Ukrainian Pedagogical Science: Bibliometric Audit (ІІ-nd quarter of 2023)
Bibliographic record
Abstract
Бібліометричний аудит педагогічної науки України здійснюється з 2017 р. в контексті досліджень відділу наукового інформаційно-аналітичного супроводу освіти ДНПБ України ім. В.О.Сухомлинського та на виконання планового наукового дослідження «Інформаційно-аналітичний супровід цифрової трансформації освіти і педагогіки: вітчизняний і зарубіжний досвід» (2023-2025 рр.). Мета аудиту – отримання консолідованих бібліометричних даних про стан педагогічної науки в Україні як джерельної бази для її експертного оцінювання та підтримки розвитку. Методологічна база аудиту – Лейденський маніфест для наукометрії (2014), в якому наголошено на наданні пріоритету експертному висновку, що має базуватися на аналізі широкого спектра відкритих бібліометричних показників. Джерельна база аудиту – інформаційно-аналітична система «Бібліометрика української науки». Система «Бібліометрика української науки» призначена для надання суспільству цілісної картини стану українського наукового середовища. Станом на червень 2023 р. система містить бібліометричні показники 57390 науковців, галузь «Педагогіка» представляє 7193 науковці, з них НАПН – 826. За звітний квартал систему поповнено профілями 412 науковців. У Scopus кількість профілів педагогів – 623, НАПН – 67. У Web of Science кількість профілів педагогів – 283, НАПН – 34.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.016 | 0.044 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".