A Bibliometric Analysis of Romanian Educational Research in Web of Science: Trends, Challenges, and Opportunities for Global Integration
Notice bibliographique
Résumé
Over the past 30 years, Romanian Educational Research (RER) has strived to enhance its global visibility. This study examines the evolution and structure of RER through a bibliometric analysis of 10,396 publications indexed in the Web of Science Core Collection from 1975 to 2024. The results reveal fluctuating productivity, with growth driven by national and international initiatives, and challenges during the COVID-19 pandemic. Conference papers dominate research output, while articles and reviews are less frequent. Although domestic sources offer valuable publication opportunities, increasing visibility in high-impact journals is essential for international recognition. Universities across various regions contribute significantly, with research intensive institutions producing the bulk of articles and reviews. Five primary research clusters emerged, including studies on student performance factors, digital transformation in education, curriculum development and students’ skills, competency-based education and teacher training, as well as advancements in teaching, learning, and assessment practices. The study highlights the importance of international collaborations, particularly with institutions in Europe, the United States, Canada, and Australia, to boost the worldwide impact of Romanian research. These findings provide insights into the current state of RER and suggest that fostering international partnerships and leveraging local strengths can enhance its global presence and contribute to academic diversity.
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 | 0,050 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,817 | 0,922 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 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 ».