A Bibliometric Analysis on How Organic Chemistry Education Research Has Evolved Collaboratively Over Time
Notice bibliographique
Résumé
Organic chemistry is widely regarded as a challenging topic; generally, students prefer to memorize rather than critically analyze concepts resulting in meaningful learning. In recent years, the curriculum of the organic chemistry subject has been reshaped and redefined to overcome the difficulties that students often experience while trying to understand the syllabus. The goal of this research is to illustrate the organic chemistry education's current trends, which adopted the bibliometric analysis method. A holistic review was carried out on organic chemistry education articles obtained from the Scopus database between the year 2011 up to 2020. Based on the keywords of "organic chemistry" and "education", the study has accumulated 1056 papers for further evaluation. Various tools have been implemented, for example, Microsoft Excel was used to conduct the frequency analysis, VOSviewer for data visualization, as well as Harzing's Publish or Perish in regard to citation metrics and analysis. Bibliometric indicators were employed to report the findings in this study, for instance, language, subject area, research trends by year of publication, top countries, top influential institution, active source title, citation analysis, authorship analysis and keywords analysis. The results show an increasing growth rate of literature on organic chemistry education from 2011 until 2020. The United States was the top contributor to organic chemistry education research, followed by Canada. Healthy collaboration exists across researchers, countries, and institutions. This evolvement of organic chemistry education reflects a rising emphasis on Science, Technology, Engineering and Mathematics (STEM) discipline incorporated into the 21st-century curriculum to prepare the desired workforce.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,019 | 0,113 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,009 | 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; 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 ».