A Global Bibliometric Analysis of Assessment Literacy in Preservice Teacher Education (2000–2024)
Notice bibliographique
Résumé
This study conducts a bibliometric analysis of assessment literacy research in preservice teacher education from 2000 to 2024.The analysis, based on 91 peer-reviewed journal articles indexed in the Scopus database, examined publication patterns, thematic groups, geographical location, and most-cited works using VOSviewer for co-occurrence mapping and cluster visualization.The findings showed that publications on assessment literacy rose sharply in the early 2020s, peaking in 2023.Cluster analysis identified three thematic areas: the development of teacher competencies and professional skills, connections between assessment literacy and instructional practices, and preservice teacher preparation in technological and pedagogical means for effective assessment.Most studies were conducted in the United States, followed by Australia and Canada, whereas in other regions, there were only a few representations.Popham's ( 2009) study on policy alignment, innovative pedagogy, and technology use emerged as the most influential work.These findings highlight the need to diversify geographical contributions, broaden methodological approaches, and strengthen crosscontextual dialogue in literacy assessments.By synthesizing trends across more than two decades, this study offers the systematic bibliometric mapping of preservice teacher education in assessment literacy, addressing gaps left by prior reviews.These findings imply that future research should aim to refine the conceptual and practical foundations of assessment literacy in preservice teacher education.The study provides a foundation for future global collaborations and informs curriculum design in teacher education programs.
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 | 0,018 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,139 | 0,350 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».