers suggestions for future research endeavors.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,062 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».