Research Trends and Hotspots in the Integrated Science Curriculum (1947–2024): A CiteSpace Analysis
Notice bibliographique
Résumé
The integrated science curriculum has become a central theme in global education reforms, yet its research development remains fragmented.This study employs CiteSpace 6.3 to conduct a scientometric analysis of 350 publications retrieved from Web of Science, Scopus Abstract and Citation Database, and China National Knowledge Infrastructure (1947-2024).Publication trends reveal three phases: marginal development (1947-1995), gradual growth (1996-2005), and rapid expansion linked to STEM initiatives and the NGSS (2005-2019), followed by a decline after 2020 due to the COVID-19 pandemic.The United States, China, and Canada dominate contributions, with the Texas A&M University System and the Purdue University System identified as leading institutions.Author and institutional networks highlight active but regionally clustered collaborations.Keyword co-occurrence indicates that curriculum design, student learning, and teaching practices remain consistent research themes.Keyword clustering demonstrates interdisciplinary expansion into sustainability, computer science, and nanoeducation, reflecting broader societal and technological agendas.Keyword burst detection identifies recent surges in "science curriculum" and "students" (2021-2024), signaling growing emphasis on curriculum innovation and learner engagement.These findings provide a systematic visualization of integrated science curriculum research hotspots, offering valuable insights for both future scholarship and educational policy.
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 | 0,026 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».