MétaCan
Menu
Retour à la cohorte
Enregistrement W4410193540 · doi:10.19173/irrodl.v26i2.8662

Twenty-Five Years of the International Review of Research in Open and Distributed Learning: A Bibliometric Analysis

2025· article· en· W4410193540 sur OpenAlexaffvenueabout
Carlos J. Torres-Vergara, Víctor G. Alfaro-García, José M. Merigó, Amara Atif, Rory McGreal

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésEducational technologyBibliometricsComputer scienceDistance educationData scienceLibrary scienceMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

The International Review of Research in Open and Distributed Learning (IRRODL) published its first issue in 2000. This paper provides an overview of the journal’s development over its 25-year history using bibliometric indicators. We analyzed IRRODL’s performance relative to other journals in the field and have highlighted key contributing countries, institutions, and authors based on the Scopus database. Our approach used various bibliometric techniques, including the number of articles and citations, cites per paper, and the h-index. The findings reveal that IRRODL is a leading journal in open and distributed learning, attracting a diverse group of authors from institutions and countries worldwide. Currently, Athabasca University is by far the most productive university, and the United States and Canada are the most productive countries appearing in the journal. However, the journal is very diverse with publications from all over the world.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,455
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0080,064
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0060,008
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,092
Tête enseignante GPT0,485
Écart entre enseignants0,393 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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'admission3
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOnline Learning and AnalyticsTravaux en français237 207