MétaCan
Menu
Retour à la cohorte
Enregistrement W4408345260 · doi:10.22329/jtl.v19i1.8985

Perspectives of Socio-Scientific Issues in Educational Research: A Bibliometric Analysis

2025· article· en· W4408345260 sur OpenAlexvenueno aff
Binesh Narayanan, Amruth G. Kumar, Dinesh Gunasekaran, Rajasree Vengayil, Krithika Maduvegadde, Nirmala Alampady

Notice bibliographique

RevueJournal of Teaching and Learning · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBibliometricsSociologyEngineering ethicsManagement scienceData scienceSocial scienceLibrary scienceComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The intricate nature of socio-scientific issues has gained traction among researchers in recent decades. This study explores educational research focused on socio-scientific issues over the last 21 years (2002-2023) using the bibliometric method. The analysis of 350 Scopus-indexed articles was conducted, examining publication trends, influential contributors, and research trajectories through citation, co-occurrence, and co-citation analyses. Co-citation analysis reveals a complex intellectual structure within the field, with a dominant cluster of influential authors and several smaller, specialized research communities emerging. Analysis revealed that the major themes discussed by the examined articles include the nature of science, climate-change decision-making, and education for sustainability, which are crucial in addressing contemporary challenges in education and society. This study highlights the significance of fostering interdisciplinary cooperation and integration of technological aspects into future research. It also identifies the necessity of addressing gaps in research resources, improving knowledge accessibility, and strengthening international collaborations for the field's advancement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,088
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,088
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,1310,193
Études des sciences et des technologies0,0040,004
Communication savante0,0160,011
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,474
Écart entre enseignants0,387 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching and LearningMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207