Differentiated instruction in science education: A thematic evolution through bibliometrics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study is a literature review that aims to identify thematic areas, key trends, key contributors, and contributions to the field of research by addressing the topic of differentiated instruction (DI) in science education. This literature review uses the Scopus database from 1964-2024 with bibliometric analysis on the biblioshiny application to obtain research results in the form of graphical and image data visualizations. Since 2010, this topic has increased according to the visualization results in term of the number of publications and continued to be of interest and spotlight in the 21st century. The central theme of the thematic evolution analysis shows the integration of DI with STEM, inquiry-based learning, and teacher professional development. Inclusive learning, active learning, and equity, become supporting themes in this study. These findings show the correlation between DI and the 21st century education. Leading authors and institutions have made significant contributions to advanced research in this field. The metadata of this research shows there are three highest ranks of countries contributors to this DI in science education; US, Indonesia, and Canada. Blonder and Decoito have been key contributors in this study. The conclusion of this study is that the trend of differentiated instruction (DI) in science education can provide space for creating active and diverse learning according to individual needs, thus supporting inclusive learning. The integration of DI with innovative learnings such as inquiry and STEM are recommended for further research. This study can be used as a basis for further research on the effectiveness of the globally and holistically approaching differentiation, especially within low resource contexs.
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.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,074 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle