A Bibliometric and Thematic Analysis of Educational Neuroscience Research in Early Childhood Education, 1970–2024
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
This review employed bibliometric methods to test the meta-data of documents related to educational neuroscience in early childhood education (ECE) published over a period of 55 years, from its beginnings in 1970 to 2024. The study analysed a total of 498 documents. Using bibliometric techniques, it summarised descriptive trends, uncovered the foundational intellectual framework, identified popular themes, and suggested new avenues for future research. Thematic analysis highlighted the evolution of themes across three distinct developmental phases. The integration of bibliometric techniques with thematic analysis offered a comprehensive overview and deeper understanding of the historical, present, and future trajectories of educational neuroscience research in ECE. Research Findings: There has been a notable increase in educational neuroscience publications in ECE, with a significant surge since 2021. The United States, Canada, and China are the leading contributors. Influential research primarily examines the impact of brain injury or neuropsychological deficiencies and the efficacy of intervention programs. The intellectual structure consists of three main research clusters, while conceptual themes focus on neurodevelopment, interventions, and neuro damage. Additionally, eight prominent research fronts were identified. Practice or Policy: The findings have implications for future educational neuroscience research in ECE, methodology, policy, and practice.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,039 | 0,080 |
| 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) | 0,000 | 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