TRENDS AND DEVELOPMENTS IN INTELLIGENT AGENT FOR SOCIALLY SHARED REGULATED LEARNING (SSRL): A BIBLIOMETRIC REVIEW
Notice bibliographique
Résumé
The integration of intelligent agents in supporting Socially Shared Regulation of Learning (SSRL) has gained significant scholarly interest in recent years, aligning with the broader evolution of Artificial Intelligence (AI) in education. Despite its growing relevance, a comprehensive understanding of research trends, influential contributions, and thematic developments within this niche remains limited. This study aims to address that gap by conducting a bibliometric analysis titled “Trends and Developments in Intelligent Agent for Socially Shared Regulated Learning (SSRL),” using a dataset of 1951 publications retrieved from the Scopus database. Employing Scopus Analyzer, OpenRefine, and VOSviewer software, we systematically examined publication output, citation patterns, country contributions, author impact, keyword co-occurrences, and collaboration networks spanning from 1983 to 2025. The analysis revealed a sharp increase in publication volume post-2010, with peak activity occurring between 2010 and 2023, driven predominantly by contributions from the United States, the United Kingdom, China, and Canada. Keyword clustering highlighted dominant themes, including metacognitive support, agent-based learning systems, collaborative regulation, and AI-driven feedback mechanisms. Furthermore, the co-authorship and institutional analysis demonstrated an emerging but fragmented research community, suggesting opportunities for enhanced international collaboration. The findings map the intellectual landscape of intelligent agents in SSRL and provide actionable insights for future research. It highlights areas with high potential for interdisciplinary integration and technological innovation. This study provides a foundational perspective for researchers, policymakers, and developers seeking to leverage intelligent agents in fostering effective collaborative learning environments.
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 | 0,013 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,117 | 0,162 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».