Análisis de Contenido y Bibliométrico de la Deserción Escolar en Instituciones Educativas
Notice bibliographique
Résumé
This article aims to identify, through bibliometric analysis, new lines and areas of research, determine the most prolific and cited authors, the core journals, and the institutions conducting the most research on the topic of school dropout. To achieve this objective, 6,407 documents from the Scopus database were reviewed using content and bibliometric analysis with the VOSviewer software. The main findings indicate that most of the generated information in this field comes from the journals PLOS ONE, BMC Public Health, Nurse Educator, and Economics of Education Review. The countries with the highest number of citations are the United States, England, Spain, Germany, and Canada. Meanwhile, Universidad Complutense de Madrid, Universidad de Oviedo, Stanford University, University of Toronto, Graz University of Technology, and Teachers College Columbia University are the institutions with the highest affiliation of publications. The keyword analysis of the literature related to school dropout reveals five main research clusters: Education, School Dropout, Academic Performance, Curriculum, and Student Attrition as the most relevant trends. Therefore, this study makes a significant contribution to the literature by providing a framework for future research, offering opportunities for researchers to explore the network of relationships among research streams.
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 | 0,028 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,181 | 0,211 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».