BIBLIOMETRIC ANALYSIS OF DIGITAL TOOLS IN MATHEMATICS EDUCATION: TRENDS, COUNTRIES, AND EMERGING KEYWORDS
Notice bibliographique
Résumé
This work undertakes a bibliometric study and analysis of the scientific literature dealing with digital tools in teaching mathematics from 2000 to 2025, sourced from IEEE Xplore. Its goal is to shed light on thematic trends, geographical research impact, and common keywords, titles, and co-authors in this very rapidly evolving world. The data set contains 1,152 scientific contributions, mostly conference papers (80.38%), reflecting the dynamic and ever-changing nature of the field. Keyword analysis unveiled five thematic clusters, indicating the integration of STEM, AI, and cybersecurity in education methodologies. The United States remains at the top in terms of citation and h-index, followed by China, Israel, India, and Canada. Within the Balkans, Turkey enjoys scientific supremacy, while North Macedonia seems starved of recognition, with a single publication to its account, and none cited. According to the results, the research interest is shifting away from work on traditional educational constructs to those on artificial intelligence in education and science.This work undertakes a bibliometric study and analysis of the scientific literature dealing with digital tools in teaching mathematics from 2000 to 2025, sourced from IEEE Xplore. Its goal is to shed light on thematic trends, geographical research impact, and common keywords, titles, and co-authors in this very rapidly evolving world. The data set contains 1,152 scientific contributions, mostly conference papers (80.38%), reflecting the dynamic and ever-changing nature of the field. Keyword analysis unveiled five thematic clusters, indicating the integration of STEM, AI, and cybersecurity in education methodologies. The United States remains at the top in terms of citation and h-index, followed by China, Israel, India, and Canada. Within the Balkans, Turkey enjoys scientific supremacy, while North Macedonia seems starved of recognition, with a single publication to its account, and none cited. According to the results, the research interest is shifting away from work on traditional educational constructs to those on artificial intelligence in education and science.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,112 | 0,195 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».